Derin öğrenme tekniklerini kullanarak hava lidar nokta bulutlarının sınıflandırılması

Basit Öğe Kaydı
dc.authorid0000-0001-9555-3190en_US
dc.contributor.advisorVarlık, Abdullah
dc.contributor.authorUray, Fırat
dc.date.accessioned2022-07-07T05:21:59Z
dc.date.available2022-07-07T05:21:59Z
dc.date.issued2022en_US
dc.date.submitted2022-04-13
dc.departmentNEÜ, Fen Bilimleri Enstitüsü, Harita Mühendisliği Anabilim Dalıen_US
dc.descriptionDoktora Tezien_US
dc.description.abstractHava LiDAR (Light Detection and Ranging) nokta bulutlarının filtrelenmesi ve sınıflandırılması için birçok teknik geliştirilmiştir. Hesaplama verimliliği ve doğruluğun iyileştirilmesi, LiDAR nokta bulutları ile çalışırken üzerinde durulması gereken etkenlerin başındadır. Derin öğrenme teknikleri son yıllarda görüntü sınıflandırma alanında yoğun şekilde kullanılmaya başlamıştır. Elde edilen yüksek doğruluk ve son teknoloji grafik işlemcileri sayesinde hesaplama yükünün hafiflemesi ile araştırmacılar LiDAR nokta bulutlarını sınıflandırma çalışmalarını makine öğrenmesi alanına özellikle de derin sinir ağlarına kaydırmıştır. Bu tez çalışmasının amacı derin öğrenme tekniği kullanılarak 3 boyutlu (3B) LiDAR nokta bulutlarının filtrelenmesi ve sınıflandırılmasıdır. Derin öğrenme tekniklerinin görüntü işlemedeki gücünden faydalanmak için 3B LiDAR verisini 2 boyutlu (2B) görüntüye çeviren bir teknik önerilmiştir. LiDAR verilerine derin sinir ağına girdi olarak verilmeden uygulanan ön işlemlerden bahsedilmiştir. Sonraki aşamada piksel bazlı sınıflandırma yapılmış, en son aşamada ise sınıflar tekrar 3B nokta bulutuna aktarılmıştır. Eğitim ve test verisi olarak Norveç'in Bergen şehrine ve Kanada'nın Surrey şehrine ait Dayton Annotated Laser Earth Scan (DALES) LiDAR nokta bulutları kullanılmıştır. Doğruluk metrikleri olarak Precision (Kesinlik), Recall (Duyarlılık) ve F1 puanı hesaplanmış ve Bergen veri seti için sırasıyla ortalama 0.89, 0.84 ve 0.86 ve DALES veri seti için sırasıyla 0.86, 0.89 ve 0.87 değerleri elde edilmiştir. Ayrıca, önerilen yöntemin sınıflandırma performansı çeşitli ticari yazılımların nokta bulutu filtreleme algoritmaları ile kıyaslanmıştır.en_US
dc.description.abstractMany techniques have been developed for filtering and classifying airborne LiDAR (Light Detection and Ranging) point clouds. Computing efficiency and accuracy are key factors that need to be addressed when working with LiDAR point clouds. Deep learning techniques have been used extensively in image classification in recent years. With the resulting high accuracy and reduced computational burden, the researchers shifted their focus to machine learning techiques for classification of LiDAR point clouds , especially deep neural networks. This thesis aims to create a neural network that classify and filter 3D LiDAR point clouds using deep learning techniques. To take the advantage of the power of deep learning techniques in image processing, a new workflow including conversion method of 3D LiDAR data to 2D images was proposed. Before the LiDAR data is given as input to the deep neural network, the preprocessing steps applied to the data are mentioned. In the next stage, pixel-based classification was made, and at the last stage, the class labels were transferred to the 3D point cloud again. LiDAR point cloud of Bergen city of Norway and DALES dataset, which is covering the Surrey city of Canada, were used as training and test data. Precision, Recall, and F1 scores were calculated as accuracy metrics for two dataset and mean values of 0.89, 0.84, and 0.86 for Bergen dataset and 0.86, 0.89, and 0.87 for Surrey were obtained, respectively. In addition, the classification performance of the proposed method is compared with the point cloud filtering algorithms of various commercial software.en_US
dc.identifier.citationUray, F. (2022). Derin öğrenme tekniklerini kullanarak hava lidar nokta bulutlarının sınıflandırılması. (Yayınlanmamış Doktora Tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü Harita Mühendisliği Anabilim Dalı, Konya.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12452/8407
dc.language.isotren_US
dc.publisherNecmettin Erbakan Üniversitesi Fen Bilimleri Enstitüsüen_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectDerin Öğrenmeen_US
dc.subjectFotogrametrien_US
dc.subjectLiDARen_US
dc.subjectNokta Bulutuen_US
dc.subjectSinir Ağlarıen_US
dc.subjectUzaktan Algılamaen_US
dc.subjectDeep Learningen_US
dc.subjectLiDARen_US
dc.subjectNeural Networksen_US
dc.subjectPhotogrammetryen_US
dc.subjectPoint Clouden_US
dc.subjectRemote Sensingen_US
dc.titleDerin öğrenme tekniklerini kullanarak hava lidar nokta bulutlarının sınıflandırılmasıen_US
dc.title.alternativeClassification of airborne lidar point clouds using deep learningen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
724947 (1)_compressed.pdf
Boyut:
4.17 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Doktora Tezi
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleskiyonu