Akademik Veri Yönetim Sistemi
Avrupa Bilim ve Teknoloji Dergisi, cilt.29, ss.99-104, 2021 (Hakemli Dergi)
Endüstri 4.0 ve nesnelerin interneti yaklaşımı ile birçok sektörde geleneksel otomasyon yaklaşımı yerini görüntü işleme temelli yapay zekâ tekniklerine bırakmıştır. Teknolojik gelişmeler beraberinde yeni ihtiyaçları da getirmiştir. Bundan dolayı 2 boyutlu (2B) görüntü bölütleme problemlerinin yerini artık 3 boyutlu (3B) nokta bulutu bölütleme problemleri almıştır. 3B nokta bulutları görüntü işleme teknikleri olmaksızın makineler için bir anlam ifade etmez. Verilerin amaca uygun olarak işlenmesi ve sonrasında yorumlanması gerekir. Bu çalışması amacı, açık kaynak kodlu nokta bulutu kütüphanesi (PCL)'nin içerdiği 3B nokta bulutu bölütleme yöntemlerinin tanıtılması ve birbirleri ile farklı kriterlere göre kıyaslanmasıdır. Buna ek olarak, bu yöntemlerin varsayılan parametre değerlerinde değişiklikler yapılarak daha iyi sonuçların elde edilmesi amaçlanmıştır. Tüm yöntemler, varsayılan parametre değerleri ve belirlenen yeni parametre değerleri ile test edilerek farklı kriterlere göre kendi içinde ve diğerleri ile kıyaslanmıştır. Gerçekleştirilen deneylerde, bölge büyütmeli bölütleme yöntemlerinin bölütleme başarısının yüksek olduğu görülmüştür. Ayrıca küme tabanlı bölütleme yöntemi olan öklid küme çıkarımı yönteminin ise diğer yöntemlere göre daha hızlı sonuç ürettiği görülmüştür
By using Industry 4.0 and the Internet of Things approaches, the traditional automation systems in many sectors have left its place to artificial intelligence techniques based on image processing. Technological developments have brought with new requirements and needs. Therefore, 2-dimensional (2D) image segmentation problems have now been replaced by 3-dimensional (3D) point cloud segmentation problems. 3D point clouds are meaningless to machines without image processing techniques. The visual data must be processed and then analysed. The aim of this study is to introduce the 3D point cloud segmentation methods included in the opensource point cloud library (PCL) and compare them with each other according to different criteria. In addition, it is aimed to obtain better results by making changes in the default parameter values of these methods. All methods are tested with the default parameter values and the optimized parameter values and compared within themselves and with others according to different criteria. In the experiments, it was observed that the segmentation success of the region augmentation segmentation methods is higher than others. In addition, it is seen that the Euclidean cluster extraction method, which is a cluster-based segmentation method, produces faster results than other methods