Basit öğe kaydını göster

dc.contributor.advisorDoğan, Sedat
dc.contributor.authorKamara, Abu
dc.date.accessioned2023-03-22T06:31:28Z
dc.date.available2023-03-22T06:31:28Z
dc.date.issued2021en_US
dc.identifier.citationKamara, A. (2021). Automatic extraction of planar objects from lidar point cloud data. (Doktora tezi). Ondokuz Mayıs Üniversitesi, Samsun.en_US
dc.identifier.urihttp://libra.omu.edu.tr/tezler/137599.pdf
dc.identifier.urihttps://hdl.handle.net/20.500.12712/33910
dc.description.abstractNokta bulutu verilerinden tam veya yarı-otomatik olarak nesnelerin çıkarılması problemi, çok büyük miktardaki veri ve problemin karmaşıklığı nedeniyle oldukça zor bir iştir. Bu tezde, düzlemsel nesnelerin LiDAR nokta bulutu verilerinden çıkarılması amacıyla model-tabanlı yöntemler, RANSAC ve en küçük kareler yöntemiyle düzlem uydurma optimizasyon tekniği ile yorumlanmıştır. RANSAC (Random Sample Consensus) algoritması, rasgele seçilen örneklerin iteratif hesaplar sonucunda model ile uzlaştırılması yaklaşımı olarak tanımlanabilir. Bu yaklaşım iyi bilinen ve yorumlanması kolay bir yaklaşım olmasına rağmen, problemin karmaşık yapısı ve büyük verinin analiz edilmesi zorunluluğu nedeniyle doğru sonuçların elde edilmesi ve elde edilen düzlem parçalarının anlamlı nesneler oluşturacak şekilde gruplandırılması işi, çözümü oldukça zor olan bir problemdir. Bölümleme (segmentation) modelleri 2- boyutlu bir görüntüdeki nesnelerin dış sınırlarını tam olarak bulabilmektedir. Bunun için sınıflandırma (classification) modellerinin tersine, bir nesnenin piksel piksel tanımını yapmaktadır. 3- boyutlu nokta bulutu verilerinde ise, sınıflandırma yapılabilmekte ve ancak nesne adaylarının sınırlandırıcı kübü (bounding box) elde edilebilmektedir. Bu küp içerisindeki aday nesnenin analitik tanımı, optimizasyon sonucunda elde edilen düzlem parametreleriyle yapılmıştır.en_US
dc.description.abstractFull or highly automated object extraction from point cloud data is a challenging task due to the huge amount of data and the complexity of the problem. In this thesis, we obtained the Model-based methods for planar objects extraction from LiDAR point cloud data by using the Random Sample Consensus (RANSAC) algorithm together with automatic least-squares plane fitting optimization. Although the RANSAC model is known well and easy to implement, obtaining correct results is too difficult because of the complexity of the huge data and obtaining correct partitioning of the fitted planes into meaningful objects. A new paradigm, Random Sample Consensus (RANSAC), for fitting a model to experimental data is introduced. RANSAC is capable of interpreting/ smoothing data containing a significant percentage of gross errors and is thus ideally suited for applications in automated image analysis where interpretation is based on the data provided by error-prone feature detectors. Segmentation models provide the exact outline of the object within an image. That is, pixel by pixel details are provided for a given object, as opposed to Classification models, where the model identifies what is in an image, and detection models, which place a bounding box around specific objects. The objective of segmentation on point clouds is to spatially group points with similar properties into homogeneous regions. Segmentation is a fundamental issue in processing point clouds data acquired by LiDAR and the quality of segmentation largely determines the success of information retrieval. The proposed method demonstrates that the RANSAC algorithm and the segmentation approach are robust even in the presence of many outliers and a high degree of noise.en_US
dc.language.isoengen_US
dc.publisherOndokuz Mayıs Üniversitesi, Lisansüstü Eğitim Enstitüsüen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectRANSACen_US
dc.subjectnokta bulutuen_US
dc.subjectdüzlem çıkarmaen_US
dc.subjectbölümlemeen_US
dc.subjectsınıflandırmaen_US
dc.subjectLIDARen_US
dc.subjectotomatiken_US
dc.subjectyapay nesneleren_US
dc.subjectyüzeyen_US
dc.subjectpoint clouden_US
dc.subjectplane extractionen_US
dc.subjectsegmentationen_US
dc.subjectclassificationen_US
dc.subjectautomaticen_US
dc.subjectartificial structuresen_US
dc.subjectsurfaceen_US
dc.titleAutomatic extraction of planar objects from lidar point cloud dataen_US
dc.title.alternativeLidar nokta bulutu verilerinden düzlem nesnelerin otomatik olarak çıkarılmasıen_US
dc.typearticleen_US
dc.contributor.departmentOMÜ, Lisansüstü Eğitim Enstitüsü, Harita Mühendisliği Ana Bilim Dalıen_US
dc.contributor.authorID0000-0001-6677-8024en_US
dc.contributor.institutionauthorKamara, Abu
dc.contributor.institutionauthorDoğan, Sedat
dc.relation.publicationcategoryTezen_US


Bu öğenin dosyaları:

Thumbnail

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster