3.4.3 So sánh kết quả phân lớp với K-means và PointNet
Kết quả phân lớp với hai thuật toán được sử dụng các độ đo Precision, Recall và F1 để đánh giá độ chính xác được thể hiện trong bảng 4:
Thuật toán Precision Recall F1
K-means 89,90% 88,90% 89,40%
PointNet 91,29% 91,00% 91,14%
Bảng 4: Bảng kết quả đánh giá trên độ đo
Qua bảng kết quả đánh giá, có thể thấy khi lựa chọn được mô hình phù hợp, thực hiện huấn luyện chính xác giúp cho PointNet có kết quả phân loại chính xác hơn so với K-means.
Với mô hình trong PointNet, vấn đề về tiền xử lý dữ liệu và trích chọn đặc trưng sẽ quyết định nhiều đến độ chính xác của mô hình.
Trong khi đó, K-means là thuật toán hoàn toàn phân cụm dựa trên khoảng cách giữa các điểm, lựa chọn tâm cụm và số lần lặp sẽ quyết định về số lượng điểm được phân vào mỗi cụm. Tuy nhiên, kết quả của K-means bị ảnh hưởng do
KẾT LUẬN
Hiện nay, ở Việt Nam công nghệ LiDAR được ứng dụng rộng rãi trong nhiều lĩnh vực như: Trắc địa bản đồ, trong kỹ thuật môi trường, vật lý, khảo cổ học, …. Tuy nhiên, những việc áp dụng này chỉ dừng lại ở việc ứng dụng công nghệ LiDAR xây dựng bản đồ địa hình, lập bản đồ ngập úng, dự báo trượt lở, lập bản đồ giao thông, tạo mô hình DTM, DSM, lập bản đồ các tuyến truyền tải dài, …. Việc đi sâu nghiên cứu giải quyết các bài toán phân loại điểm nhằm mở rộng khả năng ứng dụng của công nghệ LiDAR hiện nay vẫn chưa có sản phẩm nào được công bố tại Việt Nam. Do đó, đề tài nghiên cứu góp phần làm rõ hiệu quả, độ chính xác khi sử dụng một số thuật toán trong việc giải quyết bài toán phân loại đám mây điểm đồng thời là cơ sở để mở rộng các ứng dụng khai thác dữ liệu LiDAR.
TÀI LIỆU THAM KHẢO TIẾNG VIỆT
1. TS. Lương Chính Kế, “Thành lập DEM/DTM/DSM bằng công nghệ LiDAR”, 2005.
2. TS. Trần Đình Luật, Th.S Nguyễn Thị Kim Dung, Th.S Lưu Thị Thu Thủy, Th.S Trần Hồng Hạnh, “Khả năng ứng dụng công nghệ LiDAR xây dựng mô hình số địa hình vùng bãi bồi cửa sông ven biển trong điều kiện Việt Nam”, Tạp chí Tài nguyên và Môi trường, vol.1, pp. 24-28, 2015.
3. Trần Đình Trí, “Công nghệ LiDAR”, Bài giảng dành cho cao học, Trường Đại học Mỏ - Địa chất, 2013.
TIẾNG ANH
4. J.Niemeyer, C.Mallet, F.Rottensteiner, U.Sorgel, "CRF for the classification of LiDAR point cloud," Remote Sensing, 2011.
5. J. Kunapo, "Spatial data integration for classification of 3D point cloud from digital photogrammetry," Applied GIS, Monash University Express, vol. 3, no. 3, pp. 26.1-26.15, 2005.
6. Jeffrey S.Evans, Andrew T.Hudak, "A multiscale curvature algorithm for classifying discrete return LiDAR in forested environments," IEEE, vol. 45, pp. 1029- 1038, 2007.
7. N.El-Ashmawy, A.Shaker, "Raster vs Point cloud LiDAR data classification," The International Archives of the Photogrammetry, RS and Spatial Information Sciences, Vols. XL-7, pp. 79-83, 2014.
8. N.Yastikli, Z.Cetin, "Classification of LiDAR data with point based classification methods," vol. 3, 2015.
9. .S.forge,"SourceForge,"[Online],Available: http://sourceforge.net/projects/mcclidar.
10. Wade T.Tinkham, Hongyu Huang, "A comparision of two open source LiDAR surface classification algorithm," Remote Sensing, vol. 3, pp. 638-649, 2011.
11. Binbin Zhang, Shikun Huang, Wen Shen, Zhihua Wei, "Explaining the PointNet: What Has Been Learned Inside the PointNet?," CVPR Workshops, 2019.