Research Information System
TUFUAB 2025, Zonguldak, Turkey, 18 - 20 June 2025, pp.410-415, (Summary Text)
This study addresses key challenges in creating digital twin models of indoor spaces and presents a systematic approach to overcome these obstacles. In indoor mapping processes, point cloud data containing higher noise levels compared to outdoor environments poses significant barriers to accurate area calculations and object identification. In this research, a multi-phase methodology was developed for processing point cloud data collected with a handheld GeoSLAM ZEB LiDAR device. A hybrid filtering approach was implemented by combining z-score analysis and density-based HDBSCAN (Hierarchical Density-Based Spatial Clustering of Applications with Noise) algorithms for noise reduction, resulting in a 42.96% improvement in data quality. For area calculations, Delaunay triangulation and the Shapely library were comparatively evaluated; the Delaunay triangulation method achieved 96.31% accuracy, while Shapely remained at 62.05%. The study also incorporates spatial clustering methods for detecting indoor surfaces and automatically determining room boundaries. The proposed DBSCAN-based object identification approach yielded successful results in detecting distinct objects like tables but proved insufficient in identifying complex geometric structures such as windows. This research makes a significant contribution to creating reliable digital twin models particularly for building management, indoor navigation, and energy efficiency applications. The algorithms and workflow developed during the research process provide faster and more scalable solutions by reducing the need for manual intervention in indoor digital twin production.
Bu çalışma, iç mekânların dijital ikiz modellerinin oluşturulmasında karşılaşılan temel zorlukları ele almakta ve bu zorluklara yönelik sistematik bir çözüm yaklaşımı sunmaktadır. İç mekân haritalama süreçlerinde, dış ortamlara kıyasla daha yoğun gürültü barındıran nokta bulutu verileri, doğru alan hesaplamaları ve nesne tanımlama için önemli engeller oluşturmaktadır. Bu araştırmada, el tipi GeoSLAM ZEB LiDAR cihazı ile toplanan nokta bulutu verilerinin işlenmesi için çok aşamalı bir yöntem geliştirilmiştir. Gürültü azaltımı için z-score analizi ve yoğunluk tabanlı HDBSCAN (Hierarchical Density-Based Spatial Clustering of Applications with Noise) algoritmaları birlikte kullanılarak hibrit bir filtreleme yaklaşımı uygulanmış ve veri kalitesinde %42,96 oranında iyileşme sağlanmıştır. Alan hesaplamalarında, Delaunay üçgenleme ve Shapely kütüphanesi karşılaştırmalı olarak değerlendirilmiş; Delaunay üçgenleme yöntemiyle %96,31 doğruluk oranına ulaşılırken, Shapely ile bu oran %62,05'te kalmıştır. Çalışma ayrıca iç mekân yüzeylerinin tespiti ve oda sınırlarının otomatik belirlenmesi için konumsal kümeleme yöntemlerini de içermektedir. Önerilen DBSCAN tabanlı nesne tanımlama yaklaşımı, masa gibi belirgin nesnelerin tespitinde başarılı sonuçlar verirken, pencere gibi karmaşık geometrik yapıların tanımlanmasında yetersiz kalmıştır. Bu çalışma, özellikle bina yönetimi, iç mekân navigasyonu ve enerji verimliliği uygulamaları için güvenilir dijital ikiz modellerinin oluşturulmasında önemli bir katkı sunmaktadır. Araştırma sürecinde geliştirilen algoritmalar ve iş akışı, iç mekân dijital ikiz üretiminde manuel müdahale gereksinimini azaltarak, daha hızlı ve ölçeklenebilir çözümler sunmaktadır.