Segmentasi Data LiDAR untuk Deteksi Bangunan

Segmentasi point cloud LiDAR digunakan untuk membedakan sekumpulan point cloud berdasarkan kesamaan fitur. Misalnya, segmentasi dapat digunakan untuk membedakan dan memisahkan antar bangunan agar setiap bangunan dapat dibedakan untuk tujuan berikutnya (misalnya untuk deteksi atau ekstraksi bangunan secara otomatis).

Klasifikasi Bangunan pada Data LiDAR Menggunakan Cloud Compare (Tutorial)

Cloud Compare

Pada artikel sebelumnya, dijelaskan mengenai konsep klasifikasi bangunan menggunakan Cloud Compare merujuk pada paper Brodu & Lague (2012). Kali ini, artikel ini akan lebih fokus pada step by step melakukan klasifikasi pada software tersebut. Artikel ini tidak menjelaskan setiap parameter yang digunakan karena lebih fokus pada aspek teknis pemrosesannya. Jika pembaca ingin penjelasan yang lebih detail tentang setiap parameter dalam software Cloud Compare, pembaca bisa me-refer ke paper Brodu & Lague (2012) atau Susetyo et al. (2020).

Klasifikasi Bangunan pada Data LiDAR Menggunakan Cloud Compare (Konsep)

Cloud Compare

Pada artikel sebelumnya, kita belajar mengenai pembuatan model bangunan 3D dari data LiDAR menggunakan software Terrasolid, dimana salah satu tahapannya adalah klasifikasi point cloud sebagai bangunan. Selain Terrasolid, beberapa software juga dapat melakukan proses klasifikasi bangunan, dan salah satu perangkat open source yang bisa melakukannya dengan sangat baik adalah Cloud Compare.

Konsep Pembentukan DEM Nasional (DEMNAS)

Sumber: http://tides.big.go.id/DEMNAS/

Ketersediaan dan aksesibilitas data DEM (Digital Elevation Model) sangat dibutuhkan karena DEM merupakan data masukan yang sangat penting dalam berbagai analisis spasial. Oleh karena itu, DEM yang bersifat global dan open access layaknya SRTM dan ASTER GDEM akan memberikan manfaat yang sangat besar serta mendukung berbagai kebijakan yang bersifat spasial. Meski demikian, ketersediaan DEM global dengan kualitas tinggi masih sangat terbatas. Oleh karena itu, pada tahun 2018, Indonesia melalui Badan Informasi Geospasial (BIG) meluncurkan DEM seamless yang mencakup seluruh wilayah di Indonesia, yang disebut dengan DEMNAS (DEM Nasional). DEMNAS berawal dari tantangan untuk menghasilkan DEM seamless nasional dari multi-sumber data karena ketersediaan DEM yang bervariasi dengan spesifikasi yang berbeda-beda, seperti TerraSAR-X, IFSAR, dan Radarsat. DEMNAS kini tersedia secara online dan dapat diakses dengan gratis di http://tides.big.go.id/DEMNAS/.

Pembentukan Model Bangunan 3D Menggunakan Data LiDAR

Jika pada artikel sebelumnya kita membahas klasifikasi ground dan non-ground, artikel ini akan membahas tahap selanjutnya, yaitu pemodelan bangunan 3D. Ini adalah proses lanjutan dari hasil klasifikasi non-ground LiDAR yang meliputi klasifikasi bangunan dan vegetasi serta vektorisasi model 3D. Semua proses menggunakan software Terrasolid.

Klasifikasi Ground dan Non-ground pada Data LiDAR

Selain foto udara dan citra satelit, LiDAR merupakan salah satu alternatif data dasar yang dapat digunakan dalam proses pemetaan. Teknologi LiDAR merepresentasikan permukaan bumi secara tiga dimensi dengan merekam posisi dan elevasi dari titik target dalam bentuk koordinat x, y, z. Oleh karena itu, berbeda dengan data foto udara atau citra satelit yang berformat raster, LiDAR adalah sekumpulan data point cloud dengan kerapatan tertentu sehingga membentuk representasi permukaan 3D yang dapat diproses untuk keperluan pemetaan atau hal lainnya.