Aplicação de técnicas de processamento e análise de imagens para detecção de edificações e vegetação a partir de dados LiDAR

Abstract

As nuvens de pontos provindas de Sistemas de Varredura a LASER (Light Amplification by Stimulated Emission of Radiation) Aerotransportados (SVLA) representam a superfície com um grande detalhamento, sendo registrada a vegetação e as feições antrópicas, como edificações e rodovias, por exemplo. A automação da tarefa de classificação da nuvem de pontos é importante para a redução de custos em aplicações práticas relacionadas a atividades de mapeamento. Esta dissertação tem por objetivo principal o estudo, implementação e avaliação de técnicas de processamento e análise de imagens visando a classificação da nuvem de pontos LiDAR (Light Detection and Ranging), e a obtenção, de forma automática, do MDT (Modelo Digital do Terreno) e dos pontos pertencentes a edificações e vegetação. Inicialmente são apresentados os conceitos necessários para o entendimento do método proposto, o qual é detalhado na sequência, assim como os conjuntos de dados utilizados para as avaliações. Além da revisão conceitual sobre tópicos como Morfologia Matemática, Análise de Componentes Principais e algoritmo RANSAC, estudou-se a necessidade de redução da quantidade de iterações do RANSAC e uma alternativa para obtenção de alguns dos parâmetros do método a priori. Foram realizados experimentos sobre a escolha do interpolador (para a geração da grade regular) e para a seleção da forma e dimensão do elemento estruturante (usado nas operações morfológicas). A classificação final foi avaliada em termos de completeza e nível de acerto, calculadas com relação a referências geradas manualmente.

The point clouds acquired by ALS (Airborne LASER Scanning) systems represent the surface with great level of detail, recording both natural vegetation and anthropic features, such as buildings and roads, for example. The automation’s task of point clouds classification is important to reduce costs in practical applications related to mapping activities and production. This work is primarily focused in the study, implementation and evaluation of image processing and analysis techniques, aiming the automatic cloud point classification, generation of the DTM (Digital Terrain Model) and the detection of roof plane and vegetation points. Besides the conceptual review about Mathematical Morphology, Principal Component Analysis and RANSAC (Random Sample Consensus), it was studied the need to reduce the quantity of iterations and an alternative to obtain some of the parameters required by RANSAC algorithm considering one preliminary classification based on Principal Component Analysis. Some experiments were conducted in order to select both the interpolation method (to generate the grid) and the shape and size of the structuring element (used in the morphological operations). The final classification was evaluated in terms of completeness and correctness, computed with respect to a manually generated reference.