تشخیص اتوماتیک پیچیدگی سقف ساختمان ها در مناطق شهری با استفاده از ابر نقطه داده لایدار

امروزه در اختیار داشتن اطلاعات به هنگام از ساختمان ها و فضاهای شهری، در مدیریت بحران و سایر کاربردها دارای اهمیت است. نوع سقف ساختمان ها از جمله پارامترهای مهمی است که در ارزیابی آسیب پذیری در ساختارهای شهری می تواند مورد استفاده قرار گیرد. هدف از این تحقیق ارائه یک روش اتوماتیک به منظور تشخیص نوع سقف ساختمان ها در مناطق شهری با استفاده از داده لایدار است. در روش پیشنهادی، موقعیت ساختمان کاندید از نقشه بدست آمده و سپس نقاط متناظر آن ساختمان، از ابر نقاط لایدار استخراج می شود. در ادامه، با محسابه نرمال بر سطح و بکارگیری خوشه بندی به روش K-Means، بهترین تعداد خوشه که قادر است صفحات سقف را به خوبی مجزا کند، تعیین می شود. در نهایت براساس تعداد خوشه های سقف، ساختمان ها، کلاسه بندی می شود. به منظور ارزیابی روش پیشنهادی، از تصویر اپتیک منطقه ای به وسعت 125 در 125 متر مربع در ناحیه شهری زیبرگ بلژیک که به عنوان منطقه تست در نظر گرفته شده، استفاده شده است و نوع سقف ساختمان ها بصورت چشمی تفسیر می شود. نتیجه حاصل از ارزیابی کیفی خروجی های الگوریتم نشان می دهد که الگوریتم پیشنهادی از 14 ساختمان موجود در داده تست، سقف 13 ساختمان را به درستی مشخص کرده است.

کلیدواژه ها:

ابر نقطه لایدار ، پیچیدگی سقف ساختمان ، خوشه بندی ، بردار نرمال بر سطح