@Article{RuizAlScReMiLi:2021:AvDeMé,
               author = "Ruiz, Paulo Roberto da Silva and Almeida, Cl{\'a}udia Maria de 
                         and Schimalski, Marcos Benedito and Renno, Camilo Daleles and 
                         Mitishita, Edson Aparecido and Liesenberg, Veraldo",
          affiliation = "{Centro Paula Souza} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)} and {Universidade Estadual de Santa Catarina 
                         (UDESC)} and {Instituto Nacional de Pesquisas Espaciais (INPE)} 
                         and {Universidade Federal do Paran{\'a} (UFPR)} and {Universidade 
                         Estadual de Santa Catarina (UDESC)}",
                title = "Avalia{\c{c}}{\~a}o do Desempenho dos M{\'e}todos ICP, CPD e 
                         SVR para Registro Autom{\'a}tico de Nuvens de Pontos Relativas a 
                         Telhados Extra{\'{\i}}das de Dados LiDAR Aerotransportados",
              journal = "Revista Brasileira de Cartografia",
                 year = "2021",
               volume = "73",
               number = "3",
                pages = "885--910",
                month = "Set.",
             keywords = "Displacements, Laser Scanning, Non-Parametric Validation Methods, 
                         Random Noise, Varredura a Laser. M{\'e}todos N{\~a}o 
                         Param{\'e}tricos de Valida{\c{c}}{\~a}o. Deslocamentos. 
                         Ru{\'{\i}}dos Aleat{\'o}rios.",
             abstract = "A partir dos anos 2000, houve um aumento na aquisi{\c{c}}{\~a}o 
                         de dados LiDAR (Light Detection and Ranging) em {\'a}reas 
                         urbanas, o que possibilitou diversos estudos e 
                         aplica{\c{c}}{\~o}es nas mais variadas {\'a}reas, 
                         verificando-se um crescimento dos acervos hist{\'o}ricos. Com 
                         isso, s{\~a}o necess{\'a}rios m{\'e}todos de processamento 
                         robustos para manipula{\c{c}}{\~a}o desses dados. Os 
                         m{\'e}todos de registro de dados laser inserem-se nesse contexto, 
                         essenciais para promover a utiliza{\c{c}}{\~a}o de dados 
                         oriundos de distintos equipamentos e datas. Este estudo consiste 
                         em avaliar o desempenho de tr{\^e}s m{\'e}todos de registro: 
                         Iterative Closest Point (ICP), Coherent Point Drift (CPD) e 
                         Support Vector Registration (SVR). A metodologia contempla o 
                         pr{\'e}-processamento dos dados LiDAR para a extra{\c{c}}{\~a}o 
                         de tr{\^e}s telhados de edif{\'{\i}}cios com 
                         caracter{\'{\i}}sticas distintas, localizados no campus da UFPR, 
                         em Curitiba PR. Foram utilizados dados do sensor Optech ALTM 
                         Pegasus HD 500, com frequ{\^e}ncia de 300 kHz e altura de voo de 
                         1.600 m, densidade m{\'e}dia de 1,71 pontos por m˛ e IFOV de 25°. 
                         Os m{\'e}todos foram implementados na linguagem Python. Como 
                         resultados, foram obtidos os registros, dos quais foram 
                         extra{\'{\i}}das suas acur{\'a}cias e tempos de processamento. 
                         Os resultados evidenciaram que os m{\'e}todos CPD e SVR s{\~a}o 
                         {\'o}timas alternativas para superar as limita{\c{c}}{\~o}es do 
                         ICP, ressaltando-se o desempenho do CPD e a efici{\^e}ncia 
                         computacional do SVR, sendo que este {\'u}ltimo {\'e} 
                         particularmente adequado para lidar com dados ruidosos. ABSTRACT: 
                         From the 2000s onwards, there has been a massive acquisition of 
                         LiDAR (Light Detection and Ranging) data in urban areas, what 
                         enabled several studies and applications in the most diverse 
                         fields, with increasingly available historical databases. As a 
                         consequence, a search for robust methods to manipulate these data 
                         emerges. The data registration methods are crucial for using 
                         multisource laser data both in terms of acquisition date and 
                         sensor. This article evaluates the performance of three 
                         registration methods: Iterative Closest Point (ICP), Coherent 
                         Point Drift (CPD) and Support Vector Registration (SVR). The 
                         methodology copes with the pre-processing of the LiDAR data to 
                         extract roofs of three different buildings, located on the Federal 
                         University of Paran{\'a} (UFPR) campus, in Curitiba city. The 
                         data were collected by the Optech ALTM Pegasus HD 500 sensor, with 
                         a frequency of 300 kHz, flight height of 1,600 m, average density 
                         of 1.71 points per m˛ and an IFOV of 25°. Finally, the 
                         registrations based on the three employed methods were obtained, 
                         of which their accuracies and processing times were assessed. The 
                         results showed that the CPD and SVR methods are great alternatives 
                         to overcome the limitations of the ICP, but particular emphasis 
                         should be laid on the performance of CPD and on the computational 
                         efficiency of SVR, which is suitable for handling noisy data.",
                  doi = "10.14393/rbcv73n3-57838",
                  url = "http://dx.doi.org/10.14393/rbcv73n3-57838",
                 issn = "0560-4613 and 1808-0936",
                label = "self-archiving-INPE-MCTIC-GOV-BR",
             language = "pt",
           targetfile = "ruiz_avaliacao.pdf",
        urlaccessdate = "12 maio 2024"
}