TY - THES A1 - Steinmeier, Leon T1 - Finding trees in lidar point clouds: towards a fast and scalable segmentation workflow T1 - Znajdowanie drzew w lidarowych chmurach punktów: w kierunku szybkiego i skalowalnego procesu segmentacji N2 - Forests are an important part of the ecosphere and have long been at the center of extensive research. For quantifying forest metrics on larger scales, remote sensing technologies have become important tools over the last decades. One of these tools is airborne lidar, which has enabled detailed analyses of canopy structures by providing three-dimensional point clouds of forests. Within such data sets, individual crown bodies can be detected and delineated, which is referred to as tree crown segmentation. However, among the few available algorithms the most sophisticated ones are also the most resource hungry. Another general issue with lidar point clouds is that their density can vary strongly between adjacent areas which also influences segmentation results. In this study a segmentation workflow from point cloud preparation to the evaluation of results was developed. Part of this workflow was a novel approach to removing undesired density patterns from point clouds, using detailed information on the measurement procedure. Also, a scalable segmentation algorithm, based on 3-dimensional mean shift clustering was implemented. It reached single-core runtimes of about 50 seconds ha -1 on point clouds with a density of 10 points m -2 . The segmentation results allowed for the estimation of stem diameter distributions for a temperate mixed forest stand. Overall, the presented workflow provides a solid basis for individual tree segmentation and can be further extended and scaled with relative ease. N2 - Tytuł: Znajdowanie drzew w lidarowych chmurach punktów: w kierunku szybkiego I skalowalnego procesu segmentacji Lasy s ̨a ważn ̨a cz ̨eści ̨a ekosfery i od dawna znajduj ̨a si ̨e w centrum szeroko zakrojonych badań. W ci ̨agu ostatnich dziesi ̨ecioleci technologie teledetekcji stały si ̨e ważnymi narz ̨edziami do ilościowego określania metryki lasu w wi ̨ekszych skalach. Jednym z tych narz ̨edzi jest lidar lotniczy, który umożliwił szczegółow ̨a analiz ̨e struktury koron drzew poprzez dostarczenie trójwymiarowych chmur punktów lasów. W ramach takich zbiorów danych można wykrywać i wyznaczać poszczególne bryły koron drzew, co określane jest mianem segmentacji koron drzew. Jednak spośród kilku dost ̨epnych algorytmów, te najbardziej zaawansowane s ̨a również najbardziej zasobożerne. Innym problemem zwi ̨azanym z chmurami punktów lidarowych jest fakt, że ich g ̨estość może si ̨e znacznie różnić pomi ̨edzy s ̨asiaduj ̨acymi obszarami, co również wpływa na wyniki segmentacji. W niniejszej pracy opracowano process segmentacji od przygotowania chmury punktów do oceny wyników. Cz ̨eści ̨a tego przepływu pracy było nowatorskie podejście do usuwania niepoż ̨adanych wzorców g ̨estości z chmur punktów, wykorzystuj ̨ace szczegółowe informacje o procedurze pomiarowej. Zaimplementowano również skalowalny algorytm segmentacji, oparty na trójwymiarowej klasteryzacji z przesuni ̨eciem średniej. Na chmurach punktów o g ̨estości 10 punktów m-2 osi ̨agn ̨ał on czasy pracy pojedynczego rdzenia rz ̨edu 50 sekund ha-1. Wyniki segmentacji pozwoliły na oszacowanie rozkładów średnic pni dla drzewostanu mieszanego strefy umiarkowanej. Przedstawiony tok pracy stanowi solidn ̨a podstaw ̨e do segmentacji pojedynczych drzew I może być dalej rozszerzany i skalowany z relatywn ̨a łatwości ̨a. N2 - Wälder sind ein wichtiger Teil der Ökosphäre und stehen seit langem im Mittelpunkt ausgiebiger Forschung. Für die groß-skalige Bestimmung von Wald-Metriken sind Fernerkundungsmethoden in den letzten Jahrzehnten zu einem wichtigen Werkzeug geworden. Eines dieser Werkzeuge ist luftgestütztes lidar, das detaillierte Analysen von Kronenstrukturen auf der Grundlage drei-dimensionaler Punktwolken ermöglicht. In diesen Datensätzen können individuelle Kronenkörper erkannt und abgegrenzt werden, was als Baumkronensegmentierung bezeichnet wird. Allerdings sind die fortgeschrittensten der wenigen verfügbaren Algorithmen auch die berechnungsintensivsten den längsten Laufzeiten. Ein weiteres generelles Problem von lidar Punktwolken ist, dass ihre Dichten zwischen benachbarten Flächen stark variieren können was einen Einfluss auf die Segmentierung hat. In dieser Arbeit wurde ein Segmentierung-Workflow von der Vorbereitung der Punkwolke bis hin zur Auswertung der Ergebnisse entwickelt. Ein Teil dieses Workflows war ein neuartiger Ansatz zum Entfernen unerwünschter Dichtemuster aus Punktwolken mit Hilfe von Detailinformationen zum Messvorgang. Außerdem wurde ein skalierbarer Segmentierungsalgorithmus auf Grundlage des drei-dimensionalen Mean Shift Clustering implementiert. Er erreichte auf einem Kern Laufzeiten von 50 Sekunden Ha -1 bei Punkwolken mit einer Dichte von 10 Punkten m -2 . Die Segmentierungsergebnisse erlaubten die Schätzung von Stammdurchmesserverteilungen für einen temperaten Mischwald. Insgesamt stellt der präsentierte Workflow eine solide Basis für die Segmentierung von Einzelbäumen dar und kann mit relativ geringem Aufwand erweitert und skaliert werden. KW - lidar KW - tree segmentation KW - point density KW - segmentacja drzew KW - gestość punktów Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:eb1-opus-3728 ER -