Assessment of ground filtering algorithms of point clouds in complex artificial terrains

Ing. Petr Klápště

Doctoral thesis

Evaluace filtračních algoritmů bodových mračen v komplexním terénu post-těžebních oblastí

Abstract:

Digitální výškové modely hrají důležitou roli v široké škále environmentálních aplikací. V dnešní době je dálkový průzkum Země nejběžnějším zdrojem dat pro tvorbu digitálních výškových modelů. Jedna z široce využívaných technik v dálkovém průzkumu Země, letecká fotogrammetrie, je standardní metodou pro získávání těchto dat. Zejména se současným rozmachem bezpilotních leteckých prostředků (UAV) potenciál této metody roste. Nejvíce využívanou technikou však stále zůstává laserová altimetrie, běžně označována jako letecké laserové skenování (LLS) nebo LiDAR. Výsledkem LLS i letecké fotogrammetrie jsou mračna bodů, jež je třeba pro získání digitálních výškových modelů dále zpracovat. Prvním krokem ve zpracovávání bodových mračen je tzv. ground filtering – proces, při kterém se filtrují body reprezentující zemský povrch od bodů, které představují objekty nad ním. Ground filtetring je základním procesem v analyzování bodových mračen. Cílem této práce je vyhodnotit výkonnost běžně používaných filtračních algoritmů bodových mračen v komplexním terénu post-těžebních oblastí za účelem vytvoření přesného digitálního modelu reliéfu (DMR). Konkrétně se tato disertační práce zabývá: 1) hodnocením vlivu vegetačních a terénních charakteristik na výkonnost jednotlivých algoritmů v komplexním nepřírodním terénu porostlém lesní, stepní a travnatou vegetací; 2) citlivostní analýzou parametrů a rozdílností ve výkonnosti algoritmů aplikovaných na oba typy bodových mračen (tj. získaných z LLS i UAV fotogrammetrie); 3) vyhodnocením, zda lze přesnost digitálních výškových modelů zlepšit při pořizování UAV snímků v období bez olistění a tudíž potenciálně využít syntézu s daty z olistěného obdobím k následnému odhadu charakteristik vegetačního krytu. Výsledky této práce ukázaly velký potenciál ground filtering procesu při zpracování bodových mračen. Všechny testované algoritmy se při filtrování bodových mračen získaných z LLS chovaly konzistentně, přičemž docházelo častěji k problémům při filtraci nízké vegetace a/nebo rostoucí sklonitosti terénu, nicméně při filtraci fotogrammetrických mračen bodů tento jev zcela neplatil. Proto je nezbytné postupovat obezřetně při výběru algoritmů pro ground filtering fotogrammetrických dat. Z výsledků dále plyne, že některé algoritmy byly náchylnější k chybě I. druhu, zatímco jiné inklinovaly spíše k chybě II. druhu. Následný výzkum by měl proto zhodnotit, zda jsou tyto tendence univerzální a jakou mají souvislost s charakterem vegetace a terénu. Kombinace snímkování bezpilotními leteckými prostředky v období bez olistění a s olistěním má navíc potenciál nahradit nákladné LLS pro aplikace vyžadující informace o vegetačním krytu nebo výšce vegetace.

Abstract:

Digital Elevation Models (DEMs) play an important role in a wide range of environmental applications. Nowadays, remote sensing constitutes the most common source of data for the generation of elevation models. One of the techniques widely used in remote sensing, airborne photogrammetry, is a standard method for the acquisition of such data. Especially with the current boom of unmanned aerial vehicles (UAVs), the potential of this method is growing. Still, laser altimetry, commonly referred to as airborne laser scanning (ALS) or light detection and ranging (LiDAR) remains the most popular technique. Both ALS and airborne photogrammetry result in the point clouds that need to be further processed to obtain DEMs. The first step of point cloud processing is called ground filtering – a process separating points that represent bare ground from non-ground points. Ground filtering represents an essential step of point cloud processing. The aim of this thesis is to evaluate the performance of commonly used ground filtering algorithms of point clouds in a complex artificial terrain for the purpose of creating an accurate digital terrain model. Specifically, we assessed: 1) the effect of vegetation and terrain characteristics on the performance of individual algorithms in a complex non-natural terrain overgrown with forest, steppe, and grass vegetation; 2) sensitivity of parameters and differences in performance between algorithms applied to both types of point clouds (i.e., derived from both ALS and UAV photogrammetry); and 3) we evaluated whether DEMs accuracy can be improved by acquisition of images under leaf-off conditions and, hence, potentially used in combination with leaf-on conditions to estimate vegetation cover characteristics. The results of this thesis showed a great potential of ground filtering of point cloud data. All tested algorithms behaved consistently when filtering LiDAR point clouds, with problems typically more common when filtering low vegetation and/or with increasing slope; however, when filtering photogrammetric point clouds, this was not completely true; hence, caution is needed when choosing algorithms for ground filtering of photogrammetric data. Some algorithms were more susceptible to Type I error while others tended rather to the Type II error; future research should evaluate whether these tendencies are universal and how they relate to the vegetation and terrain character. In addition, the combination of UAV imagery from leaf-off and leaf-on conditions have a potential to replace expensive airborne LiDAR surveys for applications requiring information on vegetation cover or vegetation height.

Keywords

DMR, Filtrace, LiDAR, Mračno bodů, UAV, Structure from Motion

Keywords

DTM, Filtering, LiDAR, Point cloud, UAV, Structure from Motion

Language used: English

Date on which the thesis was submitted / produced: 10. 5. 2021

Thesis defence

• Supervisor: Ing. Vítězslav Moudrý, Ph.D.

Czech University of Life Sciences Prague

Faculty of Environmental Sciences

Doctoral programme / field:
Environmental Sciences / Applied and Landscape Ecology