طبقه‌بندي داده‌هاي ليدار موج‌‌پيوسته با تركيب ويژگي‌هاي فيزيكي و هندسي در مناطق شهري

Classification of Full-Waveform LiDAR Data in Urban Areas by Combining Physical and Geometrical Features

در دو دهه اخير استفاده از ليزراسكن‌هاي هوايي يا ليدار در كاربردهاي گوناگون مهندسي ژيوماتيك رشد فزاينده‌اي يافته است. دليل اين امر قابليت اعتماد بالا و صحت داده‌هاي خروجي حاصل از اين نوع سنجنده‌هاست. خروجي ليدار، ابرنقاط سه‌بعدي طبقه‌بندي‌نشده و غيرساختاريافته است. براي عملياتي‌كردن داده‌هاي مذكور مي‌بايست اين داده‌ها به‌نوعي ساختارمند شوند و در كلاس‌هاي متمايز طبقه‌بندي گردند. در پژوهش حاضر با تلفيق ويژگي‌هاي هندسي و فيزيكي داده‌هاي حاصل از سنجنده جديد ليزراسكن هوايي موج‌پيوسته، بردار ويژگي متناسب با هر نقطه از ابرنقاط تشكيل مي‌شود. روند پردازش به‌كارگرفته‌شده در اين مقاله شامل استخراج ويژگي‌هاي هندسي از مختصات سه‌بعدي نقاط موجود در ابرنقاط است. اين ويژگي شامل ميزان مشاركت نقطه مطلوب در تشكيل يك صفحه در ابرنقاط است. براي رسيدن به اين هدف از تبديل هاف سه‌بعدي استفاده شده است. در كنار اين ويژگي هندسي، ويژگي‌هاي فيزيكي شامل دامنه پالس، پهناي پالس و شماره پالس بازگشتي نيز به هر نقطه در داده‌هاي ليزراسكن هوايي موج‌پيوسته اختصاص داده مي‌شود. با استفاده از بردار ويژگي تشيكل‌شده براي هر نقطه و طبقه‌بندي‌‌كننده ماشين‌بردار پشتيبان، ابرنقاط غيرساختاريافته را به مجموعه‌اي ساختاريافته و كلاسه‌بندي‌شده تبديل مي‌كنيم. خروجي حاصل از روش ارايه‌شده در اين مقاله شامل ابرنقطه‌اي طبقه‌بندي‌شده به سه كلاس زمين‌لخت، ساختمان و پوشش گياهي است. اين طبقه‌بندي با دقت كلي 04/81 درصد، ضريب كاپا 69/0 و دقت ميانگين 21/79 درصد انجام شده است.

In the last two decade the use of Aerial Laser Scanner (ALS) or LiDAR (Light Detection and Ranging) sensor in geomatics engineering and surveying application has augmented significantly. The main reason of the mentioned phenomenon is the reliability and accuracy of the data obtained by LiDAR sensors. The output of LiDAR is unclassified 3D point cloud. Classification of the LiDAR point clouds in different and distinguished classes is the first step in applying such data in different geomatics applications. The purpose of this article is to classify Full- Waveform LiDAR data with the compilation of geometric and physical parameters of each point in the point cloud. First of all the geometrical parameter is extracted from raw 3D coordinate of the points. This geometrical parameter is the calculation of the relational association of the point in the construction of a plane with the help of 3D Hough transform. The feature vector also includes physical features that exclusively belong to full-waveform LiDAR. These features are amplitude of the pulse, width of the pulse and the number of the returned pulse. After the construction of the feature vector for each point, the next step is to classify the point cloud into three classes; bare earth, building and vegetation with the utilization of Support Vector Machines classification method. The final step is accuracy assessment of the classification method. The results are promising; 81.04% Overall Accuracy, 0.69 Kappa Coefficient and 79.21% Average Accuracy.