Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

3D-Gebäudeerkennung anhand von Laserscannerdaten

Ähnliche Präsentationen


Präsentation zum Thema: "3D-Gebäudeerkennung anhand von Laserscannerdaten"—  Präsentation transkript:

1 3D-Gebäudeerkennung anhand von Laserscannerdaten
Bildquelle: Volker Mayrhofer Maria Lichtenstein - Seminar Geoinformation IV Seite 1

2 Maria Lichtenstein - Seminar Geoinformation IV - 6.5.2004 Seite 2
Gliederung: automatische Akquisition Laserscanning - allgemeine Betrachtungen spezifische Ansätze zur 3D-Gebäudeerkennung Dekomposition komplexer Gebäude in Primitive Rekonstruktion der Dachgeometrie und -topologie andere Ansätze - ein kurzer Überblick Fazit Maria Lichtenstein - Seminar Geoinformation IV Seite 2

3 Automatische Akquisition:
Motivation: Warum ist es notwendig, diesen Prozess der 3D-Gebäudeerkennung zu automatisieren? Problem: Großflächigkeit Ziel: schneller und wirtschaftlicher über längeren Zeitraum gesehen nicht so kostenintensiv wie herkömmlich photogrammetrische Verfahren Anpassung an die wachsenden Bedürfnisse in Bezug auf Genauigkeit, Grandularität, Detaillierungsgrad, Konkurrenzdenken, Vereinheitlichung, Objektivität, Darstellungsqualität, Wirtschaftlichkeit, Fortschritt… Maria Lichtenstein - Seminar Geoinformation IV Seite 3

4 Verschiedene Möglichkeiten:
Es können bzgl. Ausgangsdaten zwei Verfahren unterschieden werden: aus Luftbildern aus Laserscannerdaten (hierauf wird im folgenden eingegangen) Luftbildverfahren: Laserscannerverfahren: Bildquelle: Fischer et al. (1998) Bildquelle: Brenner und Haala (2000) Maria Lichtenstein - Seminar Geoinformation IV Seite 4

5 Laserscanning - allgemeine Betrachtungen:
besteht aus Laserentfernungsmesser und Scanner Messprinzipien: Laufzeit- oder Phasenmessung 83000 Messungen pro Sekunde Messgenauigkeit liegt bei 50 cm in Lage und cm in Höhe Messdichte liegt bei bis zu 4-5 Punkten pro Quadratmeter Verfahren liefert 3D-Koordinaten der reflektierten Punkte Oberflächenmodell (noch kein Stadtmodell, nicht objektbezogen) manche Laser mit „first“ und „last pulse“ zur Vegetationserkennung Bildquelle: Stefan Wagenknecht und Elmar Csaplovics (2000) Maria Lichtenstein - Seminar Geoinformation IV Seite 5

6 Zwei konkrete Ansätze:
Wie werden die Grundformen der einzelnen Gebäude modelliert? Dekomposition komplexer Gebäude in Primitive (Claus Brenner & Norbert Haala, 2000) Wie werden die Dächer der unterschiedlichsten Gebäude konstruiert? Rekonstruktion der Dachgeometrie und -topologie (Claus Brenner, 2002) Bildquelle: Brenner (2000) Bildquelle: Chen und Murai Maria Lichtenstein - Seminar Geoinformation IV Seite 6

7 Dekomposition komplexer Gebäude in Primitive:
Prinzipielle Idee: Zerlegung der Gebäude in Primitive (Quader, Würfel) Vorteil: Rekonstruktion auch komplexerer Gebäude möglich! Problem: dann aber hoher Modellierungsaufwand! Zuvor Rückgriff auf Katastergrundrisse (2D-Daten) Zerlegung der Grundrisse in Rechtecke Position, Orientierung und Größe der 3D-Primitive gegeben fehlt: Höhe des Gebäudes, Dachform und Dachneigung Ausblick: Bei besonderen Einzelgebäuden sollte ggf. ein anderes Verfahren eingesetzt werden, oder aber Aufnahme durch terrestrischen Laserscanner! höhere Genauigkeit, besseres Auflösungsvermögen generell für Fassadenaufnahmen (siehe Vortrag von Michaela Mann) Maria Lichtenstein - Seminar Geoinformation IV Seite 7

8 2D-Katastergrundrisse:
Grundlage: Verwendung von existierenden 2D-Grundrissen der Gebäude (ALKIS) Vorteile: enthaltendes Vorwissen ermöglicht eine weitgehende Automation des Prozesses bessere Integrität zwischen 2D- und 3D-Daten und Erleichterung der Fortführung der Datenbestände bestimmte Richtigkeit der Daten in der Lage wird gewährleistet Fehler, wenn 2D-Datenbestände nicht vollständig (vermessen) sind, oder nicht aktuell Bildquelle: Brenner und Haala (2000) Maria Lichtenstein - Seminar Geoinformation IV Seite 8

9 Ablauf der 3D-Gebäuderekonstruktion:
Bildquelle: Brenner und Haala (2000) Maria Lichtenstein - Seminar Geoinformation IV Seite 9

10 Schätzung der fehlenden 3D-Parameter:
Schätzung der 3D-Parameter: welches Primitiv aufgrund der Kleinsten-Quadrate-Schätzung kleinsten Restfehler aufweist, wird gewählt Bestimmung der fehlenden Parameter der Primitive: Flachdach: Höhe Satteldach: Dachhöhe und -neigung Walmdach: Dachhöhe und -neigung, abhängig von Breite und Höhe des zugrundeliegenden Rechtecks Satteldach Walmdach Flachdach Bildquelle: Zeimetz (2002) Maria Lichtenstein - Seminar Geoinformation IV Seite 10

11 Visualisierung der einzelnen Gebäude:
Komplexe Gebäude = verschachtelte Primitive Vereinigung: durch einen CSG-Baum (constructive solid geometry) Blätter sind Grundprimitive innere Knoten sind Transformationen (Vereinigung, Schnittbildung, Differenz) Es werden aber meist nur die äußeren Flächen benötigt (innere Verschachtelungen unwichtig!) Randflächendarstellung Bildquelle: Brenner (2000) Bildquelle: Brenner (2000) Maria Lichtenstein - Seminar Geoinformation IV Seite 11

12 Rekonstruktion der Dachlandschaft:
Satteldach Pultdach Rekonstruktion der Dächer aus Daten des Digitalen Oberflächenmodells (DOM) Einfach: da gute Näherung von ebenen Dachoberflächen Nachteil: relativ geringe Messpunktdichte Schrittweises Vorgehen: Segmentierung Selektion von Regionen Bildung der Dachtopologie Walmdach Krüppelwalmdach Mansarddach Sheddach Zeltdach Bildquelle: Oliver Czapalla (1999) Bildquelle: Brenner (2002) Maria Lichtenstein - Seminar Geoinformation IV Seite 12

13 Rekonstruktion der Dachgeometrie:
Segmentierung: Unterteilung des DOM in stückweise ebene Segmente Robustes Schätzverfahren RANSAC: iteratives Schätzverfahren versucht Fehler aufgrund einer falschen Beobachtung zu vermeiden, indem zur Schätzung mit kleinstmöglicher Anzahl von Beobachtungen gestartet wird, um Parameter zu schätzen des weiteren hängt Anzahl der Beobachtungen von geschätzten Parametern ab Auswahl der Beobachtungen erfolgt zufällig und wird mehrmals wiederholt Lösung, mit größter Anzahl kompatibler Beobachtungen, wird als richtig angesehen Bildquelle: Brenner (2002) Maria Lichtenstein - Seminar Geoinformation IV Seite 13

14 Maria Lichtenstein - Seminar Geoinformation IV - 6.5.2004 Seite 14
RANSAC: Bildquelle: Brenner (2000) RANSAC-Algorithmus: etliche Auswahlen von drei Punkten innerhalb verbleibender Gesamtregion Berechnung der zugehörigen Ebene für jede Auswahl Bestimmung kompatibler Punkte zu dieser Ebene Auswahl der größten zusammenhängenden Region Gesamtregion um diese Region reduziert und Algorithmus iterativ fortgesetzt Maria Lichtenstein - Seminar Geoinformation IV Seite 14

15 Rekonstruktion der Dachtopologie:
Selektion von Regionen: man muß unwichtige Regionen entfernen und Dach durch Regionen konstruieren Idee: jede Flächenregion hat einen Normalenvektor (senkrecht auf Fläche) Verhältnis Normalenvektor zu entsprechender Grundrisskante: Normalenvektor in der Projektion auf die Ebene senkrecht auf entsprechender Grundrisskante „kompatibel (c)“ „kompatibel zum Vorgänger (p)“ und „kompatibel zum Nachfolger (n)“ „senkrecht nach links (l)“ und „senkrecht nach rechts (r)“ „entgegen dem Vorgänger (a)“ und „entgegen dem Nachfolger (b)“ Für jede bekannte Dachstruktur und Einzelheiten, wie Dachgauben usw., gibt es zugehörige Regel: z.B.: eine Seite eines Walmdaches mit Dachgaube: c l r c Maria Lichtenstein - Seminar Geoinformation IV Seite 15

16 Rekonstruktion der Dachtopologie:
„kompatibel (c)“ „kompatibel zum Vorgänger (p)“ und „kompatibel zum Nachfolger (n)“ „senkrecht nach links (l)“ und „senkrecht nach rechts (r)“ „entgegen dem Vorgänger (a)“ und „entgegen dem Nachfolger (b)“ Bildquelle: Brenner (2000) Maria Lichtenstein - Seminar Geoinformation IV Seite 16

17 Vervollständigung der Dachtopologie:
Bildung der Dachtopologie: Nach Selektion verbleiben Lücken und müssen geschlossen werden nicht trivial, da mit erzeugten Regionen meist mehrere Dachtopologien erzeugbar sind keine simple Konstruktion, sondern Anwendung von Suchverfahren Empfehlenswert: zunächst Einsatz zusätzlicher geometrischer Information dann „Beschränkte Baumsuche“ zur Reduktion der Suche durch Beschränkung des Suchraumes schnelleres Finden der Lösung weniger Speicherkapazität des Prozesses notwendig Bildquelle: Brenner (2002) Maria Lichtenstein - Seminar Geoinformation IV Seite 17

18 Rekonstruktion der Dachlandschaft:
Ergebnis: Luftbild Ebenensegmentierung akzeptierte Flächen Vervollständigung durch Regeln durch Suchverfahren Bildquelle: Brenner (2000) Maria Lichtenstein - Seminar Geoinformation IV Seite 18

19 Andere Ansätze - ein kurzer Überblick:
Herkömmliche photogrammetrische Verfahren (mit Luftbildern) oder Segmentierung von digitalen Oberflächen auch durch Morphologische Segmentierung Steigungssegmentierung Ebenensegmentierung mit besonderem Augenmerk auf Bereichswachstumsverfahren, Gruppierung von Linien Krümmungsbasierte Segmentierung Richtungssegmentierung Segmentierung basierend auf Höhenlinien Rekonstruktion von Gebäuden auch durch auf Mittelachstransformation und Skelett basierte Grundrisse grammatikalischer Ansatz zur Akzeptierung von Dachflächen Ausgleichung komplexer Dachformen (Verweis: ausführliche Diskussion siehe Dissertation von Claus Brenner) Maria Lichtenstein - Seminar Geoinformation IV Seite 19

20 Maria Lichtenstein - Seminar Geoinformation IV - 6.5.2004 Seite 20
Fazit: zwei konkrete Verfahren zur 3D-Gebäudeerkennung wurden vorgestellt 1. Verfahren: einfache Primitive, eingeschränkte Dachformen, Dekomposition, semantische Klassifikation 2. Verfahren: spezielle Dachformen möglich, wenig Semantik, Komposition der einzelnen Flächen, hohe Bedeutung der Topologie und Geometrie Generell: Wahl des Verfahrens hängt von gewünschter Genauigkeit und Datenquellen ab vollautomatische Verfahren noch nicht zu kaufen die meisten semiautomatischen Verfahren zeigen jedoch erfolgsversprechende Ergebnisse (Erfolgsraten bis zu 95%) Maria Lichtenstein - Seminar Geoinformation IV Seite 20

21 Maria Lichtenstein - Seminar Geoinformation IV - 6.5.2004 Seite 21
Literaturhinweise: [1] C. Brenner: Dreidimensionale Gebäuderekonstruktion aus digitalen Oberflächenmodellen und Grundrissen. Dissertation, Fakultät für Bauingenieur- und Vermessungswesen, Universität Stuttgart, 2000 [2] C. Brenner: Automatische Stadtmodellierung aus Laserscan-Daten. In: Kartographie als Baustein moderner Kommunikation, Symposium 2002 in Königslutter am Elm, Kartographische Schriften, Band 6, Kirschbaum Verlag, Bonn, 2002 [3] C. Brenner: Building Reconstruction from Laser Scanning and Images. In: Proc. ITC Workshop on Data Quality in Earth Observation Techniques, Enschede, The Netherlands, November 2003 [4] C. Brenner, N. Haala: Erfassung von 3D Stadtmodellen. In: PFG-Photogrammetrie, Fernerkundung, Geoinformation, Heft 2/2000, 2000 [5] U. Lohr, A. Wehr: In: Airborne laser scanning - an introduction and overview. In: ISPRS Journal of Photogrammetry & Remote Sensing (2-3), 1954 Maria Lichtenstein - Seminar Geoinformation IV Seite 21


Herunterladen ppt "3D-Gebäudeerkennung anhand von Laserscannerdaten"

Ähnliche Präsentationen


Google-Anzeigen