Nghiên cứu tối ưu hóa thuật toán tự động phân loại dữ liệu đám mây cho mô hình 3D thành phố thông minh

• Tác giả: Lê Đình Hiển
• Người hướng dẫn: PGS. TS Bùi Ngọc Quý
• Trường học: Trường Đại học Mỏ - Địa chất
• Chuyên ngành: Kỹ thuật Trắc địa - Bản đồ
• Đề tài: Tối ưu hóa thuật toán phân loại dữ liệu đám mây cho mô hình 3D thành phố thông minh
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN CÁC VẤN ĐỀ NGHIÊN CỨU
• 1.1. Tổng quan về thành phố thông minh
• 1.2. Tổng quan về phương pháp và thuật toán phân loại dữ liệu đám mây điểm
• 1.2.1. Tổng quan về phương pháp phân loại dữ liệu đám mây điểm
• 1.2.2. Tổng quan về thuật toán phân loại dữ liệu đám mây điểm
• 1.2.3. Tình hình nghiên cứu về thuật toán phân loại đám mây điểm ở Việt Nam
• 1.2.4. Tổng quan về các thuật toán phân loại đám mây điểm sử dụng trong luận án
• 1.2.4.1. Thuật toán lọc mặt đất
• 1.2.4.2. Thuật toán lọc mái nhà
• 1.2.4.3. Thuật toán phân loại theo độ cao
• 1.2.4.4. Thuật toán phân loại dựa theo cường độ tia quét
• 1.2.4.5. Thuật toán phân loại dựa theo chỉ số NDVI
• 1.2.5. Tiểu kết chương 1
• 1.2.6. Hướng nghiên cứu của đề tài luận án
• 2. CHƯƠNG 2: TỐI ƯU HÓA THUẬT TOÁN TỰ ĐỘNG PHÂN LOẠI DỮ LIỆU ĐÁM MÂY ĐIỂM
• 2.1. Nghiên cứu công nghệ thu nhận dữ liệu và cấu trúc của hệ thống quét LiDAR hàng không City Mapper Leica
• 2.1.1. Các tính năng kĩ thuật của hệ thống CityMapper (cơ bản)
• 2.2. Nghiên cứu đặc điểm, tính chất của đám mây điểm thu nhận từ công nghệ quét LiDAR hàng không
• 2.3. Nghiên cứu và xây dựng các thuật toán trong tự động phân loại dữ liệu đám mây điểm
• 2.3.1. Thuật toán lọc nhiễu
• 2.3.2. Thuật toán lọc mặt đất
• 2.3.3. Phân loại lớp đường nhựa bằng ngưỡng cường độ phản xạ
• 2.3.4. Phương pháp phân loại thực vật bằng ngưỡng độ cao và chỉ số NDVI
• 2.3.5. Thuật toán phân loại nhà
• 2.4. Đề xuất xây dựng quy trình tối ưu hóa tự động phân loại dữ liệu đám mây điểm
• 2.5. Đề xuất quy trình xây dựng mô hình 3D thành phố thông minh tự động từ dữ liệu LiDar hàng không
• 2.6. Tiểu kết chương 2
• 3. CHƯƠNG 3: XÂY DỰNG MÔ HÌNH 3D THÀNH PHỐ THÔNG MINH KHU VỰC HÒN GAI, HẠ LONG
• 3.1. Giới thiệu khu vực nghiên cứu
• 3.2. Xây dựng chương trình máy tính phân loại dữ liệu đám mây điểm
• 3.2.1. Mục đích và yêu cầu xây dựng chương trình máy tính phân loại dữ liệu đám mây điểm
• 3.2.2. Thiết kế tổng thể chương trình máy tính phân loại dữ liệu đám mây điểm
• 3.2.3. Thiết kế chức năng của chương trình máy tính phân loại dữ liệu đám mây điểm
• 3.2.4. Lập trình xây dựng chương trình phân loại dữ liệu đám mây điểm
• 3.2.5. Đóng gói và chạy thử
• 3.3. Lựa chọn các phần mềm xử lý dữ liệu
• 3.3.1. Phần mềm MissionPro (Leica)
• 3.3.2. Phần mềm Flight Pro (Leica)
• 3.3.3. Phần mềm Inertial Explorer (NovAtel - Canada)
• 3.3.4. Hệ thống phần mềm HxMap
• 3.3.5. Phần mềm TerraSolid (Phần Lan)
• 3.4. Thực nghiệm thành lập mô hình 3D thành phố từ dữ liệu LiDAR hàng không
• 3.4.1. Công tác chuẩn bị dữ liệu để xây dựng mô hình 3D
• 3.4.2. Xử lý dữ liệu ảnh và đám mây điểm LiDAR
• 3.4.3. Công đoạn phân loại dữ liệu đám mây điểm
• 3.4.4. Công đoạn xây dựng mô hình 3D thành phố thông minh
• 3.5. Đánh giá các kết quả nghiên cứu
• 3.5.1. Phương pháp đánh giá kết quả
• 3.5.2. Lựa chọn khu vực đánh giá kết quả phân loại
• 3.5.3. Đánh giá độ chính xác của thuật toán phân loại điểm mặt đất
• 3.5.4. Đánh giá độ chính xác quá trình tự động phân loại đám mây điểm
• 3.5.5. Đánh giá khả năng ứng dụng của quy trình công nghệ tự động phân loại dữ liệu đám mây điểm
• 3.5.6. Đánh giá khả năng ứng dụng của mô hình 3D thành phố thông minh thực nghiệm
• 3.5.6.1. Quy hoạch đô thị
• 3.5.6.2. Hiển thị không gian
• 3.5.6.3. Phân tích tầm nhìn
• 3.5.6.4. Phòng chống thiên tai, ứng phó tình huống
• 3.5.6.5. Quản lý tài sản & phát hiện thay đổi
• 3.5.6.6. Thăm vấn cộng đồng
• 3.5.6.7. Du lịch & bảo tồn di sản
• 3.5.6.8. Xác định các vấn đề môi trường và quản lý môi trường đô thị
• KẾT LUẬN VÀ KIẾN NGHỊ
• DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ
• ĐÃ CÔNG BỐ CÓ LIÊN QUAN TỚI LUẬN ÁN
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC 1: HƯỚNG DẪN SỬ DỤNG CHƯƠNG TRÌNH HUMG – POINT CLOUD CLASSIFIER
• PHỤ LỤC 2 – MÃ NGUỒN CHƯƠNG TRÌNH HUMG – POINT CLOUD CLASSIFIER

I. Tính cấp thiết của đề tài

Sự phát triển nhanh chóng của đô thị hóa đã tạo ra nhiều thách thức cho các thành phố, bao gồm ô nhiễm môi trường, tắc nghẽn giao thông và khan hiếm tài nguyên. Để giải quyết những vấn đề này, việc xây dựng thành phố thông minh trở thành một yêu cầu cấp thiết. Đề án Phát triển đô thị thông minh bền vững Việt Nam đã được phê duyệt nhằm nâng cao chất lượng cuộc sống và hiệu quả hoạt động đô thị. Công nghệ dữ liệu đám mây và mô hình 3D đóng vai trò quan trọng trong việc xây dựng các ứng dụng phục vụ cho thành phố thông minh. Việc tối ưu hóa thuật toán phân loại dữ liệu đám mây là cần thiết để cải thiện độ chính xác và hiệu quả trong việc xây dựng mô hình 3D.

1.1. Xu hướng phát triển thành phố thông minh

Thành phố thông minh sử dụng công nghệ thông tin để cải thiện chất lượng cuộc sống và quản lý đô thị. Việc áp dụng công nghệ thông tin và hệ thống thông tin địa lý (GIS) giúp tối ưu hóa quy trình quản lý và phát triển đô thị. Mô hình 3D cung cấp cái nhìn trực quan về không gian đô thị, hỗ trợ trong việc quy hoạch và quản lý tài nguyên. Sự phát triển của công nghệ 3D và hệ thống thông tin địa lý đã mở ra nhiều cơ hội cho việc xây dựng các ứng dụng thông minh, từ quản lý giao thông đến bảo vệ môi trường.

II. Nghiên cứu và tối ưu hóa thuật toán phân loại

Nghiên cứu này tập trung vào việc tối ưu hóa thuật toán phân loại dữ liệu đám mây điểm thu nhận từ công nghệ quét LiDAR. Các thuật toán hiện tại thường gặp khó khăn trong việc xử lý khối lượng lớn dữ liệu, dẫn đến độ chính xác thấp. Việc phát triển các thuật toán mới giúp cải thiện khả năng phân loại và giảm thiểu thời gian xử lý. Các phương pháp như học máy và tự động hóa được áp dụng để nâng cao hiệu quả phân loại. Quy trình tối ưu hóa không chỉ giúp tiết kiệm chi phí mà còn nâng cao độ chính xác của mô hình 3D.

2.1. Các thuật toán phân loại hiện có

Các thuật toán phân loại hiện tại bao gồm thuật toán lọc mặt đất, phân loại theo độ cao và cường độ phản xạ. Mỗi thuật toán có ưu điểm và nhược điểm riêng, ảnh hưởng đến độ chính xác của kết quả phân loại. Việc nghiên cứu và cải tiến các thuật toán này là cần thiết để đáp ứng yêu cầu ngày càng cao trong việc xây dựng mô hình 3D cho thành phố thông minh. Sự kết hợp giữa các thuật toán khác nhau có thể tạo ra một quy trình phân loại hiệu quả hơn, giúp tối ưu hóa việc sử dụng dữ liệu đám mây.

III. Ứng dụng thực tiễn của mô hình 3D trong thành phố thông minh

Mô hình 3D thành phố thông minh không chỉ giúp hiển thị không gian đô thị mà còn hỗ trợ trong việc quy hoạch và quản lý tài nguyên. Các ứng dụng như phân tích tầm nhìn, phòng chống thiên tai và quản lý tài sản đều có thể được thực hiện hiệu quả hơn nhờ vào mô hình 3D. Việc sử dụng công nghệ 3D trong quy hoạch đô thị giúp các nhà quản lý đưa ra quyết định chính xác hơn, từ đó nâng cao chất lượng cuộc sống cho cư dân. Mô hình 3D cũng có thể được sử dụng trong các lĩnh vực như du lịch và bảo tồn di sản.

3.1. Lợi ích của mô hình 3D trong quy hoạch đô thị

Mô hình 3D cung cấp cái nhìn tổng quan về không gian đô thị, giúp các nhà quy hoạch dễ dàng nhận diện các vấn đề và cơ hội phát triển. Việc sử dụng mô hình 3D trong quy hoạch giúp tối ưu hóa việc sử dụng đất, cải thiện hạ tầng và nâng cao chất lượng dịch vụ công cộng. Hơn nữa, mô hình 3D còn hỗ trợ trong việc phân tích tác động môi trường, từ đó đưa ra các giải pháp bền vững cho sự phát triển của thành phố thông minh.