LEE- Geomatik Mühendisliği-Doktora
Bu koleksiyon için kalıcı URI
Gözat
Son Başvurular
1 - 5 / 10
-
ÖgeYüksek çözünürlüklü uydu verileri kullanılarak şehir alanlarının incelenmesi(Lisansüstü Eğitim Enstitüsü, 2022-02-08)Hızlı bir şekilde değişen ve gelişen dünyada, artan bir nüfus ile birlikte şehirleşmenin süregelen artışı kaçınılmazdır. Bunun sebepleri arasında insanların sosyal yapısının ve bir arada yaşama isteklerinin oluşuyla beraber ekonomik etmenler de oldukça etkilidir. Sürekli yenilenme isteği içinde olan insanın, tıpkı dünyada olduğu gibi, Türkiye'de de özellikle kırsal alanlardan kent alanlarına göçü ile birlikte küçük şehirlerde bile büyüme meydana gelmekte ve bu durum günden güne devam etmektedir. Şehirleşmenin devam eden bu artışı ekonomik, sosyal ve hatta çevresel anlamda önemli etkiler yaratmaktadır. Bu etkiler arasında fakirlik, eksik kalan barınma ihtiyacı ile birlikte ortaya çıkan gecekondulaşma, peyzaj değişimi, sıcaklık artışı, gıda güvenliğinin azalması vb. yer almaktadır. Tüm bu etkilerin tespiti için, kentsel alanların belirlenmesi ve kentsel büyüme eğilimleri hakkında bilgi sahibi olmak, kent ve bölge planlayıcıları için faydalı bilgiler sağlar. Uzaktan Algılama teknolojileri kent alanlarının incelenmesi, haritalanması ve planlanması konularında hızlı ve güvenilir veri ve yöntemler sunmaktadır. Gelişen teknoloji ile birlikte fırlatılan yüksek ve çok yüksek mekânsal çözünürlüğe sahip uydulardan elde edilen görüntülerden, şehir alanlarının zamansal ve mekânsal değişimlerinin tespit edilebilmesi için hızlı, ekonomik ve doğruluğu yüksek Arazi örtüsü/kullanım (AÖ/AK) haritaları üretilebilir. Bu araştırma kapsamında, Türkiye için ekonomik ve sosyal açıdan önemli ve yüksek nüfusa sahip iki şehir olan İzmir ve İstanbul illerinin iki farklı ilçesi çalışılmıştır. İzmir ili için Gaziemir, Buca, İstanbul ili için ise Çekmeköy ve Arnavutköy ilçeleri, gelişim potansiyeli yüksek, AÖ/AK sınıf çeşitliliğinin fazla olduğu için tercih edilmiş, yaklaşık 10 yıllık değişimi için detaylı bir inceleme yapılmış, değişim sonuçları analiz edilen bu ilçeler için 2024 ve 2030 yıllarındaki olası durumları ortaya konulmuş ve yorumlanmıştır. Çalışma genel olarak 6 aşamadan oluşmaktadır. Bu aşamalar (1) Çalışma alanı olarak belirlenen ilçeler için SPOT görüntüleri içerisinden uygun veri setlerinin temin edilerek, 4 farklı ilçe sınırı için görüntülerin hazırlanması ve AÖ/AK sınıflarının irdelenmesi (2) İzmir için 2006-2012-2018, İstanbul ili için ise 2009-2013-2019 yılları olmak üzere belirlenen 3 farklı periyot için de uygun segmentasyon (bölütleme) parametrelerinin belirlenmesi ve çalışma alanları için üç farklı yıldaki görüntülerin nesne tabanlı sınıflandırma yöntemi uygulanarak sınıflandırılması suretiyle toplamda 12 farklı AÖ/AK haritalarının üretilmesi (3) AÖ/AK haritaları için doğruluk değerlendirmesinin yapılması (4) Her ilçe için farklı tarihlerdeki AÖ/AK haritalarının değişim analizinin yapılması ve bu değişim analizi sonuçları üzerinden AÖ/AK sınıflarının birbirine dönüşümünü özetlemeye yardımcı olan dönüşüm matrislerinin oluşturulması (5) İlçelerin yapısal değişiminin ayrıntılı analizi için öncelikle uyumlu sınıf ve peyzaj düzeyi peyzaj metrik gruplarının oluşturulması ve daha sonra bu xviii metriklerin hesaplanması ve bu sonuçların değişim analizi ile birlikte değerlendirilerek ilçelerin belirlenen periyotlardaki durumlarının analizi (6) İlçelerin 2024 ve 2030 yıllarındaki durumlarının model yardımı ile ortaya konularak, AÖ/AK sınıflarının nasıl değiştiğinin irdelenmesi. Bu amaç doğrultusunda, İzmir ili için 2006 ve 2012 yılları, İstanbul ilçesi için ise 2009 yılı SPOT-5 görüntüsü 10 m multispektral (MS) + 2.5 pankromatik (PAN) veri seti şeklinde, İzmir ilçesi 2018 yılı, İstanbul ilçesi için ise 2013 ve 2019 yılları SPOT 6&7 görüntüsü ortho ve pan-sharpened halde 1,5 m mekânsal çözünürlükte temin edilmiştir. Bu görüntülerin önişleme aşamasında ise 2018 ve 2019 yıllarına ait Pleaides görüntüsü kullanılmıştır. Ön işleme aşamaları tamamlanan uydu görüntülerine nesne tabanlı sınıflandırma yöntemi uygulanmıştır. İlk olarak en önemli işlem adımı olan segmentasyon aşaması için çok çözünürlüklü segmentasyon yöntemi kullanılarak her ilçenin her yılı için uygun parametreler belirlenmiştir. Sonrasında karar setleri (karar ağacı) oluşturulmuş, bu setler genel olarak sırasıyla Sulak alanlar alt sınıfları, Arazi kullanım sınıfları, kentsel doku alt sınıfları, Ormanlık alanlar alt sınıfları ve son olarak Tarım alanları alt sınıflarının tespitine odaklanarak oluşturulmuştur. Bu sıralamayla birlikte uygun segmentasyon parametrelerinin de belirlenebilmesiyle; Gaziemir ilçesi için 23, Buca ve Çekmeköy ilçeleri için 22 ve Arnavutköy ilçesi için ise 27 AÖ/AK sınıfı tespit edilmiştir. Her ilçenin 3 farklı yılda sınıflandırması tamamlanan toplamda 12 farklı AÖ/AK haritasının doğruluğunun tespiti için alan bazlı doğruluk değerlendirmesi yapılmıştır. Her sınıf için en az 5 en fazla 20 rastgele alan seçimi yapıldıktan sonra, her ilçenin güncel yılındaki alanlar ilgili ilçenin diğer yıllarının değerlendirilmesinde de kullanılmış ve hata matrisleri oluşturulmuştur. Gaziemir ilçesi için toplamda 204, Buca ilçesi için 216, Çekmeköy ilçesi için 227 ve Arnavutköy ilçesi için 270 rastgele alan üzerinden değerlendirme yapılmıştır ve bu alanlar yaklaşık olarak sırasıyla, 500, 560, 590 ve 700 bin pikseli kapsamaktadır. Doğruluk analizinin sonucunda elde edilen en yüksek toplam doğruluklar her ilçenin en güncel (2018 ve 2019) yılları AÖ/AK haritalarında olmuştur. Gaziemir ilçesi için %88,73, Buca ilçesi için %90,28, Arnavutköy ilçesi için %90,74 ve son olarak Çekmeköy ilçesi için %91,19 olarak bulunmuştur. Doğruluk değerlendirmesinden sonraki aşamada hangi sınıfın hangi sınıfa hangi sebeple, nasıl değiştiğinin belirlenebilmesi için değişim analizi işlem adımına geçilmiştir. Ortaya çıkan sonuçlar doğrultusunda da sınıfların değişiminin hangi sınıf yönünde olduğunu kolay yorumlayabilmek adına dönüşüm matrisleri oluşturulmuştur. Bu adımda görülmüştür ki, genel anlamda her ilçenin yaklaşık 10 yıl içerisinde kentsel alanlarında büyüme ve yeşil alan kayıpları ile büyümesi söz konusudur. Fakat Buca ilçesinde tarım alanları ve doğal alanlarda korunma mevcuttur. Değişim analizi işlem adımından sonraki aşamada ilçelerdeki değişimi daha ayrıntılı anlamak ve peyzajın formunun ne durumda olduğunu analiz edebilmek amacıyla, peyzaj ve sınıf düzeyinde metrik grupları oluşturulmuştur. Kullanılan metrikler; Ünite yoğunluğu (ÜY), Ünite Sayısı (ÜS), En Büyük Ünite İndeksi (EBÜİ), Kenar Yoğunluğu (KY), Toplam Merkez Alan (TMA), Alan Ağırlıklı Ortalama Şekil İndeksi (AAOŞİ), Peyzaj Şekil İndeksi (PŞİ), Ortalama En Yakın Komşunun Alan Ağırlıklı Mesafesi (OYKAAM), Alan Ağırlıklı Ortalama Ünite Büyüklüğü (AAOÜB) Shannon'nın Çeşitlilik İndeksi (SÇİ), Kümelenme İndeksi (Kİ), Parçalanma İndeksi (Pİ), olmak üzere toplamda 12 tanedir. Kullanılan bu metrikler 4 ilçenin AÖ/AK sınıflarının mekânsal değişimi hakkında oldukça yararlı bilgiler sağlamıştır. Sonuçları, değişim analiz sonuçları ile de karşılaştırılmıştır. Özellikle Arnavutköy ilçesinde son 10 yılda ormanlık alanlar, ekilebilir tarım alanları, meralar ve karasal su yüzeyleri sınıflarına ait ünitelerde önemli azalmaların görüldüğü, diğer ilçelerde de sulak alanlar dışındaki doğal alanlar sınıflarına ait ünitelerde parçalanma ve küçülmelerin etkili olduğu görülmektedir. Ünitelerdeki bu parçalanma ve küçülmelerin sebebinin şehirleşme odaklı kent alanlarındaki ve yapılaşmanın artması olarak yorumlanabilmektedir. Arnavutköy ilçesinde havalimanı inşası ve yine hem Çekmeköy ve Arnavutköy ilçelerindeki yeni yol güzergahlarının açılmış olması bunun en güzel ispatıdır. Son aşamada, ilçelerin 2024 ve 2030 yıllarındaki AÖ/AK haritaları modellenmiş, ilçelerin mevcut ve gelecekteki olası durumları hakkında yorumlamalar yapılmıştır. İleriye yönelik tahminleri gerçekleştirmek amacı ile ilçelerin AÖ/AK haritalarının üretilmesi aşamasında literatürde de sıkça kullanılan Hücresel Otomat-Markov Zincirleri Entegrasyonu yöntemi kullanılmıştır ve sonuçları analiz edilmiştir. Bu sonuçlara göre; hem 2024 hem de 2030 yılında her ilçe için genel anlamda kent alanları sınıflarının ve özellikle Endüstriyel, Ticari ve İlgili alanlar, Yollar ve İlgili alanlar arazi kullanım sınıflarının yıllarla doğru orantılı olarak artış göstermiş olduğu, Ormanlar alt sınıflarında ise azalmaların meydana çıktığı görülmüştür. Bu çalışma, Uzaktan Algılama, Peyzaj Mimarlığı ve kentsel ve bölgesel planlamanın disiplinler arası bir yaklaşımını uygulamıştır. AÖ/AK iklimi, hidrolojik kaynakları, hava kalitesini ve çevremizi doğrudan etkilediği için AÖ/AK değişimlerini ve eğilimlerini doğru bir şekilde analiz etmek oldukça önemlidir. Bu araştırmanın metodolojisi ve sonuçları küresel değişim, kentleşme ve sanayileşme gibi çeşitli kullanılabilir. Ayrıca, zengin tematik sınıflara sahip çok yüksek çözünürlüklü uydu görüntülerinin kullanılması, daha büyük ölçeklerde (1/10000 veya daha büyük) karar vermeye, şehir planlamasına ve yönetimine kapsamlı bir şekilde katkıda bulunabilecek peyzajın daha iyi analiz edilmesine ve gelecekteki koşulların modellenmesine olanak tanır.
-
ÖgeUzaktan algılama verileri kullanarak derin öğrenmeye dayalı arazi kullanımı ve arazi örtüsü haritalama modeli geliştirme(Lisansüstü Eğitim Enstitüsü, 2021-12-02)Doğal kaynakların gün geçtikçe tükenmesi, nüfus artışı, kentsel göç ve artan kuraklık koşulları çevresel izleme programlarının gerekli olmasının ve düzenli olarak üretilip güncellenmesinin nedenlerinden bazılarıdır. Tüm dünyada olduğu gibi, ülkemizde de pek çok alanda kullanılan arazi kullanımı ve arazi örtüsü (AKAÖ) haritaları düzenli olarak üretilip güncellenmektedir. CORINE sınıflandırmasına dâhil olan ülkemiz hem bu alanda hem de birçok farklı endüstriyel, akademik ve kamu alanları için uzaktan algılama görüntüleri kullanarak tematik harita üretimini gerçekleştirmektedir. Ancak geniş alanlarda uygulandığında bu üretimin oldukça zaman alması hem üretimde hem de güncellemede karşılaşılan zorlukların başındadır. Hala birçok tematik harita, görsel yorumlama teknikleri ve yarı-otomatik görüntü işleme analizleriyle üretilmektedir. Operatör gereksinimi, uzun süren işlemler (ekran üzerinde sayısallaştırma) gibi pek çok nedenden dolayı özellikle çevresel izleme alanındaki kartografik üretimin otomatikleştirilmesi önem arz etmektedir. Otomatikleştirme işlemi birçok diğer endüstride olduğu gibi bu alanda da yapay zekânın kullanımı ile mümkün hale gelmektedir. Ek olarak, yapay zekânın geo-konumsal yer gözlemi ve bölgesel arazi izleme misyonlarında kullanımı zorlu bir konudur. Ancak bilgisayar sistemlerinin gelişmesi ile işlem kolaylığı gün geçtikçe artmaktadır. Aynı zamanda yapay zekânın kullanımının birçok avantajı mevcuttur. Operatör gereksinimini azaltan, farklı bölgelerde uygulanabilen, adapte edilebilen modellere ve belli aralıklarla otomatik şekilde güncellemeye olan ihtiyaç ve eğilim her geçen gün artmaktadır. Birçok alanda olduğu gibi AKAÖ haritalamada, bilgisayarlı görünün kullanımının hızla arttığı ve son yıllarda yeni birçok tekniğin geliştirildiği bilinmektedir. Bilgisayarlı görü teknikleriyle, son dönem uzaktan algılama yöntemleri birleştirilerek oluşturulan yapay zekâ uygulamaları birçok yönden verim sağlamaktadır. Geniş alanların sınıflandırılmasında uydu görüntülerinin kullanımı, özellikle açık veri paylaşan uyduların da gelişen özellikleri sayesinde çok daha ekonomik ve pratik olabilmektedir. Bu çalışma kapsamında, derin öğrenme teknikleri kullanılarak farklı detay seviyelerindeki sınıflar için AKAÖ haritaları üretilmiştir. Çalışmalarda veri olarak farklı mekânsal çözünürlüklerde uydu görüntülerinden oluşan üç farklı veri seti kullanılmıştır. Çalışma alanı olarak seçilen bölgelerde görüntülerin semantik segmentasyon (anlamsal segmentasyon) yöntemi ile sınıflandırılmasında evrişimsel sinir ağları (ESA) mimarileri kullanılmıştır. Sınıflandırma doğruluğunu yükseltmek ve performans ölçütlerini iyileştirmek için, kullanılan görüntülerin bantlarının yanı sıra ESA mimarilerinde farklı spektral indisler de kullanılarak farklı boyutlarda veri setleri ile sınıflandırma için kullanılan modeller ile eğitilmiştir. Elde edilen sınıflandırma sonuçları üzerinde iyileştirme yapılması amacıyla nesne-tabanlı görüntü analizi (NTGA) aşamalarından çoklu-çözünürlüklü bölütleme (ÇÇB) algoritmasından yararlanılmış ve konumsal filtreleme yapılmıştır. İlk uygulamadaki Sentinel-2 veri seti, Türkiye'ye ait mekânsal olarak orta çözünürlüklü görüntülerden oluşmaktadır. Bu uygulamada Sentinel-2A görüntüleri kullanılarak oluşturulan farklı bant kombinasyonu (beş ve yedi bant) ve farklı görüntü parçacığı boyutları (32 × 32, 64 × 64 ve 128 × 128 piksel) kullanılmıştır. Üç farklı şehre ait görüntülerle oluşturulan veri setiyle AKAÖ haritalama için güncel ESA tabanlı modellerin ve önerilen yaklaşım olan ESA-ÇÇB modelinin aynı bölgedeki sonuçları değerlendirilmiştir. Sentinel veri setinde, en yüksek genel doğruluk, önerilen yaklaşımla İstanbul test alanında % 97.31 ve Kocaeli test alanında % 98.44 olarak elde edilmiştir. Doğruluklar, geniş alanlarda arazi örtüsü haritası üretimi için ESA-ÇÇB modelinin verimliliğini ortaya çıkarmıştır. McNemar testi kullanılarak uygulamada kullanılan modellerin bilimsel olarak anlamlılığı ölçülmüştür. Benzer yöntemler ikinci uygulamada çok yüksek çözünürlüklü görüntülere sahip Zurich Summer veri setinde uygulanmıştır. Sonuçlar, temel ESA modellerinin sonuçları ile nicel olarak karşılaştırılmıştır. Bu uygulamada, Zurich Summer veri seti ile önerilen yaklaşımın genel doğruluğu % 92.03 ve %90.67 olarak elde edilmiştir. Elde edilen sonuçlar ek olarak literatürdeki diğer modellerin sonuçlarıyla karşılaştırılmıştır. Üçüncü uygulamada, farklı mekânsal çözünürlükte Wuhan Üniversitesi bina çıkarımı veri setinde (WHUBED) diğer iki uygulamadan farklı derin öğrenme ağları kullanılmıştır. Önerilen yaklaşımın kullanımı, tek başına ESA kullanıldığındaki sonuçlarla karşılaştırıldığında performans değerlerinde iyileştirme yapmıştır. WHUBED veri setinde test görüntülerinde % 97.57 ile % 81.06 genel doğruluk değerleri ve % 86.46 ile % 86.49 F1 skoru elde edilmiştir. Bu uygulamada da temel ESA modellerinin sonuçlarıyla, tezde önerilen yaklaşımın sonuçları karşılaştırılmış ve sonuçlar çizelgeler ve görseller şeklinde sunulmuştur. Bu uygulamada, genel doğruluk ve F1 skor ölçütlerinde önerilen yaklaşım daha yüksek performans göstermiştir.
-
ÖgeNokta bulutlarının otomatik birleştirilmesinde yeni bir yöntem önerisi(Lisansüstü Eğitim Enstitüsü, 2021-10-01)Nokta bulutlarının birleştirilmesi geomatik, makine, inşaat mühendisliği ve mimarlık disiplinlerinin uygulama alanları için çok büyük bir öneme sahiptir. Nesnelerin bir bütün olarak veya nesneler üzerindeki detayların daha gerçekçi olarak modellenebilmesi için farklı konumlardan veya farklı çözünürlüklü tarayıcılardan elde edilen nokta bulutlarının birleştirilmesi gerekmektedir. Günümüzde kültürel mirasların dokümantasyonu, Coğrafi Bilgi Sistemi (CBS) veya 3B şehir modelleme gibi birçok alanda nokta bulutları yaygın olarak kullanılmaktadır. Bu alanlarda, nokta bulutları kullanılarak gerçekleştirilecek çalışmalarda, doğruluğu yüksek nokta bulutları ile çalışmak, 3B modelleme çalışmaları için oldukça önemlidir. Nokta bulutlarının modellenmesinde fazla sayıda nokta bulutu verilerinden ziyade; verinin modellenebilmesi için yeterli olacak nokta bulutunun ve yüksek doğrulukta noktaların kullanılması çok daha önemlidir. Bu sebeple, modelleme için kullanılacak nokta bulutu verisi için öncelikle bilinmesi gereken, verinin bütünlüğünün ve doğruluğunun araştırılması olmalıdır. Veri bütünlüğünü ve doğruluğunu artırmak için de, ya verinin çözünürlüğü artırılmalıdır, ya da gerektiği durumlarda doğruluk analizleri yapılmalıdır. Elde edilen sonuçlara göre de nokta bulutlarını birleştirme ve enterpolasyon işlemlerinin yapılması daha doğru çalışmaların yapılmasının önünü açacaktır. Doğruluğun ya da çözünürlüğün önemli olduğu nokta bulutu modelleme çalışmalarında, verinin analizleri yapıldıktan sonra; mevcut nokta bulutunun doğruluk ve çözünürlük açısından yeterli olduğu düşünülüyor ise birleştirme ya da modelleme aşamalarına geçilebilir. Fakat, mevcut nokta bulutunda istenilen yüzey verisi eksikse veya nokta bulutu yeterli doğruluk ve çözünürlüğe sahip değil ise; mevcut nokta bulutundan daha yüksek doğruluklu bir nokta bulutu üretip mevcut sisteme entegre etmek; üç boyutlu (3B) yüzeyler için yapılacak enterpolasyon ya da modelleme işlemleri için daha doğru bir yaklaşım olacaktır. Bu tez çalışmasında; farklı veya aynı sistemlerden üretilen 3B nokta bulutlarının otomatik olarak birleştirilmesi ve böylece objelerin 3B modellerinin hassas olarak oluşturulması amaçlanmaktadır. Böylece 3B modelleme çalışmalarında daha doğru modellerin üretilmesi ve enterpolasyon ile yüzey geçirme işlemlerinin daha hassas olarak elde edilebilmesine bir katkı sağlanması hedeflenmektedir. Nokta bulutlarının birleştirme işlemi üç aşamadan oluşmaktadır: Öncelikle, nokta bulutları içerisindeki anahtar noktaların bulunması, tanımlanması ve nokta bulutları arasında eşlenmesi gerekmektedir. Daha sonra, elde edilen eşlenik noktalar yardımıyla nokta bulutlarının ilk hizalaması yapılır ve son olarak hassas birleştirme işlemine geçilir. İlk birleştirme işlemi, nokta bulutlarının kabaca hizalanması için tercih edilir ve ayrıca hassas birleştirme işlemi de etkili bir ilk hizalama ile başlamaktadır. Anahtar nokta belirleme ve tanımlama algoritmaları genellikle resim-görüntü tabanlı (RGB) veriler ile çalışmaktadır, sadece XYZ kartezyen koordinatları kullanan çok az sayıda anahtar nokta belirleme ve tanımlama algoritması bulunmaktadır. Bu tez çalışmasında, nokta bulutlarının ilk hizalanması ve tam birleştirilmesi için, yeni bir otomatik anahtar nokta tanımlama ve eşleştirme yaklaşımı önerilmiştir. Burada sunulan yeni yaklaşım, intensity (Lazerin yüzeyden yansıma enerjisi) ya da RGB gibi yansıtım değerleri ile değil, sadece XYZ koordinatlarına sahip herhangi bir nokta bulutu için uygulanabilmektedir. Çalışmada, öncül birleştirme için burada önerilen otomatik anahtar nokta tanımlama ve eşleme yaklaşımı uygulanmıştır ve sonrasında ise, dönüşüm parametrelerinin tahmini için 3B Helmert Benzerlik Dönüşümü kullanılmıştır. Ayrıca nokta bulutlarının tam birleştirilmesi için İteratif En Yakın Nokta (İEYN) Algoritması kullanılmıştır. Dönüşüm parametrelerinin tahmini, ilk birleştirmeye başlamak için en kritik aşamadır. Bu çalışmada önerilen otomatik tanımlama ve eşleme algoritmasında, birleştirilecek her nokta bulutu öncelikle uygun eğriliklere göre filtrelenmiştir. Ardından, her nokta bulutu için elde edilen anahtar noktalar kendi aralarındaki açı kosinüs ve mesafe değerlerine göre tanımlanmıştır. Sonrasında, her nokta bulutunda tanımlanan anahtar noktalar karşılıklı olarak birbirleriyle eşlenmiştir. Elde edilen eşlenik noktalar yardımıyla nokta bulutlarının İEYN öncesi ilk hizalaması için 3B Benzerlik Dönüşümü parametrelerinin hesaplanmasında büyük açılı ve küçük açılı Gauss-Markov ve Gauss-Helmert dengeleme modelleri kullanılmıştır. Ayrıca, ilk hizalama için dönüşüm parametrelerinin hesaplanması aşamasında, eşlenik noktalar eğrilik değerlerine göre gruplara ayrılmış ve ölçü gruplarının öncül varyans değerleri, Varyans Bileşen Tahmini (VBT) uygulanarak belirlenmiş ve daha sonra İEYN ile hassas birleştirme gerçekleştirilmiştir. Tez çalışmasında önerilen algoritmayı literatürdeki diğer yöntemlerle karşılaştırmak için, 3 farklı veri seti kullanılmıştır. İstanbul Teknik Üniversitesi (İTÜ) Ayazağa Kampüsü'nde yer alan Yılmaz Akdoruk Öğrenci Yurdunun tüm cepheleri Riegl VMX 450 LiDAR Sistemi ve Leica C10 yersel lazer tarayıcı ile taranmıştır. İki farklı tarama sisteminden elde edilen bina ön cephesine ait yersel statik ve mobil LiDAR verileri üzerinde, önerilen yöntem uygulanarak iki farklı lazer tarama verisi birleştirilmiştir. Diğer veri setleri ise, küçük nesnelerin modellenmesi ve endüstriyel amaçlı ölçmelerde de çok sık kullanılan lazer tarayıcılardan elde edilen "Aristo heykeli" ve "Stanford Tavşan" verileridir. Tavşan verisi, Stanford Üniversitesi Bilgisayar Grafik Laboratuvarına ait bir "Cyberware 3030 MS" tarayıcı ile taranan Stanford Modeli olarak bilinir. Stanford Tavşan verileri genellikle literatürdeki anahtar nokta eşleştirme algoritmaları için örnek bir model olarak kullanılır. Aristo heykeli ise İTÜ Geomatik Mühendisliği Ölçme laboratuvarında, "Next Engine 3D Ultra HD" tarayıcı ile taranmış nokta bulutu verisidir. Bu nesnelere ait lazer tarama verileri de önerilen algoritma uygulanarak birleştirilmiş ve 3B modeller elde edilmiştir. Sonuç olarak, önerilen yöntem algoritmik olarak gerçeklenmiş, bahsedilen veri setlerinde uygulanmış ve bu yöntemin eksik ve üstün yönlerini ortaya çıkarmak için literatürde mevcut olarak kullanılan anahtar nokta tanımlama ve eşleme yöntemleri ile karşılaştırılmıştır. Bu çalışmada kullanılan yöntemler; 3B dönüşümün doğruluğu, dönüşüm parametrelerinin Ortalama Hata (OH) değerleri ve İEYN algoritmasının ilk ve son OH değerlerine göre değerlendirilmiştir. Gerçekleştirilen karşılaştırmalı analizler sonucunda, önerilen algoritma ile daha iyi OH değerlerine ulaşılırken, diğer algoritmalarda da (ISS+PFH ve LSP+PFH) anlamlı OH değerlerine ulaşılmıştır. Fakat bazı verilerde diğer algoritmalar ile eşlenik nokta bulunamadığından, İEYN algoritması için anlamlı bir sonuç gözlemlenememiştir. Kullanılan veriler ve karşılaştırılan yöntemlere göre, önerilen algoritma daha iyi bir ilk hizalama sonucu verdiği için, İEYN uygulandıktan sonra daha başarılı modeller oluşturulmuştur. Bu çalışmada, önerilen yöntemin, otomatik nokta eşleme literatürüne katkısı, uygulamalar ve farklı veri tipleri kullanılarak irdelenmiştir, daha doğru ve hassas 3B modellerin üretilebilmesine sağladığı katkı görülmüştür.
-
ÖgeKuzeydoğu Akdeniz bölgesindeki diri fayların kinematiğinin GPS gözlemleri ve elastik yarı uzaysal yer değiştirme modeli ile belirlenmesi(Lisansüstü Eğitim Enstitüsü, 2021-06-01)Türkiye'nin en önemli neotektonik ve sismojenik yapılarından birisi olan sol yanal doğrultu atımlı Doğu Anadolu Fay Zonu (DAFZ) Erzincan'ın doğusunda Karlıova'dan başlayarak Hatay'a kadar uzanan ve daha güneyde Ölü Deniz Fayı ile birleşen aktif bir fay zonudur. Arabistan ve Afrika plakalarının kuzeye doğru farklı hızlardaki bağıl hareketleri, Bitlis-Zagros Bindirme Kuşağı boyunca gelişen kıta-kıta birleşmesi ve Anadolu plakasının batıya kaçışına bağlı olarak DAFZ üzerinde ve çevresinde önemli sismik aktiviteler meydana gelmektedir. DAFZ'nin güneyinde Kahramanmaraş üçlü kavşak noktası ile Hatay üçlü kavşak noktası arasındaki Karasu Fayı (KF) ile Kıbrıs Yayı'nın etkisi altındaki Toprakkale, Yumurtalık, Karataş-Osmaniye (KOF) Fayları Kuzeydoğu Akdeniz bölgesinin karmaşık tektonik yapısı içerisinde yer alan depremsellik açısından önemli fay segmentleridir. Bu faylar 2012 ve 2018 yıllarında güncellenen Türkiye Diri Fay Haritasında diri fay sınıfında değerlendirilmiştir. Buna karşın bölgedeki diri fayların kinematiğini araştırmak için yapılan jeodezik çalışmaların sınırlı kalması bu fayların davranışlarının anlaşılmasını ve deprem potansiyellerinin ortaya konulmasını güçleştirmektedir. Bu nedenle, söz konusu diri faylara ait güncel kayma hızları ve kilitlenme derinlikleri gibi fay kinematiğini yansıtan parametrelerin jeodezik yöntemler kullanılarak yüksek doğrulukla belirlenmesi gerekmektedir. Bu amaçla kullanılan en etkin yöntem fayların geometrisine ve karakteristiğine uygun olarak tesis edilmiş jeodezik ağlar üzerindeki sürekli istasyon ve kampanya noktalarında GPS gözlemleri gerçekleştirmektir. Bu doktora tez çalışmasında, Kuzeydoğu Akdeniz bölgesinde büyük deprem üretme potansiyeli yüksek diri faylar geniş bir jeodezik ağ kullanılarak izlenmiş ve toplanan GPS verilerinin modellenmesi sonucunda blokların dönme hızları, fay kayma hızları, fay kilitlenme derinlikleri ile blok içi yamulma hızları yüksek doğruluk ve uzaysal çözünürlükle belirlenmiştir. Bu amaçla, uygun geometri ve dağılım dikkate alınarak kampanya GPS gözlem noktaları ile sürekli GPS istasyonlarından (TUSAGA-Aktif ve kamu kurumlarına ait CORS ağlarının istasyonları) oluşan geniş bir jeodezik ağ tasarlanmıştır. Bu spesifik gözlem ağı, aynı zamanda bünyesinde Kuzeydoğu Akdeniz bölgesinde gerinim biriktiren önemli diri fayları dik kesen profiller barındırmaktadır. Bu profiller yardımıyla söz konusu diri fayların kinematik özellikleri hakkında önemli bulgulara ulaşılmıştır. GPS verilerinin GAMIT/GLOBK yazılımı ile işlenmesi neticesinde çalışma bölgesi ve civarı için kampanya gözlem noktaları ve sürekli GPS istasyonlarının ITRF2008 datumunda tanımlandığı güncel GPS hız alanı elde edilmiştir. Bu GPS hız alanının literatürdeki diğer hız alanı çözümleri ile entegrasyonu sağlanarak ITRF2000 referans sisteminde Avrasya levhası sabit bütünleşik bir yatay GPS hız alanı tanımlanmıştır. Hız alanı çözümlerinin ortak bir referans sisteminde birleştirilebilmesi için 6 parametereli (3 öteleme ve 3 dönüklük) bir dönüşüm modeli kurulmuştur. Ayrıca, literatürdeki çalışmalarından derlenen Euler kutup parametrelerine bağlı olarak Arabistan levhası sabit GPS hız alanı üretilmiş ve böylece blok modelleme için uygun bir veri seti oluşturulmuştur. Bu çalışmada diri fayların kinematik özelliklerinin blok modeller ile tanımlanabilmesi için TDEFNODE yazılımından yararlanılmıştır. Blok modellemede, en basit geometriden daha karmaşık olana doğru, veri ile uyumlu blok modelin test edilmesine dayalı bir strateji benimsenmiştir. Buna göre, Kuzeydoğu Akdeniz bölgesindeki diri fayların kinematik özelliklerini araştırmak için belirli bir model alanında 5 bloktan oluşan bir blok model tanımlanmıştır. Blok modellemeye ilişkin izlenen adımlar ve elde edilen sonuçlar detaylı olarak açıklanmıştır. Blok modelleme sonuçları ve fay uzunluklarına bağlı olarak faylar üzerindeki gerinim birikimleri ve olası deprem büyüklükleri hesaplanmıştır. Doğu Anadolu Fayı'nın Gölbaşı-Türkoğlu segmenti üzerinde 1114 depreminin (M ≥7.8) ardından başlayan gerinim birikimi ~6.8 metre olarak belirlenmiştir ve 7.2 ile 7.6 büyüklüklerinde olası depremlere yol açabileceği tahmin edilmektedir. 1513 depremi (M ~7.4) sonrasında Karataş-Osmaniye Fayı'nda başlayan deformasyonun büyüklüğü günümüzde fayın farklı bölgelerinde ~1.3-2.1 metre değerlerine ulaşmıştır ve bu bölgelerde 6.8 ile 7.2 büyüklükleri arasında olası depremlere neden olabileceği değerlendirilmektedir. Karasu Fayı üzerinde ise 1822 (M 7.4) ve 1872 (M 7.2) depremleri göz önünde bulundurulduğunda ~0.4-0.6 metre gerinim birikiminin büyüklüğü 6.6-7.2 aralığında olası depremlere neden olabileceği öngörülmektedir. Bu doktora tez çalışması sonucunda Kuzeydoğu Akdeniz bölgesindeki önemli diri fayların sahip olduğu büyük ölçekli deprem oluşturma potansiyeli ortaya konulmuştur ve tez çıktılarının ulusal deprem eylem planları, sismik risk analizleri, deprem hasar tahmin çalışmaları ile kentsel dönüşüm planlarına katkılar sunması beklenmektedir.
-
ÖgeA semi-automatic façade generation methodology of architectural heritage from laser point clouds: A case study on Architect Sinan(Lisansüstü Eğitim Enstitüsü, 2021)Tangible cultural assets from different periods and civilizations reinforce historical and cultural memories that are passed from generation to generation. However, due to natural events, lack of proper maintenance, or wars, the heritage structures can be damaged or destroyed over time. To preserve tangible cultural assets for the future, it is crucial to ensure that these buildings' maintenance, repair, and restoration are of high quality. Hence, the preliminary phase in any architectural heritage project is to obtain metric measurements and documentation of the building and its individual elements. In this direction, the acquired data and derived models are used for various purposes in the fields of engineering and architectural applications, digital modeling and reconstructions, virtual or augmented reality applications. However, conventional measurement techniques require tremendous resources and lengthy project completion time for architectural surveys and 3D model production. With technological advances, laser scanning systems became a preferred technology as a geospatial data acquisition technique in the heritage documentation process. Without any doubt, these systems provide many advantages over conventional measurement techniques since the data acquisition is carried out effectively and in a relatively short time. On the other hand, obtaining final products from point clouds is generally time-consuming and requires data manipulation expertise. To achieve this, the operator, who has the knowledge about the structure, must interpret the point cloud, select the key points representing the underlying geometry and perform the vectorizing process over these points. In addition, point data contains systematic and random errors. The noisy point cloud data and ambiguities make this process tedious and prone to human error. The purpose of this thesis is to reduce the user's manual work cycle burden in obtaining 3D models and products from point cloud data: A semi-automatic user-guided methodology with few interventions is developed to easily interpret the geometry of architectural elements and establish fundamental semantic relationships from complex, noisy point clouds. First, the conventional workflow and methodologies in cultural heritage documentation were researched, and the bottlenecks of the current workflow were examined. Then, existing methodologies used in point cloud-based 3D digital building reconstruction were assessed. From this, semi-automatic methods are evaluated for a more suitable approach to 3D digital reconstruction of cultural heritage assets, which are more complex than modern buildings. Recently, Building Information Modeling (BIM) process applications have gained momentum. BIM systems make many contributions to project management, from the design to the operation of new modern buildings. Research on the applications for existing buildings in BIM has increased. Particularly, such applications and research in cultural heritage are gathered under the term of Heritage/Historic-Building Information Modeling (HBIM). In HBIM, dedicated architectural style libraries are generated, and geometric models are produced by associating the geometries of architectural elements with point clouds. Such applications generally come for Western architectural elements, in which construction techniques and geometrical relations of architectural rules and orders have been documented with sketches and drawings for centuries. Detailed descriptions and fine sketches pertaining to the rules and style studies of Ottoman architecture are limited. Having been the capital of many civilizations, historic Istanbul is crowned with the many mosques of Architect Sinan, dating from the 16th century, the golden era of the Ottoman Empire. For his innovative structures, Architect Sinan is considered an architectural and engineering genius. Unfortunately, Sinan did not leave enough written or visual documentation of his works, and although many aspects of Sinan's works have been researched, few have worked on the geometry of the facade elements. Previous architectural research examines the ratios and compares the general architectural elements of Sinan's works (comparing the dimensions and location of the elements). Building on this and our observations of Sinan's mosques, we designed an object-oriented library of parametric objects for selected architectural facade elements. In addition, some fundamental semantic relations of the prepared object library elements were introduced. A case study for procedural modeling was then carried out. In the next stage, we evaluated that an algorithmic approach can be used to obtain parametric architectural elements from noisy point cloud data. We benefited from the Random Sample Consensus (RANSAC) algorithm, which has a wide range of applications in computer vision and robotics. The algorithm is based on the purpose of obtaining the parameters of a given mathematical model; it is a non-deterministic method based on selecting the required number of random data from the data set to create the model and measuring the extent to which the hypothesis produced is compatible with the entire data set by evaluating the model. The basics of this method work with a certain number of iterations and return outputs of the most suitable model parameters, the dataset that makes up the model, and the incompatible data. In addition, model-specific criteria and rules based on architectural knowledge were added to the developed methodology to reduce the number of iterations. All algorithmic codes were produced in Python language. In addition, we used libraries such as NumPy and for arrays and mathematical operations. For visualization studies, the open graphics library (Open Graphics Library, OpenGL) was carried out using the Visualization Tool Kit (VTK) on the graphics application development interface. In addition, python modules of VTK C++ source libraries were compiled using CMake software and Microsoft Visual Studio. As the application area of the study, one of the most important mosques of Istanbul Şehzade Mosque, which is Mimar Sinan's first selatin complex, was chosen. Point cloud data acquired with a terrestrial laser scanner for the documentation studies of the mosque was obtained for this study. Different case areas were determined from the point cloud datasets. Windows on the Qibla direction façade and the domes from the roof covering of the mosque were used, respectively. While making this choice, we considered the variety of window elements and Sinan's use of the dome influenced. In the case applications, the point cloud selected from the window areas was segmented semi-automatically using proposed method recursively at different window levels from the inside to the outside. In the other case study, the algorithm performed the segmentation of the main dome. As a result of this segmentation, point groups that are not included in the model are evaluated once more time using the Density-Based Spatial Clustering of Applications with Noise (DBSCAN) algorithm from Python's scikit-learn and presented to the user as a guiding output in the determination of architectural elements and deformations. Using the above-mentioned Sinan architectural dome typology relations with the main dome of the mosque, it was ensured that point clusters were formed in the modeling of other dome structures in the mosque. Finally, as an example, the parametric dome model was converted to Industry Foundation Class (IFC) format using open source CAD software. Integrity and accuracy comparisons were made using the outputs of the presented methodology and the CAD drawings produced by the restoration architects using the same data. The results were within acceptable limits for general-scale studies. Additionally, the presented method contributed to the interpretation of the data by saving time for expert users. In summary, a method has been developed for the semi-automatic extraction of architectural parametric models working directly on the 3D point cloud, specific to the Ottoman Classical Era Mosque, particularly Architect Sinan's works, using a data and model-oriented hybrid 3D building reconstruction approach.