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.

Visualisasi data LiDAR (Susetyo et al, 2018)

Dalam pemetaan, tahap awal dari pemrosesan data LiDAR pada umumnya adalah memisahkan antara titik tanah (ground) dengan non-tanah (non-ground), atau secara teknis disebut filtering. Salah satu algoritma yang populer dalam klasifikasi ground dan non-ground adalah Axelsson (2000) yang menggunakan algoritma Adaptive-TIN Sufraces. Secara singkat, proses algoritma tersebut dapat dideskripsikan dalam empat tahapan: menghitung parameter awal, menentukan seed point, densifikasi TIN secara iterasi (menghitung parameter untuk masing-masing iterasi dari titik yang masuk dalam TIN untuk kemudian menambahkan titik pada TIN tersebut jika nilainya berada di bawah threshold), dan melanjutkan sampai semua titik terklasifikasi menjadi ground atau objek (Axelsson, 2000).

Parameter algoritma Adaptive-TIN Surfaces (Axelsson,2000)

Algoritma tersebut diimplementasikan pada software pengolah data LiDAR komersial, yaitu Terrasolid. Pada implementasinya di software Terrasolid, nilai-nilai parameter harus dimasukkan, seperti ukuran bangunan maksimal, sudut terrain, sudut iterasi, dan jarak iterasi. Ukuran bangunan maksimal mengasumsikan pada area tersebut minimal terdapat satu titik sebagai titik ground awal, sudut terrain merepresentasikan sudut tercuram yang mampu dibentuk oleh TIN, sudut iterasi tergantung pada kondisi terrain (sudut iterasi yang kecil lebih baik untuk terrain yang datar sedangkan sudut iterasi yang besar lebih cocok untuk area bergunung), dan jarak iterasi adalah jarak maksimum dari titik ke segitiga TIN (Rizaldy & Mayasari,2016).

Parameter dalam software Terrasolid (Susetyo et al, 2018)

Hasil dari pemrosesan tersebut adalah dari keseluruhan point cloud dapat dipisahkan antara titik ground dan non-ground seperti pada gambar di bawah. Hasil tersebut dapat digunakan untuk proses berikutnya, seperti pembentukan Digital Terrain Model (DTM) atau klasifikasi vegetasi dan bangunan. Proses-proses berikutnya akan dibahas di artikel selanjutnya.

Titik ground (kiri) dan non-ground (kanan) (Susetyo et al, 2020)