Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences ISPRS, Volume III-5, 2016

Kongres ISPRS XXIII, 12–19 Juli 2016, Praha, Republik Ceko

3DGEOLOGICALOUTCROPCHARACTERIZATION:
AUTOMATICDETECTIONOF3DPLANES (AZIMUTHANDDIP) MENGGUNAKANLiDARPOINT
AWAN
K. Anders Sebuah, M. Hämmerle Sebuah, G. Miernik b, T. Drews b, A. Escalona c, C. Townsend c, B. Höfle Sebuah, *

Sebuah Institut Geografi, GIScience, LiDAR Research Group (LRG), Universitas Heidelberg, Heidelberg, Jerman - k.an-
ders@stud.uni-heidelberg.de , (haemmerle, hoefle) @ uni-heidelberg.de
b Institut Ilmu Bumi, Universitas Heidelberg, Heidelberg, Jerman - (georg.miernik, till.drews) @ geow.uni-heidelberg.de
c Departemen Teknik Perminyakan, Universitas Stavanger, Stavanger, Norwegia - (alejandro.escalona, chris.townsend) @ uis.no

Komisi V, WG V / 5

KATA KUNCI: LiDAR, Pemindaian laser terestrial, segmentasi 3D, Deteksi pesawat, Singkapan geologi, Orientasi, Serangan

ABSTRAK:

Pemindaian laser terestrial merupakan metode yang ampuh dalam perolehan data informasi spasial dan memungkinkan singkapan geologi
ditangkap dengan resolusi dan akurasi yang tinggi. Aspek penting untuk berbagai aplikasi geologi adalah ekstraksi orientasi permukaan batuan
dari data. Makalah ini berfokus pada pendeteksian bidang pada data permukaan batuan dengan menerapkan algoritme segmentasi langsung ke
titik cloud 3D. Kinerjanya dinilai dengan mempertimbangkan (1) pengurangan resolusi spasial data dan (2) perataan dalam proses pra-pemrosesan
data. Metodologi ini diuji pada simulasi resolusi spasial yang semakin berkurang yang ditentukan oleh kepadatan titik cloud yang bervariasi.
Perataan data point cloud diimplementasikan dengan memodifikasi kriteria lingkungan selama estimasi normals. Perubahan yang cukup besar
dari bidang yang dihasilkan menekankan pengaruh penghalusan pada pendeteksian bidang sebelum segmentasi sebenarnya. Oleh karena itu,
parameter perlu diatur sesuai dengan tujuan individu dan skala kajian masing-masing. Lebih lanjut disimpulkan bahwa kualitas hasil segmentasi
tidak mengalami penurunan meskipun volume data berkurang secara signifikan hingga 10%. Nilai azimuth dan dip masing-masing segmen
ditentukan agar bidang sesuai dengan titik-titik yang termasuk dalam satu segmen. Berdasarkan hasil ini, azimuth dan kemiringan serta karakter
pemogokan bidang permukaan di singkapan dinilai. Dengan demikian, makalah ini berkontribusi pada alur kerja yang sepenuhnya otomatis dan
langsung untuk deskripsi geometris yang komprehensif dari singkapan dalam 3D.

1. PERKENALAN cloud segmentation, yaitu pengelompokan titik berdasarkan

Deteksi dan jangkauan cahaya (LiDAR), juga dikenal sebagai
pemindaian laser, adalah metode perolehan cepat data tiga
dimensi presisi tinggi. Potensinya telah diakui di berbagai bidang
ilmu kebumian dan penggunaan metode ini telah berkembang
pesat selama beberapa tahun terakhir (Höfle dan Rutzinger, 2011;
Buckley et al., 2010). Teknologi pemindaian laser dapat dilakukan
dari berbagai platform, baik udara maupun terestrial. Ketika
memeriksa singkapan dengan karakter umumnya vertikal,
informasi topografi yang diperoleh oleh platform pemindaian
laser terestrial (TLS) lebih disukai karena perspektif yang
menguntungkan bila dibandingkan dengan tampilan permukaan
medan yang diperoleh melalui survei udara (Sturzenegger dan
Stead, 2009). Selain itu, TLS memungkinkan tingkat akurasi dan
kepadatan titik yang lebih tinggi (Beraldin et al., 2010).
Latar belakang penelitian kami adalah penerapan TLS dalam studi
singkapan geologi, yang memungkinkan pengukuran permukaan yang
cepat dan konsisten. Selain itu, TLS memungkinkan pemetaan area yang
sulit atau berbahaya untuk dijangkau dan tidak dapat diakses (Fisher et al.,
2014). Oleh karena itu menarik tidak hanya untuk penelitian di bidang
geologi, tetapi juga untuk penggunaan praktis di bidang teknik dan bidang
terkait, misalnya untuk evaluasi geomekanis atau penentuan ketidakstabilan
lereng (Abellán et al., 2014; Fekete dan Diederichs, 2013; Lato dan Vöge,
2012). Komponen penting dari karakterisasi singkapan dan langkah penting
untuk analisis lebih lanjut adalah deskripsi geometrik permukaan singkapan
melalui azimuth dan kemiringan. Bagian penting di dalamnya adalah
identifikasi permukaan planar dalam data cloud titik mentah yang tidak
terorganisir.
kriteria tertentu (Pfeifer et al., 2014; Barnea dan Filin, 2013;
Vosselmann dan Klein, 2010). Sebagian besar penelitian telah
dilakukan untuk lingkungan perkotaan, seperti ekstraksi atap dari
data LiDAR di udara (Jochem et al., 2012).
Untuk mendapatkan hasil yang optimal dalam aplikasi geologi,
beberapa metodologi telah diusulkan dalam beberapa tahun terakhir
yang dirancang khusus untuk aplikasi pada data massa batuan
(Riquelme et al., 2014). Perkembangan divergen ini disebabkan oleh
material batuan yang umumnya berbentuk tidak beraturan, yang
menampilkan jumlah kekasaran permukaan yang bervariasi (pada
skala spasial yang berbeda) dan berpotensi terjadi pada setiap
orientasi dalam data (Lato dan Vöge, 2012).
Tujuan dari studi kami adalah untuk mengembangkan alur kerja yang sesuai
untuk proses otomatis mendeteksi pesawat dalam data singkapan untuk
menghitung orientasinya masing-masing, menggunakan point cloud 3D
yang diperoleh oleh TLS. Sebuah algoritma untuk mengkarakterisasi
singkapan dengan mendeteksi bidang dan menentukan orientasinya (cf.
Miernik et al., 2013) digunakan. Berdasarkan metode ini, pertanyaan
penelitian utama berikut diselidiki secara rinci:
• Sampai sejauh mana resolusi spasial (di sini:
kepadatan titik) dari survei TLS dapat dikurangi
tanpa mengurangi kualitas hasil?
• Dapatkah perataan data sebelum segmentasi semakin
meningkatkan hasil yang dihasilkan oleh algoritma
karakterisasi singkapan 3D saat ini?

*
Penulis yang sesuai

Kontribusi ini telah ditinjau sejawat. Kajian sejawat double-blind dilakukan atas dasar makalah lengkap.
doi: 10.5194 / isprsannals-III-5-105-2016 105
 Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences ISPRS, Volume III-5, 2016
Kongres ISPRS XXIII, 12–19 Juli 2016, Praha, Republik Ceko

Dengan menjawab pertanyaan penelitian ini, penelitian kami memberikan Latar belakang, penelitian kami bertujuan untuk membahas aspek-aspek tersebut dalam
wawasan dalam pengaturan resolusi pemindaian yang menguntungkan dan studi terintegrasi.
metode yang kuat untuk segmentasi bidang, dan bertujuan untuk mendukung
proyek serupa dari karakterisasi singkapan geologi.
3. METODE

2. NEGARA SENI Alur kerja yang dirancang untuk menjawab pertanyaan penelitian yang
diberikan sebelumnya diilustrasikan pada Gambar. 1. Langkah-langkah
Studi awal tentang identifikasi permukaan diskontinuitas individu dijelaskan secara rinci setelah deskripsi lokasi penelitian dan
menerapkan metode kuadrat terkecil ke subset titik untuk prosedur akuisisi dan pemrosesan data.
menentukan bidang yang paling sesuai melalui regresi planar
(Abellán et al., 2006; Fernández, 2005). Dalam beberapa tahun
terakhir, penghitungan vektor normal yang terkait dengan subset
point cloud telah menjadi metodologi yang diterima secara luas
(Riquelme et al., 2014). Sebagian besar metode saat ini melakukan
analisis pada model permukaan 2.5D yang disederhanakan,
misalnya dengan menggunakan jaringan tak beraturan triangulasi
(TIN) (Riquelme et al., 2014). Secara khusus dalam aplikasi geologi,
bagaimanapun, implikasi dari mengubah awan titik 3D menjadi
data 2.5D dapat menyebabkan kerugian yang tidak diinginkan
dalam detail dan akurasi, karena representasi overhang dan
cekungan tidak didukung (Mah et al., 2011). Mah dkk. (2011),
dalam konteks ini,

Riquelme dkk. (2014) baru-baru ini mengusulkan metode menggunakan

informasi 3D dari point cloud itu sendiri dengan memeriksa setiap titik dan
tetangga lokalnya. Sepanjang alur kerja, titik individu diuji untuk
koplanaritas di lingkungan tertentu berdasarkan kelengkungan lokalnya,
yang ditentukan dengan menggunakan Analisis Komponen Utama (PCA).
Selanjutnya, PCA yang dihitung digunakan untuk menyesuaikan bidang
yang paling sesuai dengan subset titik koplanar yang ditemukan. Orientasi
utama kemudian ditetapkan ke setiap titik dengan estimasi kepadatan Gambar 1. Alur kerja mempelajari deteksi bidang otomatis di
data singkapan geologi menggunakan point cloud 3D secara langsung
kernel dan, akhirnya, titik-titik tersebut dikelompokkan dalam ruang. Tujuan
penulis adalah untuk mendapatkan parameter geometris, seperti orientasi
3.1 Situs studi dan kumpulan data
planar, dari informasi 3D yang sebenarnya, yaitu berdasarkan langsung
pada titik cloud. Demikian pula, menggunakan informasi 3D yang
Data point cloud untuk penelitian ini diperoleh dari singkapan dekat
sebenarnya, dan dengan demikian menghindari triangulasi sebelumnya,
Kalávrita di semenanjung Peloponnesia Utara di Yunani (Gbr. 2)
adalah motivasi bagi Miernik dkk. (2013) untuk menerapkan metodologi
menggunakan sistem TLS Riegl VZ-6000 dengan deteksi gema online
yang secara langsung mengekstrak informasi singkapan geometris dari titik
bentuk gelombang penuh. Singkapan dipindai dari tiga posisi pada
cloud 3D. Ini didasarkan pada pemasangan pesawat lokal yang kuat dan
tingkat pengulangan denyut laser 300 kHz dan satu titik
pertumbuhan wilayah berikutnya. Algoritma yang dikembangkan dalam
kerangka Miernik et al. (2013) diperbaiki dan diterapkan dalam studi ini dan
akan dijelaskan secara rinci di Bagian 3.

Lato dan Vöge (2012) memasukkan langkah pemrosesan data dalam

pendekatan mereka sebelum segmentasi sebenarnya dengan tujuan
menghilangkan artefak kekasaran permukaan, yang sebagian besar
bergantung pada skala objek studi, fitur geometrisnya, dan juga metode
penangkapan data. Lato dan Vöge (2012) juga menutupi tepi tajam untuk
mengecualikan deviasi besar ke arah normal dari proses segmentasi yang
sebenarnya. Dalam alur kerja mereka, penghalusan data adalah cara yang
ampuh untuk menghasilkan representasi permukaan planar yang lebih
menyeluruh dalam data singkapan dan selanjutnya juga diperiksa dalam
penelitian kami.

Mengenai resolusi spasial dan skala untuk aplikasi geologi, survei di

area yang agak luas mungkin diinginkan. Awan titik dengan resolusi
lebih rendah (di sini: kepadatan titik) akan memungkinkan Gambar 2. Lokasi lokasi penelitian di Yunani (38.06 ° LU,
pengurangan yang signifikan dalam waktu akuisisi dan upaya 22.13 ° BT) dengan area yang diinginkan (bingkai merah) dan ekstrak yang

komputasi dan pemrosesan selanjutnya. Buckley dkk. (2008) digunakan untuk studi terperinci (bingkai putus-putus merah). Orthophoto

menunjukkan pilihan pengambilan sampel ulang data ke tingkat yang berasal dari citra udara yang diperoleh oleh eBee (2015)

memadai untuk skala studi singkapan.

jarak tanam 3 mm pada jarak 10 m. Resolusi tinggi ini diperoleh untuk menjawab
pertanyaan terkait penelitian tentang resolusi spasial. Memperoleh data dari
Sebagaimana diuraikan dalam bagian ini, aspek pertanyaan penelitian
berbagai posisi baik secara horizontal maupun vertikal bertujuan untuk
yang diberikan telah diusulkan dalam berbagai publikasi dan
meminimalkan oklusi dan karena itu kehilangan data. Namun, sebagian dari
diimplementasikan dalam alur kerja masing-masing. Namun,
dataset masih
penyelidikan komprehensif tentang efek pengurangan kepadatan dan
penghalusan data point cloud 3D belum dilakukan. Melawan ini

Kontribusi ini telah ditinjau sejawat. Kajian sejawat double-blind dilakukan atas dasar makalah lengkap.
doi: 10.5194 / isprsannals-III-5-105-2016 106
 Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences ISPRS, Volume III-5, 2016
Kongres ISPRS XXIII, 12–19 Juli 2016, Praha, Republik Ceko
mengandung oklusi karena aksesibilitas terbatas ke area di sekitar
singkapan. Meskipun demikian, area studi ditangkap dengan baik dan
ketiga pemindaian tersebut dianggap cocok untuk penelitian kami.
Data LiDAR yang diambil digeoreferensi langsung melalui sensor
kemiringan dan orientasi terintegrasi pemindai dan RTKGNSS
eksternal kelas atas. Ini memberikan akurasi 3D 0,03 m untuk
posisi pemindaian.
Pemindaian dan pemrosesan data dilakukan menggunakan RiSCAN PRO (RIEGL,
2015). Langkah-langkah pemrosesan terdiri dari pendaftaran serta revisi dan
pembersihan pencilan manual dari kumpulan data. Untuk meningkatkan
pendaftaran bersama dari titik cloud yang sudah memiliki georeferensi dari tiga
posisi pemindaian, penyesuaian multi-stasiun RiSCAN PRO dilakukan dengan
deviasi standar ICP akhir dari kesalahan 0,013 m. Pengolahan data lebih lanjut
sebagai persiapan untuk penerapan algoritma pendeteksian bidang dilakukan
dalam sistem program modular 'Orientation and Processing of Airborne Laser
Scanning data' (OPALS, Pfeifer et al., 2014), khususnya mengenai penghitungan
benda normal permukaan. sebagai dasar untuk segmentasi bidang dengan
memperkirakan informasi bidang lokal berbasis titik dengan mempertimbangkan
lingkungan koordinat 3D penuh.
Gambar 3. Titik cloud berwarna RGB dari subsampel untuk
pengujian algoritma sebelum diaplikasikan ke seluruh area studi
Bidang minat untuk studi singkapan digambarkan dengan warna merah di
peta ikhtisar wilayah studi pada Gambar. 2. Garis putus-putus menandai
ekstrak yang digunakan untuk langkah-langkah individu dalam menyelidiki
pertanyaan penelitian. Ekstrak berisi batu-batu besar dengan bidang
permukaan batuan yang menonjol (Gbr. 3). Mengingat fitur geometrisnya,
termasuk bidang perlapisan dan permukaan pelapukan serta rekahan,
ekstrak tersebut merupakan sampel studi yang sesuai untuk tujuan deteksi
bidang pada permukaan batuan. Akhirnya, alur kerja yang dikembangkan
diterapkan ke kumpulan data untuk keseluruhan singkapan. Selanjutnya,
penentuan himpunan bidang, yaitu himpunan dengan orientasi serupa,
diterapkan pada area yang diinginkan secara keseluruhan.
3.2 Deteksi pesawat
Deteksi pesawat di titik cloud dilakukan dengan menerapkan algoritma
yang dikembangkan dalam kerangka studi oleh Miernik et al. (2013).
Algoritme diimplementasikan dalam alat C ++ mandiri dan melakukan
segmentasi pertumbuhan wilayah dengan memilih titik-titik dengan
nilai kelengkungan terendah sehubungan dengan lingkungannya
sebagai benih. Penanaman segmen selanjutnya dilakukan di
lingkungan tertentu dan dibatasi oleh deviasi sudut normal
permukaan maksimum.
Sebelum melakukan segmentasi, informasi normal lokal diperkirakan
dengan menerapkan robust plane fit ke tetangga terdekat dalam
radius lingkungan tertentu. Di sini, untuk meningkatkan perkiraan
lingkungan lokal suatu titik, strategi pembobotan jarak terbalik
tambahan digunakan. Keluarannya mencakup deviasi standar yang
dikembalikan untuk kesesuaian bidang, yang digunakan dalam
algoritme dan selanjutnya disebut sebagai sigma bidang.
Kontribusi ini telah ditinjau sejawat. Kajian sejawat double-blind dilakukan atas dasar makalah lengkap.
doi: 10.5194 / isprsannals-III-5-105-2016
Algoritma segmentasi dimulai dengan menghitung kelengkungan
untuk setiap poin berdasarkan rasio nilai eigen masing-masing • • menurut
Weinmann et al. (2014):
•1
••= (1)
•1 + •2 + •3
dimana •1<•2<•3
Titik benih kemudian dicantumkan diurutkan dengan meningkatkan
kelengkungan, sehingga segmentasi sebenarnya akan dimulai dengan
titik kelengkungan terendah dan dilanjutkan sepanjang daftar titik
benih berikutnya untuk titik-titik yang belum tersegmentasi ke objek
sebelumnya. Algoritme kemudian memeriksa sejumlah titik tertentu di
sekitar titik benih untuk kriteria homogenitas yang ditentukan. Kriteria
ini dicantumkan di bawah ini sesuai dengan alur kerja di algoritme
segmentasi.
1) Deviasi sudut: deviasi vektor normal titik ke titik normal
masing-masing titik benih. Dalam proses pertumbuhan
wilayah selanjutnya, kriteria sudut dinilai berdasarkan
deviasi ke bidang yang disesuaikan dengan poin yang
sudah ditetapkan ke segmen saat ini.
2) Jarak ke bidang dan ke titik-titik tersegmentasi: jarak titik
ke bidang dalam arah tegak lurus serta jarak langsung ke
titik-titik tersegmentasi diperiksa terhadap jarak
maksimum yang ditentukan. Kelengkungan dan bidang
3) sigma sebagai indikator kekasaran: pertimbangan nilai
kelengkungan dan bidang sigma suatu titik, yang
melarang terlampauinya ambang batas yang ditentukan.
Kedua parameter tersebut ditentukan sebagai ambang
persentil, sedangkan nilai bidang sigma dapat dipahami
sebagai kekasaran permukaan bidang lokal.
Segmen diselesaikan ketika tidak ada lagi titik yang tidak diklasifikasikan
yang ditemukan di lingkungan atau ukuran maksimum segmen yang
ditentukan tercapai. Selanjutnya, orientasi bidang yang disesuaikan dengan
segmen ditentukan. Orientasi utama ini, yaitu nilai azimuth dan dip,
ditetapkan ke setiap titik yang diklasifikasikan sebagai bagian dari segmen
bidang masing-masing. Titik yang tidak tersegmentasi sebagai bagian dari
bidang atau menyusun bidang dalam angka yang tidak melebihi ambang
batas yang ditentukan akan dibuang.
3.3 Validasi
Sebagai data referensi untuk validasi, nilai strike dan dip dari beberapa set bidang,
misalnya banyak permukaan planar, dapat ditentukan secara manual di lokasi
survei. Mengacu pada Mah et al. (2011), asumsi diadopsi bahwa orientasi planar
yang berasal dari data point cloud yang diperoleh TLS mungkin memiliki akurasi
lebih tinggi daripada nilai orientasi yang ditentukan oleh pengukuran lapangan
manual. Dengan latar belakang ini dan sehubungan dengan tujuan penelitian ini,
cara yang wajar untuk memvalidasi hasil penelitian adalah penggunaan bidang
referensi yang ditetapkan secara manual di point cloud. Sebagai referensi, bidang
permukaan batuan dipilih berdasarkan pengetahuan ahli (Gbr. 4a). Dalam studi
selanjutnya, fokusnya adalah pada bidang 01 dan 02, karena ini terdiri dari
karakteristik geometri yang berbeda dan, dengan demikian, memberikan sampel
yang sesuai untuk kelima bidang referensi. Dengan karakteristik kemiringan dan
permukaan yang seragam, hasil validasi yang serupa dihasilkan untuk bidang
referensi 02, 04, dan 05. Ini juga mencakup bidang 01 dan
03, keduanya menunjukkan karakter yang lebih vertikal dan tidak terlalu retak.
Untuk setiap bidang referensi, masing-masing ID segmen
dari titik terkait diekstraksi dari awan titik tersegmentasi.
Segmentasi bidang kemudian dinilai berdasarkan jumlah
segmen dalam bidang referensi dan jumlah titik
107
 Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences ISPRS, Volume III-5, 2016
Kongres ISPRS XXIII, 12–19 Juli 2016, Praha, Republik Ceko

di setiap segmen, yang mewakili ukurannya masing-masing. Karena waktu pemrosesan meningkat secara eksponensial dengan
Asumsinya adalah bahwa sejumlah kecil bidang tersegmentasi dengan perluasan radius pencarian dan mengingat efisiensi resolusi spasial
ukuran yang relatif besar sehubungan dengan bidang referensi total yang telah dinilai sebelumnya, data untuk estimasi normal dan
menunjukkan validitas yang lebih tinggi. Selanjutnya, validitas akan segmentasi berikutnya digunakan pada kepadatan titik 20%.
dibahas dalam istilah kongruensi, yang ditentukan oleh persentase
poin di segmen terbesar relatif terhadap jumlah poin di bidang
referensi terkait. Akan tetapi, harus ditekankan bahwa bidang
referensi sebagai bidang permukaan keseluruhan sebagian
mengandung retakan khas seperti yang menjadi jelas hanya pada
inspeksi dari dekat, misalnya, bidang referensi 02 seperti yang
diilustrasikan pada Gambar 4b. Jadi, kesesuaian dengan bidang
referensi masing-masing mungkin berkurang secara signifikan.

Gambar 5. Visualisasi normals di ParaView (Ayachit,

Gambar 4. Pesawat referensi yang ditunjuk untuk ekstrak data 2015) dihitung dengan radius pencarian 0,2 m (a) dan 5 m (b)
yang dipelajari (a). Tampilan dekat bidang referensi 02 dengan frac-
gelombang di permukaan batuan yang lapuk (b)
3.6 Pasca-pemrosesan data tersegmentasi

3.4 Resolusi spasial
Untuk menentukan resolusi spasial yang diperlukan untuk hasil segmentasi
yang memadai, kumpulan data yang diperoleh pada resolusi spasial yang
lebih rendah disimulasikan dari data mentah resolusi tinggi. Untuk itu,
diterapkan algoritma yang menghasilkan point cloud dengan hanya
menggunakan setiap n th titik dari dataset asli, yaitu setiap n th
titik di awan titik. Dengan ini, kepadatan awan titik berkurang
secara progresif. Segmentasi bidang dilakukan untuk
berbagai persentase kerapatan titik awal (50%, 20%, 10%,
yaitu lebar langkah n = 2, 5, 10).
3.5 Menghaluskan
Permukaan batuan memiliki jumlah dan skala kekasaran permukaan
yang bervariasi yang juga ditangkap oleh survei pemindaian laser.
Selain itu, artefak kekasaran skala kecil mungkin berasal dari
kesalahan yang tersisa karena registrasi berbagai pindaian dari posisi
yang berbeda (Lato dan Vöge, 2012). Oleh karena itu, mungkin
bijaksana untuk menghaluskan permukaan data masukan sebelum
menerapkan algoritme deteksi bidang. Untuk mencapai penghalusan
seperti itu, langkah pemrosesan data dari komputasi normal
dimodifikasi dengan meningkatkan radius pencarian dan jumlah titik
tetangga yang dipertimbangkan. Gambar. 5 menampilkan efek radius
pencarian yang meningkat pada orang normal lokal. Normalnya
berorientasi ke arah yang jauh lebih seragam, yang secara langsung
memengaruhi kriteria sudut dalam algoritme segmentasi. Ini
menekankan implikasinya terhadap kinerja pendeteksian bidang.
Manfaat untuk aplikasi geologi yang timbul dari deteksi bidang di
awan titik yang tidak terorganisir perlu dinilai dalam
langkah-langkah pasca-pemrosesan tertentu untuk menafsirkan
dan memvisualisasikan karakter singkapan. Langkah pemrosesan
yang kami sertakan membahas topik yang disebutkan dalam
membangun kumpulan diskontinuitas. Ini diimplementasikan
dengan mengelompokkan segmen dengan orientasi serupa
dalam cluster dan dengan demikian menghasilkan afiliasi ke set
bidang sebagai fitur output lebih lanjut. Dalam prosesnya, warna
RGB acak ditetapkan ke setiap set yang dibangun, sehingga
singkapan akhirnya dapat divisualisasikan tidak hanya menurut
segmen tetapi juga sebagai set bidang. Agregasi segmen bidang
ke dalam kelompok orientasi bidang dilakukan secara berurutan
dengan membandingkan orientasi segmen dengan orientasi
rata-rata segmen dalam kelompok yang sudah dibangun.
4. HASIL DAN PEMBAHASAN
4.1 Deteksi pesawat
Penilaian keseluruhan dari karakteristik singkapan dan pertimbangan
menyeluruh dari parametrikisasi langkah segmentasi mengarah pada
kesimpulan bahwa parameter optimal untuk penerapan algoritma
karakterisasi singkapan 3D pada data survei ditetapkan seperti yang
dirangkum di bawah ini (Tab. 1) . Dengan demikian, segmen bidang
yang diperoleh divisualisasikan pada Gambar 6.

Kontribusi ini telah ditinjau sejawat. Kajian sejawat double-blind dilakukan atas dasar makalah lengkap.
doi: 10.5194 / isprsannals-III-5-105-2016 108
 Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences ISPRS, Volume III-5, 2016
Kongres ISPRS XXIII, 12–19 Juli 2016, Praha, Republik Ceko

Deskripsi parameter
Sudut maksimum antara vektor normal [°]
Jarak maksimum titik ke bidang [m] Jarak
maksimum titik ke titik tersegmentasi [m]
Kelengkungan maksimum yang diizinkan sebagai persentil
[%] Ambang batas pemilihan titik sebagai persentil dari
kekasaran [%]
Ukuran segmen minimum untuk keluaran [no. poin]
Tabel 1. Parameterisasi yang dioptimalkan untuk basis data dari
belajar
Nilai Hasil ini menunjukkan diferensiasi lebih lanjut dari permukaan
20.0 yang masuk akal, misalnya mengenai bidang alas tidur atau
0.3 rekahan. Dengan demikian, penunjukan bidang yang dituju
bergantung pada tujuan studi dan pertanyaan geologi terkait
0.3 penelitian.
75.0
Ketidaksesuaian hasil validasi pada studi yang disajikan sengaja
90.0 tidak diatasi dengan cara menjumlahkan bidang tetangga seperti
2.000 yang akan dilakukan, misalnya untuk pemodelan bangunan
dengan deteksi atap (Dorninger dan Northegger, 2007). Faktanya,
untuk deskripsi geologi dari singkapan, lebih penting untuk
mengklasifikasikan patch bidang individu dalam set
diskontinuitas, yaitu famili patch bidang dengan orientasi serupa
(Garcia-Cortes et al., 2012). Oleh karena itu, persentase
kongruensi yang agak rendah dan jumlah segmen bidang yang
tinggi per bidang referensi diterima untuk diproses lebih lanjut.
Deteksi pesawat belaka, dengan latar belakang ini, dianggap
dilakukan dengan baik. Implementasi set bidang bangunan
diperkenalkan di bagian pasca-pemrosesan data tersegmentasi.

4.3 Resolusi spasial

Penilaian validitas (Tab. 2) menunjukkan bahwa kinerja algoritme

Gambar 6. Hasil segmentasi bidang menurut parameter
yang dioptimalkan untuk basis data studi (Tab. 1) sesuai
tampilan warna yang sebenarnya
tidak secara signifikan dikompromikan oleh pengurangan resolusi
spasial, tetapi berfluktuasi di sekitar nilai yang dicapai dengan
kepadatan titik awan asli. Hasil yang diperoleh dengan
segmentasi point cloud hanya 10% dari data resolusi tinggi yang
divisualisasikan pada Gambar 8.

4.2 Validasi Persentase Bidang referensi

volume data 01 02 03 04 05
Dengan memvalidasi segmen bidang yang dihitung menggunakan algoritma 100% 93.0 30.9 78.3 31.6 33.0
segmentasi bidang terhadap bidang referensi 01 dan 02, diperoleh kongruensi (5) (21) (7) (21) (28)
93,0% dan 30,9% (Gbr. 7). Hasil ini mengungkapkan tantangan yang disebutkan 50% 94.6 34.4 80.3 53.7 34.6
sebelumnya dalam menangani fraktur di bidang referensi yang ditunjuk, dari (5) (16) (5) (10) (28)
mana jumlah segmen yang tinggi pada bidang referensi 02 berasal. Sebagai
20% 92.4 27.9 76.5 56.8 33.6
konsekuensi dari distribusi titik referensi yang agak merata pada banyak segmen,
(7) (18) (5) (21) (23)
segmen bidang dominan tidak mencakup sebagian besar bidang referensi dan,
10% 91.5 30.2 81.4 58.2 40.6
dengan demikian, menghasilkan kongruensi yang rendah.
(5) (16) (6) (17) (25)

Tabel 2. Validitas bidang untuk berbagai resolusi spasial dalam

hal kesesuaian dengan bidang referensi dalam%, jumlah
pesawat tersegmentasi dalam tanda kurung

Gambar 8. Hasil segmentasi bidang awan titik dengan

hanya 10% dari kepadatan asli (a) dibandingkan dengan hasil
berdasarkan point cloud asli (b)

Kerapatan titik yang berkurang hampir tidak mempengaruhi hasil segmentasi,

Gambar 7. Nomor segmen plot batang dan titik nomor per bidang yang memungkinkan kesimpulan bahwa algoritme tersebut kuat terhadap
tersegmentasi. Yang ditampilkan adalah bidang referensi 01 (a) dan 02 perubahan jarak titik dan masih menunjukkan akurasi yang tinggi bahkan ketika
(b) diterapkan pada data yang diperoleh pada resolusi spasial yang jauh lebih rendah.

Kontribusi ini telah ditinjau sejawat. Kajian sejawat double-blind dilakukan atas dasar makalah lengkap.
doi: 10.5194 / isprsannals-III-5-105-2016 109
 Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences ISPRS, Volume III-5, 2016
Kongres ISPRS XXIII, 12–19 Juli 2016, Praha, Republik Ceko

Selain itu, menghadapi waktu pemrosesan yang sangat lama dan

permintaan yang sangat besar pada perangkat keras komputer untuk
pemrosesan awan titik besar, hal ini menempatkan pemrosesan bidang
minat yang agak luas ke dalam perspektif. Dalam hal ini, bahkan untuk
kumpulan data terperinci yang ada, disarankan untuk sangat meningkatkan
jarak titiknya hanya untuk proses pendeteksian bidang. Ini sangat
mendukung saran Buckley et al. (2008) bahwa studi singkapan sebagian
besar tidak memerlukan kepadatan titik yang sangat tinggi. Pengurangan
data input menjadi hanya 20% dari point cloud asli memungkinkan
komputasi yang andal dari seluruh alur kerja untuk total area yang diminati
pada perangkat keras komputer konvensional. Hasil yang diperoleh
ditampilkan pada Gambar. 9a.

Gambar 10. Visualisasi set bidang di area yang diminati

cocok dengan point cloud dari posisi scan 01

4.4 Menghaluskan

Menghaluskan data masukan sebelum segmentasi sebenarnya dengan

menerapkan radius lingkungan yang lebih besar untuk komputasi normal
menghasilkan representasi yang lebih umum dari bidang (utama) di
permukaan batuan. Interpretasi ini dapat diambil dari hasil yang
divisualisasikan pada Gambar 11a. Bidang tersegmentasi secara luas
mengatasi ketidakrataan di permukaan batuan dan membangun segmen
yang jauh lebih besar.

Gambar 9. (a) Visualisasi segmen bidang di area yang diinginkan

sesuai dengan titik cloud dari posisi pemindaian 01 (b) Proyeksi
stereografik area yang sama dari kutub ke bidang (c) Plot mawar
arah serangan

Gambar. 9b mengilustrasikan karakter orientasi singkapan dalam

proyeksi stereografik hasil. Di sini, segmen bidang yang dihasilkan
divisualisasikan menurut kutubnya masing-masing, dibuat dengan
memproyeksikan permukaan normal ke belahan bawah. Hasilnya jelas
menunjukkan pengelompokan kutub ke bidang di bagian atas. Ini
menunjukkan orientasi utama permukaan batuan yang menghadap ke
arah SSW. Kemiringan masing-masing berkisar dari 20 ° hingga 90 °,
yang menunjukkan kemungkinan efek oklusi bidang subhorizontal.
Pesawat selanjutnya, seperti yang diposisikan di bagian bawah
jaringan stereo, diorientasikan ke arah yang berlawanan. Segmen ini
mewakili overhang dan, sebagian, bagian belakang batuan yang
menonjol. Banyaknya kutub yang terletak di bagian luar proyeksi
stereografik mengacu pada rangkaian rekahan vertikal yang menonjol.
Gambar 11. Hasil segmentasi bidang untuk data yang
dihaluskan. Panah hitam menandai transendensi segmen dari
Plot mawar yang sesuai (Gbr. 9c) dihasilkan dari informasi azimuth per bidang referensi 02 hingga 05 (a). Plot batang dengan jumlah
segmen dan menggambarkan karakter pemogokan singkapan. Cluster titik dan distribusi pada bidang tersegmentasi untuk referensi
terbesar dibangun antara 90 ° dan 100 ° dan terdiri dari 196 pesawat. pesawat 02 (b)
Dengan demikian, pemogokan permukaan batuan berlangsung
terutama dalam arah WNW dan ESE. Plot batang menunjukkan validitas sesuai dengan bidang referensi 02 (Gbr.
11b) menunjukkan bahwa jumlah segmen yang lebih kecil dan kesesuaian
Gbr. 10 menunjukkan hasil penugasan bidang tersegmentasi ke set bidang. yang jauh lebih tinggi dihasilkan daripada hasil yang diperoleh berdasarkan
Pengelompokan bidang ini dapat menjadi cara efektif untuk normal yang dihitung di lingkungan yang lebih kecil (lihat juga Gbr. 7b).
memvisualisasikan kumpulan bidang, seperti kelompok diskontinuitas. Namun, perlu dicatat bahwa ini melibatkan segmen yang juga melampaui
Namun, agregasi informasi bidang yang kuat terlibat dalam prosedur yang ambang batas antara yang diarahkan ke bidang. Panah hitam pada Gambar.
diterapkan saat ini. Oleh karena itu, pengembangan lebih lanjut dari proses 11a menandai kasus ini antara bidang referensi 02 dan 05. Oleh karena itu,
pengelompokan bidang menjadi set mungkin mempertimbangkan ekstensi dengan radius pencarian maksimum yang diterapkan 5 m, permukaan
seperti menerapkan pengelompokan segmen yang berorientasi serupa planar seperti yang direferensikan tidak dapat sepenuhnya dicapai,
dengan menggunakan pengelompokan dinamis. meskipun peningkatan yang signifikan dalam pencocokan referensi diamati
untuk kongruensi yang sebelumnya rendah dari bidang referensi tertentu.
Secara keseluruhan, hasil yang diperoleh mendukung

Kontribusi ini telah ditinjau sejawat. Kajian sejawat double-blind dilakukan atas dasar makalah lengkap.
doi: 10.5194 / isprsannals-III-5-105-2016 110
 Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences ISPRS, Volume III-5, 2016
Kongres ISPRS XXIII, 12–19 Juli 2016, Praha, Republik Ceko
asumsi bahwa perataan data harus diterapkan secara
berskala.
Oleh karena itu, derajat kehalusan yang memadai tidak boleh
ditentukan sepenuhnya secara otomatis. Radius pencarian
estimasi normals lokal agak perlu disesuaikan dengan tujuan
analisis individu, pengaturan akuisisi, dan karakteristik singkapan.
Hal ini membutuhkan pertimbangan terampil dari pengguna dan
dapat berdampak signifikan pada nilai informatif yang dicapai
ketika hasil akan digunakan sebagai dasar untuk analisis lebih
lanjut. Untuk pengaturan geologi dan karakter singkapan yang
dipelajari, radius pencarian 0,2 m ditemukan efektif untuk
memastikan pembentukan segmen bidang pada tingkat detail
yang memadai. Lingkungan harus dikurangi atau ditingkatkan
secara substansial untuk berbagai skala analisis singkapan. Ini
sesuai dengan pendekatan smoothing yang diterapkan oleh Lato
dan Vöge (2012),
5. KESIMPULAN
Makalah ini menunjukkan bahwa metodologi terapan karakterisasi
singkapan 3D merupakan pendekatan yang kuat untuk deteksi
otomatis permukaan planar dalam data singkapan 3D. Dalam
pekerjaan di masa depan, validasi melalui pemetaan geologi pesawat
dapat memastikan untuk menentukan manfaat nyata secara lebih
komprehensif. Dengan latar belakang studi yang disajikan, hasil yang
diperoleh dari alur kerja kami dapat dianggap akurat, mengingat
tujuan utama pendeteksian bidang permukaan batuan dan
mendapatkan orientasi masing-masing dari data point cloud 3D yang
tidak terorganisir terpenuhi.
Hasil kami menunjukkan bahwa alur kerja yang dikembangkan kuat
terkait berbagai objek target, skala situs studi yang berbeda, dan
berbagai penyiapan pengambilan data. Seperti yang awalnya
dinyatakan dalam konteks ini, sangat penting bahwa algoritme yang
disajikan mendukung bentuk objek yang tidak beraturan, berbagai
kekasaran permukaan, dan bidang yang berpotensi diorientasikan ke
segala arah dalam data. Untuk penerapan algoritme yang prospektif
dan berguna, pernyataan Buckley et al. (2008) muncul, menekankan
pentingnya pemahaman mendalam tentang geologi untuk solusi
efektif dari pertanyaan penelitian.
Bergantung pada karakteristik wilayah studi, celah data berpotensi
terjadi karena pengukuran LiDAR yang tersumbat. Data yang hilang
dapat diisi, misalnya, dengan menggunakan sistem udara tak berawak
(UAS) untuk akuisisi gambar dan selanjutnya menghasilkan data titik
awan pelengkap melalui pendekatan fotogrametri. Demikian pula,
pemindaian laser yang ditanggung UAS dapat dianggap sebagai
pendekatan pelengkap yang semakin diterapkan dalam penelitian
geosains (Wallace et al., 2016; Lumme et al., 2008), juga menawarkan
peluang baru untuk menangkap situs geologi yang kompleks secara
komprehensif.
Akhirnya, untuk lebih mengembangkan metodologi yang ada, aspek
tambahan seperti perbedaan material batuan pada singkapan dengan
komposisi heterogen dapat dimasukkan. Untuk tujuan ini, harus
diselidiki dengan cara apa, misalnya, karakteristik hamburan balik
LiDAR atau rekaman bentuk gelombang dapat diimplementasikan
dalam algoritme segmentasi bidang untuk membedakan bidang
menjadi segmen bidang tertentu batuan tertentu. Keterpisahan
batuan dan kombinasi nilai intensitas dengan informasi geometris
baru-baru ini telah dikemukakan oleh Penasa et al. (2014) dan
menunjukkan potensi untuk penelitian lebih lanjut dan implementasi
dalam alat karakterisasi singkapan 3D yang disajikan.
Kontribusi ini telah ditinjau sejawat. Kajian sejawat double-blind dilakukan atas dasar makalah lengkap.
doi: 10.5194 / isprsannals-III-5-105-2016
UCAPAN TERIMA KASIH
Kami ingin berterima kasih kepada Departemen Teknik Perminyakan
Geosains dari University of Stavanger atas masukan yang berharga tentang
geologi di lokasi dan, bersama dengan Total E&P Norge AS, atas dukungan
mereka dalam mewujudkan kerja lapangan di Yunani. Kami berterima kasih
kepada senseFly atas penyediaan eBee untuk akuisisi citra udara di tempat
dan Michael Ebner untuk survei dan pembuatan ortofoto. Banyak terima
kasih juga kepada Luisa Griesbaum dan Michael Ebner yang telah
membantu dalam kampanye lapangan serta pemrosesan data. Selain itu,
kami berterima kasih kepada Jörn Profe dan Sebastian Bechtold atas
kontribusinya dalam mengimplementasikan algoritme.
REFERENSI
Abellán, A., Oppikofer, T., Jaboyedoff, M., Rosser, NJ, Lim,
M., Lato, MJ, 2014. Pemindaian laser terestrial untuk ketidakstabilan lereng
batuan. Proses Permukaan Bumi dan Bentuk Tanah, 39, hlm. 80-
97.
Abellán, A., Vilaplana, JM, Martínez, J., 2006. Penerapan
Terrestrial Laser Scanner jarak jauh untuk studi rockfall rinci
di Vall de Núria (Pyrenees Timur, Spanyol). Teknik Geologi,
88, hlm. 136-148.
Ayachit, U., 2015. Panduan ParaView. Kitware Inc.
Barnea, S., Filin, S., 2013. Segmentasi data pemindaian laser
terestrial menggunakan informasi geometri dan gambar. Jurnal
Fotogrametri dan Penginderaan Jauh ISPRS, 76, hlm. 33-48.
Beraldin, J.-A., Blais, F., Lohr, U., 2010. Teknologi Pemindaian
Laser. Dalam: Vosselmann, G., Maas, H.-G. (Eds.), Pemindaian Laser
Udara dan Terestrial. Whittless Publishing, Dunbeath, hal. 1-42.
Buckley, SJ, Enge, HD, Carlsson, C., Howell, JA, 2010. Pemindaian
laser terestrial untuk digunakan dalam geologi singkapan virtual.
Rekaman Fotogrametri, 25, hlm.225-239.
Buckley, SJ, Howell, JA, Enge, HD, Kurz, TH, 2008. Pemindaian
laser terestrial dalam geologi: pertimbangan akuisisi,
pemrosesan dan akurasi data. Jurnal Masyarakat Geologi,
165, hlm. 625-638.
Dorninger, P., Northegger, C., 2007. Segmentasi 3D Titik Awan
Tidak Terstruktur untuk Pemodelan Bangunan. Arsip
Internasional Fotogrametri, Penginderaan Jauh dan Ilmu
Informasi Spasial, 36, hlm. 191-196.
Fekete, S., Diederichs, M., 2013. Integrasi pemindaian laser
tiga dimensi dengan pemodelan diskontinum untuk analisis
stabilitas terowongan di batuan blok. Jurnal Internasional
Mekanika Batuan dan Ilmu Pertambangan, 57, hlm. 11-23.
Fernández, O., 2005. Memperoleh bidang yang paling pas melalui
data georeferensi 3D. Jurnal Geologi Struktural, 27, hlm. 855-
858.
Fisher, JE, Shakoor, A., Watts, CF, 2014. Membandingkan data
orientasi diskontinuitas yang dikumpulkan dengan metode LiDAR
terestrial dan kompas transit. Teknik Geologi, 181, hlm 78-92.
Fonstad, MA, Dietrich, JT, Courville, BC, Jensen, JL,
Carbonneau, PE, 2013. Struktur topografi dari gerak:
perkembangan baru dalam pengukuran fotogrametri. Proses
Permukaan Bumi dan Bentuk Tanah, 38, hlm. 421-430.
111
 Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences ISPRS, Volume III-5, 2016
Kongres ISPRS XXIII, 12–19 Juli 2016, Praha, Republik Ceko

Garcia-Cortes, S., Galan, CO, Arguelles-Fraga, R., Diaz, AM,
2012. Deteksi otomatis diskontinuitas dari titik cloud 3D untuk
analisis stabilitas massa batuan bersendi. Konferensi
Internasional ke-18 tentang Sistem Virtual dan Multimedia.
IEEE, Milan, hlm.595-598.
Weinmann, M., Jutzi, B., Mallet, C., 2014. Interpretasi adegan 3D
semantik: Kerangka kerja yang menggabungkan pemilihan
ukuran lingkungan yang optimal dengan fitur yang relevan. Annals
ISPRS dari Fotogrametri, Penginderaan Jauh dan Ilmu Informasi
Spasial, Zurich, Swiss, Vol. II-3, hlm.181-188.

Höfle, B., Rutzinger, M., 2011. LiDAR udara topografi dalam

geomorfologi: Perspektif teknologi. Zeitschrift für
Geomorphologie, 55, hlm. 1-29.

Jochem, A., Höfle, B., Wichmann, V., Rutzinger, M., Zipf, A.,
2012. Segmentasi bidang atap seluas area di awan titik LiDAR di
udara. Lingkungan Komputer dan Sistem Perkotaan, 36, hlm.
54-64.

Lato, MJ, Vöge, M., 2012. Pemetaan otomatis diskontinuitas

batuan dalam model lidar dan fotogrametri 3D.
Jurnal Internasional Mekanika Batuan dan Ilmu Pertambangan,
54, hlm. 150-158.

Lumme, J., Karjalainen, M., Kaartinen, H., Kukko, A., Hyyppä,

J., Hyyppä, H., Jaakola, A., Kleemola, J., 2008. Pemindaian laser
terestrial tanaman pertanian. Di: Arsip Internasional
Fotogrametri, Penginderaan Jauh dan Ilmu Informasi Spasial, Beijing,
Cina, Vol. XXXVII. Bagian B5, hlm.563-566.

Mah, J., Samson, C., McKinnon, SD, 2011. Pencitraan laser 3D

untuk analisis orientasi sendi. Jurnal Internasional Mekanika
Batuan dan Ilmu Pertambangan, 48, hlm.932-941.

Miernik, G., Profe, J., Höfle, B., Kissner, T., Emmerich, A.,
Bechstädt, T., Zühlke, R., 2013. Pemodelan reservoir retak
dari LiDAR diturunkan model singkapan digital (DOM).
Prosiding Pertemuan Sedimentologi IAS ke-30, hal.2.

Penasa, L., Franceschi, M., Preto, N., Teza, G., Polito, V., 2014. Integrasi tekstur
intensitas dan deskriptor geometri lokal dari Pemindaian Laser Terestrial untuk
memetakan rijang di singkapan. Jurnal Fotogrametri dan Penginderaan Jauh
ISPRS, 93, hlm. 88-97.

Pfeifer, N., Mandlburger, G., Otepka, J., Karel, W., 2014. OPALS
- Kerangka kerja untuk analisis data Airborne Laser Scanning. Komputer,
Lingkungan dan Sistem Perkotaan, 45, hlm. 125-136.

RIEGL, 2015. Perangkat Lunak Pengoperasian & Pemrosesan: RiSCAN PRO

untuk Pemindai Laser 3D RIEGL, hlm. 3.

Riquelme, AJ, Abellán, A., Tomás, R., Jaboyedoff, M., 2014. Pendekatan baru
untuk pengenalan sendi massa batuan semi-otomatis dari titik cloud 3D. Komputer
& Geosains, 68, hlm. 38-52.

Sturzenegger, M., Stead, D., 2009. Mengukur orientasi diskontinuitas dan

persistensi pada lereng batu pegunungan tinggi dan tanah longsor besar dengan
menggunakan teknik penginderaan jauh terestrial.
Bahaya Alam dan Ilmu Sistem Bumi, 9, hlm. 267–287.

Vosselman, G., Klein, R., 2010. Visualisasi dan Penataan Awan Titik.
Dalam: Vosselmann, G., Maas, H.-G. (Eds.), Pemindaian Laser
Udara dan Terestrial. Whittless Publishing, Dunbeath, hlm.45-81.

Wallace, L., Lucieer, A., Malenovský, Z., Turner, D., Vopenka,

P., 2016. Penilaian Struktur Hutan Menggunakan Dua Teknik
UAV: Perbandingan Pemindaian Laser di Udara dan Struktur
dari Awan Titik Gerakan (SfM). Hutan, 7 (3), 62.

Kontribusi ini telah ditinjau sejawat. Kajian sejawat double-blind dilakukan atas dasar makalah lengkap.
doi: 10.5194 / isprsannals-III-5-105-2016 112