Detecção e identificação automática de postes utilizando nuvem de pontos do sistema laser terrestre móvel

Orientador: Prof. Dr. Jorge Antônio Silva CentenoDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas. Defesa : Curitiba, 20/02/2017Inclui referências: p. 147-150Resumo: O crescimento acelerado das cidades apresenta um cenário de aumento populacional e todas as suas consequências. Necessidades com a questão de infraestrutura é cada vez mais notória. Investimentos na construção ou na revitalização de estradas requerem ações tanto públicas quanto privadas e necessitam de projetos que envolvam não só a estrada, mas todo seu entorno. Áreas urbanas são espaços onde as pessoas vivem e necessitam da organização dos elementos que a compõe para bem estar e segurança de todos. Portanto, atualmente qualquer planejamento ou manutenção referente a infraestrutura urbana necessita de dados georreferenciados. Nesse sentido, o objetivo geral dessa dissertação é desenvolver uma metodologia para detectar e identificar postes e placas oriundas de uma nuvem de pontos obtida por um sistema laser móvel terrestre. O sensor Laser Scanner utilizado em plataforma móvel fornece uma nuvem de pontos de alta densidade e a possibilidade de obtenção de informações tridimensionais detalhada das feições é entendida como solução para projetos nessa área. O método proposto para detecção é baseado na densidade de pontos 2D, que verifica o local onde há mais acúmulo de pontos e o separa em arquivos individuais. Essa metodologia é vantajosa visto que um dos maiores problemas no tratamento da nuvem de pontos é a atual falta de capacidade de hardware. Alguns experimentos foram realizados visando comparar a rotina de detecção utilizando uma nuvem de pontos sem nenhum tratamento e outra removendo alguns elementos que causaram oclusões. A segmentação por limiarização foi a técnica utilizada para o agrupamento dos pontos e através da morfologia matemática foi possível a detecção dos potenciais postes e placas. Para a identificação dos elementos, os mesmos foram separados em topo e suporte e as variáveis necessárias calculadas para a sua classificação através de uma rede neural artificial. Os resultados dessa pesquisam mostram a eficiência do uso de uma nuvem de pontos para detecção e identificação de feições Palavras-chave: Laser Scanner, Detecção de feições, Redes Neurais.Abstract: The accelerated growth of cities presents a scenario of population growth and its consequences. Investments in infrastructure become increasingly necessary. Road construction or revitalization requires both public and private actions, requiring plans that involve the road, but also its surroundings. Urban areas are spaces where people live, they need all of their elements organized for their well being and safety. Therefore, any planning or maintenance related to urban infrastructure requires georeferenced data. In this sense, the objective of this dissertation is to develop a methodology to detect and identify poles and road signs through a cloud of points obtained by a mobile terrestrial laser scanning. The Laser Scanner sensor used in mobile platform provides a cloud of high density points and the possibility to obtain detailed three-dimensional information of features, being understood as solution for works in this area. The proposed method of detection is based on the density of 2D points, which verifies the place where there is more accumulation of points and separates it into individual files. This methodology is advantageous since one of the biggest obstacles to the treatment of the point cloud is the current lack of hardware capacity. Some experiments were performed in order to compare the detection routine using a point clound without any treatment and another removing some elements that caused occlusions. The threshold segmentation was the technique used to group the points, through mathematical morphology it was possible to detect the potential poles and boards. For feature detection they were separated into top and pole, the necessary variables were calculated for their classification by the neural network. The results of this research show the efficiency of using point cloud for feature detection and identification. Keywords: Laser Scanner, Feature Detection, Neural Network