Get access

Spectral Filtering and Classification of Terrestrial Laser Scanner Point Clouds

Authors


Abstract

A method is presented for filtering and classification of terrestrial laser scanner point clouds. The algorithm exploits the four-channel (blue, green, red and near infrared) multispectral imaging capability of some terrestrial scanners using supervised, parametric classification to assign thematic class labels to all scan cloud points. Its principal advantage is that it is a completely data-driven algorithm and is independent of spatial sampling resolution since the processing is performed in four-dimensional spectral feature space. Its application to two data-sets of different spatial extent and spatial and spectral complexity is reported, for which respective overall classification accuracies of 87·0% and 82·0% were achieved. Analysis of the input data with emphasis on the characteristics pertinent to the anticipated outcomes precedes detailed analysis of the classification results and error sources and their causes. Erroneously classified points are attributed to radiometric errors stemming from both detector hardware and physical effects.

Résumé

On présente dans cet article une méthode de filtrage et de classification des nuages à partir de points scannés par un laser terrestre. On utilise un algorithme qui exploite la richesse de l'imagerie multibande dans quatre canaux (bleu, vert, rouge et proche infrarouge) telle qu'elle est offerte par quelques scanneurs terrestres, avec recours à une classification paramétrique dirigée pour affecter tous les points scannés du nuage à des classes thématiques bien définies. Le principal avantage de cet algorithme est d’être complètement piloté par les données, en pleine indépendance de la résolution spatiale d’échantillonnage, étant donné que le traitement s'effectue dans l'espace à quatre dimensions des bandes spectrales. On présente une application menée sur deux jeux de données différents par l’étendue de leur volume et leur complexité spatiale et spectrale, et pour lesquels on a obtenu une précision globale de classification de 87,0% et 82,0% respectivement. On a fait précéder l'analyse détaillée des résultats de la classification, des sources d'erreur et de leurs causes, de l'analyse des données fournies en entrée, en soulignant le rapport entre leurs caractéristiques et les résultats escomptés. On estime que les erreurs dans la classification des points sont dues à des erreurs radiométriques provenant à la fois de problèmes matériels des capteurs et d'effets physiques.

Zusammenfassung

Es wird ein Verfahren zur Filterung und Klassifizierung von Punktwolken terrestrischer Laserscanner vorgestellt. Der Algorithmus nützt die Multispektraleigenschaften einiger terrestrischer Laserscanner aus, und basiert eine überwachte, thematische Klassifizierung aller Punkte auf vier Multispektralkanäle (Blau, Grün, Rot und Nahes Infrarot). Das Verfahren ist nur von den Daten abhängig, und auch unabhängig von der Auflösung, da die Klassifizierung im vier-dimensionalen spektralen Merkmalsraum stattfindet. Das Verfahren wird am Beispiel zweier Datensätze vorgestellt, die unterschiedliche Auflösung, unterschiedliche räumliche Ausdehnung und spektrale Komplexität aufweisen. Dabei wurden Klassifikationsgenauigkeiten von 87·0% bzw. 82·0% erreicht. Es wird eine umfassende Analyse der Eingangsdaten und deren Eigenschaften in Bezug auf die zu erwartenden Ergebnisse vorgestellt. Danach folgt eine umfassende Analyse der Klassifizierungsergebnisse, der Fehlerquellen und der Ursachen. Fehlerhaft klassifizierte Punkte konnten auf radiometrische Fehler zurückgeführt werden, die von Detektorfehlern und physikalischen Effekten herrührten.

Resumen

Este artículo presenta un método para el filtrado y clasificación de nubes de puntos obtenidas con un escáner láser terrestre. El algoritmo aprovecha la capacidad de captura multiespectral en cuatro canales (azul, verde, rojo e infrarrojo) de algunos escáneres terrestres para, mediante una clasificación paramétrica supervisada, asignar etiquetas de clase temática a todos los puntos de la nube. Su principal ventaja es que se trata de un algoritmo completamente dirigido por los datos y es independiente de la resolución de muestreo espacial, dado que el procesado se lleva a cabo en un espacio de objetos espectrales en cuatro dimensiones. Se describe su aplicación a dos conjuntos de datos de diferente extensión espacial y complejidad espectral, para los que se han obtenido unas exactitudes globales de clasificación de 87·0% y 82·0% respectivamente. Se ha hecho un análisis de los datos de entrada, y en particular de las características relativas a los resultados esperados, antes de realizar un análisis detallado de los resultados de la clasificación, las fuentes de error y sus causas. La causa de la errónea clasificación de algunos puntos se atribuye a errores radiométricos producidos por los componentes del detector y a efectos físicos.

Ancillary