liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Segmentering och klassificering av LiDAR-data
Linköpings universitet, Institutionen för systemteknik.
2005 (Svenska)Självständigt arbete på grundnivå (yrkesexamen), 20 poäng / 30 hpStudentuppsatsAlternativ titel
Segmentation and Classification of LiDAR data (Engelska)
Abstract [en]

With numerous applications in both military and civilian life, the demand for accurate 3D models of real world environments increases rapidly. Using an airborne laser scanner for the raw data acquisition and robust methods for data processing, the researchers at the Swedish Defence Research Agency (FOI) in Linköping hope to fully automate the modeling process.

The work of this thesis has mainly been focused on three areas: ground estimation, image segmentation and classification. Procedures have in each of these areas been developed, leading to a new algorithm for ground estimation, a number of segmentation methods as well as a full comparison of various decision values for an object based classification. The ground estimation algorithm developed has yielded good results compared to the method based on active contours previously elaborated at FOI. The computational effort needed by the new method has been greatly reduced compared to the former, as performance, particularly in urban areas, has been improved. The segmentation methods introduced have shown promising results in separating different types of objects. A new set of decision values and descriptors for the object based classifier has been suggested, which, according to tests, prove to be more efficient than the set p reviously used.

Abstract [sv]

Med många tillämpningar både inom det civila och militära, ökar efterfrågan på noggranna och korrekta omvärldesmodeller snabbt. Forskare på FOI, Totalförsvarets Forskningsinstitut, arbetar med att fullt ut kunna automatisera den process som genererar dessa tredimensionella modeller av verkliga miljöer. En luftburen laserradar används för datainsamlingen och robusta metoder är under ständig utveckling för den efterföljande databehandlingen.

Arbetet som presenteras i denna rapport kan delas in i tre huvudområden: skattning av markyta, segmentering av data samt klassificering. Metoder inom varje område har utvecklats vilket lett fram till en ny algoritm för markestimering, en rad metoder för segmentering samt en noggrann jämförelse av olika beslutsvärden för en objektbaserad klassificering. Markskattningsalgoritmen har visat sig vara effektiv i jämförelse med en metod baserad på aktiva konturer som sedan tidigare utvecklats på FOI. Beräkningsbördan för den nya metoden är endast en bråkdel av den förra, samtidigt som prestandan, särskilt i urbana miljöer, har kunnat förbättras.

De segmenteringsmetoder som introducerats har visat på lovande resultat vad gäller möjligheten att särskilja olika typer av objekt. Slutligen har en ny uppsättning deskriptorer och beslutsvärden till den objektbaserade klassificeraren föreslagits. Den har enligt de tester som presenteras i rapporten visats sig vara mer effektiv än den uppsättning som använts fram till idag.

Ort, förlag, år, upplaga, sidor
Institutionen för systemteknik , 2005. , s. 81
Nyckelord [en]
LiDAR, Laser Radar, Segmentation, Classification, Ground Estimation, Local Orientation,
Nationell ämneskategori
Datorseende och robotik (autonoma system)
Identifikatorer
URN: urn:nbn:se:liu:diva-5555ISRN: LITH-ISY-EX--05/3729--SEOAI: oai:DiVA.org:liu-5555DiVA, id: diva2:21370
Uppsök
teknik
Handledare
Examinatorer
Tillgänglig från: 2006-01-25 Skapad: 2006-01-25 Senast uppdaterad: 2018-01-13

Open Access i DiVA

fulltext(3006 kB)851 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 3006 kBChecksumma SHA-1
f79bdea1652b6e1fe0d1f836a127e17d7c8aa000474c78b2f8716a714cb8956f334912aa
Typ fulltextMimetyp application/pdf

Av organisationen
Institutionen för systemteknik
Datorseende och robotik (autonoma system)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 851 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 600 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf