Luận án Nghiên cứu phương pháp phân loại dữ liệu đám mây điểm LiDAR và ứng dụng

Tên luận án:

NGHIÊN CỨU PHƯƠNG PHÁP PHÂN LOẠI DỮ LIỆU ĐÁM MÂY ĐIỂM LIDAR VÀ ỨNG DỤNG

Ngành:

Hệ thống thông tin (Mã số: 9 48 01 04)

Tóm tắt nội dung tài liệu:

Luận án này tập trung vào nghiên cứu và phát triển phương pháp phân loại dữ liệu đám mây điểm LiDAR nhằm nâng cao hiệu quả ứng dụng trong lĩnh vực trắc địa – bản đồ tại Việt Nam. Công nghệ LiDAR, với khả năng thu thập dữ liệu không gian ba chiều (3D) chi tiết mà không phụ thuộc vào thời tiết, là công cụ viễn thám tiên tiến. Tuy nhiên, việc phân loại tự động dữ liệu đám mây điểm (ĐMĐ) LiDAR vẫn còn nhiều thách thức, đặc biệt là trong việc tạo ra các mô hình số địa hình chính xác và hỗ trợ hệ thống ra quyết định (DSS).

Mục tiêu chính của luận án là đề xuất các phương pháp và thuật toán phân loại ĐMĐ LiDAR một cách tự động với độ chính xác cao. Luận án đã nghiên cứu tổng quan về công nghệ LiDAR, các phương pháp thu thập và đặc trưng dữ liệu. Một trong những đóng góp trọng tâm là cải tiến các thuật toán phân loại Expectation-Maximization (EM) và Multiscale Curvature Classification (MCC) để khắc phục nhược điểm về tốc độ hội tụ và độ chính xác trong môi trường dữ liệu phức tạp.

Cụ thể, luận án đã phát triển thuật toán EM cải tiến (EM-D) bằng cách sử dụng tham số lập lịch (β) để tăng tốc độ hội tụ, chia nhỏ đám mây điểm theo chiều dọc để xử lý sự phân bố không đều, và áp dụng mô hình pPCA để ước tính tham số cho GMM. Đối với MCC, luận án cải tiến thuật toán này (MCC-D) bằng cách khởi tạo tham số s, t tự động dựa trên khái niệm Nominal Point Spacing (NPS) và cải tiến phép nội suy Thin Plate Spline (TPS) sử dụng mô hình Robust Point Matching – Gaussian Mixture Model (RPM-GMM) kết hợp với EM-D. Sau phân loại, mô hình Support Vector Machine (SVM) được sử dụng để phân loại chi tiết các điểm không phải mặt đất.

Các thử nghiệm thực tế với dữ liệu LiDAR thu thập từ Thành phố Bắc Ninh cho thấy thuật toán EM-D và MCC-D cải tiến đạt độ chính xác cao hơn đáng kể so với các thuật toán EM và MCC gốc, với Precision đạt 93.56% và Recall 92.50%. Kết quả này khẳng định khả năng sử dụng hiệu quả dữ liệu LiDAR đã phân loại để thành lập mô hình DEM/DSM, phân loại lớp phủ bề mặt khu vực đô thị và tạo bộ dữ liệu đầu vào chất lượng cao cho DSS trong quy hoạch đất đai, góp phần rút ngắn thời gian thực hiện và cung cấp thông tin đồng bộ, chính xác cho các nhà quản lý.

Mục lục chi tiết:

• Chương 1: “Tổng quan về phân loại dữ liệu đám mây điểm LiDAR”
• Chương 2: “Phát triển một số thuật toán nâng cao chất lượng phân loại đám mây điểm LiDAR”
• Chương 3: “Đề xuất sử dụng dữ liệu đám mây điểm LiDAR trong phân loại lớp phủ bề mặt khu vực đô thị và tạo bộ dữ liệu đầu vào cho DSS trong quy hoạch đất đai”