Hava Lidar verilerinin denetimsiz yapay sinir ağları kullanılarak filtrelenmesi

Alper Sen, Burcu Bayasli
{"title":"Hava Lidar verilerinin denetimsiz yapay sinir ağları kullanılarak filtrelenmesi","authors":"Alper Sen, Burcu Bayasli","doi":"10.9733/jgg.2021r0002.t","DOIUrl":null,"url":null,"abstract":"Hava Lidar (Light Detection and Ranging) sistemleri ile uretilen mekânsal veriler, yuksek dogruluklu, hizli ve az maliyetli olarak elde edilmektedir. Ancak verilerin nesne cikarimi amaciyla elle islenmesi, zaman alan ve emek yogun bir islemdir. Bu sureci otomatik bir hale donusturmek amaciyla, denetimli/denetimsiz siniflandirma yontemleri kullanilabilmektedir. Lidar verilerinin, zemine ait ve zemine ait olmayan veriler olarak ayrilmasina filtreleme denir. Lidar verileri kullanilarak Sayisal Yukseklik Modeli olusturulmasinda filtreleme islemi buyuk onem arz etmektedir. Bu calismada, Harita Genel Mudurlugu’nun baskanliginda 2014 yilinda uretilen, Riegl LMS-Q1560 Lidar sistemiyle Bergama ilcesinde 1200 metre yukseklikte gerceklestirilen ucus verilerinden elde edilen ayrik-donuslu Lidar test verisi kullanilmistir. Lidar nokta bulutu, denetimsiz bir yapay sinir agi yontemi olan Kendini Duzenleyen Haritalar (KDH) yontemi ile analiz edilerek kumelere ayrilmistir. Kumeler, uydu goruntuleri ile karsilastirilarak nesne siniflari belirlenmistir. Bu yontem ile elde edilen nesne siniflarinin dogrulugu, gorsel olarak siniflari belirlenen tum noktalar incelenerek hesaplanmistir. Sinir agina ait en az noron sayisi, denetimli olarak hata degerlerine gore belirlenmistir. Lidar nokta bulutunun KDH yontemiyle filtrelenmesi sonucu, Tip-1 hatasi %11.54, Tip-2 hatasi %19.43 ve toplam hata %16.41 olarak bulunmustur. Elde edilen sonuclara gore, hava Lidar verilerinin filtrelenmesinde KDH sinir aglarinin belirlenen noron sayisi ile etkin olarak kullanilabildigi gorulmustur.","PeriodicalId":33920,"journal":{"name":"Journal of Geodesy and Geoinformation Science","volume":"C-18 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2020-11-09","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Geodesy and Geoinformation Science","FirstCategoryId":"1087","ListUrlMain":"https://doi.org/10.9733/jgg.2021r0002.t","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

Hava Lidar (Light Detection and Ranging) sistemleri ile uretilen mekânsal veriler, yuksek dogruluklu, hizli ve az maliyetli olarak elde edilmektedir. Ancak verilerin nesne cikarimi amaciyla elle islenmesi, zaman alan ve emek yogun bir islemdir. Bu sureci otomatik bir hale donusturmek amaciyla, denetimli/denetimsiz siniflandirma yontemleri kullanilabilmektedir. Lidar verilerinin, zemine ait ve zemine ait olmayan veriler olarak ayrilmasina filtreleme denir. Lidar verileri kullanilarak Sayisal Yukseklik Modeli olusturulmasinda filtreleme islemi buyuk onem arz etmektedir. Bu calismada, Harita Genel Mudurlugu’nun baskanliginda 2014 yilinda uretilen, Riegl LMS-Q1560 Lidar sistemiyle Bergama ilcesinde 1200 metre yukseklikte gerceklestirilen ucus verilerinden elde edilen ayrik-donuslu Lidar test verisi kullanilmistir. Lidar nokta bulutu, denetimsiz bir yapay sinir agi yontemi olan Kendini Duzenleyen Haritalar (KDH) yontemi ile analiz edilerek kumelere ayrilmistir. Kumeler, uydu goruntuleri ile karsilastirilarak nesne siniflari belirlenmistir. Bu yontem ile elde edilen nesne siniflarinin dogrulugu, gorsel olarak siniflari belirlenen tum noktalar incelenerek hesaplanmistir. Sinir agina ait en az noron sayisi, denetimli olarak hata degerlerine gore belirlenmistir. Lidar nokta bulutunun KDH yontemiyle filtrelenmesi sonucu, Tip-1 hatasi %11.54, Tip-2 hatasi %19.43 ve toplam hata %16.41 olarak bulunmustur. Elde edilen sonuclara gore, hava Lidar verilerinin filtrelenmesinde KDH sinir aglarinin belirlenen noron sayisi ile etkin olarak kullanilabildigi gorulmustur.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
求助全文
约1分钟内获得全文 去求助
来源期刊
CiteScore
2.30
自引率
0.00%
发文量
141
审稿时长
30 weeks
期刊最新文献
Türkiye’de 2015 ile 2022 yılları arasında meydana gelen orman yangınlarının coğrafi bilgi sistemleri ile zamansal ve mekânsal analizi Türkiye kadastrosunda güncelleme çalışmaları sırasında karşılaşılan problemler ve çözüm önerileri Research on 3D reconstruction of small size objects using structure from motion photogrammetry via smartphone images Deprem sonrası rahatlama evresi modelleme stratejilerinin GPS zaman serileri hata karakteri ve deterministik büyüklüklere etkisi Yüzölçümü hatalarının giderilmesinde hazine hak/menfaatlerinin korunmasına dair bir araştırma
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1