Семантичка сегментација облака тачака добијеног ласерским скенирањем из ваздуха коришћењем метода машинског учења

Abstract

Технологија ласерског скенирања (енгл. Light Detection and Ranging – LiDAR) показала се као веома успешна за брзо прикупљање масовне количине просторних података о топографији физичке површи Земље. Семантичка сегментација облака тачака добијеног ласерским скенирањем из ваздуха (енгл. Airborne Laser Scanning – ALS) која се такође назива и класификација облака тачaка, семантичко означавање као и семантичка класификација облака тачака, представља велики изазов због структуре облака тачака и типова класа које се могу идентификовати у том простору. Машинско учење, са друге стране, представља моћан математички апарат који се може искористити за различите примене укључујући и наведену процедуру. У овој дисертацији су анализиране методе машинског учења којим се добијају најбољи резултати семантичке сегментације облака тачака, поготoво са сложеним ансамбл моделима машинског учења конструисаним слагањем више основних модела машинског учења. У овом истраживању је вршено и балансирање скупа података синтетичким генерисањем тачака које припадају мањинским класама док су тачке које припадају већинским класама знатно редуковане. Вршенe су анализа типа претраге тачака суседства и анализа утицаја величине полупречника претраге, а испитана је и могућност вишеразмерног (енгл. multiscale) приступа претраге у циљу генерисања геометријских атрибута (карактеристика) тачака. Одређен је велики број различитих атрибута тачака и извршена селекција оних најзначајнијих за семантичку сегментацију облака тачака. Извођена је семантичка сегментација облака тачака коришћењем десет различитих метода машинског учења. Највиша укупна тачност (енгл. Overall Accuracy – OA) семантичке сегментације облака тачака добијеног ласерским скенирањем из ваздуха била је 83.5% за методу потпорних вектора (енгл. Support Vector Machine) примењену на ISPRS тест податке, док је над GRSS тест подацима ласерског скенирања постигнута укупна тачност од 93.6% када се користи сложени ансамбл модел базиран на наивном Бајесу (енгл. Naive Bayes) и слагању модела: случајне шуме (енгл. Random Forest), градијентног појачавања (енгл. Gradient Boosting) и логистичке регресије (енгл. Logistic Regression). У неким применама, сегментација облака тачака добијеног ласерским скенирањем из ваздуха подразумева и издвајање објеката од интереса (крова зграде, крошње дрвета и слично). У оквиру овог истраживања обрађена је сегментација облака тачака пошумљеног подручја добијеног ласерским скенирањем са циљем детекције појединачних стабала. Наведени приступ подразумева филтрирање локалних максимума и сегментацију појединачних крошњи стабала на основу висинског модела крошњи стабала. Претходни поступак је битан за генерисање различитих типова атрибута на нивоу сегмената крошњи стабала које се користе за каснију класификацију кандидата врхова стабала у исправно и погрешно детектоване. Истраживање је спроведено за подручје мешовите шуме, претежно лишћарске, VIII сложене топографије и димензија 0.6 km × 4 km. Испитиване су перформансе класификације за пет метода машинског учења: случајнe шумe, екстремно градијентно појачавање (енгл. Extreme Gradient Boosting), вештачке неуронске мреже (енгл. Artificial Neural Network), методе потпорних вектора и методе логистичке регресије. Овде је такође вршено балансирање класа скупа података у циљу постизања бољих перформанси у виду тачности класификације. Коначна класификација је извршена са моделом случајне шуме са којим се добијају најбоље перформансе у погледу тачности класификације. Укупна тачност (OA) и капа коефицијент слагања (κ) добијени десетоструком унакрсном валидацијом над тренинг подацима износили су 90.4% и 0.808. Применом истренираног модела на независном скупу података добијено је да је OA = 89.0% и κ = 0.757. На крају дисертације дате су смернице за даље истраживање и развој.

Light Detection and Ranging – LiDAR technology has proven to be very successful for rapid collection of massive amounts of spatial data on the topography of the Earth's physical surface. Semantic segmentation of an Airborne Laser Scanning (ALS) point cloud, also called point cloud classification or semantic labeling as well as semantic point cloud classification is a major challenge due to the structure of the point cloud, as well as the types of classes that can be identified in that space. Machine learning (ML), on the other hand, represents a powerful mathematical tool that can be used for a variety of applications, including mentioned procedure. In this dissertation, ML methods are analyzed in the terms of achieving the best results for semantic segmentation of point cloud, especially with stacked ensemble ML models constructed by combining several fundamental ML methods. The ALS dataset was also balanced in such a way that points belonging to minority classes are synthetically generated while points belonging to the major classes are highly reduced. An analysis of the search type of neighborhood points and the sizes of the search radius were performed, and the possibility of using a multi–scale search approach in order to generate the geometric characteristics of the points. A large number of different features (attributes) of the points was determined and the selection of the features that are most significant for the semantic segmentation of the point cloud was carried out. Semantic segmentation of ALS point clouds was performed by using ten different ML methods. The highest overall accuracy of the semantic segmentation of the ALS point cloud was 83.5% for the support vector machine method predicted on the ISPRS test data, while the overall accuracy of 93.6% was achieved on the GRSS test ALS data when using the stacked ensemble model of naive Bayesian stacking of several ML models (Random Forest, Gradient Boosting and Logistic Regression). In some applications, segmentation also implies extraction of the objects of interest (the building roof, the tree crown, etc.). Within this research, the segmentation of the ALS point cloud of a forested area was analyzed with the aim of Individual Tree Detection (ITD). The mentioned approach involves Local Maxima (LM) filtering and segmentation of individual tree canopies by using the Canopy Height Model (CHM). Previous procedure is important for generation of different segment–level type of features that are used for later classification of treetops into correctly and incorrectly detected ones. The study was conducted for a mixed temperate forest, predominantly deciduous, with complex topography and area size of 0.6 km × 4 km. Classification model training was performed by five machine learning approaches: Random Forest (RF), Extreme Gradient Boosting (XGB), Artificial Neural Network (ANN), Support Vector Machine (SVM) and Logistic Regression (LR). Here, the classes of the dataset were also balanced in order to achieve better performance in the terms of classification accuracy. The final classification was performed with the random forest model, which gives the best performance in terms of classification accuracy. The Overall Accuracy (OA) and the kappa coefficient of agreement (κ) obtained from ten–fold cross validation for the training data were 90.4% X and 0.808, respectively. The application of the trained model on the independent set of data, resulted in OA = 89.0% and κ = 0.757. At the end of the dissertation, guidelines for further research and development are given.