Automatic building extraction and digitalization through photogrammetric image based point cloud

Bina sınırlarını yersel yöntem veya uzaktan algılama verilerinden manuel olarak belirlemek zaman alıcı ve çaba gerektiren bir işlemdir. İlgili veri kaynaklarından bina sınırı çıkarımı harita temel altlığı olması bakımından son derece önemlidir. Eşleştirme ve lazer tarama ile üretilen nokta bulutları, yoğun ve doğruluğu yüksek üç boyutlu (3B) konum bilgisi sağlamaktadır. Binaların 3B nokta bulutundan otomatik çıkarılması oldukça zor bir problemdir. Otomatik veri işleme, harita üretiminde işlem süresi, maliyet ve operatör hatasının azaltılmasına önemli ölçüde katkı sağlamaktadır. Bu çalışmada, sekizdal (Octree) veri organizasyon metodu çalışma prensibi otomatize edilmek suretiyle geliştirilen ve önerilen yeni yaklaşımla (iyileştirilmiş Octree, I-Octree), fotogrametrik görüntülerden üretilen nokta bulutları ve kıyas amaçlı LiDAR nokta bulutları kullanılarak bina detayı otomatik çıkarımı ve sayısallaştırılması hedeflenmiştir. Bu hedefe ulaşmak için: (i) büyük hacimli 3B nokta bulutunun görüntülerden üretilmesi veya LiDAR nokta bulutu temin edilmesi; (ii) nokta bulutundan zemin ve zemin üstü objelerin SMRF ile ayrılması; (iii) DBSCAN algoritması ile bina objelerinin sınıflandırılması; (iv) sekizdal ve iyileştirilmiş sekizdal (I-Octree) yönteminin sınıflandırılan objelere uygulanması ile bina detaylarının çıkarılması ve (v) ABORE ile bina kenarlarının düzgünleştirilmesine odaklanılmıştır. Önerilen yaklaşım, Elazığ ve Erzurum test alanında fotogrametrik nokta bulutları, Kaliforniya test alanında ise LiDAR nokta bulutu üzerinde uygulanmıştır. Tüm test alanları için 1/1000 ve 1/5000 ölçekli hâlihazır haritalar referans verisi olarak kullanılmıştır. Tamlık (Cp), doğruluk (Cr), kalite (Q) ve F-skor (F-1) metrikleri ile obje tabanlı doğrulama yapılmıştır. Test alanlarında doğrulama sonuçları fotogrametrik nokta bulutlarında her bir metrik için maksimum %94 üzerinde iken, LiDAR nokta bulutu test alanında ise bu değer %99 üzerinde olmaktadır. Doğrulama sonucunda, önerilen yaklaşımın test alanlarında seçilen binaları yüksek doğrulukla çıkarabildiği görülmektedir. Sonuç olarak, önerilen yaklaşımla farklı yoğunluktaki nokta bulutlarından otomatik bir biçimde bina detay çıkarımı ve sayısallaştırma işleminin gerçekleştirilebileceği ortaya çıkarılmıştır.
Determining the building boundaries manually from terrestrial method or remote sensing data is time-consuming and demanding. Building boundary extraction from relevant data sources is extremely important as it is a map base. Point clouds produced by matching and laser scanning provide dense and highly accurate three-dimensional (3D) position information. Automatic extraction of buildings from the 3D point cloud is a very difficult problem. Automatic data processing contributes significantly to reducing processing time, cost and operator error in map production. In this study, it is aimed to automatically extract and digitize building details by using point clouds produced from photogrammetric images and LiDAR point clouds for comparison purposes, with the new approach (improved Octree, I-Octree) developed and proposed by automating the working principle of the Octree data organization method. To achieve this goal: (i) generating a large volume of 3D point cloud from images or providing a LiDAR point cloud; (ii) separation of ground and above ground objects from the point cloud by SMRF; (iii) classification of building objects by DBSCAN algorithm; (iv) extracting building details by applying the octagon and improved octree (I-Octree) method to classified objects; and (v) smoothing building edges with ABORE is focused. The proposed approach was applied on photogrammetric point clouds in Elazig and Erzurum test area and on LiDAR point cloud in California test area. Reference maps with scales of 1/1000 and 1/5000 were used as reference data for all test areas. Object-based validation was performed with completeness (Cp), accuracy (Cr), quality (Q) and F-score (F-1) metrics. In the test areas, the verification results are above a maximum of 94% for each metric in photogrammetric point clouds, while this value is above 99% in the LiDAR point cloud test area. As a result of the validation, it is seen that the proposed approach can extract the selected buildings in the test areas with high accuracy. As a result, it has been revealed that with the proposed approach, building detail extraction and digitization can be performed automatically from point clouds of different densities.