Vis enkel innførsel

dc.contributor.advisorMaalen-Johansen, Ivar
dc.contributor.advisorGroesz, Floris
dc.contributor.authorLofthus, Håkon Berg
dc.date.accessioned2018-08-22T12:55:52Z
dc.date.available2018-08-22T12:55:52Z
dc.date.issued2018
dc.identifier.urihttp://hdl.handle.net/11250/2558894
dc.description.abstractI denne oppgaven blir muligheten til å bruke multispektral laserdata for å klassifisere treslag i urbane områder undersøkt. Det ble også undersøkt om multispektral laserskanning gir et bedre resultat enn tradisjonell en-kanals laserskanning. Et datasett over Oslo fra en Optech Titan laserskanner ble benyttet. Fra dette datasettet ble det valgt ut et mindre testområde som strakte seg over Tøyen, Grønland og Kampen. Innenfor testområdet var det 1308 registrerte trær, i hovedsak løvtrær. Punktskyen ble brukt til å generere en kronehøydemodell. Denne ble så brukt til segmentering for deteksjon av enkelttrær. For de enkelte segmentene ble det beregnet en rekke statistiske mål i punktskyen. Statistikken ble kombinert med fasitdatasettet som ble brukt til å trene og validere en klassifiseringsmodell. Utvelgelsen av trenings- og valideringsdata ble gjort ved å bruke kryssvalidering. Nevralt nettverk var den klassifiseringsmodellen som gjennomgående ga det beste resultatet. 65% av fasittrærne ble korrekt detektert i segmenteringsprosessen. Den beste klassifiseringen oppnådde en total nøyaktighet på 77.11% med kappa på 0.68 for de fire treslagene Eik, Kirsebær, Lind og Lønn. Både klassifisering med tre og to kanaler var signifikant bedre enn klassifisering med kun en kanal. Tre kanaler var imidlertid ikke signifikant bedre enn to kanaler. Klassifiseringer med bruk av ulike egenskaper viste at relative intensitetsmål ikke ga signifikant forskjell fra å bruke rå intensitet. Resultatene indikerer også at klassifiseringsnøyaktigheten påvirkes av antall sampler. Når det blir færre sampler per klasse går klassifiseringsnøyaktigheten ned samtidig som variasjonen øker. Resultatene viser at multispektral laserskanning gir et godt resultat ved klassifisering av trær i urbane områder og at resultatet er signifikant bedre enn tradisjonell en-kanals laserskanning.nb_NO
dc.description.abstractThis thesis investigated the possibility of using multispectral laser scanning to classify tree species in urban areas. It was also investigated if multispectral laser scanning performed better than traditional laser scanning that use only one channel. A dataset over Oslo, acquired by an Optech Titan scanner, was used. From this dataset a smaller one was chosen, which spanned the areas of Tøyen, Grønland and Kampen. The test area contained 1308 registered trees, mainly deciduous. The point cloud was used to generate a canopy height model. The canopy height model was then used to detect individual trees using segmentation techniques. For each segment several statistical features were calculated from the point cloud. These statistics were then combined with the data for the registered trees and used to train and validate a classification model. The selection of training and validation data was done using cross validation. Neural network was the classification model that consistently gave the best results. 65% of the registered trees were correctly detected during the segmentation process. The best classification achieved an overall accuracy of 77.11% with a kappa of 0.68 for the four tree species Oak, Cherry, Linden and Maple. Classification with both three and two channels was significantly better than using only one channel. However, using three channels was not significantly better than using two. Classification with different features showed that relative intensity did not significantly improve the result compared to raw intensity. The results also indicate that the number of samples affects the accuracy of the classification. When there is fewer samples for each tree species the accuracy of the classification drops, and the variation rises. Overall the results from this thesis suggest that using multispectral laser scanning for classification of tree species in urban areas produces good results, and that it is significantly better than using traditional laser scanning with one channel.nb_NO
dc.language.isonobnb_NO
dc.publisherNorwegian University of Life Sciences, Åsnb_NO
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internasjonal*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/deed.no*
dc.subjectLasernb_NO
dc.titleKlassifisering av treslag i urbane områder med multispektral laserskanningnb_NO
dc.title.alternativeClassifying tree species in urbane areas using multispectral laser scanningnb_NO
dc.typeMaster thesisnb_NO
dc.subject.nsiVDP::Teknologi: 500::Bygningsfag: 530::Kart og oppmåling: 534nb_NO
dc.source.pagenumber72nb_NO
dc.description.localcodeM-GEOMnb_NO


Tilhørende fil(er)

Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel

Attribution-NonCommercial-NoDerivatives 4.0 Internasjonal
Med mindre annet er angitt, så er denne innførselen lisensiert som Attribution-NonCommercial-NoDerivatives 4.0 Internasjonal