16. 4. 2012
Ústav informatiky
Prírodovedecká fakulta
Univerzita Pavla Jozefa Šafárika
Ústav geografie
Prírodovedecká fakulta
Univerzita Pavla Jozefa Šafárika
Laserové skenovanie
reálnejšia aproximácia krajiny
Michal Gallay, Ján Kaňuk
Seminár Centra excelentnosti informatických vied a znalostných systémov
4.4.2012
Cieľ
- predstaviť laserové skenovanie ako technológiu aktívneho
diaľkového prieskumu Zeme pre potreby digitálneho
modelovania reliéfu
- prezentovať možnosti tvorby digitálnych modelov reliéfu
pomocou vybraných interpolačných metód a ich interpretáciu.
Laserové skenovanie – reálnejšia aproximácia krajiny
Michal Gallay, Ján Kaňuk
Seminár Centra excelentnosti informatických vied a znalostných systémov, Košice 4.4.2012
1
16. 4. 2012
Štruktúra
1.
2.
3.
4.
5.
6.
Základné pojmy (J. Kaňuk)
Možnosti získavania informácií o krajine (J. Kaňuk)
LiDAR ako najpresnejšia technológia (M. Gallay)
LiDAR ako vstupná báza údajov (M. Gallay)
DEM z LiDARu a jeho využitie (M. Gallay / J. Kaňuk)
Zhrnutie a budúce perspektívy (J. Kaňuk)
Laserové skenovanie – reálnejšia aproximácia krajiny
Michal Gallay, Ján Kaňuk
Seminár Centra excelentnosti informatických vied a znalostných systémov, Košice 4.4.2012
Základné pojmy
geografia, geografická informácia, kartografická interpretácia
krajiny, digitálny model reliéfu, digitálny výškový model,
mierka, generalizácia, geografický informačný systém
Laserové skenovanie – reálnejšia aproximácia krajiny
Michal Gallay, Ján Kaňuk
Seminár Centra excelentnosti informatických vied a znalostných systémov, Košice 4.4.2012
2
16. 4. 2012
Možnosti získavania informácií o
krajine
-
Primárne zdroje priestorových údajov
Sekundárne zdroje priestorových údajov
Priame metódy zberu priestorových údajov
Nepriame metódy zberu priestorových údajov
Laserové skenovanie – reálnejšia aproximácia krajiny
Michal Gallay, Ján Kaňuk
Seminár Centra excelentnosti informatických vied a znalostných systémov, Košice 4.4.2012
Priame metódy zberu priestorových údajov
1. Vojenské mapovanie
Geodetický stôl
Teodolit
metóda „od oka“
3
16. 4. 2012
Priame metódy zberu priestorových údajov
Diferenciálne určovanie polohy
báza
rover
Elektronická tachymetria
Satelitné navigačné systémy
Nepriame metódy zberu priestorových údajov
Diaľkový prieskum Zeme
Fotogrametria
4
16. 4. 2012
Nepriame metódy zberu priestorových údajov
Diaľkový prieskum Zeme
Synthetic Aperture Radar
RADAR
SAR
Lillesand et al. (2004): Remote Sensing and Image Interpretation
Nepriame metódy zberu priestorových údajov
Diaľkový prieskum Zeme
Laserové skenovanie
Mračno bodov LLS
Časť planiny Dolný vrch pri Turni nad Bodvou)
Li et al. (2005): Digital Terrain Modeling, Principles and Methodology
5
16. 4. 2012
Sekundárny zber priestorových údajov
Digitalizácia údajov
Vektorizácia
Laserové skenovanie
Rýchla, presná a detailná technológia pre zber polohovo
lokalizovaných informácií
Laserové skenovanie – reálnejšia aproximácia krajiny
Michal Gallay, Ján Kaňuk
Seminár Centra excelentnosti informatických vied a znalostných systémov, Košice 4.4.2012
6
16. 4. 2012
Technológia LiDAR
•
najmodernejšia metóda diaľkového prieskumu Zeme (DPZ)
•
rozmach v posledných 20 rokoch
•
vysoko efektívna (presnosť, rýchlosť a hustota zberu údajov)
•
na základe snímania povrchu laserovým lúčom (laser scanning )
•
LADAR (LAser Detection And Ranging )
•
LIDAR (Light Detection And Ranging)
Geometria snímania
Pulzný laser
CW laser
- rozlíšenie v smere lúča
t - čas od vyslania po
prijatie pulzu
www.geolas.com
∆t - dĺžka pulzu
c – rýchlosť svetla
Li et al. (2005): Digital Terrain Modeling, Principles and Methodology
- fáza
- fázový rozdiel
f - frekvencia
7
16. 4. 2012
Mechanizmy skenovania
mechanizmus
vzor
na skenovanom
povrchu
Brenner et al. 2006
Nosiče
Nosič
Výška
letu
Priemer
stopy
Vertikálna
presnosť
Družicový
(napr. GLAS)
Letecký
(LLS)
Pozemný
(PLS)
600 km
1 km
1m
60 m
25 cm
1-10 cm
15 cm - 10 m
(závisí od sklonu
svahu)
20 cm
(závisí od sklonu
svahu)
1-10 cm
(závisí najmä od
vzdialenosti)
8
16. 4. 2012
Družicový LiDAR
Nosič: Ice, Cloud, and land Elevation Satellite (ICESat)
Lidarový senzor - Geoscience Laser Altimeter System (GLAS)
Rozpätie bodov: 170 m
Priemer stopy: 70 m
DMR Grónska z GLAS údajov
http://nsidc.org/daac/projects/lidar/glas.html
Letecké laserové skenovanie (LLS)
Viaceré krajiny majú mapovanie na národnej
úrovni zabezpečené cez LLS
- Holandsko, Švédsko, Fínsko, Spojené
kráľovstvo, USA, Česko, ...
- Väčšinou ide o skenovanie území s vysokou
hrozbou záplav, zosuvov, zemetrasení
- Na Slovensku sú tieto produkty zatiaľ
zabezpečované leteckou fotogrametriou
- LLS skúšobne prebehlo na strednom Považí
- U nás ide najmä o LLS na objednávku pre
komerčné účely (SPP, energetika)
9
16. 4. 2012
LLS na UPJŠ
Referenčné dáta CaKS – metadáta k bodom LLS
Obdobie snímkovania:
Nosič senzora:
Výška letu nad terénom:
Presnosť merania (RMSE z):
09/2009
lietadlo
3500 m
23 cm
Rozloha: 141 km2
Počet bodov: 23 500 000
Priemerná vzdialenosť bodov: 2,4 m
Rozsah
oblasti:
východná časť NP Slovenský kras
(Soroška-Drienovec)
Referenčné dáta CaKS – filtrácia bodov
Dátový
formát: LAS 1.0, 1.1 (ASPRS)
ASCII Typ X Y Z
Kartografický systém: SJTSK
Nadmorská výška: BPV
Klasifikácia (typ)
bodov: 1 - Default
2 - DTM
5 - Vegetácia
6 - DSM
7 - Low point
(šumy)
konverzia do ESRI shapefile
pre ArcGIS
10
16. 4. 2012
Referenčné dáta CaKS – klasifikácia bodov
Všetky typy bodov (7)
Prvý odraz
Model povrchu vegetácie nad modelom terénu
Posledný odraz
Model terénu
Zdroje údajov LLS a PLS na internete
Open Topography
11
16. 4. 2012
Pozemné laserové skenovanie
Objektové skenovanie
Digitálny model povrchu pieskovca pred a po 40 cykloch laboratórneho soľného zvetrávania.
Hustota merania 1 000 000 bodov/m2.
Zdroj: Stephen McCabe (QUB Belfast)
12
16. 4. 2012
Presnosť, frekvencia, výška letu
Leica ALS50-II
Odrazivosť povrchu
•
•
•
Slaboodrazivé povrchy môžu byť nedetekovateľné,
resp. vysokoodrazivé povrchy menej presne
zamerané.
Príliš silný odraz slnečného žiarenia od
vysokoodrazivého povrchu môže presýtiť detektor
a meranie bude neplané alebo menej presné.
Najmenší rozmer detekovateľného objektu závisí
od odrazivosti jeho povrchu.
13
16. 4. 2012
Diskrétny a „full waveform“ záznam odrazu laserového lúča
www.riegl.com
Výhody „Full waveform“ záznam odrazu laserového lúča
Oproti diskrétnemu záznamu umožňuje
• vyššiu hustotu meraní
• neobmedzené množstvo záznamov
odrazu jedného pulzu (zachytenie rôznych
úrovní),
• vysoké rozlíšenie viacerých objektov
zachytených v rámci jednej stopy
(od 0.5 m pre RIEGLLMS-Q560),
• určenie priečneho rezu laserovou stopou.
14
16. 4. 2012
Aplikácie “fullwaveform” lidaru
Monitorovanie v lesníctve a poľnohospodárstve
• Výška vegetácie, štruktúra vegetácie,
zdravotný stav vegetácie, výpočet biomasy
Vysokodetailné mapovanie urbánnej krajiny
• 3D modelovanie budov, vegetácie
• zlúčenie so záznamom z pozemného
laserového skenovania
Vysokodetailné mapovanie zaplavovaných území
• Vysokokvalitné digitálne modely terénu,
schopnosť rozlíšiť aj nízku vegetáciu,
presnejšie určenie drsnosti povrchu
Plánovanie a manažment infraštruktúry
• mapovanie elektrického vedenia, potrubí,
železníc, ciest
Hustota merania
Body zamerané totálnou stanicou
Body zamerané diferenciálnym GPS
Body z leteckého laserového skenovania
Body z pozemného laserového skenovania
15
16. 4. 2012
Hustota vzorkovania reality – úroveň detailu (mierka)
Radar typu ISAR, DSM
Bunka: 5x5m
Hustota pôvodných meraní: 2,5x2,5m
Pomocná mriežka: 10x10m
Svah pri Middle Fell Farm, Great Langdale Valley, Anglicko.
Pôvodné údaje: (c) Intermap Ltd.
Hustota vzorkovania reality – úroveň detailu (mierka)
Letecký lidar, DSM
Bunka: 5m
Hustota pôvodných meraní: 2m
Pomocná mriežka: 10x10m
Svah pri Middle Fell Farm, Great Langdale Valley, Anglicko.
Pôvodné údaje: (c) Environment Agency UK
16
16. 4. 2012
Hustota vzorkovania reality – úroveň detailu (mierka)
Pozemný lidar DSM
Bunka: 5 m
Hustota pôvodných meraní: 0,2m
Pomocná mriežka: 10x10m
Svah pri Middle Fell Farm, Great Langdale Valley, Anglicko.
Hustota vzorkovania reality – úroveň detailu (mierka)
Lidar DSM
Bunka: 2m
Hustota pôvodných meraní: 2m
Pomocná mriežka: 10x10m
Svah pri Middle Fell Farm, Great Langdale Valley, Anglicko
Pôvodné údaje: (c) Environment Agency UK
17
16. 4. 2012
Hustota vzorkovania reality – úroveň detailu (mierka)
Pozemný lidar DSM
Bunka: 0,2m
Hustota pôvodných meraní: 0,2m
Pomocná mriežka: 10x10m
Základné pojmy
Mierka
•
•
rozlišovacia úroveň (najmenšia rozlíšiteľná plocha, zaznamenateľný detial),
pomer medzi realitou a jej zobrazením,
18
16. 4. 2012
Základné pojmy
Mierka a generalizácia
1:10 000
1:25 000
1:50 000
Optimalizovaná
generalizácia
Základné pojmy
Mierka a generalizácia
1:10 000
1:25 000
1:50 000
Optimalizovaná
generalizácia
19
16. 4. 2012
Základné pojmy
Mierka a generalizácia
1:10 000
1:25 000
1:50 000
Optimalizovaná
generalizácia
Základné pojmy
Mierka a generalizácia
1:10 000
1:25 000
1:50 000
Optimalizovaná
generalizácia
20
16. 4. 2012
Základné pojmy
Mierka a generalizácia
1:10 000
1:25 000
1:50 000
Optimalizovaná
generalizácia
Zdroje chýb
Zber
• uhol sklonu reliéfu
• uhol skenovania
• presnosť klesá so
vzrastajúcim sklonom svahu
Laserová stopa na svahu
∆Z
∆XY
21
16. 4. 2012
Zdroje chýb
Filtrovanie údajov
• Záznam viacerých odrazov laserového lúča
• Pre tvorbu modelov reliéfu (terénu), detekciu
budov, stromov, je potrebné body filtrovať
(klasifikovať)
• Rôzne algoritmy produkujú rôzne výsledky.
• Porovnávanie bodov v definovanom malom
okolí.
• Napr. na základe lokálneho sklonu, krivosti,
zhlukovania.
Spracovanie LiDAR údajov – filtrovanie
Multiscale Curvature Classification (Evans et Hudak 2007)
DSM zo všetkých bodov
Oblasť západne od obce Silica
DMR po po filtrácii
Bunka rastra: 1 m
22
16. 4. 2012
Zdroje chýb
Systematické chyby
• nepresná kalibrácia celého meracieho
systému (skener+DGPS+IMU) limituje
externú orientáciu skenovaných pásov
• výsledkom je systematická chyba merania
(„odskok“ pásu bodov)
•
•
•
Priečny prekryt viacerých pásov je potrebný
pre úplne vyrovnanie chýb.
Odstránenie chyby vyžaduje zber
kontrolných bodov skenovaním naprieč
cez ostatné pásy
Taktiež pozemný zber kontrolných bodov
(najmä okraje násypov, rohy budov)
Zlepšenie horizontálne chyby (40%) a
vertikálnej chyby (25%)
Výsledné mračno bodov po odstránení
systematických chýb.
Súvisiace problémy
Náhodné chyby
• Zachytenie rozdielnych rozlišovacích úrovní
• Náhodné chyby (šum)
• Prítomnosť antropogénnych foriem reliéfu,
• Redundancia údajov, a súvisiaca výpočtová náročnosť.
LiDAR DMR
DMR z vrstevníc
23
16. 4. 2012
Lidar a ostatné metódy zberu priestorových informácií o georeliéfe
•
Približný vzťah medzi priemernou presnosťou merania a rôznymi aspektami zberu.
•
Zohľadnené sú iba letecké metódy diaľkového prieskumu a pozemné metódy.
A – relatívne náklady na jednotku plochy
(upravené podľa Mercer, 2001)
B – čas potrebný pre zber na jednotku plochy
C – praktická veľkosť maximálnej
plochy, pri ktorej je zber efektívny
Gallay (2010)
LiDAR ako vstupná báza údajov
... od mračna bodov k povrchom ...
Laserové skenovanie – reálnejšia aproximácia krajiny
Michal Gallay, Ján Kaňuk
Seminár Centra excelentnosti informatických vied a znalostných systémov, Košice 4.4.2012
24
16. 4. 2012
Prečo digitálne modelovať georeliéf - aplikácie DMR
Discipline
Application realm
Geomorphology
visual interpretation of DEMs, automated recognition and quantification of geomorphological properties, automated
extraction of landforms geomorphological mapping
Soil science
soil mapping, spatial modeling of soils
Ecology
ecosystem modelling, prediction of species distribution
Forestry
leaf area and defoliation, vegetation mapping, biomass calculation
Geology
modelling mass movements, volumetric calculations, surface change detection, canopy height estimation
Agriculture
precise planting and harvesting, nutrient spread modelling, crop yield modelling
Climatology and Meteorology
soil radiation modelling, solar irradiation modelling, wind flux modelling, rainfall modelling, air temperature modelling
Hydrology
water flow modelling, snow cover modelling, flood modelling, automated extraction of hydrological structures
Engineering and Construction
3D visualisation, automated extraction of objects, volumetric calculations ("cut and fill")
infrastructure design and location, visibility analysis
Urbanism
urban structure mapping and modelling, urban administration
Archaeology
visual interpretation of DEMs, visibility modelling, identification of potential sites
Forensics
visual interpretation of DEMs, visibility modelling, water flow modelling
Remote Sensing
imagery radiometric corrections, imagery orthorectification
Navigation and transport
3D visualisation, simualtion, navigation
Telecomunication
visibility analysis
Entertainment
3D visualisation
Gallay (2010)
LiDAR ako vstupná báza údajov
... od mračna bodov k povrchom.
priame modelovanie
zo zozbieraných údajov
nepriame modelovanie
z odvodených údajov
Rôzne reprezentácie modelov
a
b
c
d
25
16. 4. 2012
Hustota zberu a priestorové rozlíšenie výsledného DMR
Citlivosť geomorfometrických parametrov na chyby, resp.
zmeny mierky
• kvalita povrchu DMR závisí od presnosti a hustoty merania pôvodných údajov
• s narastajúcim rádom parametrov citlivosť narastá
Parametre georeliéfu
0.: nadmorská výška
1.: gradient nadm. výšky – sklon reliéfu, orientácia
2.: gradient sklonu – spádnicová a vrstevnicová krivosť
3.: gradient krivosti
.
26
16. 4. 2012
Datamining – prejavy rôznych úrovní mierky v údajoch
•
•
Nasledujú ukážky súvisia s územím na obrázku a jeho krivosťou v smere spádnice (vertikálnom reze).
DMR z vrstevníc, riek a výškových bodov metódou Topo to Raster ArcGIS.
Datamining – prejavy rôznych úrovní mierky v údajoch
• Normálová krivosť v smere spádnice (Profile curvature).
• Rastrový DMR, bunka 10x10 m, krivosť polynomickej funkcie v okne 50x50 m.
27
16. 4. 2012
Datamining – prejavy rôznych úrovní mierky v údajoch
• Normálová krivosť v smere spádnice (Profile curvature).
• Rastrový DMR, bunka 10x10 m, krivosť polynomickej funkcie v okne 110x110 m.
Datamining – prejavy rôznych úrovní mierky v údajoch
• Normálová krivosť v smere spádnice (Profile curvature).
• Rastrový DMR, bunka 10x10 m, krivosť polynomickej funkcie v okne 150x150 m.
28
16. 4. 2012
DMR z LiDARu a jeho využitie
Morfometrické analýzy
Detekcia rôznych geomorfologických foriem
Identifikácia a analýza vegetácie
Detekcia antropogénnych prvkov
.... všade tam, kde je potrebný DMR ...
Laserové skenovanie – reálnejšia aproximácia krajiny
Michal Gallay, Ján Kaňuk
Seminár Centra excelentnosti informatických vied a znalostných systémov, Košice 4.4.2012
Morfometrické analýzy
DMR
29
16. 4. 2012
Morfometrické analýzy
Sklon
Morfometrické analýzy
Orientácia voči svetovým stranám
30
16. 4. 2012
Morfometrické analýzy
Spádnicová krivosť
Detekcia rôznych geomorfologických foriem
31
16. 4. 2012
Detekcia antropogénnych prvkov
Böhm, J., Haala, N. (2005): Efficient integration of aerial and terrestrial laser data for virtual city modeling using
lasermaps
Ústav informatiky
Prírodovedecká fakulta
Univerzita Pavla Jozefa Šafárika
Ústav geografie
Prírodovedecká fakulta
Univerzita Pavla Jozefa Šafárika
Ďakujeme za pozornosť!
Michal Gallay, Ján Kaňuk
[email protected], [email protected]
VVGS 63/12-13
VVGS-PF-2012-62
Vega 1/1251/12
„Všetky modely sú nepresné, iba niektoré sú užitočné.“
George E. P. Box
Laserové skenovanie – reálnejšia aproximácia krajiny
Seminár Centra excelentnosti informatických vied a znalostných systémov
Košice, 4.4.2012
32
Download

Laserové skenovanie Cieľ