Automatic Building Extractionwith LiDAR and Aerial Photographs

Abstract

The monitoring of the construction activities and current situation needs increasing day by day for urban management in control and decision-making process. The automatic extraction of the building is become more important in our country which is on thee arthquake zone, for prevention of illegal construction and building inspection issues without the need for traditional measurement methods and photogrammetric production processes. The recent research activities are focused on the automatic extraction of man-made objects, especially buildings and roads. These research studies have been made using the aerial photographs and satellite images which is acquired by classical method. The new and active sensor system LiDAR, can produce thousands of points belonging to earth surface and serve new possibilities for building extraction. In this study, the automatic building extraction possibilities were investigated with LiDAR data and digital aerial photographs. For this purpose, different segmentation and fuzzy-logic classification methods have been used based on the object-based classification method. The images are produced using NDVI, Hough transform and slope analysis methods to improve extraction results using MATLAB 7.0. The automatic building extraction is performed by the rule set which were developed under Definiens e-Cognition Developer 8.64 program. The accuracy assessment of automatic extracted buildings with suggested approach has been performed by comparing the extracted buildings with the reference data.

Keywords

• LiDAR, Segmentation, Hough, Fuzzy-logic, Classification

LiDAR ve Hava Fotoğrafları ile Otomatik Bina Çıkarımı

Abstract

Kent yönetiminde, kontrol ve karar verme süreçlerinde yapılaşmanın izlenmesi ve mevcut durum tespiti ihtiyacı gün geçtikçe artmaktadır. Özellikle deprem kuşağında yer alan ülkemizde, kaçak yapılaşmanın önlenmesi ve yapı denetimi gibi hususlar binaların klasik ölçme yöntemleri ve fotogrametrik üretim süreçlerine gerek duyulmadan otomatik bina çıkarımının önemini artırmaktadır. Son yıllarda yapılan araştırmalar, kentsel alanlarda insan yapımı objelerin özellikle binaların ve yolların otomatik çıkarımı üzerine yoğunlaşmıştır. Yapılan araştırmalar çoğunlukla klasik yöntemler ile elde edilen hava fotoğrafları ve uydu görüntüleri kullanılarak yapılmıştır. Yeni ve aktif bir algılama sistemi olan LiDAR, yeryüzeyi ve üzerindeki objelere ilişkin binlerce nokta üretebilmekte ve otomatik bina çıkarımına yeni imkanlar sunmaktadır. Bu çalışmada, LiDAR ve sayısal hava fotoğrafları verileri ile otomatik bina çıkarımı olanakları araştırılmıştır. Bu amaçla nesne-tabanlı sınıflandırma yöntemi ile farklı segmentasyon yöntemleri ve bulanık mantığa dayalı sınıflandırma yöntemleri kullanılmıştır. Bina çıkarımı sonuçlarını iyileştirmek amacıyla mevcut veriler kullanılarak Normalize Edilmiş Fark Bitki Örtüsü İndeksi NDVI , Hough dönüşümü ve Eğim analizi yöntemleri ile görüntüler MATLAB 7.0 programlama dili kullanılarak hazırlanan uygulama yazılımları ile üretilmiştir. Otomatik bina çıkarımı, Definiens e-Cognition Developer 8.64 ortamında kural setleri ile gerçekleştirilmiştir. Önerilen yaklaşım ile otomatik olarak çıkarılan binalar referans verilerle karşılaştırılarak doğruluk analizleri yapılmıştır.

Keywords

• LiDAR, Segmentasyon, Hough, Bulanık-mantık, Sınıflandırma

References

1. AMERI B.: Automatic Recognition and 3D Reconstruction of Buildings from Digital Imagery, PhD Thesis, German Geo- detic Commission 526, Institute of Photogrammetry, Stuttgart University, 2000.
2. CSANYI N., TOTH C.: Improvement of LiDAR Data Accuracy Using LiDAR Specific Ground Targets, Photogrammetric En- gineering &Remote Sensing, Vol. 73, No. 4, s.385-396, 2007.
3. DASH J, STEINLE E, SINGH R. P., BÄHR H. P.: Automatic Bu- ilding Extractionfrom Laser Scanning Data: An Input Tool For Disaster Management. Advances in Space Research, 33, 2004
4. DEMİR N., POLI D., BALTSAVIAS E.: Detection of Buildings atAirport Sites Using Images & Lidar Data and a Combination of Various Methods, IAPRS, Vol. 38, Part 3/ W4, s.71-77, Paris, France, 2009
5. ELBERINK O.: Acquisition of 3D Topographphy: Automated 3D Road and Building Reconstruction Using Airborne Laser Scanner Data and Topographic Maps, International Institute for Geo-Information Science and Earth Observation, Enscheda, The Netherlands, PhD Thesis, 2010.
6. HAALA N., BRENNER C.: Extraction of Buildings and Trees in Urban Environments. ISPRS Journal of Photogrammetry and Remote Sensing,54, s. 130-137, 1999.
7. HOUGH P.: Methods and Means for Recognizing Complex Pat- terns. U.S. Patent 3,069,654, 1962.
8. KABOLIZADE M., EBADI H., AHMADI S.: An Improved Sna- ke Model for Automatic Extraction of Buildings from Ur- ban Aerial Images and Lidar Data. Computers, Environment and Urban Systems, 2010.

9. NAVULUR K.: Multispectral Image Analysis Using the Object- Oriented Paradigm, CRC Press, Taylor & Francis Group,6000 Broken Sound Parkway NW, Suite 300, Boca Raton, FL 33487- 2742, 2007.
10. PENG J., ZHANG D., LIU Y.: An Improved Snake Model For Building Detection from Urban Aerial Images. Pattern Re- cognition Letters, 26, s. 587–595, 2005.
11. RICHARDS J.A.: Remote Sensing and Digital Image Analysis. Springer-Verlag, Berlin, 1993
12. ROTTENSTEINER F., CLODE S.: Building and Road Extracti- on by LiDAR and Imagery. Topographic Laser Ranging and Scanning Principles and processing. Taylor &Francis Group, ISBN 978-1-4200-5142-1, s. 445-478, 2009.
13. ROTTENSTEINER F., TRINDER J., CLODE S., KUBIK K.: Bu- ilding Detection by Fusion of Airborne LaserScanner Data and Multi Spectral Images: Performance Evaluation and Sensitivity Analysis, ISPRS Journal of Photogrammetry and Remote Sensing 62, s. 135-149, 2007.
14. ROTTENSTEINER F., TRINDER J., CLODE S., KUBIKK.: Using The Dempster–Shafer Method For The Fusion Of LIDAR Data And Multi-Spectral Images For Building Detection, Information Fusion 6, s. 283-300, 2005a.
15. ROTTENSTEINER F., SUMMER G., TRINDER J., CLODE S., KUBIK K.: Evaluation of a Method For Fusing LIDAR Data And Mulitspectral Images For Building Detection, IAPRS 36 (Part 3/W24), s.1520, 2005b.
16. SITHOLE G.: Segmentation and Classification of Airborne La- ser Scanner Data. Ph.D. Thesis. University of Delft. The Net- herlands. Publications on Geodesy, 59, 2005.
17. TARSHA-KURDI F., LANDES T., GRUSSENMEYER, P.: Hough Transform and Extended RANSAC Algorithms For Auto- matic Detection Of 3D Building Roof Planes From Lidar Data. IAPRS, Vol. 36, Part 3/ W52. s.407-412, 2007.
18. VOSSELMAN G., SESTER M., MAYER H.: Basic Computer Vision Techniques. Manual Of Photogrammetry.American So- ciety for Photogrammetry and Remote Sensing (ASPRS), Fifth edition. s. 455-504, 2004.
19. YAN G.: Pixel Based and Object Oriented Image Analy- sis for Coal Fire Research. MasternThesis. ITCThe Netherlands,2003.
20. ZEVENBERGEN L., THORNE C.: Quantitative Analysis of Land Surface Topography, Earth Surface Processes and Landforms 12, s. 47–56, 1987.
21. ZHANG K., YAN J., CHEN S.: A Framework for Automated Construction of Building Models from Airborne LiDAR Measurements. Topographic Laser Ranging and Scanning Principles and processing. Taylor & Francis Group, ISBN 978- 1-4200-5142-1, s. 511-534, 2009.