Mobile Mapping Systems gathers a lot of spatial data that can be used for inventory and analyses regarding road safety. The main purpose of this thesis is to propose a workflow for automatic classification and digitisation of objects in a point cloud gathered by a Mobile Mapping System. The current method used for processing point clouds is performed manually which is cost-inefficient and time consuming due to the vast amount of data the point cloud contains. Before defining the workflow, different software were reviewed for finding which ones to use for the classification. The software review showed that a combination of using Terrasolid and FME is suitable for performing the steps suggested in the classification and digitisation method. The proposed workflow for performing automatic classification and digitisation is based on six different steps: Identify characteristics of the objects of interest, Filter the point cloud, Noise reduction, Identify objects, Digitise and Control. This method has been carried out on two examples, road signs and painted road lines. Attributes that have been used for classifying the objects involves intensity, colour value and spatial relations. The results showed that for digitising road signs, the method found 15 out of 16 signs (94%). For digitising the painted road lines, the results produced by the automatic function had an average misalignment of 3.8 centimetres in comparison to the initial point cloud. The thesis demonstrates that the carried out functions are less time demanding for the user, compared to the manual method carried out today. / Bilburen laserskanning samlar geografiska och rumslig data som kan användas för inventering och analys gällande trafiksäkerhet. Huvudsyftet med denna uppsats är att föreslå ett arbetsflöde för automatisk klassificering och digitalisering av objekt i ett punktmoln som samlats in av en bilburen laserskanner. Den nuvarande metoden som används för bearbetning av punktmoln innebär mycket manuellt arbete för användaren vilket är kostnadsineffektivt och tidskrävande på grund av den stora mängd data punktmolnet består av. Innan arbetsflödet kunde definieras, har olika programvaror granskats för att hitta vilka som kan användas för klassificeringen. Den genomgångna programvaran visade att en kombination av att använda Terrasolid och FME är lämplig för att utföra de åtgärder som föreslås för klassificeringen och digitalisering. Det föreslagna arbetsflödet för att utföra automatisk klassificering och digitalisering bygger på sex olika steg: Identifiera egenskaper hos objekt av intresse, Filtrera punktmoln, Brusreducering, Identifiera objekt, Digitalisera och Kontroll av resultat. Denna metod har genomförts på två exempel, vägmärken och målade väglinjer. Attribut som har använts för att klassificera objekten innefattar intensitet, färgvärde och spatiala relationer. Resultaten visar att för digitalisering av vägmärken, kunde funktionen identifiera 15 utav 16 skyltar(94%). Vid digitalisering av de målade väglinjerna, visade resultaten framtagna av den automatiska funktionen en genomsnittlig avvikelse i sidled på 3,8 centimeter i jämförelse med det ursprungliga punktmolnet. Avhandlingen visar att de framlagda funktionerna är mindre tidskrävande för användaren, jämfört med den manuella metoden som utförs idag.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-169616 |
| Date | January 2015 |
| Creators | Ekblad, Jacob, Lips, Jacob |
| Publisher | KTH, Geodesi och satellitpositionering |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-GIT EX ; 15-005 |
Page generated in 0.0021 seconds