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

BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ ----------------------------- NGUYỄN THỊ HỮU PHƯƠNG NGHIÊN CỨU PHƯƠNG PHÁP PHÂN LOẠI DỮ LIỆU ĐÁM MÂY ĐIỂM LIDAR VÀ ỨNG DỤNG LUẬN ÁN TIẾN SĨ NGÀNH MÁY TÍNH HÀ NỘI – 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ ----------------------------- Nguyễn Thị Hữu Phương NGHIÊN CỨU PHƯƠNG PHÁP PHÂN LOẠI DỮ LIỆU ĐÁM MÂY ĐIỂM LIDAR VÀ ỨNG DỤNG Chuyên ngành: Hệ thống thông tin Mã số: 9 48 01 04 LUẬN ÁN TIẾN SĨ NGÀNH MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. Nguyễn Trường Xuân Hà Nội – Năm 2022 1 LỜI CẢM ƠN Trong quá trình thực hiện đề tài “Nghiên cứu phương pháp phân loại dữ liệu đám mây điểm LiDAR và ứng dụng”, NCS đã nhận được rất nhiều sự giúp đỡ, tạo điều kiện của Học viện Khoa học và Công nghệ, Viện Công nghệ thông tin, Viện hàn lâm Khoa học và Công nghệ Việt Nam. NCS xin bày tỏ lòng cảm ơn chân thành về sự giúp đỡ đó. NCS xin bày tỏ lòng biết ơn sâu sắc tới PGS.TS Đặng Văn Đức và PGS.TS Nguyễn Trường Xuân – những người thầy trực tiếp hướng dẫn và chỉ bảo cho NCS hoàn thành luận án này.

Hai thầy đã dành cho NCS nhiều thời gian, tâm sức, đóng góp nhiều ý kiến, nhận xét quý báu, chỉnh sửa cho NCS những chi tiết nhỏ trong luận án, giúp luận án của NCS được hoàn thiện hơn về mặt nội dung và hình thức. NCS xin chân thành cảm ơn bạn bè, đồng nghiệp đang công tác tại Bộ môn Công nghệ phần mềm, Khoa Công nghệ thông tin, Trường Đại học Mỏ - Địa chất đã tạo điều kiện và giúp đỡ NCS trong suốt quá trình thực hiện và hoàn thành luận án này. Sự cảm ơn sâu sắc NCS xin dành tới gia đình đã luôn chia sẻ, động viên, cảm thông trong những chuỗi ngày dài học tập và nghiên cứu, NCS luôn nhận được sự yêu thương từ gia đình để có thể đạt được kết quả như ngày hôm nay. TÁC GIẢ LUẬN ÁN NCS.

Nguyễn Thị Hữu Phương 2 MỤC LỤC LỜI CẢM ƠN. 2 DANH MỤC CÁC TỪ VIẾT TẮT.4 DANH MỤC HÌNH VẼ.6 DANH MỤC BẢNG BIỂU.9 CHƯƠNG 1 TỔNG QUAN VỀ PHÂN LOẠI DỮ LIỆU ĐÁM MÂY ĐIỂM LIDAR.1 Kiến trúc hệ thống LiDAR.1 Khái niệm công nghệ LiDAR.2 Hoạt động của hệ thống LiDAR.2 Dữ liệu LiDAR.1 Thu nhận dữ liệu ĐMĐ theo công nghệ LiDAR.3 Đặc trưng của dữ liệu ĐMĐ LiDAR.3 Định dạng dữ liệu LiDAR.3 Bài toán phân loại dữ liệu ĐMĐ LiDAR.1 Bài toán phân loại dữ liệu.Lỗi! Thẻ đánh dấu không được xác định.2 Các bài toán phân loại ĐMĐ LiDARLỗi! Thẻ đánh dấu không được xác định.4 Các công trình nghiên cứu liên quan.5 Phương pháp đề xuất.6 Kết luận chương.37 CHƯƠNG 2 PHÁT TRIỂN THUẬT TOÁN NÂNG CAO CHẤT LƯỢNG PHÂN LOẠI ĐMĐ LIDAR.1 Cải tiến thuật toán EM.1 Mô tả thuật toán EM.2 Ý tưởng cải tiến thuật toán EM.3 Thực hiện cải tiến.4 Thử nghiệm và đánh giá thuật toán EM - D.2 Cải tiến thuật toán MCC.1 Mô tả thuật toán MCC.2 Ý tưởng cài tiến thuật toán MCC.3 Thực hiện cải tiến.4 Thử nghiệm và đánh giá thuật toán MCC - D.3 Kết luận chương. 80 CHƯƠNG 3 ĐỀ XUẤT SỬ DỤNG HIỆU QUẢ ĐÁM MÂY ĐIỂM LIDAR SAU PHÂN LOẠI.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.2 Đề xuất phương pháp xử lý dữ liệu LiDAR trong phân loại lớp phủ bề mặt khu vực đô thị.1 Phân loại lớp phủ bề mặt khu vực đô thị.2 Phương pháp đề xuất.4 Tạo bộ dữ liệu đầu vào cho DSS trong quy hoạch đất đai.3 Kết luận chương. 104 DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ.106 TÀI LIỆU THAM KHẢO.108 4 DANH MỤC CÁC TỪ VIẾT TẮT Từ viết tắt Diễn giải 3D 3 Dimensions 4D 4 Dimensions ASPRS American Society for Photogrammetry and Remote Sensing BCAL Boise Center Aerospace Laboratory LiDAR CHM Canopy Height Model CNN Convolutional Neural Network CORS Continous Operating Reference Station DEM Digital Elevation Model ĐMĐ ĐMĐ DSM Digital Surface Model DSS Decision Support System DTM Digital Terrain Model EM Expectation Maximization GMM Gaussian Mixture Model GNSS Global Navigation Sattelite System IDW Inverse Distance Weighting INS Inertial Navigation System k-NN k Nearest Neighbor Laser Light amplification by stimulated emission of radiation LiDAR Light Detection And Ranging MCC Multiscale Curvature Classification MLS Mobile Laser Scanning NN Nereast Neighbor NVC Naïve Bayes Classification OBC Object-Based Classification PCA Principal Component Analysis pPCA Probabilistic Principle Component Analysis RBF Radial Basis Function 5 RCF Random Conditional Field RGB Red – Green - Blue SVM Support Vector Machine TIN Triangulated Irregular Network TLS Terrestrial Laser Scanning TNHH MTV Trách nhiệm hữu hạn một thành viên ToF Time of Flight TPS Thin Plate Spline UAV Unmanned Aerial Vehicle WSVM Wavelet Support Vector Machine PS Point Spacing PD Point Density ISPRS International Society for Photogrammetry and Remote Sensing 6 DANH MỤC HÌNH VẼ Hình 1.1 Thành phần của hệ thống LiDAR.2 Cách hoạt động của các thành phần trong hệ thống LiDAR.4 Cường độ và năng lượng thu nhận từ các tia phản xạ.5 Nguyên lý quét của LiDAR.6 ĐMĐ sau khi được thu nhận và xử lý.7 Nguyên lý thu thập dữ liệu của hệ thống LiDAR.8 ĐMĐ khi chưa được xử lý.9 Quá trình phân loại dữ liệu tổng quátLỗi! Thẻ đánh dấu không được xác định.10 Tiến trình xử lý dữ liệu điểm LiDAR.11 Các bước thực hiện lọc điểm ground.12 Kết quả tạo DEM và nội suy đường bình độ từ dữ liệu điểm LiDAR (Bộ TNMT).13 Quy trình phân loại dữ liệu LiDAR tổng quát.14 Các bước thực hiện phương pháp đề xuất.1 Tiến trình của thuật toán EM.2 Quy trình thực hiện cải tiến thuật toán EM (EM-D).4 Hình ảnh hiển thị ĐMĐ 3D.5 Độ cao và giá trị cường độ phản xạ của điểm.6 Điểm được hiển thị theo độ cao và chia thành các ĐMĐ nhỏ hơn.7 Sự tương quan trong bộ dữ liệu.8 Phân tích thành phần chính dựa trên pPCA.9 Ma trận thành phần chính của mô hình.10 Bảng tổng hợp giá trị riêng được khởi tạo và tính toán lại.11 Tổng hợp tổng phương sai của các thành phần trong bộ dữ liệu.12 Ma trận thành phần sau khi được tính toán và tổng hợp.13 Tham số của mô hình được cập nhật với bộ dữ liệu 1.14 Tham số cập nhật cho bộ dữ liệu 2.15 Sự phân bố của dữ liệu theo hai thành phần chính.16 Sự phân bố của dữ liệu với hai thành phần trong bộ dữ liệu 2.17 Sơ đồ thuật toán MCC.18 Quy trình thực hiện phân loại ĐMĐ với MCC - D.19 Một TPS đi qua các điểm kiểm soát.20 Bộ dữ liệu thử nghiệm với MCC-D tại Uông Bí, Quảng Ninh.21 Một phần đồ thị Voronoi được tạo.22 Mật độ của các điểm dữ liệu.23 Giá trị PD của bộ dữ liệu.24 Kết quả phân loại với MCC-D.1 Quy trình phân loại lớp phủ bề mặt sử dụng ảnh viễn thám.2 Phương pháp phân loại lớp phủ bề mặt và thành lập mô hình ứng dụng.3 Tọa độ và mô hình 3D ĐMĐ năm 2018.4 Kết quả phân loại với EM – D.5 DEM với độ phân giải là 1m.6 DSM với độ phân giải 1m.7 Các thành phần của DSS trong quy hoạch đất.8 Tạo bộ dữ liệu đầu vào cho DSS trong quy hoạch đất đai sử dụng dữ liệu LiDAR.9 ĐMĐ sau khi loại bỏ nhiễu.10 Sự phân bố của điểm sau phân loại.11 Mô hình DEM.12 Mô hình DSM.14 Mô hình mô phỏng khu vực đo vẽ.102 8 DANH MỤC BẢNG BIỂU Bảng 2.1 Số lượng điểm trong tập dữ liệu huấn luyện và kiểm tra.2 Số lượng điểm trong tập dữ liệu huấn luyện và kiểm tra của bộ dữ liệu.3 Sự tương quan và tần suất hai thành phần chính.4 So sánh kết quả phân loại của thuật toán EM - D và thuật toán EM [45] .5 Bộ dữ liệu huấn luyện và kiểm tra được lựa chọn tại Uông Bí.6 So sánh kết quả phân loại giữa MCC - D và MCC phiên bản 2.7 Số điểm trong tập dữ liệu huấn luyện và kiểm tra của mỗi lớp.8 Ma trận nhầm lẫn và giá trị OA.1 Giá trị thuộc tính của bộ dữ liệu LiDAR được sử dụng.2 Số lượng các điểm trong tập dữ liệu huấn luyện và kiểm tra.3 Số lượng điểm của các lớp sau phân loại.4 So sánh kết quả phân loại của EM – D với MCC và EM.5 Số lượng điểm thuộc các lớp sau phân loại.6 Bảng so sánh độ chính xác của kết quả phân loại.

Tính cấp thiết của đề tài nghiên cứu Công nghệ LiDAR (Light Detection and Ranging) là công nghệ tiên tiến trong lĩnh vực Trắc địa – bản đồ. LiDAR là công nghệ viễn thám chủ động không phụ thuộc vào thời tiết trong quá trình thu thập dữ liệu không gian Trái đất. LiDAR có khả năng thu thập thông tin về đối tượng bằng cách phát tia laser tới mục tiêu và thu nhận tia phản xạ. Sự khác biệt về thời gian đi và về của tia laser cùng với thông tin từ tia phản xạ ta có thể thu được các thông tin về đối tượng và tạo ra mô hình số 3 chiều của nó.

LiDAR là một trong số ít loại cảm biến có thể tạo ảnh nhiều lớp một cách đáng tin cậy. LIDAR cung cấp thông tin chính xác về các đối tượng được khảo sát bằng cách đo tuần tự với độ chính xác cao. Với những ưu điểm vượt trội của mình trong lĩnh vực nghiên cứu khí quyển và bề mặt Trái đất, LiDAR ngày càng được sử dụng rộng rãi [1]. Từ những năm đầu của thập niên 60 của thế kỷ 20, sự ra đời của bộ khuếch đại ánh sáng bằng phát xạ kích thích – Laser đã mở rất nhiều ứng dụng mới, trong đó phải kể đến kĩ thuật khảo sát từ xa sử dụng nguồn kích thích bằng tia laser gọi là LiDAR.

Công nghệ LiDAR là sự phát triển và ứng dụng các thiết bị laser, định vị vệ tinh và đo quán tính để thu thập dữ liệu địa lý trên bề mặt Trái đất [2]. Bản chất của công nghệ LiDAR là kỹ thuật đo dài laser, định vị không gian GPS/INS và sự nhận biết cường độ phản xạ ánh sáng [2]. Sóng laser được phản hồi từ bề mặt Trái đất hay từ các đối tượng trên bề mặt như cây cối, đường hoặc nhà ., với mỗi xung sẽ đo được thời gian đi và về của tín hiệu, từ đó ta tính được khoảng cách từ nguồn phát laser tới đối tượng. Các đối tượng trên bề mặt Trái đất khác nhau có khả năng phản xạ tia quét laser với cường độ khác nhau.

Ở mỗi thời điểm phát xung laser, hệ thống định vị vệ tinh GNSS và INS sẽ xác định vị trí không gian của điểm phát, góc định hướng trong không gian của tia quét sẽ được xác định từ máy phát laser. Một tia laser phát đi, sẽ có một hay nhiều tín hiệu phản hồi.