Automatisk klassifisering av vannflater i LiDAR-data
Master thesis
![Thumbnail](/nmbu-xmlui/bitstream/handle/11250/2463637/main.pdf.jpg?sequence=5&isAllowed=y)
View/ Open
Date
2017Metadata
Show full item recordCollections
- Master's theses (RealTek) [1826]
Abstract
Flybåren laserskanning for å generere topografiske 3D terrengmodeller har for tiden økende popularitet. Dette fordi det er rimeligere og raskere enn tradisjonelle metoder basert på stereoskopiske bilder.
Utfordringen med laserskanning er imidlertid at vannflater gir dårlige reflekser til skanneren, og man må derfor i ettertid legge på vannflatene manuelt etter å ha hentet dem fra eksisterende datasett, som FKB-vann. Utfordringen er at disse er til dels gamle og av varierende kvalitet, og å legge FKB-vann inn i terrengmodellen krever også manuell innsats.
Denne masteroppgaven presenterer to metoder for automatisk klassifisering av vannflater, basert på data fra flybåren laserskanning. Den ene er en implementasjon av en eksisterende metode og den andre er egenutviklet. Metodene er basert på mange av de samme prinsippene og har til hensikt å klassifisere stille vann og innsjøer.
For klassifisering benyttes egenskapene intensitet og høyde fra flybåren laserskanning, eller LiDAR. Det velges en tilnærming der man filtrerer bort karakteristikker som ikke tilfredsstiller gitte kriterier, for eksempel neglisjeres områder som ikke er flate. Vannflater gir dessuten lav intensitetsverdi eller ingen retur i det hele tatt, og man neglisjerer derfor områder med høye intensitetsverdier. Potensielle vannflater er til slutt en kombinasjon av intensitets- og høydeinformasjon. De potensielle vannknekklinjene fremkommer som konturer av potensiell vannflate.
Denne masteroppgaven har kommet frem til at automatiske metoder kan gi like god eller bedre nøyaktighet enn FKB-vann med begge metoder, da har kun har hatt tilgang til eldre datasett. Den egenutviklete metoden lyktes med å redusere krav til regnekapasitet betraktelig sammenlignet med den eksisterende eksisterende metoden. Her ligger det altså store potensielle gevinster. Men for å verifisere omfanget av et eventuelt bruksområde, kreves testing av ulike datasett, ulik topografi, ulike parametere i metoden og mer forskning på bruk av intensitetsegenskapene i LiDAR. Airborne laser-scanning to create topographic 3D terrain-models is becoming increasingly popular. It's a more efficient method and has lower cost compared to classic methods based on stereoscopic imaging. A known challenge is that water surface is returning weak signals to the scanner, low intensity or no signal at all. Until now, it has been necessary to use map-data for lakes from existing datasets, like the Norwegian standard \FKB-vann". These seems to be old and unprecise, and its a manual processes. This thesis presents two methods for automatic classification of water surface based on data from airborne LiDAR (Light Detection and Ranging). One method is an implementation of an existing method, and the other is developed by the author and described in this document. Both are using many of the same principles and aims to distinguish lakes and ponds from other terrain. Both methods use elevation and intensity data from LiDAR as attributes for classification. They exclude bins in a raster not fulfilling certain criteria required to be classified as water surface. For instance, a filter-based method removes areas that are not at, and then removes bins with intensity values that are considered too high to possibly been returned from water surface. Potential lake contours are in the end determined by sur- rounding regions of bins in a raster satisfying both intensity and elevation requirements. Furthermore, the new method described herein is drastically reducing the need for computing capacity compared to the existing method presented. But to verify the findings, we need more testing on different datasets, topography, setting of parameters in the method and more information on how to use intensity values to determine water surface with higher certainty.