Mitigação dos problemas de oclusão, causados por vegetação, na extração dos contornos de telhados de edificações a partir de nuvens de pontos fotogramétricas

• Autor(a) principal: Pessoa, Guilherme Gomes
• Data de Publicação: 2022
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/242631
• topic: Extração de contornos de telhados; Nuvem de pontos fotogramétrica; Drone; Oclusão; Building boundaries extraction; Photogrammetric point clouds; Occlusion

Este trabalho trata da extração automática dos contornos de telhados de edificações a partir de nuvens de pontos fotogramétricas. O foco desta Tese se refere à extração dos contornos em situação de oclusão, causada por copas de árvores próximas às edificações. Diversos problemas estão envolvidos nos subprocessos que vão da geração das nuvens de pontos até a extração dos contornos propriamente ditos, passando pela filtragem, classificação, segmentação, detecção das oclusões, integração de nuvens de pontos e a extração de contornos. Dentre as contribuições desta Tese, a principal é a determinação de uma metodologia para extração dos contornos oclusos do ponto de vista aéreo. Nesta Tese é explorada a complementariedade de informações proporcionada por nuvens de pontos fotogramétricas tomadas a partir de dois pontos de vista, aéreo e terrestre. Como contribuições secundárias é possível citar a exploração de nuvens de pontos fotogramétricas geradas a partir de dados adquiridos por drones, a exploração da complementariedade de atributos radiométricos e geométricos extraídos de nuvem de pontos fotogramétricas para auxiliar a tarefa de classificação executada em algoritmo de aprendizado de máquina (Random Forest) e a detecção de oclusão por meio de análise da relação topológica entre os vértices dos contornos das edificações e das árvores. Os dados utilizados nesta Tese foram adquiridos a partir de aerolevantamento por Drone e mapeamento terrestre utilizando Sistema de Mapeamento Móvel (SMM). Os experimentos foram realizados para uma área teste localizada em Espigão, distrito de Regente Feijó, São Paulo, Brasil. Foram realizadas análises das etapas de extração de atributos e classificação da nuvem de pontos fotogramétrica aérea, e de todas as etapas seguintes do método. As análises quantitativas dos experimentos acerca dos atributos e da classificação demonstram a potencialidade do uso combinado de atributos radiométricos e geométricos para a tarefa de classificação, mesmo estes tendo sido extraídos de nuvens de pontos fotogramétricas, as quais usualmente apresentam maior quantidade de dados espúrios se comparadas às nuvens LiDAR. A classificação apenas com atributos geométricos atingiu acurácia global de 74%, enquanto a classificação com atributos radiométricos atingiu valores de 80%, sendo os melhores resultados verificados para a classificação que utilizou ambos os atributos, atingindo valores de acurácia global de 98%. O processo de segmentação aplicado foi capaz de individualizar as edificações e aglomerados de árvores para a maioria dos casos, porém foram verificadas dificuldades na separação de edificações vizinhas contíguas. O processo de detecção de oclusões atingiu valores de completeza e nível de acerto da ordem de 94% e 73%, respectivamente. Por fim, as análises dos contornos finais demostram o potencial da integração de nuvens de diferentes pontos de vistas como forma de contornar problemas de oclusão aéreas, causados por árvores. Após a aplicação da metodologia, as edificações em que oclusões foram verificadas tiveram seus contornos corrigidos, impactando positivamente nas métricas utilizadas nas análises.