Knowledge base: Warsaw University of Technology

Settings and your account

Back

Point cloud classification derrived from dense image matching

Paulina Konarzewska

Abstract

Over recent yeras, airborne laser scanning has been very popular and there was the development of earth surface imaging techniques using large format digital cameras. Thanks to new, effective methods of image matching aerial images are a good source of altitude data, which can be used in creating digital surface models (NMT and NMPT), as well as for generating dense point clouds which can be used, for example, to create 3D models of cities. The aim of this project is the classification of point clouds acquired from dense image matching of digital photos and also the assessment of the classification by comparison with the data from aerial laser scanning, being a reference. The paper also presents a brief change detection of the study area over four years, as an example of the use of classified point clouds. The Trimble Inpho software was used to generate dense clouds of points from aerial images, while the TerraSolid software was used to classify point clouds from image matching. TerraSolid is a software which is mainly intended for the classification of point clouds from laser scanning. However, the implemented algorithms can also be used to classify a set of point data acquired from digital photos. In the experimental part, the CloudCompare software and ArcGIS were also used. Data used in this work are aerial images and data from a laser scanner acquired in the area of Suwałki Special Economic Zone. The paper cosists of two parts: theoretical and practical. The first part explains the basic concepts related to the subject of the diploma thesis. There is a description of point cloud definition and the use of classified point clouds. In this part also has been characterized the methodology of acquiring and classifying point clouds from dense image matching and the technology of aerial laser scanning. The practical part describes the adopted data, the area of study and the software. Furthermore, there was made the assessment and presented the results of images aerotriangulation and point clouds acquired from dense image matching. The important part of the work was devoted to a detailed description of the activities performed in the classification of point clouds. The work also contains the assessment of point clouds classification - the classification results were compared with the ALS data. On the basis of the results of the classification, change detection in the area of the study was made, which was described in a separate chapter. Summary and final conclusions comprise the last chapter.
Diploma type
Engineer's / Bachelor of Science
Diploma type
Engineer's thesis
Author
Paulina Konarzewska (FGC) Paulina Konarzewska,, Faculty of Geodesy and Cartography (FGC)
Title in Polish
Klasyfikacja chmury punktów z gęstego dopasowania obrazów
Supervisor
Zdzisław Kurczyński (FGC/DPRSISIS) Zdzisław Kurczyński,, Department of Photogrammetry, Remote Sensing and Spatial Information Systems (FGC/DPRSISIS)Faculty of Geodesy and Cartography (FGC)
Certifying unit
Faculty of Geodesy and Cartography (FGC)
Affiliation unit
Department of Photogrammetry, Teledetection and Spatial Information Systems (FGC/DPRSISIS)
Study subject / specialization
, Geodezja i Kartografia
Language
(pl) Polish
Status
Finished
Defense Date
30-01-2019
Issue date (year)
2019
Reviewers
Zdzisław Kurczyński (FGC/DPRSISIS) Zdzisław Kurczyński,, Department of Photogrammetry, Remote Sensing and Spatial Information Systems (FGC/DPRSISIS)Faculty of Geodesy and Cartography (FGC) Michał Kowalczyk (FGC/DPRSISIS) Michał Kowalczyk,, Department of Photogrammetry, Remote Sensing and Spatial Information Systems (FGC/DPRSISIS)Faculty of Geodesy and Cartography (FGC)
Keywords in Polish
Słowa kluczowe: chmura punktów, dopasowanie obrazów, zobrazowania lotnicze, dane LIDAR, klasyfikacja automatyczna, ocena klasyfikacji
Keywords in English
Keywords: point cloud, image matching, aerial images, LIDAR data, automatic classification, classification assessment
Abstract in Polish
Na przestrzeni ostatnich lat dużą popularność zdobył lotniczy skaning laserowy, a także nastąpił rozwój technik obrazowania powierzchni Ziemi z wykorzystaniem wielkoformatowych kamer cyfrowych. Dzięki nowym, skutecznym metodom dopasowania obrazów, zdjęcia lotnicze są dobrym źródłem danych wysokościowych, które wykorzystuje się przy budowie numerycznych modeli terenu (NMT i NMPT), a także do generowania gęstych chmur punktów, które mogą posłużyć na przykład do tworzenia modeli 3D miast. Celem niniejszej pracy jest sklasyfikowanie chmur punktów wygenerowanych na podstawie gęstego dopasowania zdjęć lotniczych oraz ocena klasyfikacji przez porównanie z danymi z lotniczego skaningu laserowego, stanowiącymi referencję. W pracy przedstawiono również krótką analizę zmian obszaru opracowania na przestrzeni czterech lat, jako przykład wykorzystania sklasyfikowanych chmur punktów. Wykorzystane w pracy oprogramowanie Inpho firmy Trimble posłużyło do wygenerowania gęstych chmur punktów ze zdjęć lotniczych. Natomiast do klasyfikacji chmur punktów z dopasowania obrazów wykorzystano oprogramowanie TerraSolid, które głównie przeznaczone jest do klasyfikacji chmur punktów ze skaningu laserowego. Jednakże zaimplementowane algorytmy można również wykorzystać przy klasyfikacji zbioru danych punktowych, pozyskanego ze zdjęć cyfrowych. W części eksperymentalnej skorzystano również z programu CloudCompare oraz ArcGIS. Dane, które posłużyły w niniejszej pracy to zdjęcia lotnicze oraz dane ze skanera laserowego pozyskane na obszarze Suwalskiej Specjalnej Strefy Ekonomicznej. Praca została podzielona na dwie części: teoretyczną oraz praktyczną. W części pierwszej wyjaśnione zostały podstawowe pojęcia związane z tematyką pracy dyplomowej. Opisano definicję chmury punktów oraz wykorzystanie sklasyfikowanych chmur punktów. Scharakteryzowana została metodyka pozyskiwania i klasyfikacji chmur punktów z gęstego dopasowania zdjęć lotniczych oraz technologia lotniczego skaningu. W części praktycznej opisano przyjęte dane, obszar opracowania oraz wykorzystane oprogramowanie. Przedstawione i ocenione zostały wyniki aerotriangulacji bloków zdjęć oraz chmury punktów wygenerowane z dopasowania zdjęć. Istotną część pracy poświęcono na szczegółowy opis czynności wykonanych przy klasyfikacji chmur punktów. W ramach pracy dokonano również oceny klasyfikacji chmur punktów – wyniki klasyfikacji porównano z danymi ALS. Na podstawie wyników klasyfikacji wykonano analizę zmian obszaru opracowania, która została opisana w osobnym rozdziale. Podsumowanie i wnioski końcowe stanowią ostatni rozdział.
File
  • File: 1
    Dyplom_Paulina_Konarzewska.pdf
Request a WCAG compliant version
Local fields
Identyfikator pracy APD: 27881

Uniform Resource Identifier
https://repo.pw.edu.pl/info/bachelor/WUTa7abe89cd2ed41a7a818a108d272b6d3/
URN
urn:pw-repo:WUTa7abe89cd2ed41a7a818a108d272b6d3

Confirmation
Are you sure?
Report incorrect data on this page