LiDAR Günleri etkinliği gerçekleştirildi

Samet Kütük
May 26, 2017 · 7 min read

25–27 Nisan tarihlerinde, İstanbul Teknik Üniversitesi ve İstanbul Üniversitesi Eğitim ve Araştırma Ormanı’nda düzenlediğimiz, 3 günlük LiDAR Günleri isimli etkinliğimizi başarı ile tamamladık.

Leo Mühendislik, BGS Bilgi ve Robonik Mekatronik işbirliği ile gerçekleştirdiğimiz, İHA LiDAR uçuşu, örnek veri setleri üzerinden sınıflama çalışmaları ve ileri sınıflandırma teknikleri eğitimi gibi faaliyetler gerçekleştirilen etkinliğimizi yüksek bir katılım ile tamamladık.

Etkinlik boyunca, orman arazisinde veri toplanırken ve İstanbul Teknik Üniversitesi’nde gerçekleştirilen seanslar gerçekleştirilirken çekilen filmimizi aşağıda bulabilirsiniz.

Etkinliğimizin ilk gününde, İstanbul Üniversitesi Eğitim ve Araştırma Ormanı’nda uçuş planlaması yapılmıştır.

İnsansız hava araçları ile uçuş yapanlar bileceği üzere, halihazırda yürürlükte olan olağanüstü hal durumundan dolayı, İstanbul ilinde İHA uçuşlarının yapılması oldukça kısıtlı ve kesin şartlara bağlıdır. İHA0 ve İHA1 sınıflarındaki insansız hava araçları ile uçuş yapmak isteyenlerin İstanbul Valiliği’nin yayınlamış olduğu “İnsansız Hava Aracı Sistemleri Talimatı”nı okumasını öneririm. Bu talimata göre, İHA0 ve İHA1 sınıfındaki insansız hava araçlarının uçurulabilmesi için, uçuş yapılacak mahallin en yüksek idari amirinin onayı gerekmektedir. Bizim gerçekleştirdiğimiz uçuş, NOTAM ile ilan edilmemiş sahada, kalabalık olmayan bölgede, düşük irtifada ve bir defaya mahsus olduğu için, gerekli izinler temin edilebilmiştir.

Bu İHA uçuşunun amacı, İHA altına entegre edilmiş olan YellowScan Surveyor isimli LiDAR sistemi ile orman, bina ve enerji nakil hatları verisinin toplanması idi.

YellowScan Surveyor, “drone agnostic” olarak tanımlanan bir LiDAR sistemidir. Yani, İHA otopilotu ile haberleşmeyen, sistem içerisinde kendi bataryasını, GPS/IMU bileşenini barındıran ve rahatlıkla her insansız hava aracının altına kısa sürede monte edilebilen bir sistemdir. Etkinliğe, Ankara’dan seyahat ederek katılan Robonik Mekatronik isimli yerli firmanın TurkUAV Oktokopter V3 isimli insansız hava aracına monte edilmiş hali ile YellowScan Surveyor sistemini aşağıdaki görselde görebilirsiniz. Ayrıca yüksek çözünürlük bir RGB kamera da, toplanan verinin validasyonu ve elde edilecek nokta bulutunun renklendirilmesi amaçları ile sisteme entegre şekilde kullanılmıştır.

YellowScan Surveyor, Velodyne VLP-16 LiDAR sensörü, Applanix APX-15 UAV GPS/IMU, sensör verisinin arayüzlenmesi için mini bir bilgisayar, RF link ve entegre batarya bileşenlerinden oluşup, bunları kapalı bir kutu halinde sunmaktadır. Yalnızca 1.6 kg ağırlığında olup, 1.5 saatlik pil ömrüne sahiptir. 2 kg faydalı yük taşıyabilen her İHA’ya monte edilebilir.

LiDAR sistemi insansız hava aracına monte edildikten sonra, önceden planlanmış uçuş rotasında uçuşa başlanmıştır. Uçuşun gerçekleştirildiği yer, İstanbul Belgrad Ormanı’nın bir kısmından oluşan, İstanbul Üniversitesi Eğitim ve Araştırma Ormanı şeklinde belirlenmişti. Ormana erişim sağlandığı noktanın GPS koordinatları 41°09'53.4"N 29°00'39.5"E şeklindedir. İncelemek için linke tıklayabilirsiniz. Bölge içerisinde tepe noktada bulunan binalar topluluğu, geçmişte bir Osmanlı sadrazamı tarafından av köşkü olarak kullanılmakta imiş. Günümüzde ise bir çok filmcinin set olarak kullandığı bu alanda uçuşumuzun gerçekleştirilmesine karar verildi. Aşağıda uçuş planlamasını görebilirsiniz:

Etkinliğin gerçekleştirildiği bölgede, İstanbul Avrupa yakasından Anadolu yakasına geçen ana enerji nakil hatlarından bir kısmı yer aldığı için, etkinlik kapsamında enerji nakil hattı verisinin toplanması da planlanmıştı. Fakat, gerek pilon direklerinin çok yüksek olması, gerek taşınan enerjinin çok yüksek güçlü olması, gerekse insansız hava aracı iniş ve kalkış senaryoları için fiziksel imkansızlıklar nedeniyle, uçuş güvenliğini tehlikeye atmamak adına bu uçuşlar gerçekleştirilmemiştir.

YellowScan Surveyor sisteminin bir diğer özelliği de, misyon tamamlandıktan birkaç dakika sonra, georeferanslanmış nokta bulutu verisini tam çözünürlük ile sahada görebilmenizi sağlamasıdır. Bunun yanı sıra, havadan ölçme işlerinde sık görülen, veri boşluklarının oluşması, nokta bulutu verisi toplama işleminde meydana gelebilecek problemler, toplanan nokta bulutu verisinin yoğunluğunun istenen düzeyde olmaması gibi problemlerin önüne geçilmesi için, YellowScan LiveStation yazılımı geliştirmiştir. Bu yazılım sayesinde, İHA uçuşu esnasında toplanan verinin indirgenmiş hali, yerde canlı olarak izlenebilmektedir. Böylece misyon tekrarlanması ya da eksik ve kusurlu veri toplanması gibi sorunların önüne geçilebilmektedir.

Sahada gerçekleştirilen misyon sonrasında oluşan veri, RGB fotoğraflar kullanılarak renklendirilmiştir. Misyon 50 metre ile 60 metre arasında değişen irtifalarda toplam 17 dakika sürmüş, yerden 15,220,342 nokta toplanmış, nihai nokta bulutu yoğunluğu, yaklaşık 120 nokta/metrekare olarak gerçekleşmiştir. Renklendirilmiş nokta bulutu aşağıdaki videoda incelenebilir.

Sahada veri toplanmasının ardından, etkinlik katılımcıları ile İstanbul Teknik Üniversitesi’ne geri dönülmüş ve sahada toplanan verilerin analizi çalışmalarına başlanmıştır.

Sahada toplanan verinin analizi, etkinlik için Finlandiya’dan gelmiş olan, LiDAR verisi işleme yazılımlarında dünya lideri olan TerraSolid yazılımının mimarı Arttu Soininen tarafından gerçekleştirilmiştir. Arttu, uçuş rotasında mevcut olan paralel geçişler esnasında kaydedilmiş olan noktaları karşılaştırmış, bu noktaların x, y ve z eksenlerindeki pozisyon verisini inceleyerek, “tie-line matching” metodu ile YellowScan Surveyor sisteminin hassasiyetini (ing. precision) ölçümlemiştir. Yapılan değerlendirme sonucunda, Surveyor sisteminin hassasiyeti yaklaşık 2 cm. olarak tespit edilmiştir. Daha sonra, TerraMatch yazılımı ile, tespit edilen ölçümleme hataları elimine edilmiş ve 1.3 cm. civarlarında bir hassasiyet seviyesi sağlanabilmiştir.

Hassasiyeti iyileştirilen nokta bulutu üzerinde, yer, alçak bitki örtüsü, yüksek bitki örtüsü, ağaç, araç, bina gibi sınıflar için sınıflama çalışmaları yapılmıştır. Sınıflama çalışması sonucunda, üzerine uçuş yapılan orman bölütü, özellik olarak az derecede sıklığa sahip olduğu için, çok yüksek başarım ile ağaçlar otomatik olarak sayılabilir şekilde ayrıştırılabilmiştir. Bunun yanı sıra, birbirine geçen ağaçların olduğu nokta bulutu bölütünde yapılan inceleme sonucunda, birdek çok ekolu LiDAR sensörü kullanılmasının faydası görülerek, ağaç gövdeleri tespit edilebilmiş ve iç içe geçen bazı ağaçlar da ayrıştırılabilmiştir. Ve yine, birden çok ekolu LiDAR sensörü kullanılmasının diğer bir faydası görülerek, fotogrametrik yöntemlerde sağlanamayacak olan, ağaç altı bölgelerin görülebilmesi sağlanmıştır.

Nihai olarak, bir LiDAR sistemi ile İHA uçuşu gerçekleştirilirken, uçuş rotasının planlanmasında dikkat edilmesi gereken hususlara dikkat çekilerek gün tamamlanmıştır.

Etkinliğin ikinci gününde yine Arttu Soininen tarafından bazı örnek veri setleri üzerinde demo gerçekleştirilmiştir. Demo süresince TerraSolid yazılımlarının -tarayıcı sistemin türünden bağımsız olarak elde edilen- nokta bulutu verisini temel ve ileri seviyede analiz etme yeteneği gösterilmek istenmiştir. Bu doğrultuda ilk olarak ormanlık alanlardaki ağaçların sınıflandırılması ve ağaç türlerinin tespiti için multispektral kamera ve LiDAR sensörü içeren entegre bir sistem ile elde edilmiş nokta bulutu verisi seçilmiştir. Bu veride 3 farklı dalga boyu ile elde edilen 3 farklı intensity değeri saklanabilmektedir. Farklı dalga boylarındaki lazer ışınları ağaç türlerine göre farklı yansıtım değerleri göstermektedir. TerraScan bu 3 farklı yoğunluk değerini RGB kanallarına atayarak buradaki yansıtım değerlerine göre bazı ağaç türlerini tanıyabilmektedir. Ağaç türlerinin belirlenmesinden önce nokta bulutunun yer noktaları, bitki örtüsü, ağaçlar, binalar vs. gibi temel bazı sınıflara ayrılması gerekmektedir. Sınıflandırma işlemi yine TerraScan yazılımı ile otomatik ve manuel birtakım süreçlerin ardından gerçekleştirilmektedir. TerraScan’deki otomatik sınıflandırma yöntemi görüntü işlemede kullanılan segmentasyon yöntemine benzer bir gruplama algoritmasına dayanmaktadır. Bu yöntem ile veri içerisinde bir objeyi oluşturan noktaların kendine özgü bir gruba dahil olması ve her bir grubun da bir objeyi temsil etmesi amaçlanmıştır.

Ağaç ve ormanlık alan örneklerinin ardından mobil tarama ile elde edilen bir karayoluna ait nokta bulutu ikinci veri seti olarak seçilmiştir. Bu veride karayolu orta ekseni boyunca belirlenen aralıklarla otomatik olarak eğimler iki farklı eksende hesaplanmıştır. Yine yol orta ekseni referans alınarak yolun mevcut planındaki geometrik bileşenleri (kurp, klotoid, aliyman vs) otomatik olarak belirlenmiştir. Karayolu için belirlenen maksimum hızdan faydalanılarak belirli noktalardaki durma ya da sollama için gerekli görüş mesafeleri hesaplanmıştır. Ayrıca TerraScan ile mobil tarama ile elde edilmiş karayolu verisinden; enkesit ve boykesit oluşturma, deformasyon analizi, yoldaki lastik izi derinlikleri, yoldaki su akış yönü gibi analizlerin yapılabildiği gösterilmiştir.

Demiryoluna ilşkin sunumda ise karayolu örneğinde olduğu gibi geometrik bileşenlerin otomatik olarak çıkarılabildiği gösterilmiştir. TerraScan yazılımında bulunan demiryoluna ilişkin özel araçlar ile yazılımda kullanıcı tarafından tanımlanan bir demiryolu kesitinin veri üzerinden otomatik olarak vektörleştirilebileceğine değinilmiştir. Bunların yanında demiryoluna ilişkin veri üzerinden; mevcut bir demiryolu üzerine devrilme tehlikesi olabilecek ağaçların tespiti, demiryolundan yayılan gürültü analizi, demiryolunda seyreden bir trenin genişliğine göre yol boyunca çarpışma riski yaşayabileceği objelerin tespiti gibi analizlerin yapılabileceği bilgisi verilmiştir.

Son olarak bir enerji nakil hattının bulunduğu veri seti seçilerek bu veride yapılabilecek analizlerin sunumu gerçekleştirilmiştir. TerraScan nokta bulutu içerisinde otomatik olarak bir enerji nakil hattını sınıflandırıp vektörleştirebilmektedir. Yazılım içerisinde taşıdığı tel ve eklenti sayısına göre direk tipleri oluşturularak veri üstünde manuel olarak yerleştirilebilmektedir. Hatta ilişkin istatistiki bazı raporlar alınabilmektedir. Hattın altında bulunan ağaç, bina vs gibi objelerin tehlike analizi yapılabilmektedir.

Etkinliğin üçüncü gününde TerraScan yazılımına yeni eklenen bir özellik olan “Gruplama Yöntemi ile Sınıflandırma” konulu ileri seviye eğitim gerçekleştirilmiştir. Eğitimde kullanıcılar kendi bilgisayarlarını kullanarak nokta bulutu verisini eğitmen Arttu Soininen ile birlikte eş zamanlı olarak işleme imkanı buldular.

Gruplama ile sınıflandırma sürecinde öncelikle nokta bulutu içerisindeki hatalı noktalar ayıklanmaktadır. Daha sonra arazi modelini temsil eden yer (ground) noktaları sınıflandırılır. Ground noktaları referans alınarak diğer tüm noktalarla arasındaki mesafe ve normal vektörleri hesaplanır. Daha sonra ground noktalarının üstünde seçilen belirli bir yükseklikten itibaren noktalar gruplandırılır. Gruplandırma için düzlemsel yüzey, watershed, nokta yoğunluğu gibi algoritmalar kullanılabilir ya da gruplar kullanıcı tarafından manuel olarak belirlenebilir. Gruplandırma sonucunda veri içerisinde bir objeyi oluşturan noktaların kendine özgü bir gruba dahil olması ve her bir grubun da bir objeyi temsil etmesi hedeflenir. Gruplandırma işleminin ardından grupların hangi sınıfa dahil olacağı bir olasılık hesabı ile belirlenir ve noktaların sınıflandırma işlemi tamamlanmış olur. Sınıflandırma sonrası nokta bulutu verisi farklı renklendirme seçenekleri belirlenerek görselleştirilebilir.

Sahada veri toplama ile başlayarak, verilerin otomatik sınıflandırılarak anlamlı bilgiye dönüştürülmesine varana değin tüm aşamaların kapsandığı, geniş bir katılım sayısının sağlandığı bu uçtan uca etkinliğin de gösterdiği üzere; faaliyet gösterdiğimiz alanlarda müşterilerimize ve sektöre faydalı olmak için çaba harcamaya hazırız.

Bu etkinlik benzeri farklı çalışmalarımızdan haberdar olmak için bizi takip etmeye devam ediniz.

LeoDrive.ai

Otonom teknolojiler geliştiren mühendislik şirketi @…

LeoDrive.ai

Otonom teknolojiler geliştiren mühendislik şirketi @ Istanbul

Samet Kütük

Written by

Co-Founder @ Leo Drive

LeoDrive.ai

Otonom teknolojiler geliştiren mühendislik şirketi @ Istanbul