liu.seSearch for publications in DiVA
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Segmentering och klassificering av LiDAR-data
Linköping University, Department of Electrical Engineering.
2005 (Swedish)Independent thesis Basic level (professional degree), 20 points / 30 hpStudent thesisAlternative title
Segmentation and Classification of LiDAR data (English)
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.

Place, publisher, year, edition, pages
Institutionen för systemteknik , 2005. , 81 p.
Keyword [en]
LiDAR, Laser Radar, Segmentation, Classification, Ground Estimation, Local Orientation,
National Category
Computer Vision and Robotics (Autonomous Systems)
Identifiers
URN: urn:nbn:se:liu:diva-5555ISRN: LITH-ISY-EX--05/3729--SEOAI: oai:DiVA.org:liu-5555DiVA: diva2:21370
Uppsok
teknik
Supervisors
Examiners
Available from: 2006-01-25 Created: 2006-01-25

Open Access in DiVA

fulltext(3006 kB)776 downloads
File information
File name FULLTEXT01.pdfFile size 3006 kBChecksum SHA-1
f79bdea1652b6e1fe0d1f836a127e17d7c8aa000474c78b2f8716a714cb8956f334912aa
Type fulltextMimetype application/pdf

By organisation
Department of Electrical Engineering
Computer Vision and Robotics (Autonomous Systems)

Search outside of DiVA

GoogleGoogle Scholar
Total: 776 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 571 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf