Nowadays, airborne LiDAR data is used frequently in various applications such as object extraction, 3D modelling, change detection and revision of maps with increasing point density and accuracy. In this application, LiDAR point cloud should be classified as a first processing step. To achieve high accuracy, accurate classification of LiDAR point cloud is needed. In this study, possibilities of raw LiDAR point classification with automatic point based classification are investigated. The available methods for classifying LiDAR point cloud are examined and researches are summarized in national and international arena for this purpose. The problems in the accurate automatic classification of LiDAR data with intensity and multiple returns are analysed. Furthermore, the problems encountered in the classification of LiDAR data, which was converted from point cloud to the regular grid, were investigated. In this study, the point based classification of LiDAR point cloud is proposed to eliminate problems in classification of regular grid. The automatic point based classification approach composed of hierarchical rules has been established to solve problems (class mix, etc.) may arise depending on the characteristics of LiDAR data. The analyses of the parameter in the hierarchical rules have been performed and two point based classification approach were proposed which have different hierarchy. The hierarchical classification rules have been established for Standart Approach, which was used frequently in point based classification, in order to test the performance of the proposed approach. The point clouds for three different sites in Zekeriyaköy, Istanbul have been classified with proposed approach and three main classes (ground, buildings and vegetation) were acquired. The accuracy assessments for point based classification have been performed for Test Site 1 (light urban area) and Test Site 2 (urban area). The overall classification accuracy was computed as %54 for Standard Approach and %80 for Approach 1 and Approach 2 in Test Site 1. For Test Side 2, the computed overall classification accuracy was %59 for Standard Approach and %83 for Approach 1 and Approach 2.In Standard Approach, ground points were mostly classified as vegetation with in light urban area, urban area and forested area. The obtained classification results were quite close to each other in light urban area, urban area and forested area with Approach 1 and Approach 2. The improvements have been obtained substantially for the problems encountered with Standard Approach such as ground points classified as vegetation, points in roofs classified as vegetation and some points in building corners classified as vegetation.The 3D building models were generated for buildings in Test Site 2 to test usage of the classified point clouds for 3D building model generation with Approach 1 and Approach 2. The obtained results showed that the 3D building models were generated successfully. The results of the accuracy assessment of the point based classification and generated 3D building models proves that the research aims are successfully achieved.

Hava LiDAR verileri nokta yoğunluğu ve doğruluğunun artması ile birlikte, günümüzde obje çıkarımı, 3 boyutlu modelleme, değişim belirleme, haritaların revize edilmesi gibi birçok uygulamada sıklıkla kullanılmaktadır. Bu uygulamalarda ilk işlem adımı olarak LiDAR nokta bulutu sınıflandırılmalıdır. Yüksek doğruluklu sonuçlar elde edebilmek için LiDAR nokta bulutunun doğru bir şekilde sınıflandırılmasına ihtiyaç vardır. Bu çalışmada, ham LiDAR nokta bulutu verisinin otomatik nokta tabanlı sınıflandırma yaklaşımı ile sınıflandırılması olanakları araştırılmıştır. Bu amaçla, LiDAR nokta bulutunun sınıflandırılması için mevcut olan yöntemler incelenmiş ve ulusal ve uluslararası alanda yapılan ilgili araştırmalar özetlenmiştir. Yoğunluk, çoklu yansıma gibi farklı özelliklere sahip LiDAR verisinin doğru bir şekilde otomatik olarak sınıflandırılması uygulamalarında ortaya çıkan sorunlar analiz edilmiştir. Bununla birlikte, LiDAR nokta bulutunun düzenli gride dönüştürülüp sınıflandırılmasına dayanan sınıflandırma yaklaşımında karşılaşılan sorunlar incelenmiştir. Bu çalışmada, düzenli grid yapıdaki verilerle sınıflandırmada yaşanan problemlerin elimine edilmesi için LiDAR nokta bulutunun nokta tabanlı sınıflandırma yöntemi ile sınıflandırılması önerilmiştir. LiDAR verisinin özelliklerine bağlı olarak yaşanabilecek sorunlara (sınıf karışımı vb.) çözüm üretilmesi amacıyla, hiyerarşik kurallar bütününden oluşan otomatik nokta tabanlı sınıflandırma yaklaşımı oluşturulmuştur. Kurallara ilişkin parametre analizleri gerçekleştirilmiş ve farklı hiyerarşiye sahip iki nokta tabanlı sınıflandırma yaklaşımı önerilmiştir. Önerilen yaklaşımların performanslarının test edilmesi amacıyla nokta tabanlı sınıflandırma uygulamalarında kullanılan Standart Yaklaşım için de hiyerarşik kurallar bütünü oluşturulmuştur. Önerilen sınıflandırma yaklaşımları kullanılarak İstanbul, Zekeriyaköy' de farklı üç test alanına ait nokta bulutu sınıflandırılmış ve üç temel sınıf (zemin, bina, bitki örtüsü) elde edilmiştir. Test Alanı 1 (seyrek yerleşim alanı) ve Test Alanı 2 (kentsel alan)' de önerilen yaklaşımlarla gerçekleştirilen nokta tabanlı sınıflandırma için doğruluk analizleri yapılmıştır. Test Alanı 1' de Standart Yaklaşım' ın genel sınıflandırma doğruluğu %54 iken, Yaklaşım 1 ve Yaklaşım 2' nin genel sınıflandırma doğruluğu % 80 olarak hesaplanmıştır. Test Alanı 2' de ise Standart Yaklaşım' ın genel doğruluğu %59 iken önerilen her iki yaklaşım için de genel doğruluk %83 olarak hesaplanmıştır. Standart Yaklaşım ile seyrek yerleşim alanı, kentsel alan ve ormanlık alanda zemin noktaları büyük oranda bitki örtüsü olarak sınıflandırılmıştır. Yaklaşım 1 ve Yaklaşım 2 kullanılarak seyrek yerleşim alanı, kentsel alan ve ormanlık alanda elde edilen sınıflandırma sonuçları birbirine oldukça yakındır. Yaklaşım 1 ve Yaklaşım 2 ile sınıflandırılmış nokta bulutunda, Standart Yaklaşım' da karşılaşılan zemin sınıfına ait noktaların bitki örtüsü sınıfına atanması, bina çatılarındaki bitki örtüsü sınıfına atanmış noktalar ve bina köşelerinde bazı noktaların bitki örtüsü sınıfına atanması gibi sorunlarda büyük oranda iyileştirmeler elde edilmiştir.Yaklaşım 1 ve Yaklaşım 2 ile sınıflandırılan nokta bulutunun 3 boyutlu bina modelleme uygulamalarında kullanılabilirliğinin test edilmesi amacıyla Test Alanı 2' de bulunan binaların 3 boyutlu modelleri üretilmiştir. Elde edilen sonuçlar, 3B bina modellerinin başarılı bir şekilde üretildiğini göstermiştir. Test alanlarında gerçekleştirilen nokta tabanlı sınıflandırmanın doğruluk analizi sonuçları ve üretilen 3 boyutlu bina modelleri, bu tez çalışması kapsamındaki araştırma hedeflerinin başarıyla gerçekleştirildiğini ortaya koymaktadır.