Luận án tiến sĩ: Nghiên cứu phương pháp phân loại dữ liệu đám mây điểm LiDAR và ứng dụng

• Tác giả: Nguyễn Thị Hữu Phương
• Người hướng dẫn: PGS.TS Nguyễn Trường Xuân
• Trường học: Học viện Khoa học và Công nghệ
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Nghiên cứu phương pháp phân loại dữ liệu LiDAR trong đám mây điểm
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ PHÂN LOẠI DỮ LIỆU ĐÁM MÂY ĐIỂM LIDAR
• 1.1. Kiến trúc hệ thống LiDAR
• 1.2. Khái niệm công nghệ LiDAR
• 1.3. Hoạt động của hệ thống LiDAR
• 1.4. Dữ liệu LiDAR
• 1.5. Thu nhận dữ liệu ĐMĐ theo công nghệ LiDAR
• 1.6. Đặc trưng của dữ liệu ĐMĐ LiDAR
• 1.7. Định dạng dữ liệu LiDAR
• 1.8. Bài toán phân loại dữ liệu ĐMĐ LiDAR
• 1.9. Các công trình nghiên cứu liên quan
• 1.10. Phương pháp đề xuất
• 1.11. Kết luận chương
• 2. CHƯƠNG 2: PHÁT TRIỂN THUẬT TOÁN NÂNG CAO CHẤT LƯỢNG PHÂN LOẠI ĐMĐ LIDAR
• 2.1. Cải tiến thuật toán EM
• 2.1.1. Mô tả thuật toán EM
• 2.1.2. Ý tưởng cải tiến thuật toán EM
• 2.1.3. Thực hiện cải tiến
• 2.1.4. Thử nghiệm và đánh giá thuật toán EM - D
• 2.2. Cải tiến thuật toán MCC
• 2.2.1. Mô tả thuật toán MCC
• 2.2.2. Ý tưởng cài tiến thuật toán MCC
• 2.2.3. Thực hiện cải tiến
• 2.2.4. Thử nghiệm và đánh giá thuật toán MCC - D
• 2.3. Kết luận chương
• 3. CHƯƠNG 3: ĐỀ XUẤT SỬ DỤNG HIỆU QUẢ ĐÁM MÂY ĐIỂM LIDAR SAU PHÂN LOẠI
• 3.1. Lớp phủ khu vực đô thị và khả năng sử dụng của dữ liệu LiDAR trong phân loại lớp phủ bề mặt khu vực đô thị
• 3.2. Đề xuất phương pháp xử lý dữ liệu LiDAR trong phân loại lớp phủ bề mặt khu vực đô thị
• 3.2.1. Phân loại lớp phủ bề mặt khu vực đô thị
• 3.2.2. Phương pháp đề xuất
• 3.3. Tạo bộ dữ liệu đầu vào cho DSS trong quy hoạch đất đai
• 3.4. Kết luận chương
• DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về phương pháp phân loại dữ liệu LiDAR trong đám mây điểm

Phân loại dữ liệu LiDAR là một lĩnh vực nghiên cứu quan trọng trong công nghệ viễn thám. Công nghệ LiDAR (Light Detection and Ranging) cho phép thu thập dữ liệu không gian với độ chính xác cao. Đám mây điểm LiDAR chứa thông tin chi tiết về bề mặt Trái đất, từ đó giúp phân tích và mô hình hóa các đối tượng địa lý. Việc phân loại dữ liệu này không chỉ giúp nâng cao độ chính xác trong nghiên cứu mà còn mở ra nhiều ứng dụng thực tiễn trong quản lý đất đai và quy hoạch đô thị.

1.1. Khái niệm và ứng dụng của công nghệ LiDAR

Công nghệ LiDAR là phương pháp đo khoảng cách bằng cách phát tia laser và thu nhận tín hiệu phản xạ. Ứng dụng của LiDAR rất đa dạng, từ khảo sát địa hình đến quản lý tài nguyên thiên nhiên.

1.2. Đặc điểm của dữ liệu đám mây điểm LiDAR

Dữ liệu đám mây điểm LiDAR có cấu trúc 3D, mỗi điểm được xác định bởi tọa độ và cường độ phản xạ. Điều này cho phép mô tả chi tiết các đối tượng như cây cối, tòa nhà và địa hình.

II. Thách thức trong phân loại dữ liệu LiDAR và đám mây điểm

Mặc dù công nghệ LiDAR mang lại nhiều lợi ích, nhưng việc phân loại dữ liệu đám mây điểm vẫn gặp nhiều thách thức. Các vấn đề như nhiễu dữ liệu, độ chính xác thấp và thời gian xử lý lâu là những yếu tố cần được giải quyết. Đặc biệt, việc phân loại tự động vẫn chưa được phát triển mạnh mẽ tại Việt Nam, dẫn đến việc sử dụng các phương pháp bán tự động không hiệu quả.

2.1. Nhiễu và độ chính xác trong dữ liệu LiDAR

Nhiễu trong dữ liệu LiDAR có thể đến từ nhiều nguồn khác nhau, làm giảm độ chính xác của kết quả phân loại. Việc xử lý và lọc dữ liệu là cần thiết để cải thiện chất lượng.

2.2. Thời gian và chi phí trong quy trình phân loại

Quá trình phân loại dữ liệu LiDAR thường tốn nhiều thời gian và chi phí, đặc biệt khi sử dụng phương pháp thủ công. Cần có các giải pháp tự động hóa để giảm thiểu thời gian và chi phí.

III. Phương pháp phân loại dữ liệu LiDAR hiệu quả

Để nâng cao hiệu quả phân loại dữ liệu LiDAR, nhiều phương pháp đã được đề xuất. Các thuật toán như EM (Expectation-Maximization) và MCC (Multiscale Curvature Classification) đã cho thấy khả năng cải thiện độ chính xác trong phân loại. Việc áp dụng các thuật toán này giúp tối ưu hóa quy trình phân loại và giảm thiểu sai số.

3.1. Thuật toán EM trong phân loại dữ liệu LiDAR

Thuật toán EM là một phương pháp mạnh mẽ trong phân loại dữ liệu, giúp tối ưu hóa các tham số và cải thiện độ chính xác của kết quả phân loại.

3.2. Cải tiến thuật toán MCC cho dữ liệu LiDAR

MCC là một thuật toán phân loại dựa trên độ cong, giúp phân loại các đối tượng phức tạp trong đám mây điểm LiDAR một cách hiệu quả.

IV. Ứng dụng thực tiễn của dữ liệu LiDAR sau phân loại

Dữ liệu LiDAR sau khi được phân loại có thể được sử dụng trong nhiều ứng dụng thực tiễn. Từ việc xây dựng mô hình 3D cho đến quản lý đất đai, dữ liệu này cung cấp thông tin quý giá cho các nhà nghiên cứu và quản lý. Việc áp dụng dữ liệu LiDAR trong quy hoạch đô thị giúp cải thiện chất lượng cuộc sống và bảo vệ môi trường.

4.1. Mô hình hóa lớp phủ bề mặt khu vực đô thị

Dữ liệu LiDAR cho phép xây dựng mô hình lớp phủ bề mặt chính xác, hỗ trợ trong việc quy hoạch và phát triển đô thị bền vững.

4.2. Quản lý tài nguyên thiên nhiên bằng dữ liệu LiDAR

Dữ liệu LiDAR có thể được sử dụng để theo dõi và quản lý tài nguyên thiên nhiên, từ rừng đến nguồn nước, giúp bảo vệ môi trường.

V. Kết luận và tương lai của nghiên cứu phân loại dữ liệu LiDAR

Nghiên cứu về phương pháp phân loại dữ liệu LiDAR đang ngày càng trở nên quan trọng. Với sự phát triển của công nghệ và thuật toán, khả năng phân loại tự động sẽ được cải thiện đáng kể. Tương lai của nghiên cứu này không chỉ dừng lại ở việc nâng cao độ chính xác mà còn mở rộng ứng dụng trong nhiều lĩnh vực khác nhau.

5.1. Xu hướng phát triển công nghệ LiDAR

Công nghệ LiDAR đang phát triển nhanh chóng, với nhiều ứng dụng mới được khám phá. Việc cải tiến thuật toán sẽ giúp nâng cao hiệu quả sử dụng dữ liệu.

5.2. Tầm quan trọng của nghiên cứu trong quản lý đất đai

Nghiên cứu về phân loại dữ liệu LiDAR có vai trò quan trọng trong việc quản lý đất đai, giúp tối ưu hóa quy hoạch và bảo vệ tài nguyên thiên nhiên.