Segmentação de telhados de edifícios em dados de varredura a LASER usando técnicas de processamento de imagem e o método RANSAC

Autor(es)

Michelle Sayuri Yano

• Tipo de documento: Dissertação de Mestrado
• Imprenta: Presidente Prudente. 2017-03-14.
• Instituição: Universidade Estadual Paulista (Unesp). Faculdade de Ciências e Tecnologia. Presidente Prudente
• Data de defesa: 2015-02-25
• Orientador: Aluir Porfírio Dal Poz

Resumo

Este trabalho propõe um método para a segmentação dos planos de telhados de edifícios presentes em dados de varredura a LASER (Light Amplification by Stimulated Emission of Radiance), tendo por base técnicas de processamento de imagem e o método RANSAC (RANdom SAmple Consensus). Para evitar a busca exaustiva de segmentos de planos de telhados em toda a nuvem de pontos LASER, diminuir significativamente o esforço computacional e evitar a junção de segmentos de edifícios diferentes, mas coplanares, primeiramente é realizado um pré-processamento da nuvem de pontos a fim de separar os pontos pertencentes a cada edifício. Esse pré-processamento consiste em detectar os pontos pertencentes às regiões de edifícios e, em seguida, delimitar a região de cada edifício a partir dos contornos obtidos pela detecção, vetorização e poligonização das bordas desses edifícios. Uma vez separados os pontos de cada edifício, o método RANSAC é utilizado para identificar conjuntos de pontos coplanares pertencentes às faces de telhados. O principal diferencial deste trabalho está no desenvolvimento de um método para a determinação automática dos limiares utilizados no método RANSAC na etapa de análise da consistência entre os dados e o modelo hipotético obtido. A segmentação via RANSAC pode gerar resultados fragmentados, o que exige também um pós-processamento para a junção dos segmentos planares espacialmente próximos e paralelos... (AU)

• Processo FAPESP: 13/16452-8 - Segmentação de telhados de edifícios em dados de varredura a LASER usando técnicas de processamento de imagem e o método RANSAC
• Beneficiário: Michelle Sayuri Yano
• Modalidade de apoio: Bolsas no Brasil - Mestrado