7.2.1 Beschreibung von Flip 7

I
II
Erklärung
Hiermit erkläre ich, Willi Andreas Weitz, die vorliegende Diplomarbeit selbständig
und nur unter Verwendung der von mir angegebenen Literatur verfasst zu haben.
Diese Arbeit hat in gleicher oder ähnlicher Form keiner anderen Prüfungsbehörde
vorgelegen.
_______________________
_________________________
Ort und Datum
Willi A. Weitz
III
Danksagung
An dieser Stelle möchte ich all denen danken, die mir beim Fertigen dieser Arbeit
geholfen und mich unterstützt haben.
Bei Herrn Prof. Dr.-Ing. H.-J. Przybilla bedanke ich mich für die Ermöglichung dieser
Diplomarbeit sowie für die ausgezeichnete Betreuung und Unterstützung.
Herrn Prof. Dr.-Ing. R. Staiger möchte ich für die Übernahme der Funktion als
Korreferenten danken.
Weiterer Dank geht an Herrn Dipl.-Ing. W. Weinhold, der mich während meines
gesamten Studiums stets unterstützt hat und mir für diese Arbeit einen Arbeitsplatz,
die Software sowie die Testdatensätze zur Verfügung gestellt hat.
Außerdem bedanke ich mich bei den Mitarbeitern der Fugro Weinhold Engineering
GmbH, S. Neumann, Dipl.-Ing. R. Comouth und M. Paquet für Ihre Tipps,
Anregungen und Unterstützung während der Arbeit an meinem Diplom.
Größter Dank geht an meine Familie, die mich in der Zeit meines Studiums in
jeglicher Hinsicht unterstützt hat.
Erkelenz, 09.02.2010
IV
Inhaltsverzeichnis
1. EINLEITUNG ................................................................................................................................................... 1 2. DAS AUFNAHMEVERFAHREN ................................................................................................................... 2 3. DAS AUFNAHMESYSTEM ............................................................................................................................ 6 4. ZIELSETZUNG FÜR DIE ENTWICKLUNG ............................................................................................. 14 5. EINSATZBEREICHE DES AIRBORNE LASERSCANNING.................................................................. 16 6. ERGEBNISSE DES AIRBORNE LASERSCANNING............................................................................... 25 7. ÜBERNAHME DER ERGEBNISSE IN DIE AUSWERTESOFTWARE................................................. 29 7.1 TERRASCAN ................................................................................................................................................ 29 7.1.1 BESCHREIBUNG VON TERRASCAN .................................................................................................. 31 7.2 FLIP 7 ............................................................................................................................................................ 32 7.2.1 BESCHREIBUNG VON FLIP 7 ............................................................................................................... 32 8. KLASSIFIZIERUNG ..................................................................................................................................... 33 8.1 TESTGEBIET ............................................................................................................................................... 34 8.2 KLASSIFIZIERUNG DER BODENPUNKTE MIT TERRASCAN ........................................................ 37 8.2.1 MATHEMATISCHES MODELL ZUR KLASSIFIZIERUNG DER BODENPUNKTEN ................. 41 8.2.2 ERGEBNISBETRACHTUNG .................................................................................................................. 42 8.3 KLASSIFIZIERUNG DER BODENPUNKTE MIT FLIP7 ..................................................................... 45 8.3.1 MATHEMATISCHES MODELL ZUR KLASSIFIZIERUNG DER BODENPUNKTEN ................. 48 8.3.2 ERGEBNISBETRACHTUNG .................................................................................................................. 50 9. GEGENÜBERSTELLUNG DER ERGEBNISSE ........................................................................................ 53 10. SCHLUSSBETRACHTUNG ....................................................................................................................... 58 ABBILDUNGSVERZEICHNIS ........................................................................................................................ 59 TABELLENVERZEICHNIS ............................................................................................................................. 61 1. Einleitung
Bis zu Beginn der 90er Jahre wurde fast ausschließlich die Luftbildphotogrammetrie, zur
Erfassung der Geländeoberflächen, eingesetzt.
Der
Vorteil
der
Luftbildphotogrammetrie
ist
die
berührungslose
Messung
des
Aufnahmegebietes, wobei der Aufnahmezeitpunkt unabhängig von der Jahreszeit gewählt
werden kann. Hinzu kommen der geringe Zeitaufwand einer Befliegung, sowie eine effektive
und
geometrisch
stabile
Speicherung,
aller
für
den
Sensor
„sichtbaren“
Oberflächeninformationen, durch die große Überlappung der Streifen in beide Richtungen.
Die Ergebnisse der Luftbildphotogrammetrie sind jederzeit und vielseitig analysierbar, hierfür
stehen viele kommerzielle Systeme und Softwarepakete, mit hoch entwickelten und geprüften
Algorithmen zur Auswahl. (KÄÄB & HOELZLE, 2009)
Der Nachteil der Luftbildphotogrammetrie ist, dass immer eine indirekte Beleuchtung
benötigt wird. Des Weiteren können Behinderungen durch Schatten und fehlende Kontraste
(z.B. Schnee) nicht eliminiert werden. Weitere Nachteile sind Verdeckungen durch die
Aufnahme in der Zentralperspektive, sowie das Messungen unterhalb der Vegetation nicht
möglich sind. Durch die Flut an Bildmaterial wird eine längere Zeit zur Auswertung benötigt.
Um diesen Nachteilen entgegen zu wirken, und somit eine höhere Wirtschaftlichkeit zu
erreichen, hat sich in den 90er Jahren das airborne Laserscanning mehr und mehr als
Alternative zur Luftbildphotogrammetrie durchgesetzt.
Das airborne Laserscanning (ALS) kann Flugzeug- oder Hubschraubergetragen durchgeführt
werden. Die Unterschiede liegen hierbei lediglich in der Fluggeschwindigkeit, da die
Laserscanverfahren identisch sind. Da der Testdatensatz in der vorliegenden Arbeit von einem
Hubschraubergetragenen airborne Laserscan stammt, setzt sich diese Arbeit in erster Linie mit
diesem System auseinander.
1
2. Das Aufnahmeverfahren
Mit dem airborne Laserscan-System werden Punkte an der Erdoberfläche, von einem
Hubschrauber aus dreidimensional, gemessen (Abb. 1).
Abb. 1: Messanordnung
Das Messprinzip beruht darauf, dass die Energie des ausgesandten Laserimpulses, vom
Erdboden bzw. von Objekten an der Erdoberfläche, teilweise reflektiert und teilweise
absorbiert wird. Der reflektierte Teil der Energie wird von einem, unmittelbar neben dem
Laser angeordneten Sensor, aufgezeichnet. Aus der Zeitdifferenz, zwischen dem Abstrahlen
des Impulses und dem Eintreffen der Reflexionen, errechnet sich die Entfernung zwischen
dem Scanner am Hubschrauber und dem Punkt an der Erdoberfläche. Da die Position, die
Höhe und die Flugrichtung des Hubschraubers in jedem Augenblick der Impulsabstrahlung
bekannt ist, können dreidimensionale Koordinaten für jeden Punkt an der Erdoberfläche
präzise errechnet werden.
Abb. 2: System FliMap 400 der Firma Fugro, Division Aerial Mapping
2
Das gessamte Messsystem (A
Abb. 2) bessteht aus: einem
e
augeensicheren L
Laserscanner, zwei
digitalenn Kameras,, zwei Videeokameras, zwei GPS-Empfängerrn, einer linnescan Kam
mera zur
Erfassunng von RGB
B‐Farbcodee und einer INS-Einheit
I
t (Inertiales Navigationnssystem,
Abb. 2.1).
Abb. 2.1: INS – Einheit
E
Die INS
S – Einheit ermittelt über
ü
die inteegrierten Kreisel
K
und in
i Kombinaation mit deen GPSEinheiteen Beschleuunigungsweerte sowie Drehungen
D
um die Quuer- (Pitch),, Hoch- (Yaw) und
Längsacchse (Roll Axis)
A
(Abb. 2.2).
Abb. 2.2: Daarstellung derr Drehachsen
3
Die Geräte sind unterhalb des bzw. im Hubschrauber angebracht. Der augensichere
Laserscanner arbeitet mit 150.000 bis 250.000 Impulsen pro Sekunde und einem Scanwinkel
von 60 Grad. Dadurch werden die Scans in drei Richtungen (nach vorne, nach unten und
rückwärts) aufgenommen.
Abb. 3: Ungefilterter Laserdatenbestand
In der Folge wird es möglich sowohl Vorder‐ als auch Rückseite der Objekte, vollständig zu
erfassen. Die hohe Dichte der Laserpunktwolke ermöglicht auch die Erfassung von Objekten
geringer Ausdehnung und Breite, wie z.B. Zäune, Masten und Stromleitungen. Abb. 3 zeigt
einen ungefilterten und nicht klassifizierten Laserdatenbestand.
Abb. 4: Klassifizierter Laserdatenbestand
4
In Abbildung 4 ist der Datenbestand nach Bodenpunkten, Vegetation, Gebäuden sowie nach
Hochpunkten klassifiziert worden. Die hohe Punktdichte ermöglicht es, die Leiterseile sowie
die Strommasten, sichtbar zu machen.
Die beiden digitalen Kameras, zur Erzeugung der Fotos und die Videokameras, sind senkrecht
bzw. in einem Winkel von 30° in Flugrichtung, angebracht.
Aus den ermittelten Daten werden georeferenzierte Orthophotos, mit sehr hoher Auflösung,
generiert. Mit Hilfe der GPS – Empfänger und der Kreisel werden Position, Höhe und
Flugrichtung des Hubschraubers bestimmt. Alle gemessenen Daten werden zeitlich
synchronisiert und auf einem digitalen Speichermedium abgelegt.
Ein weiterer Vorteil des airborne Laserscanning ist, dass Gefahrenbereiche und
Privatgrundstücke nicht mehr betreten werden müssen, da diese ebenfalls aus der Luft
aufgenommen werden können.
Bei der Betrachtung des wirtschaftlichen Aspektes wird deutlich, dass durch den Einsatz eines
Laserscanningsystem
Kosten-
und
Zeitvorteile
durch
den
reduzierten
Vermessungsaußendienst entstehen. Grund dafür ist, dass das Laserscanningsystem eine im
Vergleich zur terrestrischen Vermessung sehr schnelle Aufnahme ermöglicht.
Ein weiterer Vorteil ist die einmalige Datenerfassung da alle weiteren Messungen und
Auswertungen im Datenmodell erfolgen.
Ein Nachteil des Laserscannverfahrens ist, dass sich zwischen dem Aufnahmesystem und der
zu erfassenden Oberfläche keine Hindernisse befinden dürfen (z. B. Wolken oder
Niederschlag). Da meist die Erdoberfläche erfasst werden soll bieten sich, wegen der dann
günstigen Vegetationsverhältnisse (kein/wenig Laub und Bodenbewuchs), die Monate
November bis April an. (TOPSCAN,2007)
Des Weiteren können fehlerhafte Messungen, die durch diffuse Reflexionen entstehen, nicht
vermieden werden. Diese müssen in der Nachbearbeitung durch eine Klassifizierung des
Datenbestandes eliminiert werden.
5
3. Das Aufnahmesystem
Wie bereits in Kapitel 1 erwähnt setzt sich diese Arbeit in erster Linie, mit einem
Hubschraubergetragenen Laserscansystem auseinander. Dabei handelt es sich um das FLIMAP 400 System der Firma Fugro JCLS (John Chance Land Survey).
Die Entwicklung des Aufnahmesystems
FLI-MAP begann bereits im Jahr 1992
(USA). Der erste Prototyp wurde 1994
fertiggestellt und baute auf einem
Cyrocopter auf. Es war bereits mit 4 GPS
Receivern sowie einem Laserscaner (5000
Punkte/Sek.) ausgerüstet (Abb. 5).
Abb. 5: Cyrocopter Prototyp des Fli-Map
Die nächste Generation kam im Jahre 1995, unter der Bezeichnung FLI-MAP I, zum Einsatz.
Dieses System wurde durch einen schnelleren Laserscanner sowie zwei Videokameras
erweitert und hatte als Plattform den Hubschrauber mit der Bezeichnung Schweizer 300 (Abb.
6 und 7).
Abb. 6 + 7: Schweizer 300 mit angebautem Fli-Map I System
6
Die folgende Generation FLI-MAP II wurde im Jahr 1998, in Zusammenarbeit mit JCLS und
Fugro-Inpark (NL), zum ersten Mal in Europa eingesetzt.
Dieses System wurde so entwickelt, dass es an unterschiedlichen Hubschraubertypen
(Abbildungen 8 - 11) angepasst werden konnte und so auf der ganzen Welt zum Einsatz
kommen konnte.
Abb. 8: FLI-MAP System an einer Bell Long Ranger
Abb. 9: FLI-MAP System an einer Bell 206 Jet Ranger
Abb. 10: FLI-MAP System an einem McDonnell Douglas Hubschrauber MD 500
7
Abb. 11: FLI-MAP System an einer Squirrel AS350 and AS355 (AStar / TwinStar)
In der beschriebenen Version FLI-MAP II setzen sich die Komponenten zur Sammlung von
Geo-Informationen wie folgt zusammen:
- Global Positioning Systems (GPS)
- Inertial Navigation Systems (INS)
- 2 Laserscanner (je 10.000 Punkte/Sek.)
- Digitale Kameras (Bilder und Videos)
Die aktuelle Version „FLI-MAP-400“ ist seit 2006 in Betrieb. Die Unterschiede zum
Vorgänger wurden durch den technischen Fortschritt bestimmt, der sich vor allem in den
Aufnahmeergebnissen widerspiegelt.
Zur Verdeutlichung der Systemunterschiede bzw. des gesteigerten Leistungsvermögens des
aktuellen Systems sind in Abb. 12 ff identische Bereiche, mit unterschiedlichen Flughöhen
(AGL / Above Ground Level), gegenübergestellt. Hierbei wird die Punktwolke mittels
Höhenabstufungen dargestellt.
Erkennbar bei diesem direkten Vergleich (Abb. 12 – 15) wird der hohe Zugewinn an Details.
Somit sind bei der Aufnahme mit dem Fli-Map 400 System, bei gleicher Flughöhe, bereits
deutlich Gleisstrukturen zu erkennen. Des Weiteren wird gezeigt, dass mit dem neuen System
bei Verdreifachung der Flughöhe – im Vergleich zum alten System - die doppelte Punktdichte
erzielt wird.
8
Abb. 12: FLI-MAP II, 70 m AGL Æ 9 Pkt / m²
Abb. 13: FLI-MAP 400, 70 m AGL Æ 133 Pkt / m²
9
Abb. 14: FLI-MAP 400, 150 m AGL Æ 47 Pkt / m²
Abb. 15: FLI-MAP 400, 300 m AGL Æ 18 Pkt / m²
10
Das Aufnahmesystem FLI-MAP-400 erfasst, mit dem neuen Laserscanner, bis zu 250.000
Punkten pro Sekunde. In Kombination mit der geringen Flughöhe ist es somit möglich ein
sehr dichtes Datennetz von bis zu ~ 130 Punkten pro Quadratmeter, je nach Einstellung der
Flugparameter (Flughöhe, Geschwindigkeit), zu erhalten. Ein weiterer Fortschritt ist die
multiple-return Technologie (Abb. 16). Diese ist von entscheidender Bedeutung für die
Fähigkeit durch die Vegetation zu sehen. (FUGRO N.V., 2007).
Traditional fixedwing LIDAR
1st (and only)
return from
ground
FLI-MAP multiple-return
technology
1st return from tree top
2nd & 3rd return
from branches
4th return from
ground
Abb. 16: Prinzip der multiple-return Technologie
11
Dabei wird
w
(z. B. in Waldgeebieten) derr erste Impu
uls (First echo)
e
von B
Blättern odeer Ästen
reflektieert und der letzte Impuuls (Last echho) dringt bis
b zum Bodden durch ((Abb. 17). Somit
S
ist
es mögllich den letzzten Impuls über seine Höheninforrmation als Bodenpunkkt zu deklarieren.
Abbb. 17: Laserddaten eines beewaldeten Han
ngs
Des Weeiteren nutzzt das FLI-M
MAP-Systeem zwei dig
gitale Videookameras (A
Abb. 18), mit
m einer
Auflösuung von 7200 x 576 Pixxeln und zw
wei Digitalkameras (11 Megapixxel), die nacch vorne
und nacch unten ausgerichtet sind.
s
Für die Farbgebu
ung der Laseerdaten nutzt das Systeem eine,
nach unnten ausgerrichtete Zeiilen-Kameraa. Die eing
gesetzte Linnescan- undd Mapping--Kamera
kann ebbenfalls zur Erzeugung von Orthopphotos verw
wendet werdden.
Der im System inttegrierte Laaser wird übber einen ro
otierenden Spiegel abggelenkt und
d verfügt
nz beträgt 150.000 – 255.000 Hz.
über einnen Öffnunggswinkel voon 60°. Die Pulsfrequen
Die minimale Auflösung
A
l
liegt
bei
wenigerr als einem Meter, mit maximal
4 Refllexionsimpuulsen und ist des
Weitereen
von
der
Einnsatzhöhe
abhängiig. Diese kaann zwischeen 15 und
maximaal 400 Mettern AGL variieren
(FUGRO
O N.V., 2007
7).
Aufn
nahmesysteem
(unteen + vorne)
Scan
nnersystem mit
aufgesetzter IN
NS-Einheit
Abb. 18: Auffnahmesystem
m unter dem Helikopter
H
12
Die gesamten technischen Daten des FLI-MAP 400 Systems sind in nachfolgender Tabelle 1
dargestellt.
Sensor
Laser
FLI-MAP 400
Scanner
Öffnungswinkel
Rotierender Spiegel
60° (Scanstreifen 1,15x Flughöhe)
Augensicher
Ab Objektiv
Effective Pulsfrequenz
150.000 – 250.000 Hz
Scanfrequenz (1 Scan = 1000
Punkte)
150 - 250 Hz
Echo- oder Reflexionsimpulse
max. 4
Minimale Zielauflösung
< 1m
Einsatzhöhe (AGL)
15 - 400 m
Distanzmessgenauigkeit
(1 sigma)
10 - 15 mm
Scanrichtungen
vorne (forward) - unten (nadir) - hinten (aft)
Kamera
Auflösung
4000 x 2672 Pixel (25mm bei 100m AGL)
Video
Format
MPEG-4
Auflösung (unten / vorne)
720 x 576 Pixel
Line scan Direkte Zuordnung Laserpunkt
GPS
RGB Farbe für jeden Laserpunkt
Positionsbestimmung
10 Hz
Taktrate Inertiales Navigation
INS
System
200 Hz
Tab 1: Fli-Map 400 System Eigenschaften
13
4. Zielsetzung für die Entwicklung
Ziele für zukünftige Systementwicklungen sind: das Erhöhen der Punktdichte sowie das
Erhöhen der Flughöhe. Daraus resultierend ergibt sich ein breiterer Flugkorridor, welcher
aufgenommen werden kann und somit zu einer Steigerung der Wirtschaftlichkeit führt.
Nachfolgend werden die Zusammenhänge zwischen der Flughöhe, Öffnungswinkel und der
Breite des Abbildungsstreifens dargestellt (Abb. 19).
Abb.19: Zusammenhänge zwischen Flughöhe, Öffnungswinkel und Abbildungsstreifen
b = Abbildungsstreifen
h = Flughöhe (AGL)
α = Öffnungswinkel (hier: 60°)
b = tan(α/2) * h * 2
Demnach gilt:
b = tan(60/2) * h * 2
b = 1,15 * h
Bei einer Befliegung mit einem Öffnungswinkel von 60° beträgt der Abbildungsstreifen das
1,5 – fache der Flughöhe.
14
Die Weiterentwicklungen der Aufnahmesysteme stehen zudem in einer engen Verbindung mit
den Fortschritten
in der IT–Branche, da es nicht genügt einen Laserstrahl abzusenden,
sondern dieser auch, von einem Sensor wieder empfangen, verarbeitet und die Daten
gespeichert werden müssen. Je schneller dieser Vorgang abgeschlossen ist, desto mehr Punkte
können bei der Beibehaltung der Flugparameter und Erhöhung der Frequenz gespeichert
werden.
Hinzu
kommen
die
ständigen
Hardware-Verbesserungen
der
Laserscanner
und
Digitalkameras, so dass heute bereits Testflüge bei 900 Metern AGL durchgeführt werden.
15
5. Einsatzbereiche des airborne Laserscanning
Das airborne Laserscanning hat sich zu einer revolutionären Aufnahmemethode zur Erfassung
von Objekten auf der Erdoberfläche entwickelt. Unabhängig davon ob es sich dabei um eine
flächendeckende Aufnahme (z.B. eines Bundeslandes) handelt oder um linienförmige Objekte
(z. B. Straßenführungen) handelt. Unterschieden wird hier zwischen den zu erzielenden
Punktdichten.
Dies bedeutet, dass für einen flächendeckenden Scan eines Bundeslandes (ca. 2 Punkte/m²)
mit einer deutlich höheren Geschwindigkeit geflogen werden kann (Flugzeug) als bei einer
Aufnahme, bei der es auf Details ankommt (ca. 100 Punkte/m²). Für solche detaillierten
Aufnahmen hat sich das helikoptergetragene airborne Laserscanning zu einer interessanten
Aufnahmemethode entwickelt.
Hinzu kommen Projekte, die sich auf, für herkömmliche terrestrische Vermessung schwere
bzw. unzugängliche Bereiche ausdehnen und somit wirtschaftlich in Frage gestellt werden
müssen (z.B. Waldgebiete).
Zu diesen Projekten zählt u.a. die Aufnahme von Hochspannungsleitungen, um den
Durchhang (Abb. 20) der Leiterseile zu bestimmen und somit Gefahrenbereiche (Kontakt mit
der Vegetation) zu berechnen (Abb. 21).
Abb. 20: Laserdatenausschnitt zur Ermittlung des Durchhangs von Hochspannungsleitungen
Abb. 21: Laserdatenausschnitt zur Querung eines landwirtschaftlich genutzten Hofes
16
Weiterhin hat sich dieses Aufnahmeverfahren in der Planung, Trassierung und
Dokumentation von Leitungsachsen (Pipelinebau) etabliert.
Hierbei werden nicht nur die Laserdaten zur Erstellung eines DGM und zur Digitalisierung
der Topographie genutzt, sondern auch die Orthophotos verwendet um ein vollständiges
Planwerk zu erstellen (Abb. 22).
Abb. 22: Plan zum Raumordnungsverfahren auf Basis von Orthophotos
17
Zur Erhhaltung, Pllanung undd Sicherung von Bah
hnstrecken wird ebennfalls das airborne
Laserscanning einggesetzt. (Abbb. 23).
Abb. 23: Befliegung eiiner Bahnanllage
Wie berreits in Abbbildung 13 zu
z sehen waar können durch
d
den hoohen Detaillgrad Oberleeitungen
und Gleeise im Laseerdatenbestaand erkanntt und klassiffiziert werdden.
Des Weiteren
W
könnnen Gefahhrenbereichhe und Eng
gpässe (z. B. Überhäänge von Bäumen)
B
lokalisieert und elim
miniert werdden.
Hierzu kann für diie manuellee (optische) Interpretattion ein Lasserdatenbesstand mit faarblichen
Höhenaabstufungenn herangezoggen werdenn (Abb. 24).
Abb. 24: Kolorierte Laaserdaten zur Darstellung von
v Höhenab
bstufungen
18
Ein weiteres Projekt ist die Aufnahme von Talsperren, um deren Fassungsvolumen ermitteln
zu können, hier am Beispiel der Talsperre in Obermaubach (Abb. 25).
Abb. 25: Luftbildaufnahme der Talsperre Obermaubach
Das airborne Laserscanning ist hierfür sehr geeignet, da diese Bereiche zu viele Risiken für
die klassische terrestrische Vermessung (sumpfige Gebiete) mit sich bringen und zudem eine
flächendeckende Aufnahme zu aufwändig wäre.
Des Weiteren kann festgestellt werden, ob der
Talsperrenzulauf (ehemaliges Flussbett) noch
existiert oder ob sich dieser verändert hat
(Abb. 26).
Eine entsprechende Befliegung wurde im
September 2007 im Auftrag des WVER
(Wasserverband Eifel-Rur) durchgeführt.
Abb. 26: Laserdatenbestand mit RGB-Farben, in dem
das ursprüngliches Flussbett erkennbar wird.
19
Wie zuvor wurden auch in diesem Projekt hochauflösende Orthophoto–Mosaike erzeugt
(Abb. 27). Diese liegen nach Erstellung der Orthophotos als georeferenzierte .ECW bzw. TIF
Dateien vor.
Abb. 27: Orthophoto - Mosaike aus den Befliegungsdaten
Abb. 28: Talsperre Obermaubach: RGB – Farbbild auf der Basis von Laserdaten
20
Im Tagebau (Abb. 29 und 30) kann das airborne Laserscanning zur Massenermittlung
verwendet werden, in dem aus den gewonnen Daten DGM’s erstellt werden und mit dem
Urgelände bzw. mit späteren Aufnahmen gegenübergestellt werden.
Eine Möglichkeit der Anwendung bietet der Braunkohle - Tagebau Garzweiler II (RWE).
Abb. 29: Tagebau Garzweiler II (Quelle: GoogleEarth)
Abb. 30: Tagebau Garzweieler II (Quelle: GoogleEarth)
21
Da bei den Kommunen die finanzielle Situation immer unsicherer wird, sind diese an den
befestigten Flächen auf Grundstücken, zwecks Erhebung von Abwassergebühren, interessiert.
Da für die Einholung von Genehmigungen und die Ist–Bestandsaufnahme mittels klassisch
terrestrischer Vermessung jedoch lange Zeiträume vergehen würden und dadurch enorme
Kosten entstehen, bietet sich auch hier die Vermessung aus der Luft an (Abb. 31). Vorteile
dieser Methode sind dahin begründet, dass keine Genehmigungen für die Betretung von
Privatgrundstücken eingeholt werden müssen, das logistische Organisationspotential
(Absprachen mit Eigentümern etc.) minimiert wird und die Aufnahme sowie die Auswertung
wirtschaftlicher sind.
Abb. 31: Laserdatenbestand eines Wohngebietes aus der Vogelperspektive.
Weiterhin können aus dem gleichen Datenbestand aktuelle Orthophotos abgeleitet werden,
ebenso wie Geschosszahlen und Dachformen der Gebäude (Abb. 32).
22
Abb. 32: Laserdatenbestand eines Wohngebietes in einer Profilansicht.
In den Niederlanden wird das airborne Laserscanning zur Aufnahme der Deiche und
gefährdeten Bereichen, durch Hochwasser, eingesetzt (Abb. 33). Aus diesen gewonnen Daten
werden im weiteren Verlauf Hochwasserschutzprogramme entwickelt.
In Kombination mit einem erstellten DGM und einer Hochwasseranimation können somit
Gefahrenkarten erstellt werden und bereits Schwachstellen in den Deichen lokalisiert und im
Folgeschritt frühzeitig kostengünstig eliminiert werden.
Abb. 33: Befliegung eines Hochwassergefahrenbereiches
23
In Syrien wurde das System zur Grundlagenermittlung eingesetzt, da es dort keine
flächendeckenden Informationen über die Topografie gab. Durch den Einsatz des airborne
Laserscanning konnten somit Erkenntnisse über die Topografie gewonnen werden und
digitale Höhenmodelle (DHM) (Abb. 34), digitale Oberflächenmodelle (DOM) und digitale
Geländemodelle (Abb. 35) entwickelt werden.
Abb. 34: Höhenmodell
Abb. 35: Oberflächenmodell und extrahiertes Geländemodell
24
6. Ergebnisse des airborne Laserscanning
Die Ergebnisse des Laserscanverfahrens sind:
a) Videos
b) Bilder
c) Linescan (RGB-Daten)
d) Laserdaten (unstrukturiert)
Die Down (Abb. 36) und Forward (Abb. 37) Videos zählen zu den Ergebnissen des airborne
Laserscanning. Diese werden im .AVI –Format gespeichert und verfügen über einen
Zeitstempel.
Abb. 36: Screenshot vom Down - Video
25
Abb. 37: Screenshot vom Forward - Video
Die Fotos, welche während der Befliegung aufgenommen werden (Abb. 38), werden danach
georeferenziert, um Orthophotos zu erhalten. Über diese Orthophotodaten wird dann der
beflogene Korridor extrahiert und ein frei wählbares Raster gelegt.
Abb. 38: Bildaufnahme aus der Befliegung
26
Das Ergebnis dieser Verarbeitung sind Orthophoto – Mosaike im .TIF bzw. im .ECW Format.
In dem folgenden Beispiel wurde eine Rasterweite von 100 x 100 Metern gewählt.
Abb. 39: Orthophoto – Mosaike
Die Zeilenkamera (Linescan) liefert die RGB – Daten, welche auf den Laserdatenbestand
projiziert werden.
Der Hauptbestandteil des Laserscanning ist eine unstrukturierte 3D-Punktwolke, in der jeder
Punkt mehrere Attribute besitzt. Zu den Attributen des Laserdatenbestandes gehören die X, Y,
Z – Koordinaten, Reichweite, Qualität, Aufnahmezeitpunkt, Echos sowie die Farbwerte (Abb.
40).
Abb. 40: Auszug aus dem Testdatensatz mit Darstellung der Attribute
27
Die 3D-Punktwolken enthalten zu diesem Zeitpunkt keine semantischen Informationen, d. h.,
es besteht kein unmittelbares Wissen darüber was sie repräsentieren (z.B. Gebäude, Bäume
oder Bodenflächen).
Aus diesem Grund wird im Zuge der weiteren Auswertung eine so genannte Klassifizierung
durchgeführt (Kap. 8), um Elemente der Punktwolke in zuvor definierte Klassen,
eingruppieren zu können.
Das Ziel der Arbeit ist es daher ein geeignetes Programm zu ermitteln, mit dem LasersDatenbestände möglichst fehlerfrei und wirtschaftlich klassifiziert werden können. Näher
betrachtet werden dazu die Programme FLIP 7 sowie TerraScan.
Im Zuge dessen werden die eingesetzten Auswertemethoden und die daraus resultierenden
Ergebnisse verglichen und analysiert.
28
7. Übernahme der Ergebnisse in die Auswertesoftware
Da es zurzeit noch kein einheitliches Datenformat, welches alle Punktinformationen
beinhaltet, zur Abspeicherung von Laserdaten gibt und die meisten Anbieter Ihr eigenes
Datenformat entwickelt haben, müssen diese zunächst konvertiert werden.
In dieser Arbeit wird ein Laserdatenbestand der Firma Fugro N.V. betrachtet. Dieser
Datenbestand liegt im .prj-Format vor und kann nur mit Flip7 bearbeitet werden. Für die
Auswertung mittels weiterer Softwareprodukte (in diesem Fall TerraScan) muss der
Datenbestand in ein allgemeines Datenformat konvertiert werden. Hierfür bietet sich unter
anderem das ASCII-Format an.
7.1 TerraScan
TerraScan (TERRASOLID, 2009) wird von der finnischen Firma TerraSolid entwickelt und
vertrieben und gehört zu einem Softwarebündel, welches verschiedenen Eigenschaften, zur
Bearbeitung und Auswertung von Laserdaten sowie Bildern, zur Verfügung stellt. Um mit
diesen Applikationen arbeiten zu können, müssen diese Aufsatzprogramme in Microstation
implementiert werden (Abb. 41).
Abb. 41: Benutzeroberfläche TerraScan (Microstation Plugin)
29
Der integrierte Workflow ermöglicht es dem Bediener die benötigten Softwareprodukte von
TerraSolid und deren Funktionen parallel zu starten, um jederzeit die erforderlichen
Funktionen nutzen zu können. Neben der, hier betrachteten, automatisierten Klassifizierung
von Bodenpunkten bietet TerraScan zusätzlich die Möglichkeit Laserdaten manuell zu
klassifizieren bzw. weitere automatisierte Filtermethoden durchzuführen. Hierzu zählt die
automatisierte Erkennung von Dachflächen, Hochspannungsleitungen und Gleisen. Des
Weiteren besteht die Möglichkeit den Datenbestand in einer Profilansicht zu betrachten. Diese
Darstellungsart wird im weiteren Verlauf der Auswertung unter anderem zur visuellen
Kontrolle der Klassifizierung verwendet.
Für die Bearbeitung von Hochspannungsleitung bietet TerraScan zudem die Möglichkeit
Hochspannungsmasten zu definieren und als 3D-Gittermodell zu platzieren.
30
7.1.1 Beschreibung von TerraScan
Um den Laserdatenbestand mit TerraScan klassifizieren zu können müssen zunächst die
Laserdaten importiert werden. TerraScan bietet die Möglichkeit 8 und 16 bit binary-files,
Daten im LAS – Format sowie einige vordefinierte ASCII-Formate, zu importieren.
Zum Importieren dieses Datenbestandes wird ein neues Format erstellt. Dazu wird im Menü
unter „User Point Formats“ ein neues ASCII-Format definiert (Abb. 42).
Abb. 42: Eingabefenster zur Erstellung eines User Point Formates
31
7.2 Flip 7
Flip7 wurde von der Firma John Chance Land Surveys, welche heute zur Fugro N.V. gehört,
entwickelt (FUGRO N.V., 2007).
Flip7 ist eine Microsoft Windows-Anwendung und bietet viele CAD (Computer aided
drafting) Fähigkeiten, die bei der Auswertung von LIDAR – Daten benötigt werden. Im
Speziellen steht für die Auswertung und Klassifizierung des Datenbestandes eine ganze Reihe
von Funktionen zur Verfügung.
7.2.1 Beschreibung von Flip 7
Flip7 kann das Projekt Format (.prj) einer Befliegung, wie es von Fugro N.V. geliefert wird,
sowie LIDR – Daten im ASCII Format, öffnen und verarbeiten. Danach besteht die
Möglichkeit der Anzeige, Manipulation und Feature-Extraktion aus den Laser-Daten. Durch
die Korrelation der GPS-, Bild - und LIDAR - Daten ist das FLIP7 Software-Paket in der
Lage Informationen über die Landschaft, Vegetation und andere Objekte zu ermitteln. Diese
Informationen können dann, in eine Reihe von GIS-Formaten digital oder als Hardcopy,
ausgegeben werden. Die Hauptaufgabe von Flip7 besteht in der Visualisierung von LIDAR
Daten. Bei der Visualisierung stehen mehrere Darstellungsmöglichkeiten zur Verfügung
(Abb. 43). Zum einen eine Abstufung über die Höhe und zum anderen über die Intensität. Da
der gesamte Datenbestand 3-dimensional ist, besteht zudem die Möglichkeit der Plan-, ProfilAnsicht oder der Ansicht entlang einer Fluglinie.
Abb. 43:Laserdatenbestand in der Profilansicht mit RGB-Farben und Höhenabstufungen
32
8. Klassifizierung
Mit Klassifizierung meint man die Aufteilung einer Grundgesamtheit, in diesem Fall einer
dreidimensionalen Punktwolke, in Klassen (JACOBY, 1996).
Von den Punkten der Punktwolke sind vor der Klassifizierung lediglich dreidimensionale
Koordinaten sowie weitere Parameter (Abb. 40) bekannt. Semantische Informationen liegen
jedoch noch nicht vor, z.B. ob es sich um Gebäude oder topographische Flächen handelt.
Diese Informationen werden durch die vom Anwender definierten Bestimmungen oder durch
die vordefinierten Einstellungen eines Computerprogramms in Klassen unterteilt.
Eine Klassifizierung hat als Grundlage ein mathematisches Modell. Dieses analysiert den
gesamten Datenbestand und ist in der Lage zum Beispiel Bodenpunkte aus der Gesamtmasse
zu filtern.
Eine weitere Möglichkeit der Klassifizierung ist, neben den genannten automatischen
Klassifizierungen, die visuelle „Verschiebung“, bei der das menschliche Auge Objekte aus
dem Datenbestand erfasst und demnach ebenfalls klassifiziert.
Da bei dieser Methode der Klassifizierung es allein auf die Interpretation des Anwenders
ankommt, und es somit keine Kontrollinstanz gibt, kann man hier nur von einer Verschiebung
(der Daten in eine Klasse) sprechen.
Vorteil der visuellen Interpretation ist die Möglichkeit zur schnellen Bearbeitung eines großen
Gebietes.
Ein Nachteil der sich bei dieser Art der Klassifizierung ergibt ist, dass dem Bearbeiter die
Interpretation der Laserdaten und damit evtl. auch die falsche Interpretation der Daten
überlassen bleibt.
Bei der automatisierten Klassifizierung kann sowohl über ein Rechenmodell, in dem die
Laserdaten untereinander in Bezug gesetzt werden, als auch über die Intensität klassifiziert
werden. Zu den zur Anwendung kommenden mathematischen Modellen zählen die
morphologische Filterung, die robuste Interpolation, die hierarchische Filterung, die
progressive TIN-Verdichtung sowie weitere Methoden. Voraussetzung für die automatisierte
Klassifizierung mittels eines Rechenmodells ist die korrekte Wahl von Parametern, welche
die Lage der Punkte einer Klasse zueinander beschreiben sollen. Für die Klassifizierung
mittels der Intensitäten sind die unterschiedlichen Reflexionseigenschaften, d.h. die
unterschiedlichen spektralen Signaturen eines Objektes von Nöten.
33
8.1 Testgebiet
Das Testgebiet (Abb. 44) erstreckt sich über einen Teil der Ortschaft Obermaubach, das
Staubecken Obermaubach sowie das an das Staubecken angrenzende Gebiet.
Der
Stausee
und
die
Ortschaft
Obermaubach liegen geographisch in der
Gemeinde Kreuzau im Kreis Düren,
NRW. Der Stausee wurde in den Jahren
1933 und 1934 erbaut und dient als
Ausgleichsweiher (WIKIPEDIA, 2009).
Das Staubecken mit einer Fläche von
5540 m² fasst 1,65 Millionen Kubikmeter
Wasser. Die Staumauer ist 200 m lang und
6,50
m
hoch.
Betreiber
ist
der
Wasserverband Eifel-Rur (WVER).
Abb. 44: Der Ausschnitt (TK25) zeigt das Testgebiet
Im Zuge der Umbaumaßnahmen der Staumauer wurde im September 2007 der Wasserspiegel
auf ein Minimum, herabgesenkt (Abb. 45).
Dabei ergab sich die Möglichkeit das ursprüngliche Flussbett der Rur sowie das
Überflutungsgebiet des Staubeckens mit einem flächendeckenden airborne Laserscan zu
erfassen.
Abb. 45: Orthophoto- Mosaik aus den Befliegungsdaten
34
Für die Klassifizierung wurden aus dem Datenbestand des airborne Laserscans nachfolgende
Bereiche zur Gegenüberstellung der Bodenpunktfilterung, mittels TerraScan und Flip7,
gewählt und auf Ihre Ergebnisse untersucht.
Abb. 45.1: bewaldeter Steilhang mit kreuzender Straße(100m x 100m)
Abb. 45.2: Wohngebiet (100m x 100m)
35
Abb. 45.3: von Gräben durchzogenes Gebiet (40m x 40m)
Abb. 45.4: ebene Wiese / Sportplatz (40m x 40m)
Abb. 45.5: Ackerfläche (40m x 40m)
36
8.2 Klassifizierung der Bodenpunkte mit TerraScan
Zur genaueren Betrachtung der Klassifizierung von Bodenpunkten mit TerraScan wurden
verschiedene Gebiete gewählt.
Zu diesen Gebieten zählen bebaute und bewaldete Flächen, sowie Flächen mit Gräben.
TerraScan bietet die Möglichkeit der automatisierten Klassifizierung von Bodenpunkten.
Bevor der Anwender mit der automatisierten Klassifizierung der Bodenpunkte beginnen kann,
müssen zuvor grobe Fehlereinflüsse (Punkte unterhalb der Erdoberfläche sowie Punkte in der
Luft) eliminiert werden (Abb. 46).
Abb. 46: Punktwolke mit fehlerhaften Punkten
Dazu dienen die Filtermethoden „LowPoints“, „Isolatetd Points“ sowie „Airpoints“.
Bei diesen Methoden werden die Punkte, unter Anwendung von Bedingungen, in Bezug
zueinander gesetzt.
Wenn eine dieser Bedingung zutrifft wird der entsprechende Punkt in die dafür vorgesehene
Klasse „verschoben“.
Der „LowPoints“ - Filter (tiefstes Punktprogramm) stuft Punkte in der Nähe, die niedriger
sind als andere Punkte, ein. Dieser Filter wird hauptsächlich zur Suche von möglichen
Störungspunkten, die sich offensichtlich unterhalb der Oberfläche befinden. Dabei vergleicht
das Programm im Allgemeinen den Höhenunterschied jedes Punktes mit jedem anderen Punkt
innerhalb eines gegebenen x-y Abstandes. Wenn der Mittelpunkt offenbar niedriger als
37
irgendein anderer Punkt ist, wird er eingestuft. Bei einem Datenbestand mit einer hohen
Punktdichte, wie er in dieser Arbeit verwendet wird, können die fehlerhaften Punkte so nah
beieinander liegen, dass diese nicht als „low points“ erkannt werden. Daher wird hier nach
Gruppen von fehlerhaften Punkten (Groups of points) gesucht (Abb. 47).
Abb. 47: low points - Parameter Eingabefenster
Der Filter „Classify isolated points“ stuft Punkte ein, die nicht sehr viele andere Punkte
innerhalb eines 3D Suchradius haben. Dieser Filter wird zur Bestimmung fehlerhafter Punkte,
in der Luft oder unterhalb des Bodens, verwendet. Dabei werden die Punkte auf die Anzahl
der „Nachbarn“ innerhalb eines anzugebendem Radius untersucht. Wenn dieser untersuchte
Punkt nicht genügend benachbarte Punkte besitzt wird dieser in die dafür ausgewählte Klasse,
eingestuft.
Abb. 48: isolated points – Parameter Eingabefenster
38
Der Luftpunktfilter stuft Punkte ein, die offenbar höher sind als Punkte in der Umgebung.
Dieser kann verwendet werden, um eventuell vorhandenes Rauschen in der Luft zu entfernen.
Wenn dieser Filter einen Punkt findet, findet dieser auch alle benachbarten Quellpunkte
innerhalb eines gegebenen Suchradius (search radius). Er berechnet den mittleren
Höhenunterschied der Punkte und dessen Standardabweichung. Liegen diese Abweichung
oberhalb der eingegebenen Parameter (Limit: std deviation) so werden die gefundenen Punkte
in die dafür vorgesehene Klasse eingestuft (To class: Air Points).
Abb. 49: air points – Parameter Eingabefenster
Nach dem Durchlauf der benannten Filter und Eingabe der korrekten Parameter werden alle
fehlerhaften Punkte in die entsprechenden Klassen verschoben (Abb. 50).
Abb. 50: Ergebnis der Filetrung von Low-, Isolated- und Air Points.
39
Nachdem die groben Fehlereinflüsse beseitigt sind, kann mit der Klassifizierung der
Bodenpunkte begonnen werden. Dazu dient der Befehl „Classify ground“.
In der sich öffnenden Eingabemaske müssen Parameter, die das Gelände beschreiben,
eingegeben werden (Abb. 50.1).
Diese Parameter setzen sich wie folgt zusammen:
Zunächst muss die „Start – Klasse“, in der sich die unklassifizierten Daten befinden und die
„Ziel – Klasse“ in welche die Daten „hineingeschoben“ werden sollen, ausgewählt werden.
Des Weiteren muss die maximale Größe von Gebäuden angegeben werden, damit deren
Dachfläche nicht als Bodenpunkte deklariert werden. Weiterhin muss die Neigung des
Geländes, sowie der Iterationswinkel und die Iterationsdistanz, angegeben werden. Diese
Daten werden zur Anwendung des mathematischen Modells verwendet.
Abb. 50.1: Eingabemaske der Bodenpunktparameter
40
8.2.1 Mathematisches Modell zur Klassifizierung der Bodenpunkten
TerraScan arbeitet nach dem mathematischen Modell der Progressiven TIN (Triangular
Irregular Network, eine Triangulierung) –Verdichtung (PFEIFER, 2003).
Abb. 51: Darstellung der TIN-Verdichtung
Für die Anwendung dieses Filters wird als erster Schritt ein TIN auf Basis von wenigen,
sicheren Bodenpunkten gebildet (Abb. 51). Diese erhält man durch Einteilung des gesamten
Gebietes, in große Bereiche, wobei in jedem Bereich der niedrigste Punkt gewählt wird. Für
jedes Dreieck wird aus den innerhalb liegenden Punkten ein Bodenpunkt gesucht. Dazu
werden der Reihe nach die Abstände der Punkte zu den Dreieckspunkten mittels der
angegebenen Parameter (iteration angle und iteration distance) untersucht, ebenso wie die
Winkel, die die Verbindungen von den Eckpunkten zum untersuchten Punkt mit der
Dreiecksfläche bilden (Abb. 51.1).
Abb. 51.1: Arbeitsweise der Klassifiziermethode
Liegen diese Werte im Bereich der angegebenen Parameter, so wird der Punkt als
Bodenpunkt akzeptiert und der Algorithmus arbeitet auf dem nächsten Dreieck weiter. Lässt
sich kein solcher Punkt finden, dann enthält das Dreieck keine Bodenpunkte. Auf diese Art
wird die Triangulierung schrittweise verdichtet.
Hinzu kommt, dass alle Bodenpunkte als diese klassifiziert werden können, selbst wenn
Höhensprünge innerhalb des Geländes vorhanden sind.
41
8.2.2 Ergebnisbetrachtung
Bei der Filterung der fehlerhaften Punkte (Ausreißer), mit den Methoden „low points“ und
„isolated points“, gab es im vorliegenden Testmaterial keine Besonderheiten. Die
Filtermethoden haben alle Ausreißer gefunden und in die dafür vorgesehene Klasse
verschoben. Aus diesem Grund wurde der „air point“-Filter für die Auswertung der
Laserdaten nicht verwendet. Da in diesem Testdatensatz bereits alle Ausreißer in die
entsprechenden Klassen verschoben wurden, hat der airpoint-Filter, auf Grund seines
mathematischen Modells, Teile der hohen Vegetation und ebenso linienhafte Objekte
(Straßenlaternen) als solche klassifiziert (Abb. 52 u. 52.1).
Abb. 52 u. 52.1: Arbeitsweise der Klassifiziermethode (air points)
Für die Klassifizierung der Bodenpunkte werden ein maximaler Geländewinkel von 70 Grad,
ein Iterationswinkel von 6 Grad und eine Iterationsdistanz von 1,40 Meter gewählt.
Bei genauer Betrachtung der Bodenpunktfilterung mit TerraScan wird deutlich, dass es sich
bei dem Ergebnis nicht um einzelne Bodenpunkte, sondern um ein „Bodenpunktband“ handelt
(Abb. 52.2). Dies ist auf das mathematische Modell zurückzuführen, da durch dieses (Abb.
51.1) ein Bereich auf das Vorliegen von Bodenpunkte untersucht wird.
Abb. 52.2: Arbeitsweise der Klassifiziermethode
Wenn die Parameter zu grob gewählt werden besteht die Gefahr, dass u.a. Vegetationspunkte
mit klassifiziert werden. Werden die Parameter zu fein gewählt besteht die Möglichkeit, dass
zu wenig Bodenpunkte gefiltert werden und somit im weiteren Arbeitsverlauf bei der
Erstellung eines DGM die Erdoberfläche nicht korrekt dargestellt werden kann, da die
Interpolationsschritte zu groß werden. Dies verdeutlicht wie grundlegend die korrekte Wahl
der Parameter ist. Die nachfolgende Abbildung (Abb. 53) verdeutlicht die Auswirkungen von
42
zu grob gewählten Parametern. Es handelt sich sowohl bei den orangen Punkten als auch bei
den blauen Punkten um Punkte der Klasse „Ground“, mit dem Unterschied, dass bei den
orangen Punkten, die für das Gelände geeigneten Parameter gewählt wurden. Bei den blauen
Punkten hingegen wurde eine gröbere Einstellung gewählt.
Abb. 53: Arbeitsweise der Klassifiziermethode
Die Klassifizierung der Testgebiete ergab, dass mit den gewählten Parametern
(Geländewinkel 70°, Iterationswinkel 6° und Iterationsdistanz 1,40 Meter) nur Bodenpunkte
aus dem gesamten Datenbestand gefiltert wurden und es zu keiner Fehlinterpretation,
innerhalb der Punktwolke, gekommen ist. Im Bereich des Wohngebietes wurden insgesamt
23178 Bodenpunkte herausgefiltert. Somit ergab sich in der Profilansicht folgendes Bild
(Abb. 54).
Abb. 54: Arbeitsweise der Klassifiziermethode
Bei der Filterung der Bodenpunkte, im Bereich der ebenen Wiese (Abb. 55) sowie der leicht
geneigten Ackerfläche (Abb. 56), ergaben sich keinerlei Komplikationen und die Filterung
erbrachte folgendes Ergebnis: Im Testgebiet der Wiese wurden 7713 Bodenpunkte gefiltert
und im Bereich der Ackerfläche 6229.
Abb. 55: Bodenpunktklassifizierung im Bereich der Wiese
Abb. 56: Bodenpunktklassifizierung im Bereich des Ackers
43
Im Bereich des Steilhanges wurden ebenfalls nur Bodenpunkte herausgefiltert. Die gesamte
Vegetation sowie ein kleines Gebäude wurden bei der Klassifizierung, nicht mit erfasst.
Die Laserpunkte im Bereich der Straße hingegen, welche den Hang schneidet, wurden
„sauber“ erkannt und ebenfalls mit in die Klasse der Bodenpunkte verschoben (Abb. 57).
Somit wurden in diesem Bereich 9847 Laserpunkten gefiltert.
Abb. 57: Bodenpunktklassifizierung im Bereich des Hanges
Auch im letzten Testgebiet, das einen Graben beinhaltete, blieb die Vegetation von der
Filterung vernachlässigt. Die Bodenpunkte hingegen wurden herausgefiltert. Somit ist in der
Schnittansicht das Profil des Grabens durch die Bodenpunkte gut zu erkennen (Abb. 58). In
diesem Bereich wurden 16692 Bodenpunkte ermittelt.
Abb. 58: Profilansicht mit den gefilterten Bodenpunkten im Bereich des Grabens
44
8.3 Klassifizierung der Bodenpunkte mit Flip7
Um die beiden Programme vergleichen zu können werden mit Flip7 die gleichen Gebiete, in
Bezug auf die Klassifizierung, untersucht. Da es mit Flip7 nicht möglich ist die Punktwolke
einzublenden, um dann in dieser einzelne Bereiche für die Klassifizierung zu selektieren, wird
hier der gesamte Datenbestand (Abb. 59) bzw. Bereiche, in den die Vergleichsflächen liegen,
klassifiziert.
Abb. 59: Gesamter Datenbestand in Flip7 mit ca. 16,8 Mio. Punkten
Im weiteren Verlauf werden dann die Ergebnisse exportiert und mit den Ergebnissen der
Klassifizierung aus TerraScan verglichen.
Anders als bei TerraScan bietet Flip7 keine Möglichkeit im Vorhinein fehlerhafte Punkt, die
unterhalb der Oberfläche bzw. in der Luft liegen können, zu filtern.
Die Klassifizierung mit Flip7 basiert auf der Zusammenstellung und Verknüpfung mehrerer
Filter. Da Flip7 für jede Aktion einen separaten Filter verwendet, müssen diese in geeigneter
Weise miteinander Verknüpft werden.
45
So muss hier zum Beispiel für die Filterung der Bodenpunkte der Bodenpunktfilter, welcher
zur Erkennung der Bodenpunkte verwendet wird, ausgewählt werden. Des Weiteren wird der
„GroundClean“-Filter verwendet; dieser trennt die übrigen Laserdaten von den klassifizierten
Bodenpunkten. Um nun noch die gefilterten Daten in eine Datei zu schreiben wird der „Write
to File“-Filter verwendet. Dieser legt die klassifizierten Bodenpunkte in einem zuvor
gewählten Format (Abb. 59.1) in einer Datei ab.
Abb. 59.1:Eingabemaske zur Festlegung des Ausgabeformates
46
Im Gegensatz zu TerraScan besteht bei Flip7 die Möglichkeit zwischen zwei verschiedenen
Bodenpunktfiltern zu wählen. Zu den Filtermethoden zählen der „Ground“ und der
„GroundComplete“ Filter. Der „Ground“-Filter ist für eine grobe Filterung des
Datenbestandes zuständig und kann über nachfolgend gezeigte Eingabemaske (Abb. 60)
konfiguriert werden. Für das vorliegende Testgebiet erwiesen sich, nach mehreren Tests,
folgende Parameter als geeignet:
-
Outlier Toleranz: 3m
-
Search Radius: 5m
-
Vertical Toleranz: 5m
Abb. 60: Parameter Eingabemaske des „Ground“-Filters
Der „GroundComplete“-Filter hingegen ist für eine feinere Filterung der Bodenpunktdaten
zuständig. Dieser Filter arbeitet nach einem anderen Prinzip als der „Ground“-Filter und wird
über die gezeigte Eingabemaske konfiguriert (Abb. 61).
Abb. 61:Arbeitsweise der Klassifiziermethode
47
8.3.1 Mathematisches Modell zur Klassifizierung der
Bodenpunkten
Flip7 unterscheidet zwischen zwei verschiedenen Bodenpunktfiltern. Zum einen kommt der
„Ground“-Filter zum Einsatz, zum anderen der „GroundComplete“-Filter.
Beide Filter basieren auf der Grundgeometrie eines Zylinders, welcher durch den
Laserdatenbestand „gestoßen“ wird, sich dann auf den niedrigsten Punkt bezieht und den
restlichen Datenbestand in Bezug zu diesem setzt (FUGRO N.V., 2009).
Der „Ground“-Filter berücksichtigt bei der Filterung des Datenbestandes lediglich den letzten
Impuls (last Return) und arbeitet nach folgendem Modell (Abb.62).
Durch die Angaben Ausreißertoleranz, Radius und vertikale Toleranz werden dann die
Bereiche festgelegt, die auf weitere Bodenpunkte untersucht werden.
Suchradius
Laserpunkt
vertikale Toleranz
Ausreißertoleranz
Abb. 62: Arbeitsweise der „Ground“-Klassifiziermethode
Dabei gibt der Wert „Ausreißer Toleranz“ eine Spanne an, die bis auf diese Entfernung noch
auf Bodenpunkte untersucht werden. Alle Daten welche niedriger liegen werden als Punkte
unterhalb der Oberfläche deklariert.
Des Weiteren wird eine maximale vertikale Toleranz angegeben. Durch diese wird der
Höhenunterschied des niedrigsten Punktes (innerhalb des Suchradius) mit dem restlichen
Datenbestand verglichen. Wenn dieser kleiner gleich der vertikalen Toleranz ist wird der
Punkt der auf dem Radius liegt, als nächster Bodenpunkt deklariert. Andernfalls kann an
dieser
Stelle
kein
weiterer
Bodenpunkt
deklariert
werden.
48
Die zweite Möglichkeit zur Filterung der Bodenpunkte, in dem alle Bodenpunkte betrachtet
werden, bietet der „GroundComplete“-Filter. Dieser klassifiziert den Datenbestand nach
folgendem Modell (Abb. 63).
Radius 1
Winkel 1
Winkel 2
Laserpunkt
Radius 2
Abb. 63: Arbeitsweise der „GroundComplete“-Klassifiziermethode
Die Filtermethode vergleicht den ausgewählten Laserpunkt mit allen umliegenden Punkten,
innerhalb des „Radius 1“. Ein Punkt wird als „Ground“-Punkt eingestuft, wenn sein
Steigungsverhältnis (Verhältnis des Höhenunterschiedes zum horizontalen Abstand vom
Prüfpunkt) kleiner ist, als das zuvor bestimmte Maximum. Das Maximum ist in der
Abbildung durch den roten Bereich gekennzeichnet und wird durch die Parameter „Radius 1“
und „Winkel 1“ festgelegt.
Für eine zeitliche Optimierung kann zudem ein Bereich für bodennahe Punkte deklariert
werden. In diesem werden Punkte, die ein zuvor festgelegtes Maximum nicht überschreiten,
sofort in die Klasse der Bodenpunkte verschoben. Dargestellt wird der Bereich durch den
grünen Sektor, welcher durch “Radius 2“ und „Winkel 2“ festgelegt wird.
49
8.3.2 Ergebnisbetrachtung
Da bei der Klassifizierung mit Flip7 die gefilterten Bodenpunkt direkt vom restlichen
Datenbestand getrennt werden und durch das grobe Punktraster, des „Ground“-Filters, eine
Interpretation des Ergebnisses nicht möglich ist, wurden die gefilterten Daten mit dem
ungefilterten Datenbestand überlagert. Dadurch ist es möglich eventuell falsch gefilterte
Laserpunkte zu erkennen.
Nachdem das gesamte Testgebiet durch Schnittansichten (Profilansichten) kontrolliert wurde,
konnte deutlich ein grobes Punktraster (bis zu fünf Metern Punktabstand) erkannt werden.
Zudem aber auch das keine Punkte unterhalb bzw. oberhalb der Oberfläche als Bodenpunkte
klassifiziert wurden. Somit ist auch diese Filtermethode erfolgreich ausgeführt wurden und es
ergaben sich folgende Ergebnisse (Abb. 64-68).
Abb. 64: Ergebnis der Klassifizierung am Steilhang (GroundFilter)
Abb. 65: Ergebnis der Klassifizierung im Wohngebiet (GroundFilter)
50
Abb. 66: Ergebnis der Klassifizierung auf einer ebenen Wiese (GroundFilter)
Abb. 67: Ergebnis der Klassifizierung auf einer Ackerfläche (GroundFilter)
Abb. 68: Ergebnis der Klassifizierung im Bereich eines Grabens (GroundFilter)
Für die Klassifizierung der Bodenpunkte, unter Verwendung des „GroundComplete-Filters,
wurden ebenfalls mehrere Testparametersätze verwendet. Die Ergebnisse der Klassifizierung
unter Verwendung des „GroundComplete“-Filters ergaben in allen Bereichen ein sehr dichtes
Punktraster.
Der Parametersatz, welcher sich für eine Klassifizierung als geeignet ergab, konnte die
Unterschiede im Bereich des Wohngebietes und der Dachflächen mit den bestimmten
Bodenpunkten nicht herausfiltern und erkennen. Die Problematik in diesem Bereich liegt
darin, dass viele ebene Flächen mit unterschiedlichen Steigungen zugrunde liegen und das
mathematische Modell nicht in der Lage ist diese zu unterscheiden. Somit wurden in diesem
Testgebiet Dachflächen ebenfalls als Bodenpunkte klassifiziert (Abb. 9).
Abb. 69: Ergebnis der Klassifizierung im Wohngebiet unter Verwendung des „GroundComplete“-Filters
51
In den restlichen Testgebieten konnten die Bodenpunkte ohne Fehlinterpretationen gefiltert
werden, was die nachfolgenden Profilansichten verdeutlichen (Abb. 70-73).
Abb. 70: Ergebnis der Klassifizierung am Steilhang unter Verwendung des „GroundComplete“-Filters
Abb. 71: Ergebnis der Klassifizierung der Wiese unter Verwendung des „GroundComplete“-Filters
Abb. 72: Ergebnis der Klassifizierung der Ackerfläche unter Verwendung des „GroundComplete“-Filters
Abb. 73: Ergebnis der Klassifizierung des Grabens unter Verwendung des „GroundComplete“-Filters
52
9. Gegenüberstellung der Ergebnisse
Beim Vergleich der Ergebnisse werden die klassifizierten Laserdaten aus den Testbereichen
(Abb. 45.1 - 45.5), welche das gesamte Testgebiet wiederspiegeln, zugrundegelegt.
Bevor die Ergebnisse der Klassifizierung mit einander verglichen werden, muss beachtet
werden, dass diese abhängig sind von der Wahl der Parameter, die in das mathematische
Modell einfließen. Somit ist ein Vergleich nur möglich wenn die gleichen Parameter in beiden
Programmen verwendet werden. Da dies auf Grund der verschiedenen mathematischen
Modelle nicht möglich ist, wurden die Parameter so gewählt, dass ein bestmögliches Ergebnis
erzielt wird. Da dies so geschehen ist werden die Daten im folgenden Vergleich, auf Qualität
und Quantität, untersucht.
Bei der quantitativen Gegenüberstellung wird der tatsächlich vorhandene Datenbestand mit
der Anzahl der gefilterten Punkte, verglichen. Hierdurch kann jedoch noch keine Aussage
über die Qualität der Ergebnisse getroffen werden.
Testgebereich Steilhang Wohngebiet Graben ebene Wiese Acker Gesamte Laserpunkte 66112 259392 83579 52645 8685 TerraScan Flip7 Ground‐Filter 9847 23178 16692 7713 in % Ground‐Filter in % 14,9 393 0,6 8,9 2045 0,8 20,0 912 1,1 14,7 492 0,9 6229 71,7 88 1,0 GroundComplete‐Filter 15632 115960 35745 50582 in % 23,6 44,7 42,8 96,1 8680 99,9 Tab. 2: Quantitativer Vergleich
Beim Vergleich der Quantitäten, kann die bereits in der Ergebnisbetrachtung erwähnte
Punktmenge und Punktdichte tabellarisch verdeutlicht werden. Dabei liegt die Filterrate der
Bodenpunkte bei TerraScan, je nach Gegebenheit, in einem Intervall von 10-20 %, mit
Ausnahme der Ackerfläche. Sie liegt bei 71,7%. Da die Ackerfläche zu diesem Zeitpunkt
keine Frucht trug, wäre hier auch eine 100 prozentige Filterung des Datenbestandes in die
Klasse Bodenpunkte, möglich gewesen. Der „Ground“-Filter (grober Filter) von Flip7 filtert
ca. 1% der Datenmenge als Bodenpunkte. Dies ist darauf zurückzuführen, dass innerhalb des
Suchradius keine weiteren Punkte klassifiziert werden und lediglich der letzte Impuls für die
Klassifizierung verwendet wird. Der „GroundComplete“-Filter erreicht beim quantitativen
Vergleich die höchste Filterrate.
53
Um eine qualitative Aussage über die gefilterten Bodenpunkte treffen zu können, werden über
die Testbereiche digitale Geländemodelle (DGM) gebildet und diese miteinander
verschnitten. Was jedoch schon bei der Betrachtung der verschiedenen Profilansichten
verdeutlicht wurde ist, dass durch die unterschiedlichen Punktraster eine dementsprechende
Generalisierung der DGM’s auftritt. Dies muss ebenfalls im folgenden Vergleich mit
berücksichtigt werden. Die nachfolgenden Tabellen (Tab. 3-7) stellen diese Verschneidungen
gegenüber und beinhalten den massenmäßigen Unterschied (in m³). Dabei sind die
Kombinationen mit der geringsten Abweichung zueinander farblich hervorgehoben.
Was bei allen Vergleichen zu sehen ist, ist dass die geringste Abweichung immer in
Kombination mit der Filterung aus TerraScan steht. Dies wurde bereits bei der Betrachtung
der Ergebnisse aus TerraScan sichtbar. Die guten Ergebnisse der Filtermethode werden durch
diese Vergleiche bestätigt.
Im Bereich der Ackerfläche beträgt die kleinste Abweichung 11,4 m³. Teilt man dieses
Volumen durch die betrachtete Fläche (1600 m²), so ergibt sich eine durchschnittliche
Höhendifferenz von 7 mm. Bei der größten Abweichung ergibt sich ein durchschnittlicher
Höhenunterschied von 1,5 cm. Unter Berücksichtigung, der hier beobachteten Ackerfläche,
stellt sich heraus, dass alle drei Filter als geeignet für solche Flächen sind.
TerraScan Flip Ground Flip Ground 12,2 m³ Flip GroundComplete 11,4 m³ 24,1 m³ Tab. 3: Ergebnis der Verschneidung im Bereich der Ackerfläche
Für die Filterung der Bodenpunkte im Bereich der ebenen Wiese ergaben sich nachstehende
Ergebnisse (Tab. 4). Der „GroundComplete“-Filter hat an dieser Stelle ein breites Band als
Bodenpunkte gefiltert. Dadurch wurde fast die gesamte Vegetation mit in diese Klasse
verschoben. Resultierend daraus ergibt sich eine große Differenz, bei der Verschneidung der
digitalen Geländemodelle. Als geeignet ergaben sich in diesem Bereich der „Ground“-Filter
sowie der Filter von TerraScan. Beim direkten Vergleich dieser beiden Ergebnisse ergibt sich
ein durchschnittlicher Höhenunterschied von 1,1 cm. Dieser wiederum ist auf das grobe
Raster und die damit zusammenhängende Generalisierung des Geländes, durch den
„Ground“-Filters, zurückzuführen.
TerraScan Flip Ground Flip Ground 18,2 m³ Flip GroundComplete 57,2 m³ 75,1 m³ Tab. 4: Ergebnis der Verschneidung im Bereich der Wiese
54
Die Ergebnisse der DGM-Verschneidung (Tab. 5) lassen sich am besten an den gestaffelten
Profilansichten erläutern (Abb. 74-76). In diesen Ansichten wird stets das gleiche Profil
gezeigt. In diesem werden dann nachfolgend die Ergebnisse der Klassifizierung überlagert.
Flip Ground 1542,5 m³ TerraScan Flip Ground Flip GroundComplete 518,3 m³ 2030,3 m³ Tab. 5: Ergebnis der Verschneidung im Bereich des Hanges
In Abbildung 74 wird lediglich das Ergebnis des „Ground“-Filters dargestellt, in dem das
grobe Punktraster zu erkennen ist.
Abb. 74: Ausschnitt „Ground“-Filterung
Im nächsten Bild (Abb. 75) wurde der „Ground“-Filter mit dem Ergebnis aus TerraScan
überlagert. Dadurch ist bereits die hohe Punktdichte zu erkennen.
Abb. 75: Ausschnitt TerraScan Filterung
55
In der dritten Abbildung (Abb. 76) wurden die zuvor gezeigten Filterungen, mit der Filterung
des „GroundComplete“-Filters, überlagert. Hier ist ebenfalls eine hohe Punktdichte zu
erkennen. Wie im Bereich der Wiese, wurde auch hier ein breites Bodenpunktband
klassifiziert, dass ein Teil der niedrigen Vegetation mit in die Klasse der Bodenpunkte
verschoben hat.
Abb. 76: Ausschnitt „GroundComplete“-Filterung
Demnach bringt der TerraScan-Filter in diesem Bereich das qualitativ beste Ergebnis. Der
„GroundComplete“-Filter erreicht eine durchschnittliche Höhendifferenz von 5,1cm. Der
„Ground“-Filter sollte an dieser Stelle nicht verwendet werden, da dieser das Gelände nicht
ausreichend beschreiben kann.
Im Bereich des Grabens spiegelt sich das gleiche Ergebnis wie zuvor beim Steilhang wieder
ab (Tab. 6).
TerraScan Flip Ground Flip Ground 789,9 m³ Flip GroundComplete 390,0 m³ 1054,7 m³ Tab. 6: Ergebnis der Verschneidung im Bereich des Grabens
Im Bereich des Wohngebietes kann, wie bereits die Ergebnisbetrachtung gezeigt hat, die
Klassifizierung mittels des „GroundComplete“-Filters nicht ohne eine weitere manuelle
Klassifizierung verwendet werden, da es diesem nicht möglich ist Dachflächen
unberücksichtigt zu lassen. Hingegen liefert TerraScan mit der Methode „Ground“-Filter ein
gutes Ergebnis. Im direkten Vergleich der beiden Geländemodelle ergab sich ein
durchschnittlicher Höhenunterschied von 2,1 cm.
TerraScan Flip Ground Flip Ground 214,7 m³ Flip GroundComplete 3734,2 m³ 3490,7 m³ Tab. 7: Ergebnis der Verschneidung im Bereich des Wohngebietes
56
Im folgenden Teil werden die beiden Programme auf Ihre Bedienung verglichen.
TerraScan verwendet für die Bedienung viele Icons und eindeutige Bezeichnungen für
automatisierte Operationen. Wie bereits aus der Windowsoberfläche bekannt, erscheint eine
Erklärung der jeweiligen Icons wenn der Mauszeiger längere Zeit auf diesem stehen bleibt.
Ein weiterer Vorteil ist, dass die Ergebnisse der Bearbeitung direkt am Bildschirm betrachtet
werden („on the fly“) und wenn nötig weiterverarbeitet werden können. Die Bearbeitung mit
TerraScan ist für jemanden, der bereits Erfahrungen mit CAD-Programmen gemacht hat
verständlich und schnell zu erlernen, da es viele Parallelen zu anderen Produkten gibt.
Flip7 verwendet für jeden Bearbeitungsschritt der Datenmenge eine separate Methode. Diese
Methoden müssen je nach gewünschtem Ergebnis noch mit einander verschachtelt und
konfiguriert werden. Weiterhin werden die Ergebnisse z.B. einer Klassifizierung am
Bildschirm angezeigt, können aber nicht weiter bearbeitet werden. Hierfür müssen die Daten
durch die Methode „write to file“ zuvor in eine Datei geschrieben werden, da das angezeigte
Ergebnis im nächsten Arbeitsschritt überschrieben wird. Um das gesamte Potential von Flip7
ausschöpfen zu können benötigt der Anwender, aufgrund der Komplexität der Software, eine
längere Einarbeitungszeit als zum Beispiel bei TerraScan. Der Grund liegt darin, dass Flip7
ein komplett eigenständiges Programm ist und kaum Parallelen mit anderen CAD-Produkten
aufweisen kann.
Als letzten Punkt der Gegenüberstellung wird der zeitliche Aspekt betrachtet.
Für die Filterung der Bodenpunkte aus dem gesamten Datenbestand (16,98 Mio. Punkte)
benötigte Flip7 unter Verwendung des „Ground“-Filters ca. fünf Minuten. Die
„GroundComplete“-Filtermethode hingegen benötigt für denselben Datenbestand ca. 4,5
Stunden.
Mit TerraScan werden für die Eliminierung der fehlerhaften Punkte und die Klassifizierung
der Bodenpunkte ca. 30min benötigt.
57
10. Schlussbetrachtung
In dieser Arbeit wurden die Programme Flip7 und TerraScan auf die automatisierte
Klassifizierung von Bodenpunkten, unter Anwendung der integrierten Filter, untersucht und
deren Ergebnisse gegenübergestellt.
Dabei ergab sich, dass die integrierten Filtermethoden von TerraScan leichter zu bedienen und
die Ergebnisse schneller zu bearbeiten waren.
Flip7 hingegen hat eine komplexe Struktur, in der die Filtermethoden miteinander kombiniert
werden müssen und eine Weiterverarbeitung der Daten ist nicht ohne weiteres möglich ist.
Beide Programme werden auch unter Betrachtung des wirtschaftlichen Aspektes
gegenübergestellt. TerraScan benötigt als Grundlage MicroStation, Flip7 hingegen ist ein
„stand alone“-Programm. Daher benötigt man für TerraScan zwei und für Flip7 nur eine
Lizenz. Die Kosten für eine TerraScan Lizenz belaufen sich auf 5.800€. Hinzu kommen noch
die Kosten für eine MicroStation Lizenz, in Höhe von 6.900€. Somit ergibt sich ein gesamter
Preis von 12.700€. Dem entgegen steht die Lizenz für Flip7. Diese kostet erstmalig 3.900€
und jedes weitere Jahr 600€. Damit beträgt der Anschaffungspreis für Flip7 weniger als ein
Drittel der Kosten, die für die Verwendung von TerraScan aufgebracht werden müssten.
Ein weiterer Aspekt, der vor der Beschaffung einer Software berücksichtigt werden muss ist,
welche Genauigkeiten erreicht werden sollen bzw. müssen. Wenn für die Filterung der
Laserdaten z.B. eine Genauigkeit im Dezimeterbereich gefordert ist, würden nach diesem
Gesichtspunkt beide Produkte in Betracht kommen.
Wird noch der Faktor Zeit betrachtet kann bei einer einfachen Geländeoberfläche (Wiese,
Acker, etc.) Flip7 mit der Verwendung des „Ground“-Filters, überzeugen. Bei komplexeren
Oberflächen hingegen liefert TerraScan das bessere Ergebnis.
Auf der Grundlage der durchgeführten Untersuchung kommt man zu dem Schluss, dass bei
häufiger Auswertung von Laserdaten, bei denen eine Genauigkeit unterhalb eines Dezimeters
gefordert ist, dass TerraScan die wirtschaftlich bessere Lösung ist.
Werden allerdings nur selten Laserdaten bzw. nur projektbezogen Laserdaten ausgewertet und
ist die zu erreichende Genauigkeit mit Flip7 ausreichend, muss dieses als das wirtschaftlichere
Programm angesehen werden.
58
Abbildungsverzeichnis
Abb. 1: Messanordnung ..........................................................................................................................................2 Abb. 2: System FliMap 400 der Firma Fugro, Division Aerial Mapping .............................................................2 Abb. 2.1: INS – Einheit ...........................................................................................................................................3 Abb. 2.2: Darstellung der Drehachsen ...................................................................................................................3 Abb. 3: Ungefilterter Laserdatenbestand ...............................................................................................................4 Abb. 4: Klassifizierter Laserdatenbestand ..............................................................................................................4 Abb. 5: Cyrocopter Prototyp des Fli-Map...............................................................................................................6 Abb. 6 + 7: Schweizer 300 mit angebautem Fli-Map I System ..............................................................................6 Abb. 8: FLI-MAP System an einer Bell Long Ranger...........................................................................................7 Abb. 9: FLI-MAP System an einer Bell 206 Jet Ranger .......................................................................................7 Abb. 10: FLI-MAP System an einem McDonnell Douglas Hubschrauber MD 500 ............................................7 Abb. 11: FLI-MAP System an einer Squirrel AS350 and AS355 (AStar / TwinStar) ..........................................8 Abb. 12: FLI-MAP II, 70 m AGL Æ 9 Pkt / m² .....................................................................................................9 Abb. 13: FLI-MAP 400, 70 m AGL Æ 133 Pkt / m² ..............................................................................................9 Abb. 14: FLI-MAP 400, 150 m AGL Æ 47 Pkt / m² ............................................................................................10 Abb. 15: FLI-MAP 400, 300 m AGL Æ 18 Pkt / m² ............................................................................................10 Abb. 16: Prinzip der multiple-return Technologie ...............................................................................................11 Abb. 17: Laserdaten eines bewaldeten Hangs ......................................................................................................12 Abb. 18: Aufnahmesystem unter dem Helikopter ................................................................................................12 Abb.19: Zusammenhänge zwischen Flughöhe, Öffnungswinkel und Abbildungsstreifen ................................14 Abb. 20: Laserdatenausschnitt zur Ermittlung des Durchhangs von Hochspannungsleitungen ......................16 Abb. 21: Laserdatenausschnitt zur Querung eines landwirtschaftlich genutzten Hofes....................................16 Abb. 22: Plan zum Raumordnungsverfahren auf Basis von Orthophotos .........................................................17 Abb. 23: Befliegung einer Bahnanlage ................................................................................................................18 Abb. 24: Kolorierte Laserdaten zur Darstellung von Höhenabstufungen ..........................................................18 Abb. 25: Luftbildaufnahme der Talsperre Obermaubach ...................................................................................19 Abb. 26: Laserdatenbestand mit RGB-Farben, in dem das ursprüngliches Flussbett erkennbar wird. ............19 Abb. 27: Orthophoto - Mosaike aus den Befliegungsdaten .................................................................................20 Abb. 28: Talsperre Obermaubach: RGB – Farbbild auf der Basis von Laserdaten ...........................................20 Abb. 29: Tagebau Garzweiler II (Quelle: GoogleEarth) .....................................................................................21 Abb. 30: Tagebau Garzweieler II (Quelle: GoogleEarth)....................................................................................21 Abb. 31: Laserdatenbestand eines Wohngebietes aus der Vogelperspektive.......................................................22 Abb. 32: Laserdatenbestand eines Wohngebietes in einer Profilansicht. ...........................................................23 Abb. 33: Befliegung eines Hochwassergefahrenbereiches ..................................................................................23 Abb. 34: Höhenmodell ..........................................................................................................................................24 Abb. 35: Oberflächenmodell und extrahiertes Geländemodell ...........................................................................24 Abb. 36: Screenshot vom Down - Video ...............................................................................................................25 Abb. 37: Screenshot vom Forward - Video ..........................................................................................................26 Abb. 38: Bildaufnahme aus der Befliegung .........................................................................................................26 Abb. 39: Orthophoto – Mosaike............................................................................................................................27 Abb. 40: Auszug aus dem Testdatensatz mit Darstellung der Attribute ..............................................................27 Abb. 41: Benutzeroberfläche TerraScan (Microstation Plugin) .........................................................................29 Abb. 42: Eingabefenster zur Erstellung eines User Point Formates...................................................................31 Abb. 43:Laserdatenbestand in der Profilansicht mit RGB-Farben und Höhenabstufungen.............................32 Abb. 44: Der Ausschnitt (TK25) zeigt das Testgebiet...........................................................................................34 Abb. 45: Orthophoto- Mosaik aus den Befliegungsdaten ....................................................................................34 Abb. 45.1: bewaldeter Steilhang mit kreuzender Straße(100m x 100m) .............................................................35 Abb. 45.2: Wohngebiet (100m x 100m) ................................................................................................................35 Abb. 45.3: von Gräben durchzogenes Gebiet (40m x 40m) .................................................................................36 Abb. 45.4: ebene Wiese / Sportplatz (40m x 40m) ................................................................................................36 Abb. 45.5: Ackerfläche (40m x 40m) ....................................................................................................................36 Abb. 46: Punktwolke mit fehlerhaften Punkten...................................................................................................37 Abb. 47: low points - Parameter Eingabefenster .................................................................................................38 Abb. 48: isolated points – Parameter Eingabefenster ..........................................................................................38 Abb. 49: air points – Parameter Eingabefenster ..................................................................................................39 Abb. 50: Ergebnis der Filetrung von Low-, Isolated- und Air Points. ................................................................39 Abb. 50.1: Eingabemaske der Bodenpunktparameter .........................................................................................40 59
Abb. 51: Darstellung der TIN-Verdichtung .........................................................................................................41 Abb. 51.1: Arbeitsweise der Klassifiziermethode .................................................................................................41 Abb. 52 u. 52.1: Arbeitsweise der Klassifiziermethode (air points) .....................................................................42 Abb. 52.2: Arbeitsweise der Klassifiziermethode .................................................................................................42 Abb. 53: Arbeitsweise der Klassifiziermethode ....................................................................................................43 Abb. 54: Arbeitsweise der Klassifiziermethode ....................................................................................................43 Abb. 55: Bodenpunktklassifizierung im Bereich der Wiese ................................................................................43 Abb. 56: Bodenpunktklassifizierung im Bereich des Ackers ...............................................................................43 Abb. 57: Bodenpunktklassifizierung im Bereich des Hanges..............................................................................44 Abb. 58: Profilansicht mit den gefilterten Bodenpunkten im Bereich des Grabens ...........................................44 Abb. 59: Gesamter Datenbestand in Flip7 mit ca. 16,8 Mio. Punkten ................................................................45 Abb. 59.1:Eingabemaske zur Festlegung des Ausgabeformates .........................................................................46 Abb. 60: Parameter Eingabemaske des „Ground“-Filters ..................................................................................47 Abb. 61:Arbeitsweise der Klassifiziermethode .....................................................................................................47 Abb. 62: Arbeitsweise der „Ground“-Klassifiziermethode ..................................................................................48 Abb. 63: Arbeitsweise der „GroundComplete“-Klassifiziermethode ...................................................................49 Abb. 64: Ergebnis der Klassifizierung am Steilhang (GroundFilter) .................................................................50 Abb. 65: Ergebnis der Klassifizierung im Wohngebiet (GroundFilter) ..............................................................50 Abb. 66: Ergebnis der Klassifizierung auf einer ebenen Wiese (GroundFilter) .................................................51 Abb. 67: Ergebnis der Klassifizierung auf einer Ackerfläche (GroundFilter) ...................................................51 Abb. 68: Ergebnis der Klassifizierung im Bereich eines Grabens (GroundFilter) .............................................51 Abb. 69: Ergebnis der Klassifizierung im Wohngebiet unter Verwendung des „GroundComplete“-Filters.....51 Abb. 70: Ergebnis der Klassifizierung am Steilhang unter Verwendung des „GroundComplete“-Filters .......52 Abb. 71: Ergebnis der Klassifizierung der Wiese unter Verwendung des „GroundComplete“-Filters ............52 Abb. 72: Ergebnis der Klassifizierung der Ackerfläche unter Verwendung des „GroundComplete“-Filters ...52 Abb. 73: Ergebnis der Klassifizierung des Grabens unter Verwendung des „GroundComplete“-Filters .........52 Abb. 74: Ausschnitt „Ground“-Filterung ............................................................................................................55 Abb. 75: Ausschnitt TerraScan Filterung ............................................................................................................55 Abb. 76: Ausschnitt „GroundComplete“-Filterung .............................................................................................56 60
Tabellenverzeichnis
Tab. 1: Tab 1: Fli-Map 400 System Eigenschaften
14
Tab. 2: Quantitativer Vergleich
52
Tab. 3: Ergebnis der Verschneidung im Bereich der Ackerfläche
53
Tab. 4: Ergebnis der Verschneidung im Bereich der Wiese
53
Tab. 5: Ergebnis der Verschneidung im Bereich des Hanges
54
Tab. 6: Ergebnis der Verschneidung im Bereich des Grabens
55
Tab. 7: Ergebnis der Verschneidung im Bereich des Wohngebietes
55
61
Literaturverzeichnis
Fugro N.V. (2007): Fli-Map 400 Specifications.
http://www.flimap.com, Seitenzugriff November 2009
Fugro N.V. (2007): Flip7 Spezifications.
November 2009, Handbuch
Jacoby Birte (1996): Klassifikation von Satellitenbildern.
http://www.inweb.rz.uni-kiel.de, Seitenzugriff Dezember 2009
Pfeifer Norbert (2003): Oberflächenmodelle aus Laserdaten.
http://www.ewi.tudelft.nl, Seitenzugriff Dezember 2009
TerraSolid (2009): Beschreibungen und Anleitungen.
http://www.terrasolid.fi, Seitenzugriff November 2009
TopScan (2007): Airborne Laserscanning Eigenschaften.
http://topscan.de, Seitenzugriff Dezember 2009
Google Earth (2010): http://earth.google.de/, Seitenzugriff Januar 2010
Przybilla H.-J. (2009): Airborne Laserscanning Script.
http://www.hochschule-bochum.de/, Seitenzugriff November 2009
Kääb & Hoelzle (2009): Photogrammetrie Grundlagen.
http://www.geo.unizh.ch/, Seitenzugriff November 2009
Briese, Kraus, Mandlburger & Pfeifer (2009): Einsatzmöglichkeiten der
flugzeuggetragenen Laser-Scanner.
http://www.mplusm.at/, Seitenzugriff Dezember 2009
62