Uso de descritores 3D e intensidade para a detecção de árvores em dados LiDAR aerotransportado

• Autor(a) principal: Alencar, Cleber Junior
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: https://hdl.handle.net/11449/252936; http://lattes.cnpq.br/9952657948218690; https://orcid.org/0000-0001-6562-8104
• topic: LiDAR aerotransportado; Detecção de árvores; Descritores geométricos 3D; Classificação de nuvem de pontos; K-médias; Airborne LiDAR; Tree detection; 3D descriptors; K-means; Intensity

A detecção de vegetação por meio remoto possui aplicações em diferentes áreas do conhecimento, sendo importante para o manejo e preservação florestal, detecção de objetos ocluídos pelas copas das árvores, planejamento urbano, dentre outras. Diferentes metodologias podem ser encontradas na literatura para esta finalidade, desde os que utilizam de técnicas de processamento de imagens aplicada às imagens derivadas da nuvem de pontos LiDAR até os que trabalham diretamente com os dados brutos, explorando as informações tridimensionais dos pontos e/ou a intensidade. Há também alguns trabalhos que fazem uso de descritores 3D baseados em autovalores aplicados especificamente para detectar árvores. Nesse sentido, este trabalho tem o propósito de avaliar a aplicabilidade dos descritores geométricos 3D baseados em autovalores e da intensidade na detecção de pontos amostrados sobre árvores a partir de dados LiDAR obtidos por sistemas aerotransportados. No cálculo dos atributos geométricos, dois tipos de vizinhança (esfera e cilindro vertical) foram definidos visando avaliar sua influência nos resultados. Dos diversos descritores geométricos, foram feitos experimentos com os descritores omnivariância, curvatura, planaridade e entropia dos autovalores, além da intensidade, para realizar a classificação das nuvens de pontos nas classes vegetação e não vegetação, com o algoritmo K-médias. Os resultados obtidos indicam a potencialidade do uso dos atributos intensidade e omnivariância na deteção automática de árvores, seguida da aplicação de operadores da morfologia matemática para o refinamento da classificação. Os parâmetros de qualidade, obtidos a partir da comparação com dados de referência, indicam que é possível detectar árvores com completeza de 96,08%, nível de acerto de 85,92 e F-score de 90,46%.