LIDAR Verilerinin İşlenmesi, Filtrelenmesi, Sınıflandırılması, Editlenmes

LIDAR veri seti içerisindeki esas nokta türleri şunlardır:

a. Yer Noktaları (Ground/Terrestrial Points): Genellikle bölgesel en düşük yüksekliğe sahip noktalar olup çıplak yeryüzü de denilen gerçek arazi yüzeyindeki noktaları ifade eder.

b. Obje Noktaları (Object/Feature Points, Non-Terrestrial Points): Arazide bulunan ama arazi yüzeyine ait olmayan ya da gerçek topografik yüzeyden sayılmayan ağaçlar, binalar, köprüler, kuşlar, enerji nakil hatları vb. doğal ve yapay objelere ait noktalardır. Gürültü ya da aykırı değerlerin de içinde bulunduğu bu nokta bulutundan yüzey noktalarını çıkarabilmek için yüzey noktalarının karakteristiğini iyice anlamak gereklidir.

LIDAR verilerinin filtrelenmesi ve sınıflandırmasında dikkate alınması gereken gerçek arazi noktalarının karakteristik özellikleri şunlardır:

 En Düşük Yükseklik: Teorik olarak, yer yüzeyinde en düşük yüksekliğe sahip noktalardır.

63

 Yüzeyin Eğimi: Çıplak yeryüzünde komşu iki yer noktası arasındaki yüzey eğimi daha düşük olup bir yer noktası ve bir obje noktası arasında eğim daha yüksektir.  Yüzey Noktaları Yükseklik Farkı: Yüzeye ait komşu iki nokta arasındaki yükseklik

farkı bir yüzey noktası ile bir obje noktası arasındaki yükseklik farkından daha düşüktür.

 Yüzey Homojenliği: Çıplak yeryüzü nispeten daha yumuşak ve süreklidir. Bu durumu bozan en temel objeler ise ağaçlar ve binalardır. Yani ağaçlar ve binalar morfolojik olarak topografik yeryüzünde daha belirgin bir durumdadır, (Polat 19).

Toplanan LIDAR nokta bulutu verilerinden gerçek araziye ilişkin sayısal arazi modeli ve sayısal yükseklik modeli verilerinin oluşturulması için arazi yüzeyi üzerindeki ağaçlar, bitkiler, binalar, köprü ve viyadükler, elektrik hatları, arabalar vb. doğal ve insan yapısı tüm detayların bu verilerden çıkartılması gereklidir. Bu işlemler veri işleme adımında çeşitli sınıflandırma, filtreleme ve editleme algoritmaları ile uygulanır.

LIDAR veri işleme adımında arazi yüzeyi üzerinde ve o yüzeyden dönen lazer sinyalleri ile sayısal yükseklik modeli verilerini elde etmek için toplanan LIDAR nokta bulutu verilerinde manuel ve otomatik yöntemlerle çeşitli fitreleme teknikleri uygulanır. Bu ilk işlemlerle LAS formatında ham veriler üretilmiş olur.

LIDAR verileri elde edildikten sonra uygulanan post-process işlemi üç adımdan oluşmaktadır:

a. Filtreleme (Filtering),

b. Sınıflandırma (Classification),

c. Enterpolasyon, Örnekleme (Interpolation, Resampling).

a. Filtreleme (Filtering): LIDAR nokta bulutundan SYM verileri üretiminde nokta bulutu veri setinde yer yüzeyine ait noktaların diğer yeryüzü üzerinde olmayan (ağaç, bina vb.) tüm noktalardan arındırılması işlemine “filtreleme” denir. Diğer bir deyişle filtreleme, üç boyutlu uzaya dağılmış bir nokta bulutu kümesi olan LIDAR verilerindeki yer yüzeyini temsil eden noktaların, insan yapısı objeleri (ağaçlar, bitkiler, binalar gibi) temsil eden noktalardan ayrılmasıdır.

64

Filtreme işlemi özellik çıkarımı için çok önemlidir ve sınıflandırma işlemine başlamadan önce mutlaka uygulanması gereklidir. Filtreleme yoluyla, toplanmış orijinal sayısal yüzey modeli verilerinden sayısal arazi modeli verileri elde edilmiş olur. Çoklu yansımayla beraber bir lazer ışını arazinin bir miktar içine ve bitki örtüsünün derinliklerine girerek nüfuz edebilmektedir. Bazı filtreleme algoritmaları ile bu çoklu yansımalar analiz edilebilmekte, ağaç gölgesi altındaki arazi yüzeyi ve topoğrafya hakkında bilgi edinilebilmektedir. Filtrelerin bir kısmı ham veriyi kullanır, bir kısmı ise görüntüye dönüştürülmüş veriyi kullanır. Filtreleme tekniğinin temel prensibi Şekil 3.6’da sunulmuştur.

Filtreleme yoluyla toplanan LIDAR nokta bulutu verilerinden hangi yükseklik verilerinin gerçek yeryüzüne hangilerinin de doğal ve insan yapısı detaylara ait olduğu ayıklamak suretiyle belirlenebilmektedir. Tüm bu olumlu sonuçlara rağmen falezler, sarp ve dik kayalıklar, şevler, uçurumlar vb. gibi arazilerde filtreleme sonuçları istenen doğruluğu tam verememektedir.

b. Sınıflandırma (Classification): Bu işlemle orijinal toplanmış DSM verilerinden bina, bitki örtüsü, enerji nakil hatları vb. detayların gruplandırılması işlemi yapılarak bina ve bitki örtüsü detaylarının birbirinden ayırt edilmesi sağlanmış olur. Sınıflandırma işleminde LIDAR nokta bulutu ve sayısal yükseklik verilerinde çıplak yeryüzüne ait yükseklikler yoğunluk, çoklu dönüşümler vb. bilgilerin çıkarılması işlemleri gerçekleştirilir. Bazı uygulamalarda sınıflandırma ve filtreleme işlemleri birlikte uygulanan tek bir işlem adımı olarak da değerlendirilir.

Yansıma değerleri yüzeyin geometrisi ve yüzey materyaline bağlı olduğu için bitki, su ve yer yüzeyinin yoğunluk değerleri farklılık arz eder. Bu yüzden yoğunluk değerleri nokta sınıflandırmasında çok fazla işe yaramaktadır. LIDAR algılayıcısı bitki yüzeyine ait çoklu yansıma ve dönüşleri kaydeder. Bu sayede yer ve ağaç noktaları sınıflandırılarak ağaç yoğunluğu tahmini yapılabilir. Bina vb. objelerin sınıflandırması işlemi de LIDAR verilerinden kolaylıkla yapılabilir.

c. Enterpolasyon, Örnekleme (Interpolation, Resampling): Son işlem adımında toplanan ve editlenen, filtreleme ve sınıflandırma işlemleri tamamlanmış gerçek arazi yüzeyine ilişkin DSM ve DTM sayısal yükseklik modeli verilerinden yararlanarak

65

enterpolasyon yöntemleri ile grid yapıda, yüksek doğruluklu sayısal arazi modeli ve sayısal yükseklik modeli verileri üretilir. LIDAR verilerinin filtrelenmesi ve sınıflandırmasında karşılaşılan zorluklar ve sorunlar genellikle enterpolasyon yöntemleri ile giderilmeye çalışılır ve sonuçta ideal bir SAM/SYM verisi üretimi için gerekli sürekli yüzey verisi elde edilir. Bu sebeple uygulamada kullanılan enterpolasyon yöntemleri SAM verilerinin doğruluğu üzerinde doğrudan etkilidir.

Şekil 3.6: Filtreleme öncesi Sayısal Yüzey Modeli (DSM) ile oluşan topografik yüzey (Solda), filtreleme sonrası Sayısal Arazi Modeli (DTM) ile oluşan topografik yüzey (Sağda)

LIDAR yönteminin önemli sorunlardan birisi de verilerin filtrelenmesi ve sınıflandırılması için en uygun model ve yöntemin seçiminde uygulamalarda bazı zorluklarla karşılaşılmasıdır. Bunun en önemli nedeni, toplanan verilerde doğal olarak bazı aykırı değerlerin bulunmasıdır. Yani az sayıda da olsa nokta kümesinin çok üstünde veya altında noktaların mevcut olması, muhtelif karmaşık objeler, dik yamaçlar, bağlı objeler, arazi süreksizliğine yol açan köprüler ve viyadükler, bitkiler vb. objeler filtrelemede ve sınıflandırmada bazı sorunlara yol açmaktadır.

GPS, INS ve LIDAR algılayıcıları ile toplanan ham veriler işlenerek. koordinatlandırılmış nokta bulutu verileri ve kolon dosyaları elde edilir. Kolonlar arasında dengeleme işleminin yapılabilmesi için nokta bulutu içerisinden zemin noktalarının ayrıştırılması gerekmektedir. Bu amaçla dengeleme ön aşaması olarak kolonun sınıflandırma işlemi sonucunda zemin noktaları elde edilir. Zemin noktaları kullanılarak kolonlar arasındaki omega, phi, kappa dönüklükleri ve ölçek farkları hesaplanır. Sonuçta dengelenmiş nokta bulutu verileri elde edilir. Daha sonra kolonların bindirmeli alanlarındaki fazla kısımlar

66

kesilerek temizlenir. İş bölgesinde detaylı bir sınıflandırma yapılarak farklı yükseklik gruplarını temsil eden sınıflar elde edilir.

LIDAR uçuşu tamamlandıktan sonra ham LIDAR verileri post-prosese tabi tutulur. Hedeften ve arazi yüzeyinden yansıyarak geri dönen her sinyal için alıcı ile hedef arasındaki eğik mesafe hesaplanır. Elde edilen veriler daha sonra atmosferik etkilerden arındırılır. Arazi koordinat sistemine göre mevcut eğiklik ve dönüklükler IMU sistemi ile yapılan ölçümlerle belirlenir. Bundan sonra dönüklük açıları gelen sinyallerin eğikliklerini düzeltilir. GPS ölçüm verileri ise bu verilerden ayrı olarak ve tek başına proses edilir ve işlenmiş veriler daha sonra LIDAR veri işleme sınıflandırmasına dahil edilir. Son aşamada LIDAR algılayıcılarının sinyal gönderildiği anda tespit edilen yaklaşık konumları ve tarama boyunca belirlenen salınım açıları kullanılarak yeryüzü üzerindeki herhangi bir yer noktasının ortometrik yüksekliği kolaylıkla bulunabilir. Bu işlemler sırasında uçağın herhangi bir andaki konumu da tespit edilebilir.

3.3.9. LIDAR Nokta Bulutu Verilerinden Sayısal Yükseklik Verileri Üretimi