Αυτόματος εντοπισμός κτηρίων με φωτογραμμετρικές μεθόδους σε πυκνή αστική περιοχή

DSpace/Manakin Repository

Show simple item record

dc.contributor.author Αρώνη, Ευγενία-Νεκταρία el
dc.contributor.author Aroni, Evgenia-Nektaria en
dc.date.accessioned 2018-07-16T11:57:23Z
dc.date.available 2018-07-16T11:57:23Z
dc.date.issued 2018-07-16
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/47319
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.15115
dc.rights Default License
dc.subject Κτήρια el
dc.subject Εντοπισμός el
dc.subject Φωτογραμμετρία el
dc.subject Πυκνή συνταύτιση el
dc.subject Νέφος σημείων el
dc.subject Point cloud en
dc.subject Photogrammetry el
dc.subject Computer vision el
dc.subject Building el
dc.subject Detection el
dc.title Αυτόματος εντοπισμός κτηρίων με φωτογραμμετρικές μεθόδους σε πυκνή αστική περιοχή el
heal.type bachelorThesis
heal.classification Φωτογραμμετρία el
heal.language el
heal.access free
heal.recordProvider ntua el
heal.publicationDate 2018-03-26
heal.abstract Στην παρούσα εργασία πραγματοποιήθηκε αυτόματος εντοπισμός όλων των κτηρίων του κέντρου της Αθήνας. Τα δεδομένα που χρησιμοποιήθηκαν ήταν οκτώ γεωαναφερμένες αεροφωτογραφίες με τέσσερα κανάλια (έγχρωμο και εγγύς υπέρυθρο). Στο πρώτο στάδιο δημιουργήθηκε ένα νέφος σημείων με τη χρήση του Semi-global algorithm (πυκνή συνταύτιση). Στη συνέχεια, με ανάπτυξη εφαρμογών σε Matlab δημιουργήθηκε ένα μοντέλο εδάφους, και εντοπίστηκαν τα κτήρια και η βλάστηση. Στο τελικό στάδιο για κάθε κτήριο δημιουργήθηκε ένα πολύγωνο, και το σύνολο των πολυγώνων αποθηκεύτηκαν και τροποποιήθηκαν σε περιβάλλον GIS. el
heal.abstract The diploma thesis aims in developing an application that detects buildings in densely populated areas. The study area included the wider center of the city of Athens, starting from Keramikos area to Alexandras Avenue. The data used was eight aerial images of two flight strips, taken from a panchromatic camera. Two stereo models of the area were created, using the Semi global Algorithm (SGM) and the Structure from Motion process. After evaluating both models, the Semi global Algorithm’s model was chosen as more accurate and, therefore, preferable to detect the buildings in. Afterwards, an algorithm was developed using Matlab, with the application of which all partial clouds (from stereo pairs) were corrected and merged into one. In the second stage of the algorithm, a DTM was created for the study area, and, following, all complexes of the buildings were isolated, using remote-sensing methods. Within the complexes, each building was individually detected also by applying an algorithm developed in Matlab. For each building, a polygon describing their floor plan was recorded in GIS. In addition, the polygon had information about the number of level each building consists of. During the third part of the algorithm, all polygons were processed into Geographical Information Systems, in order to correct their geometry and discard outliers. The results were evaluated by comparing the results to the polygons available on openstreetmap.org. openstreetmap.org were updated on their third dimension, since this information was not available online. Finally, some of the polygons in openstreetmap.org were updated on their third dimension, since this information was not available online. en
heal.advisorName Ιωαννίδης, Χαράλαμπος el
heal.committeeMemberName Πότσιου, Χρυσή el
heal.committeeMemberName Δουλάμης, Αναστάσιος el
heal.academicPublisher Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Φωτογραμμετρίας el
heal.academicPublisherID ntua
heal.numberOfPages 151 σ. el
heal.fullTextAvailability true

Files in this item

This item appears in the following Collection(s)

Show simple item record