SavedAdd your journal

Journals / Türkiye Lidar Dergisi / 2019 / Cilt: 1 - Sayı: 1

LiDAR verilerinin CSF algoritmasıyla filtrelenmesi ve Sayısal Arazi Modeli üretimi

Nizar POLAT
Pages
21–25
Publication Date
2019-12-20
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Ayrıca yükseklik bilgisinin güvenilirliği için hesaplanan karesel ortalama hata 11 cm olarak bulunmuştur.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Yükseklik bilgisi birçok mühendislik uygulaması için vazgeçilmez verilerdendir.
📊
Key Findings & Data:Buna göre nokta tabanlı karşılaştırmada filtreleme işlemi % 85 üretici doğruluğuna sahiptir.
💡
Conclusion & Impact:Ayrıca yükseklik bilgisinin güvenilirliği için hesaplanan karesel ortalama hata 11 cm olarak bulunmuştur.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Uzaktan Algılama · Fotogrametri · LiDAR

Özet

Yükseklik bilgisi birçok mühendislik uygulaması için vazgeçilmez verilerdendir. Özellikle arazi yüzeylerini tanımlamakta yoğun olarak kullanılan ve Sayısal Arazi Modeli şeklinde tanımlanan topografik ürünler birçok mühendislik projesi için altlık olarak kullanılmaktadır. Son yıllarda LiDAR verileri ile geniş arazilere ait yüksek doğrulukta arazi modelleri üretimi yaygınlaşmıştır. Bu çalışmada LiDAR verisi CSF algoritması kullanılarak filtrelenmiş ve sayısal arazi modeli üretilmiştir. Üretilen arazi modeli referans veri ile hem nokta tabanlı hem de görüntü tabanlı karşılaştırılmıştır. Buna göre nokta tabanlı karşılaştırmada filtreleme işlemi % 85 üretici doğruluğuna sahiptir. Görüntü tabanlı karşılaştırma is referans arazi modeli ve üretilen arazi modellerinden elde edilmiştir. Bu iki arazi modeli arasındaki korelasyon yaklaşık %98 olarak hesaplanmıştır. Ayrıca yükseklik bilgisinin güvenilirliği için hesaplanan karesel ortalama hata 11 cm olarak bulunmuştur.

🔖

Cite This Article

POLAT, N. (2019). LiDAR verilerinin CSF algoritmasıyla filtrelenmesi ve Sayısal Arazi Modeli üretimi. Türkiye Lidar Dergisi, Cilt: 1 - Sayı: 1, 21–25. https://ajindex.com/articles/421114

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (14)

  1. Abo Akel, N., Zilberstein, O. and Doytsher, Y. (2003). Automatic DTM extraction from dense raw LiDAR data in urban areas. In FIG Working Week, Austria, 22 September. Axelsson, P. (2000). DEM Generation from Laser Scanner Data Using adaptive TIN Models. In ISPRS Symposium, Amsterdam, 16 23 July, 110-117.
  2. Awrangjeb, M., Lu, G. and Fraser, C. S. (2014). Automatic building extraction from LiDAR data covering complex urban scenes. In ISPRS Technical Commission III Symposium, Zurich, 5 – 7 September, 25-32.
  3. Briese, C. (2010). Extraction of digital terrain models. In Vosselman, G. (Ed.), Airborne and terrestrial laser scanning, University of Technology, Vienna, 147-150.
  4. Ding, M., Lyngbaek, K. and Zakhor, A. (2008). Automatic registration of aerial imagery with untextured 3D LiDAR models. In 26th IEEE Conference on Computer Vision and Pattern Recognition, Anchorage,USA, 23 June, 1-8.
  5. Foody, G. M. (2002). Status of land cover classification accuracy assessment. Remote Sensing of Environment, 80: 185-201.
  6. Forlani, G. and Nardinocchi, C. (2007). Adaptive filtering of aerial laser scanning data. In ISPRS Symposium, Finland, 12 September, 130-35.
  7. Gerke, M. and Xiao, J. (2014). Fusion of airborne laserscanning point clouds and images for supervised and unsupervised scene classification. ISPRS Journal of Photogrammetry and Remote Sensing, 87: 78-92.
  8. Guan, H., Li, J. and Chapman, M.A. (2011). Urban thematic mapping by integrating LiDAR point cloud with colour imagery, GEOMATICA, 65(4): 375-385.
  9. Guo, Q., Li, W., Yu, H., and Alvarez, O. (2010). Effects of topographic variability and LiDAR sampling density on several DEM interpolation methods. Photogrammetric Engineering and Remote Sensing, 76(6), 701-712.
  10. Kraus, K. and Pfeifer, N. (1998). Determination of terrain models in wooded areas with airborne laser scanner data. ISPRS Journal of Photogrammetry and Remote Sensing, 53: 193-203.
  11. Lin, C. and Nevatia, R. (1998). Building detection and description from a single ıntensity ımage. Computer Vision and Image Understanding, 72: 101-121.
  12. Mongus, D., Lukač, N., Obrul, D. and Žalik, B. (2013). Detection of planar points for building extraction from LiDAR data. In ISPRS Conference, Canada, 28 May, 21-26.
  13. Moussa, A. and El-Sheimy, N. (2012). A new object based method for automated extraction of urban objects from airborne sensors data. ISPRS Congress, Melbourne, 25 August, 309-314
  14. Müller, S. and Zaum, D. W. (2005). Robust buıldıng detectıon ın aerıal ımages. In Proc. ISPRS Workshop,