Fotogrametrik nokta bulutu verisinin makine öğrenmesi ile sınıflandırılması

Today, thanks to the development of science and technology, the three-dimensional earth reality has been modeled and a new page has been opened in map production. Especially with the development of photogrammetric methods, point clouds have started to be used in many areas. Extraction of information from point clouds has become important with the growth of data sizes and the spread of usage areas. Since point cloud data consists of a large number of points, learning-based approaches have been used to classify these data. When learning-based approaches are used for the classification process, the distinguishability of the objects in the point cloud from each other increases and provides convenience and reliability for studies. The usage of machine learning, which has powerful mathematical algorithms, comes first in order to analyze complex data. Within the scope of this study, point cloud data was produced by using aerial photographs taken from unmanned aerial vehicle of the region determined in Istanbul Technical University Ayazağa Campus and classified according to four classes (building, tree, vehicle and ground level objects). This classification process has been done by using Random Forest (RF) and Multi-Layer Perceptron (MLP) algorithms from machine learning algorithms. The overall accuracy was 78.54% with the RF algorithm, and 89.88% with the MLP algorithm.
Günümüzde bilim ve teknolojinin gelişmesi sayesinde üç boyutlu yeryüzü gerçekliği modellenebilmiş ve harita üretiminde yeni bir sayfa açılmıştır. Özellikle fotogrametrik yöntemlerin gelişmesi ile nokta bulutları birçok alanda kullanılmaya başlanmıştır. Veri boyutlarının büyümesi ve kullanım alanlarının yaygınlaşması ile nokta bulutlarından bilgi çıkarımı önemli hale gelmiştir. Nokta bulutu verileri çok sayıda noktadan oluştuğundan dolayı bu verilerin sınıflandırılması için öğrenme temelli yaklaşımlar kullanılmaya başlanmıştır. Sınıflandırma işlemi için öğrenme temelli yaklaşımlar kullanıldığında, nokta bulutunda yer alan objelerin birbirinden ayırt edilebilirliği artmakta ve model üzerinden yapılacak çalışmalar için kolaylık ve güvenilirlik sağlamaktadır. Karmaşık yapıdaki verinin çözümlenmesi için güçlü matematiksel algoritmalara sahip olan makine öğrenimi kullanımı ilk sıralarda gelmektedir. Bu çalışma kapsamında İstanbul Teknik Üniversitesi Ayazağa Kampüsü içerisinde belirlenen bölgeye ait insansız hava aracı fotoğrafları kullanılarak nokta bulutu verisi üretilmiş ve dört sınıfa (bina, ağaç, araç ve yer seviyesi objeleri) göre sınıflandırılmıştır. Bu sınıflandırma işlemi, makine öğrenmesi algoritmalarından Rastgele Orman (RO) ve Çoklu Katman Algılayıcı (ÇKA) algoritmaları kullanılarak yapılmıştır. Kullanılan bu iki farklı algoritmadan RO algoritması ile genel doğruluk %78.54, ÇKA algoritması ile genel doğruluk %89.88 oranında elde edilmiştir.