Integration oberflächenbestimmender Objekte ins DGM Seminar GIS IV SS04 24.06.04 Eva Langendonk

Inhalt Ziele Motivation DGM-Rasterdaten DGM-TIN Vektordaten Probleme Beispiel Algorithmus Beispiel 1 Zusammenfassung Fazit

Ziele 3D-Visualisierung von Landschaften, Stadtmodellen Integration Vektordaten in Rasterdaten Vektordaten in TIN  Erhöhung der Dimension der topographischen Objekte Höheninformationen der Daten sollen verbessert werden z.B. für Stadtmodelle notwendig Erstellung detailgetreuer Modelle

Motivation Laserscan Punktwolke

DGM-Rasterdaten  Jeder Zelle wird ein Höhenwert zugewiesen

DGM-TIN Triangulated irregular network Modelliert Geländerelief durch TINs 2,5-dimensional Unregelmäßig verteilte Punkte enthalten x,y,z-Koordinaten

Vektordaten Vektordaten meist 2-dimensional Topographische Objekte modelliert als Punkte, Linien oder Flächen Vektoren können Semantik haben z.B. topographische Karte, Katasterdaten z.B. Straße z.B. See

Problem 1 Ergebnis einer Triangulation Vektordaten mit DGM verschnitten x, y- Wert aus Vektordaten z-Komponente aus DGM Quelle: Koch, A. Quelle: Koch, A.

Problem 1 falsche Geländemorphologie See hat kein konstantes Höhenlevel Wasser steigt zum Ufer hin scheinbar an Semantik des Sees wird nicht berücksichtigt

Problem 2 Vektordatensatz Straße als Linie oder Polylinie modelliert  unterschiedliche Objektmodellierung Vektordatensatz Straße als Linie oder Polylinie modelliert Rasterdaten Straße als verlängerte horizontale Ebene modelliert  Straße in Datensätzen ist unterschiedlich breit  Unterschiede führen zu Komplikationen bei Integration Puffer

Beispiel  See in Grid Problem entsteht am Rand des Sees Zelle hat nur einen Höhenwert Ufer muss höher als Wasseroberfläche sein Zelle lässt sich nicht teilen Semantik des Sees wird nicht betrachtet

Algorithmus (Koch, A.) Ziel semantisch korrekte Integration von Vektordaten in Rasterdaten oder in TINs Datensatz muss so integriert werden, dass die topographischen Objekte bestimmte Bedingungen erfüllen, die aus der Semantik hervorgehen Nachbargebiet muss betrachtet werden Kleinste-Quadrate-Methode  beste geschätzten Höhenwerte

Beispiel 1 Integration von Vektordaten in DGM-Grid Algorithmus berücksichtigt Semantik der Vektordaten und liefert einen 2,5-dimensionalen Datensatz.  Erhöhung der Dimension der topographischen Objekte

1. Schritt See auf GRID

2. Schritt GRID TIN

3.Schritt Vektordaten werden in TIN interpoliert

4.Schritt Constrained Delaunay Triangulation Feinere Dreiecks- vermaschung

5. Schritt Bedingungsgleichungen und Bedingungsungleichungen werden aufgestellt Enthalten semantische Eigenschaften des Sees Bei unserem Beispiel See 2 Bedingungsgleichungen 1 Bedingungsungleichung

1. Bedingungsgleichung Punkte in einer horizontalen Ebene müssen alle den selben Höhenwert haben Zi = ZHE , i=1, 2 Z1 Z2

2. Bedingungsgleichung Punkte auf Begrenzungspolygon einer horizontalen Ebene müssen gleichen Höhenwert haben wie alle Punkte, die innerhalb der Ebene liegen Zj = ZHE , j=1…3 Z1 Z2 Z3

1. Bedingungsungleichung ZU Punke außerhalb der horizontalen Ebene müssen höher liegen Ufer höher als See ZHE

Bedingungsgleichung- und ungleichungen Bedingungsgleichungen und –ungleichungen müssen nun in Optimierungsprozess eingeführt werden Kleinste- Quadrate- Methode (GMM) Besten geschätzten Höhenwerte Minimierung der Summe der quadratischen Verbesserungen vtPv min  Nachbargebiet wird betrachtet  Punkte, deren Höhen nahezu gleich bleiben sollen werden in der P-Matrix stark gewichtet

Zusammenfassung Integration erfolgt um Landschaften 3D zu visualisieren Vektordaten werden in DGMs (Rasterdaten oder TINs) integriert Bei der Verschneidung werden die Höhen der Vektordaten interpoliert Vektordaten erhalten die z-Komponente aus dem DGM Falsche Geländemorphologie kann Ergebnis sein Probleme treten auf bei: Unterschiedlicher Objektmodellierung Bedingung der Betrachtung der semantischen Eigenschaften der Vektordaten Lösung  Algorithmus der Semantik betrachtet

Fazit Nachteil: Große Differenzen zwischen den Bedingungen und dem DGM lassen über die Höhen zweifeln Grobe Fehler werden in dem Algorithmus nicht analysiert Vorteil: Semantik der Vektordaten wird berücksichtigt

Fazit Landschaft soll 3D visualisiert werden Differenzen zw. Bedingungen und DGM können vernachlässigt werden Im Gegensatz zu anderen Algorithmen geht dieser auf die Semantik der Objekte ein sehr vorteilhaft bei der Integration

Literatur Hatger, C. & Kremeike, K.: Interpretation und Generalisierung dichter digitaler Geländemodelle, 2002 Koch, A.: Semantically correct integration of a digital terrain model and a 2D-topographic vector data set. Lenk, U. & Heipke, C.: Ein 2,5D-Gis-Datenmodell durch Integration von DGM und DSM mittels Triangulation- theoretischer und praktischer Vergleich von Algorithmus und ihre Ergebnisse, 2002 Schilling, A. & Zipf, A.: Integration von 2D- und 3D- Geodaten am Beispiel der dynamischen Generierung virtueller Stadttouren http/www.uni-giessen.de/bodenkunde/content/downloads/TS_Rasterdaten.pdf