Generalização 3D para arborização urbana a partir de dados LiDAR

Autor: Silva, Daniel Luís Andrade e, 1980
Přispěvatelé: Camboim, Silvana Philippi, 1977, Universidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em Ciências Geodésicas, Santos, Daniel Rodrigues dos, 1973
Jazyk: portugalština
Rok vydání: 2022
Předmět:
Zdroj: Repositório Institucional da UFPR
Universidade Federal do Paraná (UFPR)
instacron:UFPR
Popis: Orientador: Prof. Dr. Daniel Rodrigues dos Santos Coorientadora: Profª Drª Silvana Philippi Camboim Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas. Defesa : Curitiba, 17/05/2022 Inclui referências Resumo: Com o avanço das tecnologias geoespaciais, as aquisições LiDAR (light detection and ranging) têm se tornado mais ágeis e flexíveis, impactando o volume de dados espaciais tridimensionais (3D) e, consequentemente, o seu custo operacional. Buscando eficiência no mapeamento de arborização urbana utilizando dados LiDAR, uma opção é realizar a generalização 3D, que objetiva a redução operacional do volume de dados sem causar perda de eficácia. Nesse contexto, a presente pesquisa é motivada pela busca de uma solução de generalização 3D que permita obter informações sobre a localização, o porte e a distribuição espacial de árvores urbanas a partir de dados LiDAR adquiridos em plataformas aéreas. Como estratégia de generalização, é adotada uma combinação dos operadores 2D agregação e simplificação adaptados para o domínio 3D, sendo estabelecidas condições que exploram medidas espaciais associadas aos princípios-Gestalt da proximidade e semelhança, além da aplicação de duas técnicas de compressão de nuvens de pontos: partição espacial por octree e aprendizado não-supervisionado profundo (autoencoder). Anteriormente à generalização, foram empregadas sequencialmente, com a finalidade de delimitar automaticamente as árvores de interesse, as seguintes técnicas de processamento de nuvens de pontos: filtragem, classificação e segmentação. Os experimentos foram realizados com dados LiDAR referentes a dois cenários urbanos distintos (Salvador-BA e Curitiba-PR), adquiridos respectivamente em plataforma aerotransportada convencional e não-tripulada. Os resultados obtidos pela generalização 3D das árvores são compatíveis com o nível de detalhe 2 das classes SVO e PC do módulo Vegetation, e representados de acordo com o módulo PointCloud do padrão internacional CityGML 3.0, permitindo assim validar a metodologia desenvolvida nesta pesquisa. Abstract: Due to geotechnological advances, LiDAR (light detection and ranging) acquisitions have become more agile and flexible, impacting volume of threedimensional (3D) spatial data and, consequently, its operational cost. Seeking efficiency in urban afforestation mapping using LiDAR data, one option is to perform 3D generalization, which aims to reduce volume of data without causing loss of effectiveness. In this context, the present thesis is motivated by search for a 3D generalization solution that allows obtaining information about location, size and spatial distribution of urban trees from LiDAR data acquired on aerial platforms. As a generalization strategy, a combination of 2D aggregation and simplification operators adapted for 3D domain is adopted, establishing conditions that explore spatial measures associated to proximity and similarity Gestalt-principles, in addition to application of two pointcloud compression techniques: partition by octree and unsupervised deep learning (autoencoder). Prior to generalization, pointcloud processing techniques were used sequentially, in order to automatically delimit trees of interest: filtering, classification and segmentation. Experiments were carried out with LiDAR data referring to two distinct urban scenarios (Salvador-BA and Curitiba-PR), respectively acquired in conventional and unmanned airborne platforms. Results obtained after 3D generalization are compatible with level of detail 2 for SVO and PC classes of Vegetation module, and represented according to PointCloud module of international standard CityGML 3.0, thus allowing to validate methodology developed in this research.
Databáze: OpenAIRE
Externí odkaz: