Geração de nuvem de pontos por decomposição gaussiana da full-waveform do sinal laser com algoritmos genéticos e classificação Fuzzy

Abstract

Resumo: Os sistemas convencionais de mapeamento topográfico com a tecnologia LIDAR registram até cinco retornos na forma discreta. Avanços tecnológicos ocorridos nas últimas décadas proporcionaram o desenvolvimento de sistemas LIDAR full-waveform que digitalizam completamente o sinal de retorno. Instalado em aeronave sobrevoando a 1.000 metros de altura, o feixe LASER emitido por estes sistemas gera footprint pequeno, com diâmetro variando entre 0,2 m e 0,8 m. Quando o feixe intercepta parcialmente diferentes alvos, múltiplos retornos podem ser determinados dependendo da metodologia utilizada para a detecção dos picos na waveform. Estes picos contêm informações sobre as características físicas das superfícies iluminadas, tais como a refletividade, rugosidade, altura e inclinação. Pesquisas têm sido realizadas para a detecção dos picos empregando diferentes técnicas, tais como a decomposição, deconvolução e correlação entre os sinais emitido e recebido. Nesta tese foi desenvolvida uma metodologia para a decomposição Gaussiana das waveforms com Algoritmos Genéticos e classificação dos pontos com abordagem Fuzzy. Os dados foram medidos sobre área urbana com edificações, estrada de asfalto, solo exposto, vegetação arbórea e rasteira. Com os Algoritmos Genéticos foi realizado o processo de busca e otimização dos parâmetros de amplitude, desvio padrão e tempo, cujos valores iniciais foram estimados em algoritmo de simples detecção de picos com ponto de máximo local. As distâncias dos alvos foram calculadas utilizando o tempo e, no processo de georreferenciamento a partir dos parâmetros de emissão do feixe LASER, determinaram-se as coordenadas dos pontos no sistema geodésico de referência. Foram realizados dois experimentos aplicando a metodologia de decomposição Gaussiana das waveforms e em ambos houve aumento na quantidade de pontos, respectivamente de 16,9 % e 18,1 %, em comparação com as nuvens de pontos geradas por software comercial, os melhores resultados ocorreram em áreas de vegetação arbórea. A classificação dos pontos foi realizada com Lógica Fuzzy utilizando os parâmetros de amplitude e desvio padrão, a inferência foi implementada com o método Mamdani e a desnebulização ocorreu pelo método do centroide, nos dois experimentos as acurácias globais foram de 86,0 % e 86,7 %, comprovando a viabilidade da metodologia desenvolvida. Palavras-chave: Lidar Full-Waveform, Decomposição Gaussiana, Algoritmos Genéticos, Lógica Fuzzy.

Abstract: Conventional topographic LIDAR systems record up to five returns in the discrete-form. Technological advances in the last decades have impelled the development of full-waveform LIDAR systems that digitize the whole return signal of the emitted LASER pulse. These systems installed in aircraft flying at 1,000 meters high generate small footprints with a diameter ranging from 0.2 m to 0.8 m. When the LASER beam partially illuminate different targets, multiple returns can be determined depending on the methodology used for the peaks detection in the waveform. These peaks contain information about the physical characteristics of the illuminated surfaces, such as reflectivity, roughness, height and slope. Several researches have been carried out to detect the peaks using different techniques such as decomposition, deconvolution and correlation between the emitted and received signals. In this doctoral thesis was developed a methodology for the Gaussian decomposition of the waveform with Genetic Algorithms and points classification using Fuzzy approach. The waveforms data were measured on an urban area with buildings, asphalt road, exposed soil, arboreal and undergrowth vegetation. The Genetic Algorithms were used in the search and optimization process of Gaussian parameters, the initial values were estimated in a simple peak detection algorithm with the maximum local point method. For each detected peak the amplitude, standard deviation and time parameters were determined. The targets distances were calculated using the time and, in the georeferencing procedure using the LASER beam emission parameters, the coordinates of the points were determined in the geodetic reference system. Two experiments were performed applying the Gaussian decomposition of the waveforms methodology and there was an increase in the number of points, respectively of 16.9% and 18.1%, compared to the points cloud generated by commercial software, the best results were obtained in areas with arboreal vegetation. The points classification was performed with Fuzzy Logic using the parameters of amplitude and standard deviation, the inference was implemented with the Mamdani method and the defuzzification with the centroid method, in the two experiments were obtained overall accuracy of 86.0% and 86.7%, proving the viability of the methodology developed. Keywords: Lidar Full-Waveform, Gaussian Decomposition, Genetic Algorithms, Fuzzy Logic.