Evaluación y propuesta de metodologías de clasificación a partir del procesado combinado de datos LiDAR e imágenes aéreas georreferenciadas

Author

Martínez Blanco, Mª Pilar

Director

Sánchez Espeso, Javier Mª

Bastarrika Izaguirre, Aitor

Date of defense

2016-02-05

Pages

225 p.



Department/Institute

Universidad de Cantabria. Departamento de Ingeniería Geográfica y Técnicas de Expresión Gráfica

Abstract

En las últimas décadas la tecnología LiDAR, Light Distance And Ranging, ha contribuido a representar la superficie terrestre de manera masiva constituyendo una revolución en el ámbito de las ciencias afines de la Tierra. El volumen de datos capturados justifica la necesidad de establecer metodologías que permitan la clasificación de las nubes de puntos con el objeto de facilitar su tratamiento. Con este fin, se propone una metodología basada en la minería de datos, concretamente centrada en el algoritmo de Random Forest, para clasificar esos puntos según su uso cartográfico en tres categorías: edificaciones, vías de comunicación y vegetación. Los resultados demuestran que se trata de una metodología adecuada para la clasificación de los puntos en edificaciones y zonas con vegetación, debiendo experimentar nuevos procedimientos para la predicción de las vías de comunicación.


In the past few decades, LIDAR technology, Light Distance and Ranging, has contributed to represent the land surface in a massive way. It constitutes a revolution in the field of Earth sciences. The volume of the captured data justifies the need to develop methodologies that allow for the classification of the point clouds, with the object of facilitating its treatment. For this purpose, a methodology based on data mining is proposed, specifically focused on the Random Forest algorithm. It sets out to classify these points according to their mapping use at three categories: buildings, transport networks and vegetation. The results show that this is an appropriate methodology for the classification of the points in buildings and areas with vegetation. It should experiment with new procedures for the prediction of the transport networks.

Keywords

LiDAR; Clasificación; Random Forest; Minería de datos; Classification; Data Mining

Subjects

52 - Astronomy. Astrophysics. Space research. Geodesy

Knowledge Area

Ingeniería Cartográfica, Geodesia y Fotogrametría

Documents

TesisMPMB.pdf

3.302Mb

 

Rights

ADVERTENCIA. El acceso a los contenidos de esta tesis doctoral y su utilización debe respetar los derechos de la persona autora. Puede ser utilizada para consulta o estudio personal, así como en actividades o materiales de investigación y docencia en los términos establecidos en el art. 32 del Texto Refundido de la Ley de Propiedad Intelectual (RDL 1/1996). Para otros usos se requiere la autorización previa y expresa de la persona autora. En cualquier caso, en la utilización de sus contenidos se deberá indicar de forma clara el nombre y apellidos de la persona autora y el título de la tesis doctoral. No se autoriza su reproducción u otras formas de explotación efectuadas con fines lucrativos ni su comunicación pública desde un sitio ajeno al servicio TDR. Tampoco se autoriza la presentación de su contenido en una ventana o marco ajeno a TDR (framing). Esta reserva de derechos afecta tanto al contenido de la tesis como a sus resúmenes e índices.

This item appears in the following Collection(s)