CLASSIFICAÇÃO DE NUVEM DE PONTOS LASER UTILIZANDO O CONCEITO DE ANÁLISE DE COMPONENTES PRINCIPAIS E O FATOR DE NÃO AMBIGUIDADE

Resumo

Este artigo apresenta um método que realiza a classificação automática dos pontos amostrados por um sistema de varredura a LASER aerotransportado (SVLA). Nesse método são utilizados os autovalores da matriz de variâncias e covariâncias (MVC). Para o cálculo da MVC considera-se uma vizinhança no entorno do ponto de interesse, a qual é determinada com base no conceito de entropia. A classificação é executada comparando os autovalores calculados, referentes a cada ponto e sua vizinhança, com os autovalores das estruturas ou classes predefinidas. Como medida de similaridade utiliza-se a distância euclidiana no espaço dos autovalores e, com o intuito de eliminar os pontos ambíguos, incorporou-se ao método o fator de não ambiguidade (FNA). Para avaliação do método proposto e implementado, utilizou-se um conjunto de dados LASER referente ao município de Presidente Prudente/SP, cuja densidade aproximada é de 8 pontos/m2. Os resultados mostram que mesmo diante da complexidade dos ambientes reais, algumas estruturas foram bem definidas. Com a incorporação do FNA foi possível identificar e eliminar pontos com alta probabilidade de pertencer a duas classes (pontos ambíguos), geralmente amostrados sobre vegetações, regiões com pequena densidade de pontos, próximos das regiões de bordas e sobre linhas de transmissão próximas as edificações. Por meio da avaliação quantitativa verificou-se que a incorporação do FNA ao método de classificação possibilitou diminuir a quantidade de pontos incorretamente classificados, principalmente para os maiores objetos. Além disso, foi possível verificar que o uso do FNA é interessante para áreas de vegetação, uma vez que grande parte dos pontos ambíguos são identificados.