ارائه روشي چندعامله به منظور استخراج و قطعه‌بندي همزمان ساختمان‌ها از ابر نقاط ليدار

A Multi-Agent Method for Simultaneous Building Extraction and Segmentation from LiDAR Point Cloud

امروزه پردازش‌های خودكار و استخراج اشیا از سنجنده‌های هوابرد به یكی از موضوعات تحقیقاتی مهم در فتوگرامتری تبدیل شده‌ است. سیستم لیزر‌‌اسكنر هوایی كه معمولا از آن به عنوان لیدار یاد می‌شود، یك تكنولوژی برتر برای اكتساب داده‌های سه‌بعدی مكانی با سرعت و چگالی بالا از سطح زمین است. یكی از مهمترین كاربردهای سیستم لیدار، تولید مدل‌های سه‌بعدی شهری است. گام اولیه و مهم برای بازسازی ساختمان‌ها به عنوان یكی از مهمترین اجزای مدل‌های شهری، شناسایی و تفكیك داده‌های ساختمانی از دیگر داده‌ها نظیر زمین، درختان و پوشش‌گیاهی است. علاوه بر این، قطعه‌بندی سقف ساختمان یك گام مهم دیگر در پردازش ابر نقاط ساختمان می‌باشد. در این تحقیق استخراج ابرنقاط ساختمانی و قطعه‌بندی سقف ساختمان به‌صورت همزمان و با استفاده از یك استراتژی چند عامله بر مبنای استفاده از ابرنقاط نامنظم لیدار صورت گرفته است. ابتدا با استفاده از معیارهای ارتفاعی و پالس‌های برگشتی، نقاط كاندیدای زمینی و گیاهی از نقاط ساختمانی جدا‌ شده‌اند. سپس با آنالیز طول مثلث‌های ایجاد شده بر روی نقاط باقیمانده و با استفاده از روش گسترش ناحیه بر مبنای بردار نرمال، قطعات مختلف استخراج می‌شوند. پس از آنالیز مساحت برای تفكیك قطعات ساختمانی، به‌منظور شناسایی قطعات متعلق به ساختمان‌های واحد روشی ابتكاری به نام "گسترش شبكه" پیشنهاد شده است. جهت ارزیابی دقت از تفسیر بصری و مقایسه كمی نتایج با اطلاعات استخراج شده توسط اپراتور انسانی استفاده گردیده است. در این ارزیابی كه بر روی داده‌های مربوط به شهر فایهینجن آلمان انجام شده، روش پیشنهادی در استخراج نقاط سقف ساختمانی به دقت متوسط 93% رسیده است. به‌طور كلی نتایج موفقیت روش پیشنهادی را در استخراج و قطعه‌بندی ساختمان‌ها بدون نیاز به منابع كمكی نظیر نقشه‌های كاداستر و تصاویر هوایی نشان می‌دهند. مزیت ویژه روش مطرح، در ساختمان‌های چندلایه‌ای با سطوح سقفی موازی است كه قطعات حتی با اختلاف‌ ارتفاع خیلی‌كم (نظیر 10 سانتی‌متری) به-درستی از یكدیگر تفكیك شده‌اند.

Nowadays, automatic processing and object extraction from data acquired by airborne sensors has been an important research topic in photogrammetric institutes. Airborne laser scanning system, which is commonly referred to as LiDAR, is a superior technology for three-dimensional spatial data acquisition from Earth’s surface in high speed and density. 3D city modeling is one of the main applications of LiDAR system. An important first step to reconstruct the building as one of the most important components of urban models is to identify and separate the building points from other points such as terrain, trees, and vegetation. In addition, building roof segmentation is another important step in point cloud processing. In this paper, a multi-agent strategy is proposed for simultaneous extraction of building and segmentation of roof points from LiDAR point cloud. First, the ground and vegetation candidate points are removed from building points using local minimums of heights and returned pulse. Then different segments are extracted by analysis of the triangles formed on the remaining points by means of region growing method based on normal vectors. Finally, building segments are separated from other segments using area criterion and the united building segments are detected using a new method named ‘Grid Dilation’. The proposed method has been tested on the LiDAR data of the Vaihingen city, Germany. In addition to a visual interpretation, a quantitative assessment has been done. Due to lack of a ground truth, control points was selected manually from LiDAR point cloud and compared with points that classified using proposed method. The proposed method extracts the roof of buildings with an accuracy of 93%. Overall, the results indicate that proposed method could successfully identify the building segments without using additional resources, such as map or aerial photo. The main advantage of this method is its capability for extraction and segmentation of buildings containing parallel multi-level roof structures even with a very small height differences (e.g. 10 cm).