Geração de nuvem de pontos por decomposição gaussiana da full-waveform do sinal laser com algoritmos genéticos e classificação Fuzzy

Detalhes bibliográficos
Autor(a) principal: Oliveira, Andrey Augusto Alves de
Data de Publicação: 2018
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/58762
Resumo: Orientador: Jorge Antonio Silva Centeno
id UFPR_6859b67d72dfc48d98bb5ee000c00e66
oai_identifier_str oai:acervodigital.ufpr.br:1884/58762
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Oliveira, Andrey Augusto Alves deUniversidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em Ciências GeodésicasCenteno, Jorge Antonio Silva, 1963-2021-05-14T18:36:08Z2021-05-14T18:36:08Z2018https://hdl.handle.net/1884/58762Orientador: Jorge Antonio Silva CentenoTese (doutorado) - Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas. Defesa : Curitiba, 23/02/2018.Inclui referências: p. 130-134Resumo: Os sistemas convencionais de mapeamento topográfico com a tecnologia LIDAR registram até cinco retornos na forma discreta. Avanços tecnológicos ocorridos nas últimas décadas proporcionaram o desenvolvimento de sistemas LIDAR full-waveform que digitalizam completamente o sinal de retorno. Instalado em aeronave sobrevoando a 1.000 metros de altura, o feixe LASER emitido por estes sistemas gera footprint pequeno, com diâmetro variando entre 0,2 m e 0,8 m. Quando o feixe intercepta parcialmente diferentes alvos, múltiplos retornos podem ser determinados dependendo da metodologia utilizada para a detecção dos picos na waveform. Estes picos contêm informações sobre as características físicas das superfícies iluminadas, tais como a refletividade, rugosidade, altura e inclinação. Pesquisas têm sido realizadas para a detecção dos picos empregando diferentes técnicas, tais como a decomposição, deconvolução e correlação entre os sinais emitido e recebido. Nesta tese foi desenvolvida uma metodologia para a decomposição Gaussiana das waveforms com Algoritmos Genéticos e classificação dos pontos com abordagem Fuzzy. Os dados foram medidos sobre área urbana com edificações, estrada de asfalto, solo exposto, vegetação arbórea e rasteira. Com os Algoritmos Genéticos foi realizado o processo de busca e otimização dos parâmetros de amplitude, desvio padrão e tempo, cujos valores iniciais foram estimados em algoritmo de simples detecção de picos com ponto de máximo local. As distâncias dos alvos foram calculadas utilizando o tempo e, no processo de georreferenciamento a partir dos parâmetros de emissão do feixe LASER, determinaram-se as coordenadas dos pontos no sistema geodésico de referência. Foram realizados dois experimentos aplicando a metodologia de decomposição Gaussiana das waveforms e em ambos houve aumento na quantidade de pontos, respectivamente de 16,9 % e 18,1 %, em comparação com as nuvens de pontos geradas por software comercial, os melhores resultados ocorreram em áreas de vegetação arbórea. A classificação dos pontos foi realizada com Lógica Fuzzy utilizando os parâmetros de amplitude e desvio padrão, a inferência foi implementada com o método Mamdani e a desnebulização ocorreu pelo método do centroide, nos dois experimentos as acurácias globais foram de 86,0 % e 86,7 %, comprovando a viabilidade da metodologia desenvolvida. Palavras-chave: Lidar Full-Waveform, Decomposição Gaussiana, Algoritmos Genéticos, Lógica Fuzzy.Abstract: Conventional topographic LIDAR systems record up to five returns in the discrete-form. Technological advances in the last decades have impelled the development of full-waveform LIDAR systems that digitize the whole return signal of the emitted LASER pulse. These systems installed in aircraft flying at 1,000 meters high generate small footprints with a diameter ranging from 0.2 m to 0.8 m. When the LASER beam partially illuminate different targets, multiple returns can be determined depending on the methodology used for the peaks detection in the waveform. These peaks contain information about the physical characteristics of the illuminated surfaces, such as reflectivity, roughness, height and slope. Several researches have been carried out to detect the peaks using different techniques such as decomposition, deconvolution and correlation between the emitted and received signals. In this doctoral thesis was developed a methodology for the Gaussian decomposition of the waveform with Genetic Algorithms and points classification using Fuzzy approach. The waveforms data were measured on an urban area with buildings, asphalt road, exposed soil, arboreal and undergrowth vegetation. The Genetic Algorithms were used in the search and optimization process of Gaussian parameters, the initial values were estimated in a simple peak detection algorithm with the maximum local point method. For each detected peak the amplitude, standard deviation and time parameters were determined. The targets distances were calculated using the time and, in the georeferencing procedure using the LASER beam emission parameters, the coordinates of the points were determined in the geodetic reference system. Two experiments were performed applying the Gaussian decomposition of the waveforms methodology and there was an increase in the number of points, respectively of 16.9% and 18.1%, compared to the points cloud generated by commercial software, the best results were obtained in areas with arboreal vegetation. The points classification was performed with Fuzzy Logic using the parameters of amplitude and standard deviation, the inference was implemented with the Mamdani method and the defuzzification with the centroid method, in the two experiments were obtained overall accuracy of 86.0% and 86.7%, proving the viability of the methodology developed. Keywords: Lidar Full-Waveform, Gaussian Decomposition, Genetic Algorithms, Fuzzy Logic.134 p. : il. (algumas color.).application/pdfAlgorítmos genéticosGeodesiaLógica difusaFeixes de laserGeodésiaGeração de nuvem de pontos por decomposição gaussiana da full-waveform do sinal laser com algoritmos genéticos e classificação Fuzzyinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - T - ANDREY AUGUSTO ALVES DE OLIVEIRA.pdfapplication/pdf7070249https://acervodigital.ufpr.br/bitstream/1884/58762/1/R%20-%20T%20-%20ANDREY%20AUGUSTO%20ALVES%20DE%20OLIVEIRA.pdf3b89cce1f76d0e3e4d90410020728328MD51open access1884/587622021-05-14 15:36:08.411open accessoai:acervodigital.ufpr.br:1884/58762Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082021-05-14T18:36:08Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Geração de nuvem de pontos por decomposição gaussiana da full-waveform do sinal laser com algoritmos genéticos e classificação Fuzzy
title Geração de nuvem de pontos por decomposição gaussiana da full-waveform do sinal laser com algoritmos genéticos e classificação Fuzzy
spellingShingle Geração de nuvem de pontos por decomposição gaussiana da full-waveform do sinal laser com algoritmos genéticos e classificação Fuzzy
Oliveira, Andrey Augusto Alves de
Algorítmos genéticos
Geodesia
Lógica difusa
Feixes de laser
Geodésia
title_short Geração de nuvem de pontos por decomposição gaussiana da full-waveform do sinal laser com algoritmos genéticos e classificação Fuzzy
title_full Geração de nuvem de pontos por decomposição gaussiana da full-waveform do sinal laser com algoritmos genéticos e classificação Fuzzy
title_fullStr Geração de nuvem de pontos por decomposição gaussiana da full-waveform do sinal laser com algoritmos genéticos e classificação Fuzzy
title_full_unstemmed Geração de nuvem de pontos por decomposição gaussiana da full-waveform do sinal laser com algoritmos genéticos e classificação Fuzzy
title_sort Geração de nuvem de pontos por decomposição gaussiana da full-waveform do sinal laser com algoritmos genéticos e classificação Fuzzy
author Oliveira, Andrey Augusto Alves de
author_facet Oliveira, Andrey Augusto Alves de
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em Ciências Geodésicas
dc.contributor.author.fl_str_mv Oliveira, Andrey Augusto Alves de
dc.contributor.advisor1.fl_str_mv Centeno, Jorge Antonio Silva, 1963-
contributor_str_mv Centeno, Jorge Antonio Silva, 1963-
dc.subject.por.fl_str_mv Algorítmos genéticos
Geodesia
Lógica difusa
Feixes de laser
Geodésia
topic Algorítmos genéticos
Geodesia
Lógica difusa
Feixes de laser
Geodésia
description Orientador: Jorge Antonio Silva Centeno
publishDate 2018
dc.date.issued.fl_str_mv 2018
dc.date.accessioned.fl_str_mv 2021-05-14T18:36:08Z
dc.date.available.fl_str_mv 2021-05-14T18:36:08Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/58762
url https://hdl.handle.net/1884/58762
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 134 p. : il. (algumas color.).
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/58762/1/R%20-%20T%20-%20ANDREY%20AUGUSTO%20ALVES%20DE%20OLIVEIRA.pdf
bitstream.checksum.fl_str_mv 3b89cce1f76d0e3e4d90410020728328
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860583637647360

Registros relacionados