DTM Generation: UAV Point Cloud Classification
Authors
Schmidt, Kathrine ; Matthesen, Anders Westh
Term
4. semester
Publication year
2014
Submitted on
2014-06-12
Pages
158
Abstract
Dette projekt undersøger, hvordan man kan skabe en digital terrænmodel (DTM) ud fra en fotogrammetrisk punktsky – en tæt samling af 3D-punkter beregnet fra overlappende fotos. Formålet er at forbedre den DTM-algoritme, som Matthesen og Schmidt (2014) foreslog. I den tidligere rapport blev der observeret flere problemer; på baggrund af disse er en ny, optimeret algoritme udviklet. Algoritmen fjerner ikke-terræn-punkter (fx bygninger og træer) i to trin. Først anvendes et overfladebaseret filter, der udglatter data og fjerner store klumper af ikke-terræn. Graden (ordenen) af den polynomiske overflade, der tilpasses, justeres automatisk efter terrænforholdene. Derefter anvendes et hældningsbaseret filter, som automatisk tilpasser sig lokale hældninger for at fange og fjerne resterende ikke-terræn-punkter. Den optimerede algoritme er implementeret i et program med grafisk brugerflade (GUI) skrevet i Python og Cython. Med dette program blev algoritmen anvendt på forskellige testområder, så dens kvalitet kunne vurderes.
This project explores how to create a Digital Terrain Model (DTM) from a photogrammetrically generated point cloud—a dense set of 3D points computed from overlapping photographs. The goal is to improve the DTM algorithm proposed by Matthesen and Schmidt (2014). The earlier work revealed several issues; based on those findings, we propose a new, optimized algorithm. The algorithm removes non-terrain points (such as buildings and trees) in two steps. First, a surface-based filter smooths the data and removes large clusters of non-terrain points. The order (degree) of the fitted polynomial surface is automatically adjusted to the local terrain. Second, a slope-based filter adapts to local slopes to detect and remove the remaining non-terrain points. The optimized algorithm is implemented in a graphical user interface (GUI) written in Python and Cython. Using this program, the algorithm was applied to different test areas to assess its quality.
[This abstract was generated with the help of AI]
Keywords
DTM ; DSM ; UAV ; Point cloud ; DTM Generation ; Terrain Modelling ; Terrain model ; Classification
Documents