Resumo:
A classificação é uma importante etapa na extração de primitivas geométricas sobre dados LiDAR. Normalmente, a classificação é utilizada para identificar os pontos amostrados sobre primitivas de interesse. Na literatura são encontrados vários trabalhos que exploram o uso dos autovalores para classificar os pontos LiDAR em diferentes estruturas ou classes, tais como: quina, borda, e plano. Entretanto, alguns trabalhos desenvolvidos se baseiam em parâmetros obtidos a partir de uma geometria ideal, que pode fornecer resultados não adequados quando a amostragem for insuficiente ou quando da presença de ruídos. Para contornar esta limitação, é proposto o uso de métricas estimadas a partir de autovalores e do uso do método k-médias. O conceito de análise de componentes principais é utilizado para determinar os autovalores e algumas métricas derivadas, enquanto que o método k-médias é aplicado para agrupar os pontos de telhados em duas classes: borda e não borda. Para avaliar a metodologia foram selecionadas quatro áreas teste com diferentes níveis de complexidade. A partir dos resultados, foi possível concluir que o procedimento de classificação apresentou resultados satisfatórios, obtendo-se nível de acerto e completeza acima de 92% para os pontos da classe não borda e entre 61% e 98% para a classe borda.
Palavras-chave:
Classificação de pontos LiDAR; Pontos de borda; Método k-médias; Análise de componentes principais; Autovalores.