Küçük Ölçekli Fotogrametrik Haritalarda Nokta Bulutu Filtreleme Yöntemleri ile Eşyükseklik Eğrisi Üretimi

Yıl 2021, Cilt: 21 Sayı: 1, 167 - 178, 24.02.2021

Çağrı Kılınç , Murat Uysal

https://doi.org/10.35414/akufemubid.823165

Öz

Bu çalışmada küçük ölçekli fotogrametrik haritalar için ormanlık alanlarda, üç boyutlu (3B) nokta bulutu filtreleme yöntemleri ile eşyükseklik eğrisi üretilmiştir. Bunun için az, orta ve çok yoğunluklu ağaçlık ve orta engebeli alanlar olmak üzere seçilen üç farklı alanda 3B boyutlu nokta bulutu verisi, sayısal hava kamerası ile çekilmiş kızılötesi bant değerlerine sahip hava fotoğraflarından Semi Global Matching (SGM) algoritması ile üretilmiş ve bu alanlardaki ağaçlık alanlar; noktaların spektral değerleri ve açık kaynak kodlu bir yazılımda bulunan Cloth Simulation Filter (CSF) algoritması ile filtrelenmiştir. Daha sonra bu verilerden Triangular Irregular Network (TIN), Inverse Distance Weighting (IDW) ve Kriging yöntemleri ile Sayısal Arazi Modeli (SAM) oluşturularak bu yüzeylerden eşyükseklik eğrileri üretilmiştir. Elde edilen sonuçlara bakıldığında, nokta bulutu verisindeki ağaçlık alanları noktaların spektral değerlerinden faydalanarak filtrelemek, CSF algoritması ile filtreleme yöntemine göre daha başarılı olmuştur. TIN enterpolasyonu ile üretilen Sayısal Arazi Modelinden oluşturulan eşyükseklik eğrilerinin yatay ve düşey Karesel Ortalama Hataları (KOH), IDW ve Kriging yöntemleri ile üretilen SAM dan oluşturulan eşyükseklik eğrilerin KOH larına göre daha küçük olmuştur. Çalışma alanlarından az ve orta yoğunluklu ağaçlık alanlarda eşyükseklik eğrilerin yatay ve düşey olarak karesel ortalama hatalarının, arazinin eğim değerlerine göre belirlenen tecviz sınırları içerisinde kaldığı görülmüştür.

Anahtar Kelimeler

hava fotoğrafı, nokta bulutu, filtreleme, sayısal arazi modeli, Eşyükseklik Eğrisi

Contour Generation with Point Cloud Filtering Methods in Small Scale Photogrammetric Maps

Öz

In this study, contour lines for small-scale photogrammetric maps are produced by 3D point cloud filtering methods in forest areas. For this purpose, 3D point cloud data were generated by Semi Global Matching (SGM) algorithm from aerial photographs with infrared band values taken with a digital aerial camera in three different areas selected as low, medium and high density woodland and medium hilly areas. Wooded areas; It is filtered by the spectral values of the points and the Cloth Simulation Filter (CSF) algorithm available in an open source software. Then, from these data, Triangular Irregular Network (TIN), Inverse Distance Weighting (IDW) and Digital Terrain Model (SAM) were created using Kriging methods and contour lines were generated from these surfaces. Looking at the results obtained, filtering the wooded areas in the point cloud data by using the spectral values of the points was more successful than filtering with the CSF algorithm. The horizontal and vertical squared avarage errors of the contour lines created from the digital terrain model produced by TIN interpolation were smaller than the squared avarage errors of the contour lines produced by IDW and Kriging methods. It has been observed that the horizontal and vertical squared average errors of the contour lines in the wooded areas with low and medium density areas remain within the limits determined according to the slope values of the land.

Anahtar Kelimeler

Aerial photograps, Point cloud, Dijital Terrain Model, Contour Line, Filtering

Kaynakça

• Referans1 Başkan O, 2004, Gölbaşı Yöresi Topraklarının Mühendislik, Fiziksel Özellik İlişkilerinde Jeoistatistik Uygulaması, Doktora Tezi, Ankara Üniversitesi, Ankara.
• Referans2 Imhof E, 1965, Kartographische Geländedarstellung, Berlin: Walter de Gruyter & Co. 200-202
• Referans3 Isawı M Y N, 2016, Structure From Motion Using a Single Camera, Master Thesis, Çankaya Üniversitesi, Ankara.
• Referans4 Justice D H, Salomonson V, Privette J, Riggs G, Strahler A, Lucht W, Knjazihhin Y R, Runnig S, Nemani R, Vermote E, Townshend J, Defries R, Roy D, Wan Z, Huete A, Leeuwen V M, Volfe R, Giglio L, Muller J P, Lewis P, Barnsley M, 1998, The Moderate Resulotion Imaging Spectroradiometer (MODIS), Land Remote Sensing for Global Change Research, IEEE Transactions on Geoscience and Remote Sensing, 36, 1228-1249.
• Referans5 Leberl F, Irshara A, Pock T, Meixner P, Gruber M, Scholz S, Wiechert A, 2010, “Point Clouds: Lidar versus 3D Vision”, Photogrammetric Engineering & Remote Sensing, 76, 1123-1134.
• Referans6 Riegler G, Hoeppner E, Li X, 2006, Automatic Contour Line Generation Using Intermap’s Digital Terrain Model, ASPRS 2006 Annual Conference, Reno, Nevada (1-11).
• Referans7 Rouse J, Haas R, Schell J, Deering D, 1973, Monitoring Vegetation Systems in The Great Plains with ERTS, Third ERTS Symposium, NASA SP-351, 309-317.
• Referans8 Shearer J W, 1994, The Accuracy of Digital Terrain Models, Photogrammetric Engineering & Remote Sensing, 60(24), 315-336.
• Referans9 Zhang W, Qi, J, Wan P, Wang H, Xie D, Wang X, Yan G, 2016, An Easy to Use Airbone LiDAR Data Filtering Method Based on Cloth Simulation, Remote Sensing, 8(6), 501.