Lidary a letecké laserové skenování

ACTA UNIVERSITATIS PURKYNIANAE

99 STUDIA GEOINFORMATICA

Ing. Tomáš Dolanský

Lidary a letecké laserové skenování

ÚSTÍ NAD LABEM 2004

Vědecký redaktor: Ing. Lena Halounová, CSc. Recenzenti:

Ing. Miloš Tejkal Dr. Ing. Karel Pavelka

Lidary a letecké laserové skenování Autor:

Ing. Tomáš Dolanský

Acta Universitatis Purkynianae 99 STUDIA GEOINFORMATICA Univerzita J. E. Purkyně v Ústí nad Labem

© Ing. Tomáš Dolanský, Ústí nad Labem 2004 ISBN 80-7044-575-0

Tento dokument byl vytvořen za finanční podpory Evropské unie. Názory vyjádřené v tomto dokumentu jsou názory Univerzity J. E. Purkyně v Ústí nad Labem, a v žádném případě nemohou být chápány jako oficiální názory Evropské Unie.

3

4

Obsah 1 Úvod..............................................................................................8 2 Obecné principy a pojmy...............................................................9 2.1 Co to je lidar?........................................................................9 2.2 Definice pojmu lidar...............................................................9 2.3 Princip lidaru........................................................................10 3 Lidary pro mapování terénu – letecké laserové skenování.........12 3.1 Vývoj....................................................................................12 3.2 Konstrukce laserových skenerů...........................................13 3.2.1 Laserová jednotka..............................................................13 3.2.2 Skener................................................................................15 Skener s rotačním zrcadlem..............................................................16 Skener s oscilujícím zrcadlem...........................................................16 Skener se svazkem optických vláken...............................................18 Eliptický skener.................................................................................18

3.2.3 Kontrolní jednotka..............................................................20 3.2.4 Navigační jednotka.............................................................20 3.2.5 GPS....................................................................................20 3.3 Matematický model a chybové modely................................21 3.3.1 Chyba laseru......................................................................22 3.3.2 Atmosférický model............................................................22 3.3.3 Chyba hodin.......................................................................24 3.3.4 Chyba skeneru...................................................................24 3.3.5 Chyba zpoždění..................................................................29 3.3.6 Chyby GPS.........................................................................30 3.3.7 Chyby INS...........................................................................30 3.3.8 Chyby integrace..................................................................31 3.3.9 Přehled chyb.......................................................................32 3.4 Kalibrace ALS systému.......................................................34 3.4.1 Předletová kalibrace...........................................................34 3.4.2 Poletová kalibrace..............................................................35 Manuální určení parametrů...............................................................36 Metoda vyrovnání..............................................................................37 Metoda křížového náletu...................................................................39 Metoda podle Morina.........................................................................42 Prostorová korelační analýza............................................................44

3.4.3 Plánování náletu pro kalibraci............................................45 Příčný náklon.....................................................................................45 Podélný náklon..................................................................................46

5

Stočení v rovině letu..........................................................................47 Torze.................................................................................................47

4 Zpracování dat............................................................................49 4.1 Filtrace dat...........................................................................49 4.1.1 Morfologické filtry................................................................49 Popis filtrů..........................................................................................50 Další možnosti rozšíření morfologické filtrace..................................53

4.1.2 Filtry založené na porovnávání sklonu...............................54 Základní popis...................................................................................54 Implementace....................................................................................55 Region Growing.................................................................................56

4.1.3 Lineární predikce................................................................57 Implementace u systému BLUH........................................................57

4.1.4 Zhodnocení filtračních metod.............................................58 4.2 Klasifikace...........................................................................59 4.2.1 Metody klasifikace..............................................................59 Hrubé chyby......................................................................................59 Terén.................................................................................................60 Body pod terénem.............................................................................61 Vegetace...........................................................................................61 Budovy...............................................................................................61 Komunikace.......................................................................................63 Body terénní kostry...........................................................................63

4.2.2 Návrh postupu komplexního zpracování dat......................63 4.2.3 Shrnutí klasifikace..............................................................67 5 Aplikace.......................................................................................69 5.1 Tvorba DMT..........................................................................69 5.2 Obrysová mapa, 3D modely..................................................70 5.3 Diferenční modely..................................................................71 5.4 Mapování průběhu vedení.....................................................71 5.5 Mapování vegetace...............................................................72 5.6 Mapování pobřeží a v blízkosti vodních ploch.......................73 6 Lidary a programy pro komerční použití......................................75 6.1 Hardware pro laserové skenování.......................................75 6.1.1 Leica Geosystems..............................................................75 6.1.2 IGI.......................................................................................77 6.1.3 Optech................................................................................78 ALTM 3100........................................................................................78 SHOALS............................................................................................79

6.1.4 TopoSys.............................................................................80 6.1.5 Riegl...................................................................................81 6.1.6 Další systémy.....................................................................82 6

6.2 Software pro zpracování dat................................................83 6.2.1 BLUH..................................................................................83 6.2.2 SCOP++............................................................................85 6.2.3 TerraScan...........................................................................85 7 Standardizace formátu LAS........................................................87 7.1 Hlavička dat.........................................................................87 7.2 Záznamy s proměnnou délkou............................................89 7.3 Datový blok..........................................................................89 8 Literatura.....................................................................................91 Příloha A - Úvod do laserové techniky............................................94 Pevnolátkové lasery...................................................................94 Polovodičové lasery....................................................................95 Příloha B - Vymezení pojmů a zkratek............................................97 Příloha C - Internetové odkazy........................................................99 Přístroje......................................................................................99 Software.....................................................................................99 Organizace.................................................................................99 Diskuzní fóra............................................................................100

7

Úvod

1 Úvod Archeologické průzkumy nám jasně ukazují, že lidé se již od nepaměti snaží využívat krajinu k hospodářské činnosti. K tomu, aby toto využití krajiny bylo pro člověka co nejhospodárnější, je zapotřebí provést důkladný průzkum terénu. Současné potřeby lidí se oproti potřebám lidí z dřívějších dob příliš nezměnily. Opět provádíme stejně jako naši předkové před několika tisíci lety průzkum krajiny pro současné zemědělské, urbanistické nebo vojenské potřeby, pouze s tím rozdílem, že jsou používány lepší technické možnosti. Nedávné mapování pomocí tachymetrie bylo vystřídáno daleko rychlejší metodou – fotogrammetrií, která ale pro mapování zemského povrchu potřebuje každé místo na terénu vidět alespoň na dvou fotografických snímcích. Fotogrammetrie, díky použití pasivního snímače/filmu, je ale také výrazně závislá na atmosférických vlivech. Tento nedostatek ve velké míře odbourávají aktivní senzory zastoupené radary a lidary. Tato publikace vznikla ve snaze přiblížit technologie lidarů odborné veřejnosti a pokud možno shrnout do jediné knížky znalosti o teoretických principech, variantách konstrukce a možnostech použití v praxi. Technologie lidaru nám může přinést naprosto jiný pohled na získávání informací o objektech na dálku, tedy bezkontaktně, a tedy mnohokrát v bezpečné vzdálenosti od zkoumaného objektu.

8

Obecné principy a pojmy

2 Obecné principy a pojmy 2.1 Co to je lidar? V mnoha oborech je pojem lidar chápán různě. Ačkoli základem je vždy stejný princip – měření vzdálenosti pomocí laserového paprsku, je jeho použití v praxi často diametrálně odlišné. Základem této publikace bude popis systémů používaných v geodetické praxi pro mapování zemského povrchu z letadla. Jedná se ale pouze o část z rodiny lidarů - systémů, pomocí kterých lze rekonstruovat digitální tvar libovolného tělesa. Takovým tělesem může být například socha, architektonická památka, skalní masív nebo rozsáhlé podzemní komplexy. O jednotlivých možných aplikacích leteckého laserového skenování bude pojednáno v kapitole 5., kde bude podrobně uveden seznam možných použití v praxi. Další variantou použití je mapování koncentrací polutantů v atmosféře, měření oblačnosti, ozónové vrstvy a jiných jevů v meteorologii a pro potřeby ochrany životního prostředí. S lidary se ale můžeme také setkat v běžném životě v podobě „strašáku“, jakým je přístroj pro měření rychlosti projíždějících vozidel v rukou policie. Dnes jsou klasické radary právě nahrazovány lidarovou technikou, která nabízí vyšší operativnost, jednodušší obsluhu a dosah až 1500 m. V kombinaci s kamerovým systémem má pak policie v rukou téměř dokonalou jednotku pro usvědčení pachatele při dopravním přestupku. V tisku armádních sil je naopak možné se dočíst o využití lidaru k oslepení nepřítele. Zde ovšem je nutno podotknout, že se skutečnou lidarovou technologií dané zařízení má společný pouze impulsní laserový paprsek. Nikterak měření vzdálenosti nebo určování směru.

2.2 Definice pojmu lidar Samotný pojem lidar je akronymem z anglických slov „Light Detection And Ranging“. Tvorba akronymu lidar zcela odpovídá principu tvorby akronymu radar (Radio Detection and Ranging), a proto bude také v této publikaci obdobně skloňováno. Ve volném překladu se tedy jedná o přístroj nebo technologii k detekci objektů a k měření

9


vzdáleností. V literatuře se ale lze setkat i s jinými přepisy tohoto akronymu. V databázi akronymů Knihovny AV ČR jsou uvedeny následující:

LIDAR - Laser Imaging Radar {eng} LIDAR - Laser-Instrument Distance and Range {eng} LIDAR - Laser-Radar {eng} LiDAR - Light Intensification Direction and Ranging {eng} Dále bude v této publikaci navíc ještě používán ekvivalentní pojem „laserový skener“, popřípadě pojmenování technologie „laserové skenování“. Jedná se o časté pojmenování používané zejména v geodetické praxi.

2.3 Princip lidaru Vlastní princip lidaru lze považovat za velmi jednoduchý. Celý přístroj obsahuje zdroj laserového záření, optickou soustavu, mechanický prvek, detektor elektromagnetického záření a velmi přesné hodiny. Jako zdroj laserového záření lze v současné době použít poměrně velkou škálu různých emitorů. U výkonných lidarů se používají pevnolátkové lasery rubínové nebo modernější Nd:YAG. V systémech nevyžadujících vysoký výkon pevnolátkových laserů se s úspěchem používají lasery diodové, které mají mnoho výhod, jednoduchou možnost implementace do systému a vysokou variabilitou na trhu. Použití konkrétního typu laseru se řídí nejen požadovaným výkonem, ale i požadovanou vlnovou délkou záření. U některých laserů lze provádět dokonce tzv. přeladění z jedné vlnové délky na jinou. Nicméně stejně musí být přeladěn i detektor, aby byl schopen dané záření rozeznat. Jako detektory jsou používány světlocitlivé diody spektrálně synchronizované na stejnou vlnovou délku jako je vysílané laserové záření. Různých vlnových délek lze s výhodou použít při napodobení multispektrálního průzkumu, kdy ze znalostí spektrálního chování materiálu, ze kterého je zkoumaný objekt, lze odvozovat další nepřímé informace. Protože je svazek paprsků laserového záření vysílán směrem k objektu, od něhož se odražen vrací k detektoru, musí být detektor velmi citlivý - energie světla klesá s druhou mocninou vzdálenosti (budeme-li uvažovat difusní odraz). Lasery v lidarech jsou používány jak v pulsním, tak v kontinuálním režimu s fázovou modulací. Některé podrobnější informace o laserech lze nalézt v příloze.

10


Optická soustava zajišťuje koncentraci záření do velmi úzkého svazku a zároveň souosost detektoru a emitoru. To je zpravidla zajištěno polopropustným hranolem. Poslední optický člen soustavy, jímž je zrcadlo nebo hranol, je zpravidla umístěn na mechanickém prvku, který zajišťuje směrování paprsku vždy pod jiným úhlem. Tím je zajištěno snímání určité roviny nebo prostoru, aniž by muselo být pootáčeno celým zařízením. Navíc je snímání jednotlivých měření v takovémto případě mnohonásobně rychlejší. Poslední částí lidaru jsou hodiny. Jedná se o velmi přesné hodiny, které mají za úkol měřit čas od vyslání svazku paprsků po jejich detekci na detektoru. Ze znalosti rychlosti šíření světla lze určit vzdálenost lidaru od objektu, a tedy ze znalosti směru vyslaného svazku paprsků a odvozené vzdálenosti určit polohu každého měřeného bodu. U kontinuálního režimu laseru je navíc paprsek frekvenčně modulován a vzdálenost je určována i za pomoci fázového posunu.

11

Lidary pro mapování terénu – letecké laserové skenování

3 Lidary pro mapování laserové skenování

terénu

–

letecké

Letecké laserové skenování je velmi mladou technologií umožňující sběr bodů pro tvorbu digitálního modelu reliéfu a modelu terénu, a to i v zalesněných oblastech. Ačkoliv je tato technologie velmi mladá, již našla své uplatnění v mnoha praktických aplikacích, jako je například tvorba 3D modelu města, analýza vegetačního pokryvu, sledování nadzemních vedení apod. První experimenty byly započaty přibližně před 15 lety. Je tedy zřejmé, že se jedná o metodu novou, která ještě není na horizontu svých možností. Laserové skenování je vyvinuto pro rychlé a operativní mapování rozsáhlých území, kde standardní metody (tachymetrie, GPS, fotogrammetrie) již nestačí. Praktické uplatnění v Česku našla tato metoda teprve nedávno. Celý proces měření a následného zpracování je z velké části automatizován. Všechna data jsou získána již primárně v digitální podobě, a proto je také vyhodnocení prováděno na počítačích.

3.1 Vývoj Letecký laserový skener (ALS – Airborne Laser Scanner) poskytuje přesnost, rychlost a možnost operativního použití. Lze jej zařadit mezi aktivní digitální senzory. Aktivní proto, že vysílá energii a přijímá zpět signál po odrazu, digitální neboť úroveň signálu je převedena na digitální tvar a uložena do počítače a dále zpracovávána pouze pomocí digitální techniky. Stejně jako i jiné aktivní senzory nejsou ALS závislé na slunečním světle, a lze tedy měření provádět 24 hodin. Aby bylo možné zařízení používat pro měření, je nutné zajistit přesné určení polohy letadla v prostoru. Jednotlivé komponenty byly postupně zdokonalovány a uváděny do komerčního provozu. Uvedení družicového navigačního systému GPS po roce 1980 a jeho další zdokonalování včetně diferenciální metody měření umožnilo určování absolutní prostorové polohy. Pokrok v inerciálních navigačních systémech (INS) a jejich postupný přechod z vojenské do komerční sféry dále poskytl pro

12


laserové skenování dostatečně přesnou metodu pro měření orientací. A jako další byl v letech 1988 - 1993 na universitě ve Stuttgartu vyvinut moderní laserový profiler (Ackermann, 1999). Tím byl odstartován vývoj dalších opticko-mechanických součástí pro konstrukci komplexních jednotek pro laserové skenování. V současné době lze na trhu nalézt několik různých řešení. Mezi nejvýznamnější patří ALTM skenery firmy Optech Inc. (Kanada), ALS40 senzor od Leica Geosystems (dříve AeroScan, Azimuth Inc. USA) a TopoSys senzor od firmy TopoSys Inc. (Německo).

3.2 Konstrukce laserových skenerů Laserové skenery se skládají z několika samostatných mapovacích technologií. Ačkoliv se jednotlivé komerční systémy navzájem odlišují, mají naprosto totožný základ – GPS s INS jako navigační systém a dále laserovou a skenovací jednotku. Vnitřní parametry jednotlivých jednotek musí být určeny s vysokou přesností, proto každá z těchto samostatných jednotek musí být před měřením kalibrována.

3.2.1 Laserová jednotka Laserová jednotka (LRF) obsahuje laserový vysílač a přijímač, jejichž optická osa je totožná. Velikost stopy laserového paprsku je závislá na výšce letu a na divergenci světelného paprsku. Divergence světla tak definuje okamžité zorné pole (IFOV) senzoru. Pro koherentní laserové záření je IFOV zpravidla mezi 0,3 mrad až 2 mrad (Wehr & Lohr, 1999). Při výšce letu kolem 500 m nad terénem je tedy laserová stopa na zemi kolem 30 cm. Většina komerčních LRF používá vlnovou délku záření v rozsahu 1100-1200 nm, což odpovídá blízkému infračervenému záření. Vývoj laserů s touto vlnovou délkou již velmi pokročil a komponenty nebo moduly s tímto typem laseru jsou na trhu již běžně dostupné. Intenzita odraženého světla je dána vlastnostmi povrchu, na který laserové záření dopadlo. Z hodnot intenzity odraženého světla lze generovat pseudo-snímek a interpolací lze získat rastrový obraz. To umožňuje velice dobře od sebe odlišit objekty s vysokou a nízkou odrazivostí v daném pásmu záření. Jelikož je infračervené světlo z velké části pohlcováno vodou, nehodí se příliš pro měření hloubek pod vodní hladinou. Pro bathymetrii se tedy používá zelenomodré záření. Tato část spektra má daleko lepší vlastnosti pro měření pod vodní hladinou, nicméně kvůli závislosti na úrovni zákalu

13


a rychlosti pohybu vody nelze měřit ani v tomto případě hlouběji než přibližně 50m (Optech, 2002).

Obr. 1: Emitovaný a detekovaný puls

Pro měření vzdálenosti je světlo modulováno buď pulsně nebo sinusovou „continuous wave (CW)“ modulací. Pulsní modulací vysílač emituje krátké impulsy s pravoúhlým průběhem o délce 10-15 ns. Čas mezi vysláním pulsu a detekcí odraženého pulsu je přímo úměrná vzdálenosti:

t=2

D c

,

(1)

kde t D c

je celkový čas [s] je vzdálenost senzoru od povrchu [m] je rychlost šíření světla [m.s -1].

Dráha světelného paprsku je ovlivňována atmosférickou refrakcí, která je závislá na úhlu paprsku od svislice a na lokálních atmosférických podmínkách. Vyslaný pravoúhlý puls se navíc po odrazu od povrchu nevrací ve svém původním tvaru, ale vytváří daleko složitější tvar, který popisuje vlastnosti atmosféry a povrch objektu (Obr. 1). Některé systémy dokáží registrovat také tento tvar signálu, ale pro velký objem dat, který zákonitě vzniká, nejsou tyto systémy používány pro rozsáhlá měření s vysokou hustotou bodů. Díky své šířce se laserový paprsek postupně odráží od jednotlivých vrstev objektů na zemském povrchu. Tato vlastnost se projeví nejvíce na vzrostlé vegetaci a dále pak i na hranách výškových objektů. Při mapování lesních ploch lze tedy získat jak odraz od svrchní

14


části koruny, tak i od jednotlivých pater a rovněž i od vlastního terénu. Aby dva odrazy byly od sebe jednoznačně odlišeny, musí mezi nimi být dostatečně velký útlum signálu. Zároveň mezi jednotlivými lokálními maximy signálu musí být časový odstup. Komerční systémy jsou dnes schopné registrovat až 5 odrazů (minimální vzdálenost mezi nimi je 2-3 m), nicméně v praxi se neměří více jak 3 odrazy. Při CW modulaci vysílač emituje světelnou vlnu o dané frekvenci. Fázový posun detekované světelné vlny je závislý na čase a velikosti periody:

t=

 T nT 2

,

(2)

kde t

φ

T n

je celkový uplynulý čas [s] je fázový posun detekované vlny je perioda modulované vlny [s] je počet celých vlnových délek.

V praxi se převážně používají systémy s pulsní modulací, které svou současnou centimetrovou přesností dostačují. Přesnost měření délky je u nich ale závislá především na přesnosti měření času mezi vysláním pulsu a jeho detekcí po odrazu. Při použití systému s CW modulací lze však změnou modulační frekvence dosáhnout přesnosti měření délek větší než centimetr.

3.2.2 Skener Pro vychylování paprsku mimo svou osu je ve skeneru umístěno zpravidla rotující zrcadlo, které paprsek vychyluje v příčném směru. Posun paprsku v podélném směru je zajištěn vlastním pohybem plošiny (letadla). Celkový úhel záběru v příčném směru pak definuje šířku záběru, čili zorné pole (dále FOV). V praxi je zpravidla zorné pole 20-30°, nicméně existují i systémy s FOV až 70° (Leica Geosystems, 2002).

15


Obr. 2: Druhy stop pro různé konstrukce skeneru

Skener s rotačním zrcadlem Při konstrukci skeneru je použito několik odlišných technologií. Jednou z nich je užití zrcadla rotujícího konstantní rychlostí. Měření tímto druhem skeneru je charakteristické paralelními řadami bodů (Obr. 2a). Poloha zrcadla, které se otáčí stále stejným směrem, je určována buď přímo z motoru nebo je k zrcadlu upevněn úhlový senzor. Výhodou typu konstrukce skeneru s úhlovým senzorem je velmi malá chyba při úhlovém měření. Zásadní nevýhodou rotačního zrcadla ale je poměrně dlouhý čas mezi jednotlivými cykly, kdy paprsek je odrážen mimo zorné pole. Tento nedostatek může být částečně eliminován použitím hranolů s více zrcadlovými plochami, nicméně stále je zde nevyužitelný časový interval.

Skener s oscilujícím zrcadlem Další variantou, kterou používá velká část firem, je oscilující zrcadlo. Body na terénu mají při použití této metody charakteristické pilovité uspořádání. (Obr. 2b).

16


Výhodou je, že paprsek je odrážen vždy směrem k povrchu a měření je tedy kontinuální. Operátor navíc může řídit jak rychlost skenování tak i úhel záběru. Nevýhodou tohoto řešení je vznik torze mezi zrcadlem a úhlovým senzorem díky změnám rychlosti

Obr. 3: Nehomogenní hustota bodů

a zrychlení. Změna rychlosti má také za následek nerovnoměrnou hustotu bodů na povrchu, kdy v nadiru je hustota nejnižší a díky zpomalování zrcadla je na okraji FOV hustota nejvyšší. Další podstatnou výhodou použití oscilujícího zrcadla je možnost kompenzace turbulentních pohybů letadla. Tyto pohyby způsobují zvlnění okrajů skenované scény (příčným náklonem) nebo nehomogenní hustotu bodů na povrchu (podélným náklonem a horizontální rotací). Při výrazných pohybech letadla tak může dojít ke vzniku mezer mezi jednotlivými náletovými řadami. Mechanismus zrcadla může však v reálném čase reagovat na měření INS a projevy těchto náklonů eliminovat nastavitelnou výchylkou zrcadla.

17


Skener se svazkem optických vláken Další variantou skenovacího systému je použití svazku optických vláken (TopoSys, 2002). Místo zrcadla, které odráží paprsek k povrchu, je užito malé zrcadlo k nasměrování paprsku do lineárního svazku optických vláken (Obr. 4). Svazek vysílá laserový puls stále pod stejným úhlem (Obr. 2c). Výhodou je, že tento systém obsahuje méně pohyblivých dílů, které jsou zároveň daleko menší. Rychlost snímání tedy může být vyšší než v předchozích dvou případech. Rychlost těchto systémů je tak velká, že body se vzájemně v podélné ose překrývají. Nevýhodou ale je velmi úzký úhel záběru (kolem ±7°) a pevný počet bodů v příčném směru včetně jejich úhlové vzdálenosti.

Eliptický skener Poslední skenovací metodou je eliptický skener. Ten používá soustavu dvou zrcadel, které vychylují paprsek tak, že stopa na povrchu opisuje elipsu (Obr. 2d). Výhodou tohoto systému je dvojnásobné měření povrchu z různých míst, takže pokud nějaká část povrchu nebyla změřena při prvním průchodu, může být změřena při průchodu druhém. Nevýhodou je větší mechanická složitost a tím i větší náchylnost

18


k chybám při synchronizaci pohybu zrcadel a určení aktuálního úhlu. Tato metoda je použita v systému ASLRIS (Hu, Xue, Fang a Pan, 1999). Pro popis detailnosti skenování se uvádí průměrná plošná hustota bodů na jeden čtvereční metr. Rozložení bodů na terénu však není přesně stanoveno a má pseudonáhodný charakter, který vychází z použité metody skenování. Vzdálenosti bodů navíc v příčném směru závisí na výšce letu a skenovací frekvenci a v podélném směru navíc na rychlosti letu. Tento pseudo-náhodný charakter rozložení bodů způsobuje různou hustotu bodů na terénu v různých místech uvnitř náletové řady. Například tedy pro nejběžnější skener s výškou letu kolem 500 m, rychlostí letu 70 m/s, řádkovou frekvencí 23 lps a bodovou frekvencí 18 kHz je přibližná hustota 1,6 bodu/m2.

N=

F f sc

,

SW =2 h⋅tan dx along =

v f sc

dx across =

SW N

(3)

   2

,

,

(5)

,

(6)

kde N F fsc SW h

Θ

v dxalong dxacross

(4)

počet bodů v řádce bodová frekvence skenování [Hz] řádková frekvence skenování [Hz] šířka záběru [m] výška letu [m] úhel záběru (FOV) [°] rychlost letu [m.s-1] podélná vzdálenost bodů [m] příčná vzdálenost bodů [m]

19


3.2.3 Kontrolní jednotka Skener a laserová jednotka vzájemně spolupracují pomocí kontrolní (někdy také označované jako řídící)

jednotky. Vnitřní hodiny této jednotky jsou pravidelně

synchronizovány s hodinami GPS aparatur pomocí PPS (puls per second) signálem generovaným vnitřními hodinami GPS přijímače. Veškerá měřená data (úhel a délka) jsou provázána s časem vnitřních hodin a dále pomocí PPS s GPS časem.

3.2.4 Navigační jednotka IMU (Inertial Measurement Unit) využívá dvou fyzikálních zákonitostí. V prvém případě využívá vlastnosti velmi rychle rotujících těles, která se snaží udržet svojí osu rotace ve směru zemské tíže. Druhým fyzikálním jevem je setrvačnost těles. Oba jevy je možno měřit pomocí několika gyroskopů a akcelerometru. Soustava gyroskopů (jeden je vždy svisle, další jsou pak k němu kolmé) dokáže velmi přesně určit náklony celého systému vzhledem k tížnici. Akcelerometr naopak měří zrychlení, což je funkce rychlosti a času. Porovnáním rozdílů zrychlení v čase lze zpětně určit polohovou složku letu. Kombinací obou přístrojů lze tedy určit všech šest stupňů volnosti. Přestože současné gyroskopy a akcelerometry měří velmi přesně extrémně malé hodnoty, vlivem působení systematických chyb se bude vypočtená trajektorie letu od skutečné stále více odchylovat a po určitém čase odchylka překročí povolené meze. Proto je nutné tato měření doplnit měřením GPS .

3.2.5 GPS Pro určování polohy letadla v referenčním systému je používána soustava GPS přijímačů s využitím metody DGPS. Nejjednodušší formou je kombinace jedné referenční stanice na známém geodetickém bodě a jedné stanice na palubě letadla. Pokud jsou na palubě rozmístěny tři stanice, lze s jejich pomocí provádět výpočty nejen aktuální polohy nýbrž i hodnoty jednotlivých náklonů letadla. Další funkcí GPS na palubě letadla je synchronizace času všech ostatních měřících systémů. Frekvence měření je zpravidla 2Hz.

20


3.3 Matematický model a chybové modely Pro výpočet prostorových souřadnic měřeného podrobného bodu je nutné zkombinovat všechna měřená data z ALS, INS a GPS:

m

m

m

b

S

b

r i =r nav t Rb t [ R S⋅r a ]

,

(7)

kde ri m rmnav(t) Rbm(t) RbS rS ab

jsou souřadnice podrobného bodu (i) v rámci lokálního souřadnicového systému jsou souřadnice navigačního systému v rámci lokálního souřadnicového systému interpolovaná matice rotace pro náklon platformy v aktuálním čase (stav b) rotační matice mezi INS a ALS (stav S) vektor laserového paprsku počáteční souřadnicový posun mezi stavy „b“ a „S“.

Tato rovnice je obecnou rovnicí pro výpočet prostorových souřadnic podrobného bodu. Vektor laserového paprsku je závislý na použitém typu skeneru – například pro zrcadlo s konstantní rychlostí rotace nebo pro oscilující zrcadlo bude vektor vyjádřen:



r S=



d⋅sin  0 d⋅cos

,

(8)

kde d

α

je měřená vzdálenost [m] je úhel paprsku od osy laserové jednotky [°].

Pokud jsou vztahy mezi měřeními známé, lze provést rozbor, jaký podíl mají jednotlivé chyby na celkové přesnosti souřadnic cíle. Celková chyba může být rozložena až na elementární části každé jednotky (ALS, INS, GPS, řídící a kontrolní systémy).

21


3.3.1 Chyba laseru Vzdálenost (d) je určována z doby letu laserového paprsku měřeného vnitřními hodinami. Právě vnitřní hodiny mají největší vliv na celkovou přesnost měření vzdálenosti. Chyby lze rozdělit na chyby způsobené modulací a chyby způsobené měřením času. U pulsního systému musí být puls vyslán v přesně určeném čase. Pokud je puls generován se zpožděním, bude i vypočtená vzdálenost chybná. Podobně tomu bude i v případě odchylky v modulaci (ať už posunem tvaru nebo změnou její frekvence). V takovém případě bude mít detektor problémy s rozeznáním odraženého signálu a měřené hodnoty budou mít v důsledku posunu daleko větší rozptyl. Dalším významným problémem je detekce slabého odrazu. Každý povrch má pro záření různých vlnových délek vlastní specifickou odrazivost. To samozřejmě platí i pro nejčastěji používané záření v infračerveném pásu. Odrazivost je zároveň i funkcí sklonu povrchu.

Navíc uvážíme-li například, že ze vzdálenosti 750 m se z vyslaného

impulsu o výkonu 2kW vrátí nepatrná část – pouze 2,4 x10-6 W (Baltsavias, 1999), je potřeba mít velmi citlivý detektor. Detektor je proto konstruován pro rozpoznání velmi slabého záření. Jakmile ale úroveň energie klesne blízko k prahové hodnotě detektoru, může být měření výrazně zatíženo šumem. Naopak, pokud se paprsek odrazí od materiálu s vysokou odrazivostí, může dojít k saturaci signálu a výsledkem je velice světlý bod, který se jakoby vznáší nad povrchem. Pro kompenzaci těchto jevů je úroveň signálu kontrolována a v případě potřeby automaticky eliminována.

3.3.2 Atmosférický model Laserový paprsek, tak jako jakékoli jiné záření, je ovlivněn prostředím, ve kterém se šíří. Velikost chyby z refrakce závisí na vlnové délce světla, poloze v prostoru, úhlu paprsku a atmosférických podmínkách. Komerční systémy mají často své vlastní nezveřejněné proprietární refrakční modely, nicméně lze použít i standardní atmosférický model používaný ve fotogrammetrii (Chapman, 1996):

 =K⋅tan 

,

22

(9)




K=

 

2410 H 2410 H h 2 H 6 H 250 h 6 h250 H 2

×106

, (10)

kde h H

je výška terénu nad referenční rovinou [m] je výška skeneru nad referenční rovinou [m].

Obr. 5: Vliv atmosférické refrakce

Atmosférická refrakce způsobuje zakřivení paprsku (Obr. 5), přičemž odchylka ∆α je přímo úměrná velikosti úhlu α. To znamená, že vliv atmosférické refrakce je největší na okraji náletového pásu a nulová je v nadiru. Korekce (K) je pro standardní atmosférický model konstantní. Navíc se samozřejmě kromě úhlu mění i vzdálenost. Korekce délky je dále také závislá na úhlu paprsku a na atmosférických podmínkách.

23


Špatné povětrnostní podmínky (smog, vlhkost, atd.) snižují energii odraženého pulsu a při vysoké hustotě aerosolu může citlivý detektor reagovat i na zpětný rozptyl světla v atmosféře a registrovat tak chybná data. Tyto chyby mají zpravidla náhodný charakter a lze je dobře eliminovat při následné filtraci během zpracování dat.

3.3.3 Chyba hodin Největším problémem pro ALS systémy je přesné měření času. Doba letu pulsu (pro výšku letu 750 m) je 5x10-6 s. Z toho je patrné, že jakákoli chyba při měření času se okamžitě projeví na měřené vzdálenosti. Současné komerční systémy používají hodiny s přesností 0,05 ns až 0,2 ns, což odpovídá přesnosti v délce 15 mm. Výsledná měřená vzdálenost jako funkce tranzitního času je definována vztahem:

d r=

c⋅ t 2

,

(11)

kde c

∆t

rychlost šíření elektromagnetického záření [m.s -1] doba letu paprsku [s].

U některých systémů je možné při kalibraci hodin zjišťovat posun a jeho tendence a ty pak nastavit při inicializaci systému. Při odstranění systematických chyb se přesnost měření vzdálenosti pohybuje kolem 15-20 mm (při výšce 500 m).

3.3.4 Chyba skeneru U skeneru může chyba samozřejmě vzniknout při měření úhlu pohybujícího se zrcadla. Polohu zrcadla lze určovat několika způsoby. Primárně je pozice zrcadla ovládána pomocí galvanometru, ale lze ji pomocí galvanometru také zpětně měřit. Takové měření však vykazuje přesnost kolem 0,02°, což však není příliš vysoká přesnost. Pro zvýšení přesnosti je proto k zrcadlu připevněno kódované měřítko, s nímž lze získat přesnost kolem 0,001°. Jedná se ale o další součást systému a tedy o další možný zdroj chyb.

24


Kódové měřítko je tvořeno pravidelnou mřížkou, pro jejíž odečítání se používá malého laseru (podobně jako u optických mechanik). Chyby mohou vzniknout, pokud měřítko není upevněno přesně kolmo k ose rotace zrcadla a při nehomogenním rozestupu mřížky. Jelikož počet elementů mřížky je konečný a známý, lze tyto chyby opět matematicky modelovat, při inicializaci systému je nastavit a chyby tak efektivně eliminovat. Další chybou, která může vzniknout u oscilujícího zrcadla, je torze. Tato chyba je způsobená změnami rychlosti a zrychlení pohybu zrcadla a projevuje se vzájemným posunem sousedních řádků. Jsou-li motor, zrcadlo a kódový kruh vzájemně spojeny pouze v ose(Obr. 6), uplatňuje se při změnách zrychlení jejich vlastní hybnost. Celý problém lze zkoumat ve třech hlavních bodech A, B a C (Obr. 7). V krajních polohách, tedy bodech A a C, je rychlost zrcadla nulová, ale zrychlení je maximální, pouze s opačnými znaménky. V nadiru, bodě B, je naopak nulové zrychlení a maximální rychlost. Úhlová hybnost v tomto bodě je definována:

H =I G 

,

(12)

kde

ω IG

je úhlová rychlost [rad.s-1] je moment setrvačnosti [kg.m 2], který je definován:

I G =∫ r dm 2

,

(13)

kde r

je vzdálenost hmotného elementu dm od těžiště [m].

Jelikož hmotnost této soustavy je neměnná, je moment setrvačnosti (IG) konstantní. Hybnost (H) je tedy závislá pouze na úhlové rychlosti, z čehož vyplývá:

25


Obr. 6: Schéma konstrukce skeneru

I G =constant=c

,

(14)

H =c⋅ Po průchodu bodem B začne motor zpomalovat až do bodu C, kdy se zastaví a začne zrychlovat v opačném směru. Pokud toto má být provedeno až 50x za sekundu, dochází na hřídeli k torzi, která ji deformuje. S ohledem na délku hřídele je úhlovou deformaci možno vyjádřit vztahem:

=

T⋅L J⋅G

,

(15)

kde, T L J G

kroutící moment hřídele [N.m] její délka [m] moment setrvačnosti [kg.m 2] modul tuhosti [N.m.rad -1].

Celkový efekt torze je takový, že kódový kruh se zpožďuje oproti zrcadlu a to se zároveň zpožďuje vůči motoru (Obr. 7). Rozdíl, způsobený vlivem torze mezi okamžitým

26


Obr. 7: Vliv torze na směr paprsku

úhlem zrcadla a úhlem odečteným na kódovém kruhu, má za následek chybu v poloze bodu. Na obrázku 7 je patrné, že při zpomalování nebo zrychlování je poloha motoru v daném okamžiku (černá přerušovaná čára) rozdílná oproti poloze zrcadla, tedy skutečné dráze paprsku, a poloze kódového kruhu, reprezentující zaznamenanou polohu zrcadla. To znamená, že v případě rovinatého terénu bude měřená délka kratší než ta, která by odpovídala registrované poloze zrcadla. Rozdíl mezi těmito délkami se zvětšuje úměrně se skenovacím úhlem, FOV a řádkovou frekvencí. Výsledným efektem je průhyb terénu v profilu (Obr. 8) a záleží na konstrukci skeneru, zda bude tento průhyb konvexní nebo

27


konkávní. Pokud bude kódový kruh umístěn mezi motor a zrcadlo, budou měřené délky delší než skutečné. Tento průhyb terénu se někdy označuje jako „sensor smile“.

Úhlové chyby mohou být vypočteny z následující rovnice:

=0 0⋅c

,

(16)

kde

β β0 c

opravený skenovací úhel [°] je úhel kódového kruhu [°] je úhlová korekce. 28


Kladná hodnota konstanty c má za následek posun bodu směrem vzhůru, záporná hodnota naopak má za následek pokles bodu. Ačkoli rovnice vyjadřuje lineární změnu úhlu, jejím výsledkem je na povrchu terénu parabolický průběh změn výšky bodů a může být jejich souhrnný vliv na výšku nahrazen tedy i parabolickou rovnicí.

3.3.5 Chyba zpoždění Úhlové měření může být také ovlivněno časovým zpožděním v řídící jednotce. Zpoždění sice nemění vlastní měření, ale má za následek systematickou chybu v poloze bodu na terénu. Zpoždění je rozdíl mezi zaznamenáním měření délky a zaznamenáním měření úhlu. Jelikož se zrcadlo stále pohybuje, zpoždění má za následek, že délka je

Obr. 9: Deformace vlivem chyby zpoždění

zaznamenána a označena pro nesprávný úhel. Na krajích FOV je zrcadlo, a tedy i úhlové měřítko, v klidu a zpoždění se projeví minimálně. Naopak v nadiru je rychlost pohybu zrcadla maximální a i zpoždění nabývá největších hodnot. Vliv na výšku bodu se ale směrem k nadiru zmenšuje, takže výsledný průběh chyby má v profilu tvar jakési osmičky (Obr. 9). Typické hodnoty zpoždění jsou do 15µs (Leica Geosystems 2002) a úhlový rozdíl dosahuje velikosti 0,027° (Morin, 2002). Velikost zpoždění lze určit pouze odhadem z vyneseného profilu měřených dat. Na profilu se odměří výsledný vliv chyby na polohu bodů a následně se manuálně opraví její velikost a výpočet se opakuje. Snahou je 29


minimalizovat osmičkový tvar profilu na minimum. Po její úplné eliminaci je zpoždění určeno. Jelikož se jedná o vlastnost řídící jednotky, která je neměnná, je toto zpoždění určováno pouze jednou pro celý nálet.

3.3.6 Chyby GPS Chyby v GPS systému jsou závislé na provozních podmínkách a nastavení, tedy na referenční stanici, počtu viditelných družic a zajištění kontinuálnosti měření při letu. S měřením se začíná ještě před startem, když je letadlo na zemi. V případě, že je měření při letu z jakéhokoli důvodu přerušeno, musí být ambiguita znovu určena za letu (on-thefly) a až poté pokračovat v měření. Po korekci během post-processingu lze dosáhnout výsledné vnitřní přesnosti kolem 5-15 cm. GPS je dále citlivé na chyby vlivem troposféry a ionosféry. Ty přispívají chybou až 5-30 cm a projevují se jako posuny mezi referenčním a lokálním souřadnicovým systémem.

3.3.7 Chyby INS INS systém přispívá několika druhy chyb. Celková přesnost polohy je závislá na kvalitě INS – typická přesnost pro komerční systémy je mezi 0,005 – 0,01° (Applanix, 2002). V oblastech, kde je geoid výrazně zvlněn, je nutné ještě dodatečné zpracování pro zpřesnění polohy.

To je způsobeno díky gravimetrickým změnám, které mají vliv

na měření systému INS. Absolutní chyby v měřených datech se neprojeví, pokud nejsou komparovány s kontrolními plochami. Jelikož tyto chyby přímo neovlivňují měření, jsou korekce zaváděny až během post-processingu. Gyroskopické měření obsahuje další sadu chyb jako odklon, snos a šum o celkové velikosti v rozsahu 0,1 – 0,75°/h (Applanix, 2002). Odklon a snos může být na základě předcházející kalibrace eliminován. Šum, který je v čase proměnlivý a předem definovat nelze, se projevuje nesourodostí v náletových pásech. Při déle trvajícím měření pásy vykazují celkový ohyb nebo torzi. Kvůli systematické povaze této chyby lze provést výpočet modelu chyb během následného zpracování. Tato chyba se ale v čase mění, a proto je nutné určit chybový model pro každý pás samostatně.

30


Obr. 10: Vliv chyb navigačního systému

Jednou z nejvýznamnějších chyb ALS systémů je chyba z nesprávného určení prostorových vztahů mezi skenerem a INS během rektifikace systému (chyba rektifikace). Výsledná velikost chyby je závislá na výšce letu, skenovacím úhlu a směru letu. Rektifikace musí být samozřejmě provedena před začátkem měření. Jakékoli chyby při rektifikaci se okamžitě projeví v místech překrytu sousedních pásů, zejména pak na výškově členitých objektech (budovy, svahy). Chyba v podélném náklonu způsobí, že vyslaný paprsek je považován za svislý a výška bodu bude chybně vypočtena jako nižší. Chyba v příčném náklonu se projeví stejně, pouze její velikost se bude směrem k okraji FOV zvětšovat. Horizontální rotace má za následek zešikmení skenovacích řádků (Obr. 10). Oproti fotografickému snímku je chybou rektifikace ovlivněn každý bod a nelze aplikovat jednoduchou transformaci na celý pás.

3.3.8 Chyby integrace Jedná se o chyby řídící a kontrolní jednotky. Pro přesné určení cíle musí být všechna měření vztažena k jedné časové ose. Každá hlavní komponenta ALS systému má vlastní hodiny, které jsou koordinovány s časem GPS a při kalibraci systému jsou určeny

31


odchylky jednotlivých hodin. Frekvence měření GPS je zpravidla 2 Hz, INS pak 200 Hz a bodová frekvence LRF je až 50 kHz. Data z navigačních systémů jsou pro laserová měření interpolována, což v případě nestabilního letu (turbulence) může být opět příčinou chyb v poloze bodu. Tento druh chyb zatím nelze žádným způsobem opravit a lze je pouze částečně eliminovat při plánování náletu.

3.3.9 Přehled chyb Na závěr jsou v tabulce přehledně uvedeny běžné typy chyb s přibližnou velikostí a vlivem na celkovou přesnost laserového skenování. Zároveň popisuje, v jaké fázi a jakou metodou může být daná chyba určena a jaké má daná chyba vlastnosti. Hodnoty jsou vztaženy k výšce letu 1000 m (Morin, 2002).

32


Tabulka 1: Souhrn chyb ALS Typ chyby

Velikost chyby

Metoda

Vlastnosti

Za letu

V závislosti na cíli

Délkové měření odrazivost Z: 0 – 20 cm sklon Z: 0 – 2 m

Před letem

Neměnná

čas Z: 0.5 – 2 cm

Před letem

Neměnná

určení úhlu zrcadla 0.02 – 0.001°

Před letem

Neměnná

On-the flight kalibrace

V závislosti na parametrech

Oprava po náletu

Neměnná

Post-processing

Náhodná

Post-processing

Náhodná


Náhodná

Post-processing

Různá


Téměř neměnná

Skenování

XY: 2 – 35 cm Z: 2 – 20 cm torze XY: 0- 15 cm Z: 0 – 45 cm zpoždění 0 – 15 ms XY: 0 – 50 cm Z: 0 – 50 cm GPS atmosféra Z: 0 – 30 cm DGPS XY: 5 – 30 cm Z: 5 – 30 cm INS směr 0.008 – 0.08° XY: 0.1 – 1.4 m Z: 5 – 30 cm snos 0.1 – 0.75°/h XY: 0 – 10 cm Z: 0 – 10 cm Rektifikace skener/INS XY: 0.5 – 5 m Z: 0.2 – 1.5 m

33


3.4 Kalibrace ALS systému Výsledná přesnost ALS systému závisí na všech částech postupu zpracování a je ovlivňována GPS, INS a LRF. Dosažení nejvyšší přesnosti vyžaduje, aby každá komponenta byla kalibrována před i po náletu a veškerá měření byla o kalibraci opravena. Ve skutečnosti je ale takový postup finančně nákladný, pro časovou náročnost nepraktický a často i nadbytečný, s ohledem na stabilitu a velikost kalibračních parametrů. Z předcházející tabulky je patrné, že kalibrační metody lze rozdělit na předletové a poletové.

3.4.1 Předletová kalibrace Předletová

Letové parametry

kalibrace

Měření

zahrnuje metody, které musí být

GPS, INS

provedeny před každým náletem a

Laserový skener

metody, které jsou prováděny pouze příležitostně. Většina z kalibračních parametrů

pro

LRF

může

být

Referenční stanice GPS

Post-processing

zjištěna na zemi. Laserový skener je směřoval stále do stejného místa.

Georeferencování bodů

Iterace

nastaven tak, aby laserový paprsek

Poloha a orientace

Vzdálenost ALS od cíle je změřena

Kalibrace

nezávislou metodou a délky jsou porovnány. výkonu

Dále

laserového

lze

změnami

emitoru

určit

Filtrace

křivku funkčního rozsahu detektoru.

Klasifiace

Korekce pak mohou být aplikovány buď v reálném čase při měření nebo

Korekce parametrů

Iterace

prahovou hodnotu saturace a určit

Kontrola

až během následného zpracování dat zároveň s daty z navigačních

Obr. 11: Diagram postupu zpracování měření

34


systémů. Při měření více vzdáleností lze tuto metodu použít i pro určení chybového modelu hodin. Navigační jednotky musí být inicializovány před každým náletem tak, jak to určuje výrobce systému. Pro DGPS to znamená provedení počátečního měření v blízkosti referenční stanice a určení polohy z fázového měření. Toto měření může před i po náletu trvat 45 minut, což je dostatečně dlouhý čas pro statickou inicializaci. Pro zaručení kontinuálnosti měření je nutné správně naplánovat čas náletu s ohledem na konfiguraci družic, tedy alespoň 6 družic rovnoměrně rozmístěných na obloze. Nevhodná konfigurace družic může vést ke špatným výsledkům navigačního systému, a tudíž i k výraznému zhoršení přesnosti polohy bodů. Stejně tak i za letu je nutné neztratit příjem signálu z družic. To s sebou nese požadavek na ne příliš dynamický let (náklony do 10°). Změnu trasy lze provádět jen ve velmi plochých otočkách tak, aby nedocházelo k zákrytu družic za části letadla. Pokud je přesto signál ztracen, je nutné ukončit skenování a provést inicializaci za letu. Inerciální systém je také nutné inicializovat v klidovém stavu tak, aby bylo možné nastavit vlastní lokální souřadnicový systém. Pokud lokalita vykazuje výrazné zvlnění průběhu geoidu, může tím být ovlivněna vertikální osa. Korekce pro kompenzaci tohoto vlivu lze pak vložit buď při transformaci do geodetického systému nebo při vyrovnání celého bloku. Vzájemnou polohu jednotlivých systémů lze získat buď přímým měřením např. pásmem nebo měřením totální stanicí. Přesnost by měla být v rozsahu 10 – 30 mm a případné odchylky se projeví jako systematická chyba v poloze bodů. Největším problémem je určení úhlů mezi jednotlivými měřícími jednotkami. Úhlové diference mezi laserovou a inerciální jednotkou jsou řešeny až během vyrovnání po náletu.

3.4.2 Poletová kalibrace Několik parametrů kalibrace nelze měřit přímo a je nutné je určit až během vyrovnání náletového bloku. Největšími zdroji chyb jsou prostorové vztahy mezi lokálním souřadnicovým systémem INS, definovaným trojicí akcelerometrů a lokálním systémem laserového skeneru, definovaného v rámci zrcadla bodem a jeho osami. Dále lze tímto

35


způsobem určit i většinu ostatních chyb skeneru. Kvůli velké, ale poměrně stálé charakteristice těchto chyb mohou být určeny pomocí dočasného testovacího pole. Technologie vyrovnání jsou různé – od manuálního výpočtu po určování vzájemných vazeb na terénu a vyrovnání metodou nejmenších čtverců (MNČ).

Manuální určení parametrů Dnes je nejpoužívanější manuální vyrovnání (Morin, 2002).

Metoda spočívá

v náletu nad územím s několika vlícovacími body nebo s existujícím přesným modelem terénu. Profily jsou pak porovnány s daty z laserového skenování. Rozdíly jsou okamžitě viditelné (Obr. 12) v podobě vzájemného posunu obou profilů. Operátor manuálně určuje velikosti těchto posunů a určuje korekce kalibračních parametrů. Poté se celý výpočetní postup opakuje, dokud poloha kontrolních bodů nekoresponduje s měřením ALS systému. Příčný a podélný náklon lze určit porovnáním profilů na rovinatém území. Naopak stočení v rovině letu lze dobře určit na území s velkými výškovými rozdíly, tedy například na budovách. Toto stočení se na překrývajících se pásech projeví vzájemným posunem polohy budovy. Správné parametry jsou hledány tak dlouho, dokud poloha obou obrazů budov není totožná.

Obr. 12: Posun sousedních řad špatnou kalibrací

Jakmile jsou známy úhly náklonů a stočení, mohou být určovány chyby skeneru. Jejich systematický vliv se projevuje prohnutím terénu na okrajích nad kontrolní měření. Úkolem je opět nalézt korekce kalibračních parametrů takové, aby obě měření vzájemně korespondovala.

36


Manuální zjišťování kalibračních parametrů je samozřejmě časově náročné (1 – 2 dny) a je nutné provést větší množství iterací (10 – 50). Samozřejmě takto získané parametry nejsou exaktním výsledkem matematického postupu, a nelze na ně tedy aplikovat jakékoli statistické analýzy. Navíc tyto parametry jsou platné pouze pro danou lokalitu, pro kterou byly určeny, a nelze je tedy přebírat i pro jiné nálety. Daleko přesnější metodou pro kalibraci úhlů stočení a náklonu je provedení náletu nad rovným terénem (vodní hladinou) a nebo nad velmi přesně zmapovaným terénem (Vaughn, 1996 nebo Krabill, 2000). Terén je pak naskenován

při různých velikostech

příčných nebo podélných náklonů. Měřenými hodnotami je poté možné proložit křivku druhého stupně a zkoumat na ní pozici minima. Posun minima oproti nulové ose náklonu definuje přímo opravu daného úhlu. Získání kalibračních parametrů je poměrně jednoduché a přesné při skenování nad vodní hladinou, ovšem pouze v případě, že to vlnová délka použitého laserového záření umožňuje. Velkou výhodou této metody je, že pro získání kalibračních parametrů není zapotřebí vlícovacích bodů. Naopak nevýhodou je, že nelze takto určit stočení v rovině letu. Řešením problému může být rozšíření této metody na výpočet všech kalibračních parametrů současně (Hofton, 2000). Získané parametry jsou však pouze přibližné hodnoty a navíc v území bez výškových rozdílů jsou jednotlivé chyby vzájemně značně korelují.

Metoda vyrovnání Nejpreciznější metodou pro získání kalibračních parametrů je sestavení rovnic oprav a jejich řešení pomocí vyrovnání MNČ. Jedná se o podobný přístup jako u fotogrammetrie při hledání kalibračních parametrů senzoru. U laserového skenování se ale nejedná o zcela jednoduché řešení. U fotogrammetrie jsou na snímku identifikovány vlícovací body a následně jsou hledány vztahy mezi snímkovými souřadnicemi a souřadnicemi geodetickými při respektování pravidel a zásad středového promítání. Výsledkem řešení jsou souřadnice středu promítání a tři rotace snímku v prostoru (tzv. prvky vnější orientace). Při dostatečném počtu vlícovacích bodů lze také navíc určovat další parametry, jako například distorzi objektivu. Data laserového skenování mají také charakter středového promítání, ale je zde velmi obtížné přesně určovat polohu vlícovacích bodů. Navíc oproti klasickému leteckému

37


snímku, který je celý pořízen v jednom okamžiku, má u ALS každý bod jiný čas měření. To znamená, že určení polohy a orientace je prakticky nemožné. Místo toho lze ale určovat systematické vlivy chyb kalibrace. Dále lze na snímcích měřit vlícovací body díky vysokému rozlišení snímků a díky kontinuálnímu charakteru obrazových elementů. U ALS dat jsou ale body od sebe poměrně vzdálené a navíc mají pseudo-náhodné rozmístění. Nelze tedy přesně definovat polohu vlícovacího bodu, má-li být vlícovací bod pro kalibraci dostatečně malý. Jelikož navíc stopa laserového paprsku má na terénu průměr kolem 30 cm, nejsou hrany objektů zcela jasné a výsledky detekce hran nejsou uspokojivé. Nicméně tento způsob řešení má i své kladné stránky. Jednou z nich je, že neznámé parametry mají jednoznačné řešení pro daný model a na určování jejich vlivu, lze tedy používat statistické

analýzy. Protože způsob

řešení je blízký tradiční

fotogrammetrii, lze používat některé nástroje a postupy, jako například autokorelační analýzy. To přináší do procesu zjednodušení a zrychlení celé kalibrace. Na tomto principu je založeno několik konkrétních postupů pro získání kalibračních parametrů. Jednoduchou

metodu

používají

například

v

Dutch

Survey

Department

(Crombaghs, 2002). Při této metodě je z rozdílů mezi překrývajícími se pásy určován příčný a podélný sklon na základě řešení rovnice se třemi parametry:

 H U ,V =abU cV

,

(17)

kde U,V a b, c

jsou souřadnice bodu v lokálním systému [m] je vertikální posun pásu (chyba GPS) [m] jsou koeficienty podélného a příčného sklonu.

Vstupní souřadnice jsou získávány z malých rovinných ploch obsahujících větší množství bodů. Výsledná výška je průměrnou hodnotou ze všech bodů, což umožňuje potlačit náhodný šum při měření vzdálenosti a tím výšku výrazně zpřesnit. Takto získané spojovací body spolu s vlícovacími body (pokud existují) vstupují do vyrovnání MNČ a výsledkem jsou parametry a, b a c. Sice je možné určovat jedny parametry pro celý

38


nálet, ale daleko výhodnější je určení parametrů samostatně pro každý pás. Samozřejmě jsou takto určeny pouze tři parametry a ostatní chyby, včetně systematických, odstraněny nejsou.

Metoda křížového náletu Tato metoda je doplněna o stočení a chyby GPS (Burman, 2000). Oproti předcházející metodě jsou používána data z výškově členitého území. Bod měřený laserovým skenerem lze označit (X,Y,Z)l. Souřadnice bodu jsou funkcí vnější orientace senzoru a vektoru vyslaného paprsku. Dále je uvažován pro chybový model posun pro GPS měření (Xd,Yd,Zd)T obsahující troposférické korekce a chyby transformace do vztažného souřadnicového systému.

    



X0 Xd lx X LRF Y = Y 0  Y d  ℝ INS⋅ℝ INS ⋅ l y Z l Z0 Zd lz

, (18)

kde (X,Y,Z)l souřadnice podrobného bodu v lokálním systému (X0,Y0,Z0) poloha laserového skeneru vůči GPS (Xd,Yd,Zd) posun lokálního systému vůči geodetickému systému ℝ INS matice rotace mezi INS a lokálním systémem LRF

ℝ INS

matice rotace mezi INS a LRF

(lx, ly, lz) vektor vyslaného paprsku.

Dále je provedeno zjednodušení

LRF

ℝ=ℝ INS⋅ℝ INS

.

Pokud je laserové skenování použito pouze jako metoda pro modelování terénu, lze považovat výšku terénu za funkci polohy. V případě čtvercové sítě (gridu) je navíc možno souřadnice (X,Y) nahradit indexy (i,j).

39


Z i , j = f Z  X , Y =F Z i , j

,

(19)

Sklon v Z pro směry X a Y lze vyjádřit:

Z ' X=

Z 'Y=

∂ f Z Z i1, j Z i , j = ∂X X step

,

(20)

∂ f Z Z i , j1Z i , j = ∂Y Y step

kde (X,Y)step je vzdálenost mezi jednotlivými body gridu.

Pokud je z laserového skeneru zároveň registrována intenzita odraženého paprsku, lze stejně jako u výšky prohlásit, že alespoň v jistém okolí může být hodnota intenzity I vyjádřena jako funkce polohy (X,Y). Poloha měřeného podrobného bodu v gridu je vypočítána pomocí interpolace nejbližších bodů čtverce, uvnitř kterého podrobný bod leží.

Z l =1 x⋅1 y⋅Z i , j  x⋅1 y⋅Z i1, j 1x⋅y⋅Z i , j1 x⋅y⋅Z i1, j1 x=

X l X i X step

;

y=

Y l Y  j  Y step (21)

kde, X(i), Y(j) souřadnice gridu x, y normalizovaná poloha podrobného bodu uvnitř čtverce.

40


Podobná interpolace platí i pro intenzitu. Rovnice pro určení výšky mají po linearizaci tvar:

d Zl =Z ' X⋅dX d Z ' Y⋅dY d dZ d

 

∂ Rx ∂ RY ∂ R Z l x  Z'X ⋅ l y ⋅dr Z ' Y ∂r ∂r ∂r lz



 



∂ Rx ∂ RY ∂ R Z l x ⋅ l y ⋅dp Z ' Y ∂p ∂p ∂p lz



∂ Rx ∂ RY ∂ R Z l x ⋅ l y ⋅dh Z ' Y ∂h ∂h ∂h lz

 Z'X

 Z'X

 

1 x ⋅1 y ⋅dZ i , j  x⋅1 y ⋅dZ i1, j 1 x ⋅y⋅dZ i , j1 x⋅y⋅dZ i1, j1 kde dZl dXd, dYd, dZd r,p,h dr, dp, dh dZi,j

x , y

je odchylka mezi měřenou a přibližnou hodnotou změny translace rotace (roll, pitch, heading) změny rotace změna výšky přibližná normalizovaná poloha

41

, (22)


Pro intenzitu platí obdobný vztah:

d Zl =I ' X⋅dX d  I ' Y⋅dY d

 

∂ RY l x ∂ Rx I ' Y  I 'X ⋅ l y ⋅dr ∂r ∂r lz



 



∂ RY l x ∂ Rx I ' Y ⋅ l y ⋅dp ∂p ∂p lz



∂ Rx ∂ RY l x ⋅ l y ⋅dh I ' Y ∂h ∂h lz

 I 'X

 I 'X

, (23)

 

1 x ⋅1 y ⋅dI i , j  x⋅1 y ⋅dI i1, j 1 x ⋅y⋅dI i , j1 x⋅y⋅dI i1, j1 kde dIi,j

je změna intenzity.

Vlícovací body jsou vneseny do výpočtu jako doplňující měření výšky nebo intenzity. Spojovací body jsou definovány pomocí Sobelova filtru pro detekci hran a to buď na datech reprezentujících výšku nebo intenzitu bodu.

Metoda podle Morina Oproti ostatním metodám je zde hledán jeden globální model pro celý nálet, nikoli tedy pro každý pás zvlášť. Řešení vychází ze základní rovnice:

42


m

m

m

b

S

b

r i =r nav t Rb t [ R S⋅r a ]

,

(24)

kde ri m rmnav(t) Rbm(t) RbS rS ab

jsou souřadnice podrobného bodu (i) v lokálním souřadnicovém systému jsou souřadnice navigačního systému v lokálním souřadnicovém systému interpolovaná matice rotace pro náklon platformy v aktuálním čase (stav b) rotační matice mezi INS a ALS (stav S) vektor laserového paprsku počáteční souřadnicový posun mezi stavy „b“ a „S“.

Jednotlivé komponenty lze dále rozepsat na elementární prvky:



0 r =R t ⋅r =R t ⋅ 0 d S

S L

L

S L

L

,

(25)

kde RSL (t) rL d

je rotace ze systému laseru do systému skeneru závislá na úhlu zrcadla β je vektor laserového paprsku v systému zrcadla opravená délka.

Dále je rozepsán úhel zrcadla skeneru:

=0 

,

(26)

kde

β β0 δ φ

je opravený skenovací úhel je skenovací úhel získaný kódovým měřením je celková korekce skeneru je atmosférická korekce.

43


Korekce pro torzi může být zapsána jako funkce úhlu zrcadla:

torze =c t⋅0

,

(27)

kde je konstantní hodnota torze

c

Kompletní funkce se všemi parametry pro každý okamžik měření má potom následující tvar:

r =r nav Rb { , , K }[ R S { ,  ,}⋅R L { , c}⋅r i a m

m

m

b

S

L

b

]

, (28)

neznámé parametry v této rovnici jsou:

x =[ , ,  , c]

.

(29)

Neznámé parametry je možné určit, pokud jsou změřeny spojovací body. Pak pomocí MNČ lze vypočítat jednoznačné řešení pro tyto kalibrační parametry.

Prostorová korelační analýza Jedná se o statistickou metodu spojování mračen, kdy je pro každý podrobný bod (nebo pouze procentuální část všech bodů mračna) hledán nejbližší bod ze sousedního pásu a je určena vzdálenost mezi nimi. Snahou této metody je minimalizace sumy těchto vzdáleností opravami vybraných parametrů. Jelikož do výpočtu chybového modelu vstupuje několik miliónů bodů a vztahů mezi nimi, lze z výsledků a rozborů určit i statistickou hladinu pravděpodobnosti určitého parametru.

44


3.4.3 Plánování náletu pro kalibraci Důležitou roli při rozhodování nad způsobem provedení kalibračního náletu hraje výšková členitost terénu, neboť pro rovinatý a členitý terén se volí jiná taktika náletu. Pokud mají být parametry kalibrace určeny přesně, je velmi žádoucí naplánovat kalibrační let nad územím tak, aby se jednotlivé chyby projevily ve své maximální hodnotě. Z předchozích rovnic je po krátkém studiu zřejmá lineární závislosti mezi některými neznámými. Například nežádoucí posun ve směru letu může být vyjádřen pomocí chyb v polohách center snímání nebo v podélném náklonu ϕ, posun napříč směru letu může být vyjádřen pomocí chyby v příčném náklonu ω. K tomu, aby tyto závislosti bylo možné co nejjednodušeji definovat, je nutné znát chyby vztažného systému nebo tyto chyby musí být stejné pro celý nálet. Jen v takovém případě je možné je při zjišťování kalibračních parametrů zanedbávat. Pokud však nejsou k dispozici žádné vlícovací body, jsou předpokládány počáteční chyby vztažného systému nulové a musí tyto chyby vstupovat do výpočtu jako další neznámé.

Příčný náklon Bez ohledu na členitost území může být vypočítána pouze chyba v rotaci ω, a to z náklonu dvou protisměrných řad měřením rozdílu ve výškách (Obr. 13). Pokud se v rotaci ω vyskytuje chyba, projeví se náklonem mračna. Největší výškové rozdíly mezi oběma řadami jsou u bodů na okrajích skenovaných řad.

Q  h= ⋅cos  2

,

kde

∆h Q

θ

je výškový rozdíl je šířka příčného překrytu je chyba příčného sklonu

45

(30)


Obr. 13: Vliv příčného sklonu

Podélný náklon Všechny chyby v rotacích ze dvou řad lze určit za předpokladu, že území je dostatečně výškově členité nebo s výraznými rozdíly intenzit měřením polohových odchylek identifikovaných objektů nebo spojovacích bodů. Podélný sklon v rovinatém území bez spojovacích bodů lze snadno určit v případě, že jsou provedeny dva nálety v různých výškách (Obr. 14). V takovém případě se projeví výšková chyba, kterou podélný náklon způsobuje, různou velikostí a lze ji tedy určit úměrou:

 h= H 1 H 2 



1 1 cos 

kde

∆h H

Θ

je výškový rozdíl je výška letu je chyba podélného sklonu

46



,

(31)


Obr. 14: Konfigurace náletu pro zjištění podélného náklonu

Stočení v rovině letu Stočení v rovině letu (úhel κ) vykazuje u protisměrných náletů stejnou chybu, a proto je nutné provést druhý nálet otočený o 90°. Na spojovacích bodech se tato chyba projeví jako posun v poloze.

Torze Torze se projevuje systematickým prohnutím okrajů pásu a opět se nejvíce projeví při porovnání dvou na sebe kolmých náletů. Její vliv ale zároveň roste s výškou letu. Zkombinováním všech výše popsaných variant náletu dostáváme ideální plán kalibračního náletu (Obr. 15), tvořeného čtyřmi pásy, každý pořízen s jinou orientací letu a zároveň

47


pořízeny

ve

dvou různých

výškách.

Tato

kombinace

zároveň

dovoluje

měření

nadbytečného počtu dat pro vyrovnání metodou MNČ i v případě určování parametrů bez vlícovacích bodů.

Obr. 15: Ideální kalibrační nálet se čtyřmi řadami

Výběr spojovacích bodů je prováděn v místech s vysokými rozdíly hodnot (jak výšek tak i intenzit) buď v jednom, nebo v obou směrech (X,Y). Tyto body by tedy měly ležet na hranách, v rozích nebo případně na malých objektech, které jsou representovány pouze jediným bodem. Pro jednodušší výpočet jsou neuspořádané body laserového měření aproximovány čtvercovou sítí jak pro výšková data, tak pro intenzitu. Zde lze použít například metodu konečných prvků. Největší rozdíly lze nalézt pomocí Sobelova filtru pro detekci hran. Výpočet neznámých chyb rotací je následně prováděn metodou MNČ. V rovinatém území, kde není dostatek ploch s většími výškovými rozdíly, je vhodné provádět měření primárně s hodnotami intenzity odrazu.

48

Zpracování dat

4 Zpracování dat Primární data z laserového skenování jsou velmi nepřehledná a je nutné provést pomocí automatizovaných funkcí jejich zpracování. Podle stupně komplexnosti zpracování se metody rozdělují na filtraci, kdy jsou vyhledávány pouze body ležící na jednom určitém druhu povrchu (zpravidla na terénu), a na klasifikaci, kdy jsou postupně všechny body rozděleny do předdefinovaných tříd.

4.1 Filtrace dat Tak jak paprsek postupně prochází atmosférou až k zemskému povrchu, může se částečně na své cestě odrážet od různých objektů nad terénem. Takovými objekty mohou být jednak vzrostlá zeleň, ale i okraje budov nebo dráty vysokého napětí. Tyto body musí být ale při vytváření digitálního modelu terénu odstraněny. Pro člověka v zásadě není problém určit, který bod na terénu leží a který nikoli. Ruční editace mračna bodů vzniklého při laserovém skenování ale velmi časově náročná. Je tedy nutné nalézt takové automatizované postupy, které tuto práci provedou dostatečně přesně a zejména efektivně. Mezi používané metody patří morfologické filtry, filtry založené na porovnávání sklonu, filtry používající vyrovnání metodou nejmenších čtverců a filtry kombinující několik datových typů. Každý z těchto filtrů má své přednosti a výsledek filtrace je výrazně ovlivněn tvarem terénu, typem zástavby a hustotou bodů laserového měření.

4.1.1 Morfologické filtry Morfologické filtry se používají pro zpracování digitálního obrazu pro optimální rekonstrukci tvaru objektu. Základními filtry jsou dilatace a eroze, jejichž kombinací vznikají další filtry, jako jsou otevření a uzavření. Filtry jsou definovány jak pro plošné objekty představované binárními obrazy (E2), tak pro prostorová data v podobě šedotónových snímků (E3). Pro filtraci se definuje strukturální element, s jehož pomocí je prováděna analýza v celém prostoru zdrojových dat. Jeho tvar a vnitřní hodnoty určují přímo výsledek filtrování.

49

Zpracování dat

Popis filtrů Dilatace Definice: Dilatace δB(X) množiny X přes elementární množinu B je definována jako místo, kde množina B zasahuje do množiny X:

 B  X ={x∣B x ∩ X ≠0 }

.

(32)

Jinak řečeno, jedná se o vyplnění mezer a vyhlazení obrysu objektu o velikost strukturálního elementu s ohledem na jeho tvar a vnitřní charakteristiku (polohu hlavního bodu uvnitř elementu). Při aplikaci na body DMT se jedná o výběr nejvyššího bodu z elementární oblasti a přiřazení této výšky bodu pod hlavním bodem strukturálního elementu. Samozřejmě lze tuto binární dilataci rozšířit do E3 definováním rozdílných hodnot uvnitř strukturálního elementu a zkoumat průběh DMT s ohledem na jisté „zaoblení“.

Eroze Definice: Eroze εB(X) množiny X přes elementární množinu B je definována jako místo, kde množina B je celá obsažená v množině X:

 B  X ={x∣B x ⊆ X }

.

(33)

Jedná se tedy o duální filtr k dilataci (nikoli inverzní). Obrysy objektů jsou erodovány, případně úzké objekty jsou zcela vymazány. Opět záleží na tvaru strukturálního elementu a jeho vnitřních vlastnostech. Při aplikaci na DMT je použita pro bod nad hlavním bodem nejnižší výška bodů nad elementární oblastí.

50

Zpracování dat

Otevření Definice:

Otevření

γB(X)

množiny

je

X

eroze

následovaná

dilatací

s transponovanou elementární množinou B:

 B  X = B [  B  X  ]

.

(34)

Otevření je kombinací eroze a dilatace, jehož výsledkem je eliminace „příliš malých“ detailů ze zdrojových dat. Při aplikaci na rastrová data dojde k oddělení blízkých objektů, u výškových dat jsou odstraněny objekty menší než strukturální element (stromy, budovy). Opakované použití otevření se stejnými parametry již data nemění.

Uzavření Definice: Uzavření ϕB(X) množiny s transponovanou elementární množinou B:

 B  X = B [  B  X  ]

X

je

.

dilatace

následovaná

erozí

(35)

Jedná se o opačný postup oproti otevření. Jelikož eroze oproti dilataci není komutativní, je výsledek obou kombinací různý. Při uzavření jsou naopak vyplněny všechny „skuliny“ v datech.

Dual-rank Při používání předcházejících filtrů vzniká problém při aplikaci na nehomogenní území. V prostoru s členitým terénem je potřeba použít jinou velikost strukturálního elementu než v plochém území s rozlehlými budovami. Částečně tento problém lze řešit použitím vyšších morfologických filtrů, například dual-rank. Dual-rank se skládá ze dvou postupně aplikovaných operátorů. První operátor je aplikován s první částí daného rozsahu, druhý je aplikován s druhou částí. Nastavováno

51

Zpracování dat

a)

b)

c)

Obr. 16: Příklad řešený v systému MvTEC Halcon Originální (a), odfiltrovaná (b) a výsledná (c) rastrová data

je rozdělení daného rozsahu, například procentuálním vyjádřením. U DMT jsou zkoumané body uvnitř strukturálního elementu seřazeny podle své výšky. Podle nastavení rozsahu je vybrán bod (n-tý bod v souboru), jehož výška je použita jako filtrovaná výška hlavního bodu. Pokud je hodnota nastavena na 0%, pak funkce dual-rank odpovídá otevření, při nastavení 100% odpovídá uzavření. Při nastavení 50% se jedná o dvakrát aplikovaný mediánový filtr.

52

Zpracování dat

Další možnosti rozšíření morfologické filtrace Další vývoj v metodách filtrace pomocí morfologických filtrů se předpokládá několika směrech. Prvním je používání morfologických operátorů na původní data bez interpolace do pravidelného rastru. Druhým jsou pak techniky odhadující ideální parametry filtru pro lokální území.

Rozšíření morfologických filtrů na neuspořádané mračno bodů Použití morfologických operátorů pro rastrová data je nejběžnější. Nicméně matematická definice se neomezuje pouze na rastrová data, ale stejně tak lze přistupovat i k datům diskrétním (v podobě neuspořádaného mračna bodů) nebo spojitým (v podobě vektorového popisu tvaru objektu, v našem případě například terénu). Velikost, tvar a forma strukturálního elementu následně ovlivňuje výsledek aplikace filtru. Oproti zpracování obrazových dat zde nelze elementem pohybovat pouze v rastru s určitým krokem, ale je nutné jej aplikovat v celém prostoru dat. To má za následek přechod k integrálnímu vyjádření operátorů a výraznému zvýšení výpočetní náročnosti.

Progresivní morfologické filtry Pokud mají být z mračna bodů odstraněny objekty jako budovy a stromy, musí být strukturální element dostatečně velký. Je-li strukturální element příliš velký, může to vésti k tomu, že jsou odstraněny i některé body na terénu a naopak některé body na nízkých objektech odstraněny nejsou. Tyto nevýhody lze řešit postupným zvětšováním elementu a iterativním postupem filtrace (Zhang, 2003). Pro první iteraci je použit malý strukturální element, kterým je možné odstranit body v korunách stromů nebo na elektrickém vedení, přičemž u budov a na terénu je většina bodů zachována. V každé další iteraci je strukturální element zvětšen až do doby, kdy jsou odfiltrovány všechny objekty nad terénem. Z použití morfologického otevření plyne, že všechny body leží po filtraci buď na terénu nebo pod ním. Protože budovy, stromy a jiné objekty v originálních datech vykazují strmý skok ve výšce bodů, je po každé iteraci testována změna výšky bodu před a po filtraci. Pokud je změna ve výšce bodu velká, jedná se zcela jistě o bod ležící nad terénem, tedy například o budovu, kdežto malá změna výšky může být způsobena nízkou 53

Zpracování dat

vegetací ale také výraznou změnou průběhu terénu v daném místě. Příčinu této malé změny výšky bodu lze určit porovnáním velikosti elementu vůči výškové změně bodu.

4.1.2 Filtry založené na porovnávání sklonu Filtry založené na porovnání sklonu (Slope Based Filters) je skupina filtrů, jež používá pro testování, zda bod leží na terénu či nikoli, porovnání s body v jeho nejbližším okolí. Zpravidla není použito žádného druhu vyrovnání, a nelze tedy zjistit žádné statistické hodnoty o přesnosti provedené filtrace. Filtraci založenou na porovnávání sklonu používá například finská firma TerraSolid u systému TerraScan.

Základní popis Tyto typy filtrů jsou založeny na porovnávání každého bodu s jeho nejbližším okolím. Je zkoumán výškový rozdíl mezi testovanými body a v závislosti na jejich vzájemné vzdálenosti je definován sklon. Sklon lze počítat pomocí různých funkcí. Nejjednodušší metodou je výpočet přímé spojnice, u níž do výpočtu vstupují body izolovaně od ostatních bodů v okolí. O něco sofistikovanější je výpočet nelineární funkce z většího množství okolních bodů. Problematické je při této variantě dodržení podmínky, aby všechny body ležely v jedné svislé rovině. U originálních dat LS tato podmínka není prakticky nikdy splněna díky nestabilitě letu letadla. Řešení také záleží na tvaru dráhy stopy paprsku na terénu. U rotačního nebo oscilujícího zrcadla lze provést zjednodušení na porovnávání pouze bodů, které tvoří jeden skenovací řádek a zanedbat tak vlivy lokálních rotací letadla. Druhou variantou je interpolace měřených bodů na čtvercovou síť, kde lze použít i metody pro zpracování obrazových dat. V případě rozšíření zkoumaného problému do prostoru, lze body proložit plochu (od roviny po spline) a hledat na této ploše maximální sklon. Pokud je tento sklon v předem daných mezích, lze zkoumaný bod považovat za bod na terénu.

54

Zpracování dat

Obr. 17: Prostředí aplikace uniScan pro AutoCAD LDD2 využívající Slope Based filtr

Implementace Implementace filtru bývá provedena pro podmínku, aby v okolí testovaného bodu neexistoval žádný jiný bod níže, než jsou přípustné meze. V opačném případě testovaný bod neleží na terénu.

DEM ={ pi ∈ A∣∀ p j ∈ A: h p h p ≤ h max  d  pi , p j   } i

55

j

. (36)

Zpracování dat

Přípustná mez je funkcí vodorovné vzdálenosti mezi body. V přirozeném terénu se zpravidla nevyskytuje sklon větší než 30%, a pokud není měření zatíženo chybami, lze tuto funkci vyjádřit jako:

 hmax d =0.3 d

.

(37)

Protože je ale měření obvykle zatíženo různými chybami, jak bylo uvedeno v kapitole 3.3, je nutné s těmito chybami počítat i při filtraci dat. Pokud budeme uvažovat interval spolehlivosti 95%, bude funkce pro přípustnou mez definována jako (Vosselman, 2000):

 h max d =0.3 d 1.65  2 

.

(38)

Region Growing Tento typ filtrace sice využívá principu porovnávání sklonu sousedních bodů, metodika je ale zcela odlišná od předchozího popisu. Vychází se z uzlového bodu, který leží na terénu, a postupně se testují sousední body v definovaném okolí. Pokud body z tohoto okolí splňují podmínku přípustného převýšení, jsou označeny za body na terénu a testování dále pokračuje od těchto bodů. Stejným způsobem se pokračuje v testování, dokud existuje alespoň jeden bod splňující danou podmínku. Výhodou tohoto řešení je časová úspora při filtraci, neboť není nutné testovat každý bod s každým v jeho okolí. Velmi důležitým krokem je počáteční testování, zda uzlový bod skutečně leží na terénu a nikoli např. na budově. K tomu je však zapotřebí použít jiné metody filtrace. Navíc pro zpracovávané území nelze vystačit pouze s jediným uzlovým bodem, zvláště v urbanistické zóně. Jakmile rozpínání terénu z jednoho uzlového bodu je ukončeno (nelze žádný jiný bod prohlásit za bod na terénu), je nutné provést filtraci na dalším úseku. K tomu může sloužit pouze dostatečně hustá síť uzlových bodů. Řešení ideální hustoty je velmi závislé na konkrétní oblasti. Ve vysoké zástavbě měst bude potřeba výrazně vyšší hustota uzlových bodů, neboť se zde vyskytují uzavřené plochy (dvory uvnitř bloku budov), které jsou svou vlastní plochou velmi malé.

56

Zpracování dat

4.1.3 Lineární predikce Filtrování pomocí technik metody nejmenších čtverců je dalším možným způsobem, jak nalézt ideální průběh terénu. Lineární predikce patří mezi statistické interpolační metody, které lze použít pro interpolaci na modelu terénu. V rámci aplikace algoritmu lineární predikce jsou definovány vazby každého bodu s každým. Následně jsou pro každý bod vypočteny odchylky od přibližného průběhu terénu. Ty jsou pak podkladem pro určení vah, například bodu pod úrovní přibližného terénu je přiřazena váha 1 a bodu vysoko nad terénem váha 0. Následně je vypočten nový průběh terénu se zohledněním nově určených vah. Tento postup je iterační a je opakován tak dlouho, dokud všechny body nejsou klasifikovány buď jako bod na terénu a nebo body ostatní. Protože je ale v jednom souboru příliš mnoho bodů, je díky výpočetní náročnosti taková úloha zatím neřešitelná a body jsou tedy rozděleny do meších samostatných skupin. Pro filtraci pomocí lineární predikce lze použít jak původní neuspořádaná data, tak i jejich

rastrové

interpretace. V praxi se

lze

setkat se dvěma softwarovými

implementacemi tohoto algoritmu. Prvním je program SCOP od firmy INPHO, druhým jsou moduly systému BLUH vyvíjeném na univerzitě v Hannoveru.

Implementace u systému BLUH Lineární predikce je založena na korelaci mezi sousedními body. Vyjádřena je následující kovarianční funkcí (Jacobsen, 1999; Lohmann, 1999):

C  P i P k =C 0⋅e

1.30103

  Pi P k B

2

,

(39)

kde C(0) B

je kovariance pro nulovou vzdálenost je vzdálenost, při které je kovarianční funkce redukována na 5%

Kovariance mezi body Pi a Pk je závislá na jejich vzdálenosti. Pokud jsou blízko sebe, je kovariance veliká a naopak, se zvětšující vzdáleností se blíží nule (Obr. 18).

57

Zpracování dat

Obr. 18: Kovarianční funkce v BLUHu

Mračno bodů je rozděleno na stejně velké oblasti, ve kterých je zpracování prováděno s vazbou pouze na sousedních osm oblastí. Z bodů v těchto oblastech je definován základní přibližný průběh terénu pomocí průměrné výšky v jednotlivé oblasti a zároveň je určen faktor tolerance. Body, které se nacházejí nad touto rovinou (a jsou mimo pás tolerance), jsou z dalšího výpočtu vyloučeny a postup se opakuje s novou množinou bodů, dokud jsou ze souboru nějaké body odstraňovány.

4.1.4 Zhodnocení filtračních metod Z presentovaných metod a jednotlivých implementací nelze zcela jednoznačně určit nejlepší filtrační algoritmus. V základních variantách dovoluje metoda lineární predikce zachovat ve výsledném modelu daleko více jemných detailů v průběhu terénu nežli morfologické filtry nebo filtry na bázi sklonu. Statistické vyhodnocení odlehlosti bodů od proložené plochy dává daleko lepší výsledky ve svažitých oblastech. V rovinatých územích se jednotlivé metody v kvalitě vyrovnávají. U budov dávají naopak lepší výsledky morfologické filtry, ovšem za cenu daleko měkčího průběhu výsledného modelu terénu. Zcela jiná situace je ale, pokud se základní algoritmy rozšíří o dynamickou možnost změny parametrů. Tyto metody pak podávají kvalitativně zcela jiné výsledky a v nehomogenním území dovolují současnou filtraci daleko větších celků.

58

Zpracování dat

Pokud jsou správně nastavené parametry filtrace, jsou výsledky ze všech popisovaných metod velmi blízké. To ovšem předpokládá dostatečně detailní znalost charakteru území a zpracování menších celků, ve kterých se tento charakter příliš nemění. Z toho vyplývá požadavek na propojení filtračních metod s dalšími postupy. Tento způsob řešení bude blíže popsán v kapitole 4.6.1.

4.2 Klasifikace Pro rozsáhlejší využití měřených dat je rozdělení bodů na body, které leží na terénu a na ostatní body, příliš jednoduché. Klasifikací se tedy zde rozumí roztřídění jednotlivých bodů podle druhu objektu, na kterém leží. Zpravidla se třídění provádí do tří základních tříd (terén, budova, vegetace). Mezi další třídy patří hrubé chyby, body pod terénem, nízká vegetace, vysoká vegetace, komunikace, výšková vedení a body terénní kostry.

4.2.1 Metody klasifikace Měřené body lze klasifikovat jednak podle výškových poměrů v okolí bodu, ale i podle odrazivosti z laserového měření a nebo podle spektrálních vlastností získaných pomocí digitální komory. Klasifikace je prováděna v několika cyklech. Při každém cyklu je klasifikována vždy pouze jedna třída a následující cyklus klasifikace probíhá už jen s daty zatím neroztříděnými. Následující kapitoly popisují různé postupy klasifikace dodržujíce jejich pořadí.

Hrubé chyby Jejich vyhledávání bylo již naznačeno v předchozích kapitolách, neboť jejich eliminace ze zdrojových dat je podmínkou pro kvalitní definování průběhu terénu. U všech variant zpracování je technika velmi obdobná. Vždy jsou hledány osamocené body, jejichž výška se diametrálně odlišuje od výšky všech bodů v definovaném okolí. Zpravidla se vyhledávají body, které leží níže než okolní body, tedy výrazně pod terénem. Body, které leží výrazně nad terénem a nad všemi objekty na terénu, jsou vyhledávány pouze ve zvláštních případech, má-li výsledek sloužit pro vizualizaci bez vyhlazení. Pro tyto body 59

Zpracování dat

nad terénem je zapotřebí nastavit jiný interval oproti bodům pod terénem, neboť by mohlo dojít k chybné eliminaci bodů uvnitř koruny vzrostlých stromů. Konkrétní hodnoty velmi záleží na typu dat. Typickým příkladem pro současná měření je interval <-0.5m; 3m>. U rastrových dat je hledání bodů s hrubou chybou obtížnější, neboť se jejich výška při interpolaci promítne do více než jednoho pixelu a zároveň je zmenšena výšková diference těchto pixelů vůči okolí. Proto se doporučuje provést tento cyklus klasifikace ještě před úpravou originálních dat do rastrové podoby.

Terén Klasifikace terénu je prakticky totožná s filtrací dat a používají se stejné postupy, které jsou popsané v kapitolách 4.1.

Obr. 19: Prostředí aplikace TerraScan (Okno 1 s hypsometrií dle nadm. výšky, Okna 2 a 3 s klasifikovanými body a Okno 4 s vrstevnicovým plánem)

60

Zpracování dat

Body pod terénem Při některých filtračních postupech nejsou za terén považovány všechny nejnižší body (TerraScan, 2003). Do této třídy jsou zařazeny body, které nesplňují podmínku hrubé chyby, ale přesto se jedná o osamocené body, jejichž výška je nižší, nežli je výška všech bodů v jejich okolí. Klasifikace probíhá pouze na bodech ve třídě „terén“ a to ve dvou krocích. Nejprve je vyhledán bod, který je níže o specifikované převýšení, než všechny body z jeho okolí. V dalším kroku je všemi body v tomto okolí proložena plocha a je testována směrodatná odchylka odlehlosti bodů od této plochy. Pomocí získané směrodatné odchylky je definována přípustná odlehlost od této plochy jako n-násobek směrodatné odchylky. Pokud je vyhledaný bod vzdálen od proložené plochy více než je přípustná odlehlost, je daný bod vyloučen z třídy „terén“ a je klasifikován jako bod pod terénem.

Vegetace Po klasifikaci všech bodů, které leží na terénu nebo pod ním lze přistoupit ke klasifikaci objektů nad terénem. Podle výšky nad terénem se vegetace dále dělí na dvě podtřídy – nízkou a vysokou. Obě tyto podtřídy dále slouží pro klasifikaci dalších tříd, jakou jsou například budovy, vedení apod. Hranicí mezi nízkou a vysokou vegetací bývá výška 1 – 3m. Z třídy nízké vegetace se odstraňují většinou už jen pouze artefakty v podobě objektů na komunikacích (auta, lidé), které jsou do této třídy začleněny. Z třídy vysoké vegetace se dále klasifikují budovy a vedení. Při další klasifikaci se už metody ale budou odlišovat pro případ zpracování dat v podobě neuspořádaného mračna bodů a v rastrové podobě.

Budovy Budovy od vegetace lze v datech odlišit mnoha způsoby. Většina metod a postupů lze použít jak pro rastrová data tak i pro data originální.

Klasifikace pomocí analýzy výškových rozdílů Při klasifikaci vegetace z neuspořádaného mračna bodů pomocí analýzy výškových rozdílů se pro vegetaci vychází z předpokladu, že sousední body vykazují velké výškové

61

Zpracování dat

rozdíly. Po proložení roviny body z jistého okolí, je směrodatná odchylka odlehlosti bodů od roviny větší, než definovaná mez. U budov je tato směrodatná odchylka malá.

Klasifikace pomocí strukturální analýzy Podobného principu jako v předešlém případě, ale pro rastrová data, je užito při strukturální analýze obrazu. V rastru jsou při této metodě vyhledávány homogenní plochy a plochy, jež vykazují určitý stupeň entropie. V případě homogenních ploch se jedná o budovy, v opačném případě o vegetaci.

Klasifikace pomocí analýzy hodnot odrazivosti Protože každý materiál má jinou odrazivost vůči použitému typu laserovému záření, lze provádět analýzu ze získaných hodnot intenzity odraženého záření. Při použití nejběžnějšího typu laseru, tedy laseru pracujícího v oblasti blízkého infračerveného záření, lze pozorovat vysoké hodnoty odraženého záření pro vegetaci a naopak nízké hodnoty pro neživé materiály. Pokud je tedy hodnota intenzity odraženého paprsku registrována, lze velmi jednoduše pomocí určení prahové hodnoty identifikovat vegetaci od ostatních ploch. V tomto případě lze velmi obdobný postup použít i při zpracování rastrových dat, kdy prahováním lze oddělit zeleň od budov.

Klasifikace pomocí analýzy směru sklonu Pomocí analýzy směru sklonu lze provádět klasifikaci jak na originálních datech tak i na datech rastrových. Princip spočívá v určení směru sklonu mezi sousedními body vůči světovým stranám a následnou analýzou homogenity v jistém okolí nejčastěji postupem strukturální analýzy. Takto lze pomocí segmentace obrazu navíc určovat i typ střechy pro následné modelování zástavby.

Profilová metoda Metoda vyhledává v profilu (nebo nejlépe v měřeném řádku) výškové skoky, které jsou ve svém okolí dominantní. Od kladné změny výšky jsou sčítána jednotlivá převýšení mezi sousedními body dokud jejich součet není nulový, nebo přibližně nulový. Předpokládá se totiž, že střecha domu je vodorovná. Následující výrazná záporná změna výšky deklaruje konec budovy a všechny body mezi jsou tedy jako budova klasifikovány.

62

Zpracování dat

Region Growing Další metodou pro vyhledání budov v datech je již popisovaný Region Growing. Princip je rozšířen o testování odlehlosti nikoli od vodorovné plochy ale od plochy, která je proložena všemi body klasifikovanými již jako budova. V krajině se vyskytující budovy nemají zpravidla výměru menší než například 10m2. Proto i pro všechny metody vyhledání budov v třídě „vysoké vegetace“ je definována minimální výměra budovy. V případě rozsáhlých budov může být do těchto metod dále implementována funkce pro spojování klasifikovaných budov do větších celků, je-li mezera mezi nimi dostatečně malá.

Komunikace Komunikace jsou součástí terénu, pouze mají specifický charakter. Jedná se vždy o plochy, které nemají žádné strmé změny výšek, ba naopak stoupání a klesání je velmi pozvolné. Navíc je povrch komunikace vždy téměř rovný a hladký. Klasifikace tedy probíhá na datech třídy „terén“ zpravidla použitím metody Region Growing s velmi přísně nastavenými parametry, kdy odchylka od proložené plochy může být maximálně dvojnásobek výškové směrodatné odchylky měření. Další metodou, kterou je možné pro klasifikaci komunikací použít, je strukturální analýza popisovaná výše.

Body terénní kostry Body terénní kostry jsou klasifikovány zpravidla pro vytvoření jednoduššího modelu terénu pomocí trojúhelníkové sítě (TerraScan, 2003). Body ve třídě „terén“ jsou rozděleny čtvercovou sítí, ve které je vyhledán nejnižší a nejvyšší bod. Tyto body pak jsou základem pro prvotní trojúhelníkovou síť, ve které jsou hledány nejodlehlejší body od aktuálního modelu terénu. Jako parametry se volí povolená maximální odlehlost terénu od výsledného modelu.

4.2.2 Návrh postupu komplexního zpracování dat Jednou z částí výzkumu je i hledání nových metod zpracování dat LS. V rámci práce autora byla navržena metoda pro zpracování, která by zajišťovala co nejpřesnější klasifikaci bodů do osmi základních tříd:

63

Zpracování dat

–

hrubé chyby

–

terén

–

nízká vegetace

–

vysoká vegetace

–

budovy

–

komunikace

–

elektrická vedení

–

blíže nespecifikované body Z předešlých popisů jednotlivých filtračních a klasifikačních metod je zřejmé, že

každá metoda je účinná pouze v omezeném rozsahu dle aktuálně nastavených hodnot a pokud se jedná o heterogenní území, je zpravidla nutné jej rozčlenit do jednodušších celků. Částečné řešení se nabízí v podobě progresivních nebo adaptivních modifikací základních metod, nicméně ani tyto metody nepředstavují ideální řešení. Cílem tedy bylo navrhnout metodu nebo postup, jenž by dokázal reagovat na lokální změny charakteru území a bylo možné tak zpracovat celou lokalitu jako jediný celek. Po studiu uvedených základních metod byl učiněn závěr, že žádná z doposud aplikovaných metod nemá takový potenciál, aby po její modifikaci bylo daný problém možné uspokojivě řešit. Řešení tedy bylo hledáno mimo vlastní filtrační metody v podobě spojení více zdrojů dat o dané lokalitě a statistického vyhodnocování pravděpodobnosti, do které třídy má testovaný bod být klasifikován. Při leteckém laserovém skenování je z jediného impulsu registrováno několik typů dat – poloha a výška bodu pro první a poslední odraz a jich intenzita odrazu. Na palubě letadla může dále být umístěno snímací zařízení (fotokomora, obrazový skener nebo videokamera) pro získání obrazového záznamu v barevném spektru (R,G,B). Protože laserové skenery pracují zpravidla se zářením v infračerveném pásu, lze kombinací hodnot odrazu z laserového skeneru a barevných složek z obrazového skeneru získat multispektrální obraz s velmi vysokým rozlišením (R,G,B,IR). Další data, která lze pro podporu zpracování využít jsou data vektorová, a to jednak polohopisná data s atributy

64

Zpracování dat

daného elementu a jednak výškopisná v podobě již existujícího DMT. Zapojením všech těchto složek do jednoho postupu zpracování je možné výrazně zvýšit přesnost výsledné klasifikace. Obecnou snahou celého postupu je tzv. binární rozhodování typu ano/ne pomocí logických operátorů tak, aby se potvrdila nebo vyvrátila hypotéza, že testovaný bod patří do právě klasifikované třídy. K rozhodování slouží výsledky zpravidla několika nezávislých metod. Každému výsledku je zároveň přiřazena váha dle spolehlivosti metody. Prvním krokem zpracování je samozřejmě vyhledání hrubých chyb v datech z laserového skenování. Nejefektivnější je princip vyhledání osamocených bodů výrazně výškově odlehlých od všech ostatních bodů v jeho okolí. Velikost okolí se řídí hustotou skenování, tak aby byl testovaný bod porovnán minimálně s 25ti body. U bodů z prvního odrazu jsou kontrolovány vyvýšené body, pro body posledního odrazu naopak snížené body. Terén je klasifikován v druhém kroku. Pro filtraci jsou použity dvě odlišné metody, které umožňují změnu parametrů během zpracování. Parametry jsou měněny na základě analýz vektorových dat. Z existujícího DMT se odvodí lokální trend průběhu terénu (nikoli absolutní výška) pro rozpoznání terénních hran. Pokud předem není k dispozici žádný DMT, lze jej vygenerovat i jako první iteraci z měřených dat. Z polohopisných dat se určí plochy s budovami a jinými výškovými objekty. V těchto plochách se přiřadí měřenému bodu nižší váha při testování okolních bodů, které ovlivňuje a zároveň se provede výpočet lokálních parametrů filtrace tak, aby v případě skutečné existence budovy byla tato budova bezezbytku odfiltrována. Bod je klasifikován jako terén teprve po statistickém vyhodnocení výsledku ze všech metod. Komunikace je klasifikována z třídy terén zpřísněním kritérií na výškové diference a liniový charakter. Testování je doplněno porovnáním s vektorovými daty a při dostatečné hustotě měřených bodů lze využít i strukturální analýzy obrazových dat. V dalším kroku je klasifikována třída nízké vegetace. Zde lze testovat body dle několika kritérií. První je splnění podmínky výšky nad terénem do definované meze (např. 1.5 m). Pokud je takový bod osamocený a je v místě komunikace (porovnáním s polohopisem), jedná se o objekty na zemském povrchu a jsou přeřazeny do poslední

65

Zpracování dat

třídy blíže nespecifikovaných bodů. Dalším testem je výpočet normovaného vegetačního indexu (NDVI) z červeného a infračerveného spektra:

NDVI =

IRR IRR

.

(40)

Výpočtem NDVI lze určit, zda se skutečně jedná o vegetaci nebo o objekt z jiného materiálu. Dále porovnáním s body z prvního odrazu lze navíc určit lokální mocnost vrstvy předpokládané vegetace, která by neměla přesáhnout stanovenou mez. Budovy jsou testovány mnoha metodami. Nejprve je lze lokalizovat ve vektorových datech. Dále porovnáním s body z prvního odrazu, kdy musí vykazovat minimální výškovou diferenci. Pro takovéto body lze použít metody region growing a strukturální analýza homogenity okolí bodu jak z výškových tak obrazových hodnot. Přesnou hranici budovy lze detekovat pomocí hranových filtrů buď na vektorových nebo rastrových datech. Po klasifikaci jednotlivých bodů se provede seskupení bodů do uzavřených regionů a testují se vzájemné vztahy s okolními regiony a také s okolními body. Pokud jsou v okolí nalezeny osamocené body, po jejichž odstranění lze sousední regiony sloučit, jsou takové body klasifikovány také jako budova. Parametrem pro tento test je minimální rozestup dvou sousedních budov. Po provedené klasifikaci lze zpětně kontrolovat třídu terén na existenci dvou sousedních bodů se stejnou výškou ale různou třídou. V takovém případě je proveden test na možnost vyloučení takových bodů z třídy terén. Elektrická vedení se v datech prvního odrazu projevují jako úzký lineární prvek. Lineární prvky lze detekovat pouze pomocí hranových filtrů. Další nutnou podmínkou je zachování směru vektoru spojnice tří nejbližších bodů. Poslední navrženou třídou je vysoká vegetace. Průběh testování je velmi obdobný jako v případě nízké vegetace, pouze se změněným poměrem výšek a použití převážně hodnot z prvního odrazu. U větších ploch lze výsledek kontrolovat jednak porovnáním s vektorovými daty a jednak se strukturální analýzou obrazových dat.

66

Zpracování dat

Tento postup dovoluje systému provádět automatická rozhodování o zařazení bodu do příslušné třídy na základě statistického vyhodnocení z více metod. Předpokladem je pouze existence dostatečně podrobných zdrojových dat (nejen z ALS, ale i obrazových a vektorových), které výrazně přispívají k přesnosti klasifikace. Pokud tato data nelze do zpracování začlenit, jsou výsledky různých metod výrazně korelovány, neboť vycházejí pouze z laserového skenování.

4.2.3 Shrnutí klasifikace Pomocí klasifikace bodů mračna z laserového skenování jsou vytvářeny vrstvy specifických vlastností. Pomocí dalších funkcí lze z těchto vrstev (bodů ve vrstvě obsažených) generovat další výsledky laserového měření. Z bodů terénu lze generovat vrstevnicový plán, z bodů vegetace mapy porostů, z bodů na budovách 3D modely měst nebo hledáním obrysu a hran typové modely střech. Při dostatečné hustotě bodů se tak nemusí jednat pouze o výškopisné mapování ale i mapování polohopisné. A to ve velké míře zcela automatizovanými postupy. Popsané klasifikační metody jsou základním kamenem pro pochopení navrhované komplexní metody, jež se snaží využít pro zpřesnění výsledku (definováním správných parametrů jednotlivých algoritmů) další datové zdroje. Některé z nich mohou být pořizovány zároveň při laserovém skenování pomocí přídavných senzorů, jiné využívají již existující modely území s nižší přesností pro odhad charakteru území a následnému přizpůsobení zmiňovaných parametrů. Nesnaží se tedy pouze obměňovat standardní metody, ale využívá jejich synergického efektu.

67

Zpracování dat

Poslední odraz

První odraz

Vyhledání nízkých bodů

Vyhledání vysokých bodů

Ortofoto

DMT

Vektor

Vyhodnocení trendu

Vyhledání budov => určení vah

hrubé chyby

terén

Filtrace

komunikace Změna parametrů

nízká vegetace

budovy

Strukturální analýza

Do specifikované výšky

Test první/ poslední odraz

Regin growing + homogenita

Test první/ poslední odraz

Vyhledání komunikací


el. vedení Hranový filtr, trend

vysoká vegetace Test první/ poslední odraz

Tabulka 2: Vazby mezi složkami klasifikace

68


Vyhledání zalesněných ploch

Aplikace

5 Aplikace Primární použití laserového skenování (LS), podobně jako ve fotogrammetrii, je tvorba digitálního modelu terénu (DMT). Hustota měřených bodů při LS je daleko vyšší nežli u klasické fotogrammetrie. Současnými systémy LS lze dosahovat hustoty větší než 1 bod/m2. Z této hustoty již lze generovat velmi různorodé výstupy.

5.1 Tvorba DMT Tvorba digitálního modelu terénu je jednou z nejvýznamnějších druhů aplikací. Laserové skenování se oproti fotogrammetrii velmi dobře uplatňuje pro mapování terénu i v lesních komplexech, neboť tam, kde fotogrammetrie potřebuje jedno místo na zemském povrchu nasnímat ze dvou různých míst, aby mohl vzniknout stereoskopický vjem postačuje laserovému skenování odraz svazku paprsků od terénu z jediného směru. Pravděpodobnost zaměření polohy bodu na terénu je u LS tedy daleko větší. Navíc i v olistěném porostu, je-li dostatečně řídký, je jistá pravděpodobnost, že relativně široký paprsek projde mezerou mezi listy až k zemskému povrchu a odrazí se zpět. V takovýchto

a)

b)

Obr. 20: Vrstevnicový plán z originálních (a) a filtrovaných dat (b)

69

Aplikace

případech fotogrammetrie zcela selhává a ani operátor nebo korelační automat není schopen průběh terénu dostatečně věrohodně vyhodnotit. Vlastní průběh terénu se získá filtračními technikami popsanými výše. Protože je hustota bodů příliš vysoká, je obvykle nutné pro prezentační a kartografické účely provést na závěr vyhlazení terénu, jinak je průběh vrstevnic velmi nepřirozený. Přesný DMT se hodí pro tvorbu digitální ortofotomapy

(Kraus, 1997) nebo

pro spektrální korekce družicových a leteckých snímků – odstranění vlivu zastínění a různého sklonu terénu vůči Slunci. Přesný model terénu lze rovněž použít ke zpřesnění hyperspektrálních dat (Niemann, 2002).

5.2 Obrysová mapa, 3D modely Obrysová mapa je velmi jednoduchý ale velmi rychlý způsob, jak získat polohopisnou složku mapy z dat LS, aniž by byly k dispozici obrazové záznamy. Z průběhu vrstevnic lze totiž velmi jednoduše extrahovat průběh prostorových objektů (domy, stromy nebo silnice).

Obr. 21: 3D model města (internet)

70

Aplikace

Velmi efektní aplikací jsou 3D modely, které vzniknou pouze plochováním (vytvořením neprůhledné trojúhelníkové sítě). Připojením ortofot případně i fasád budov může tento model potom sloužit pro vizualizaci měst. Obecně lze 3D modely měst velmi vhodně použít pro plánování bezdrátové telekomunikační sítě pro určování ideálního rozmístění vysílačů v urbanistické zástavbě, plánování novostaveb s ohledem na viditelnost a světelné podmínky (Mass, Vosselmann, 1999) nebo simulaci pohybu ve městě. Zde je přesnost závislá nejen na hustotě, ale i na FOV. Pokud je zorné pole velmi široké, jsou zobrazovány stěny budov při jednoduchém plochování výrazně šikmě a celý model velmi degradují. Je to způsobeno stínem vysokých budov na okrajích snímaného pásu. Aby i stěny budov se v 3D modelu zobrazovaly správně, je nutné skenovat dané území s téměř 50% příčným překrytem.

5.3 Diferenční modely Někdy může být velmi výhodné odečíst od originálních dat výšku z DMT a pracovat tak pouze s diferencemi. Ve městech tak lze získat aktuální výšky budov a propojením s GIS systémy tuto a další informace (tvar střechy, sklonitost, konstrukce) přiřazovat konkrétní budově. Pro tyto účely se zpravidla využívá generalizace tvaru střechy na jednoduché útvary splňující podmínky konstrukce střech.

5.4 Mapování průběhu vedení Kromě budov lze z dat LS určovat i průběh liniových staveb, jako jsou silnice a železnice a dále také elektrická vedení, která ač jsou velmi malého průměru, mají vysokou odrazivost. Zde se výborně uplatní možnost registrace několika odrazů jediného impulsu. Z takových dat je možné určit polohu a výšku stožárů, přesnou dráhu vedení, jeho výšku nad terénem ale také ohrožení vegetací. Některé systémy pro zpracování LS dat (např. TerraScan) mají moduly pro jednoduché mapování vedení elektrického napětí. Protože tvar vlastního drátu lze matematicky definovat, je jeho průběh počítán z nalezených bodů prvního odrazu, které mají lineární tendenci. Po vyhodnocení dat lze tedy velmi efektně zkoumat průběh vedení a jeho případné ohrožení vzrostlou vegetací. Celé mapování je velmi rychlé a ve výsledku oproti klasickým metodám i efektivnější.

71

Aplikace

Obr. 22: Skenování VVN (internet)

5.5 Mapování vegetace Registrace několikanásobného odrazu se s výhodou využívá také u biometrických analýz. Typickým příkladem je měření objemu biomasy v lesních porostech. V případě lesních porostů je vždy část světelného impulsu odražena od vrchních partií korun stromů. Protože ale velikost stopy při výšce letu 500 m je kolem 30 cm, může část svazku paprsků procházet mezerami mezi listy až na terén. Z dat několikanásobného odrazu lze určovat další parametry lesa – objem, poškození, druhové zastoupení, výšku porostu nebo počet stromů (Elberink a Maas, 2000). Metoda se hodí i pro zkoumání prostorové skladby, struktury jednotlivých vegetačních pater, což může mít například značný efekt při studiu růstu lesů a jeho vnitřních zákonitostí (Lefsky, 1999). Vlastní struktura je definována jako „organizovaný systém v prostoru a čase, včetně polohy, rozšíření, množství, typu a spojitosti nadzemních částí vegetace“ (Parker, 1995). Pro porozumění růstu lesa, je nutné znát množství informací nejen o biologii rostlin, ale i o prostorovém uspořádání jejich částí. K tomu právě laserové skenování velkou měrou přispívá. Znázornění výsledků lze následně provést několika způsoby (Obr. 23), případně rozšířit o plnou 3D representaci dat.

72

Aplikace

Obr. 23: Ukázka několika metod popisu struktury lesa. A)profilový diagram, B)hypsograf ukazující distribuci vrchních partií korun stromů, C) profil distribuce zelené hmoty, D)objemový graf různých typů distribucí (Lefsky, 1999).

5.6 Mapování pobřeží a v blízkosti vodních ploch Použití pro mapování v blízkosti vodních ploch je velmi závislé na dvou faktorech – zda je požadováno mapování vodní hladiny nebo naopak dna pod vodní hladinou. Pro každý z těchto úkolů je nutné použít jiný lidar, respektive lidar s jinou vlnovou délkou laserového záření. Ze spektrální charakteristiky vody je známo, že voda infračervené záření (které je nejčastěji pro laserové skenování používáno) téměř zcela pohlcuje. Pokud je účelem zjistit hranici vodní plochy (u povodní například záplavovou čáru), je tato vlnová délka velmi vhodná. V datech se vodní plocha bude jevit jako oblast bodů s velmi nízkou odrazivostí. Pro mapování pod vodní hladinu je ale nutné použít zelenou nebo

73

Aplikace

modrozelenou část spektra, která vodou není pohlcována a může tak projít až ke dnu a od něj se odrazit zpět.

Obr. 24: Systém DIAL pro mapování pobřežních vod (Optech 2004)

Dnešní systémy pro mapování pobřežních vod využívají principu duálního použití jak infračerveného záření tak i současně záření zelenomodrého. Systém se nazývá DIAL Differential Absorption Lidar. V případě systémů pro mapování pobřeží infračervený vytváří model vodní hladiny, kdežto modrozelený mapuje ve stejný okamžik dno (Obr. 24). Lze tak velmi rychle vytvářet mapy pobřeží. U velmi průzračné vody a klidné hladiny lze mapování provádět teoreticky až do hloubky 50m.

74

Lidary a programy pro komerční použití

6 Lidary a programy pro komerční použití Protože je vývoj v této oblasti velmi rychlý, budou u přehledu prodávaných lidarů a programů pro zpracování dat uvedeny pouze základní informace pro porovnání jednotlivých systémů. Detailní popis je možné nalézt na uvedených internetových adresách, kde jistě bude možné nalézt vždy aktuální nejnovější verzi systému konkrétního výrobce.

6.1 Hardware pro laserové skenování V současné době se na trhu vyskytuje celá řada systémů pro laserové skenování. V následujících kapitolách jsou popsány ty nejvýznamnější nebo systémy, které se svojí konstrukcí nebo funkcemi odlišují od ostatních. V rychlém tempu vývoje nových a nových přístrojů nelze tento seznam prohlásit za úplný a konečný. Snahou bylo poskytnout základní přehled trhu s laserovými skenery v první polovině roku 2004.

6.1.1 Leica Geosystems Firma Leica vyrábí mnohé systémy pro mapování zemského povrchu. Pro Laserové skenování je v současnosti nabízen systém ALS50, který může být doplněn o další systémy pro určování polohy nebo systémy pro pořizování obrazových záznamů. Systém ALS50 se skládá, tak jako většina laserových skenerů, z vlastní skenovací jednotky, výkonného počítače a jednotky pro jednotlivé subsystémy. Skenovací jednotka využívá pro emitování laserového záření Nd:YVO4 laser. Svazek paprsků je následně upraven a veden optickou soustavou na skenovací zrcadlo, které je schopno vychylovat svazek v rozsahu 75°. Další částí jednotky je detektor pro snímání odraženého záření. Celou jednotku je možné upevnit do standardních kamerových nosičů od firem Wild/Leica/LH Systems. V unifikované skříni se dále nacházejí další subsystémy. Řídící jednotka ovládá provoz laseru, měření bodů, odečítá snímané skenovací úhly, řídí optický skener a přijímá časový impuls od GPS přijímače. Veškeré údaje současně formátuje pro uložení na vysokorychlostní záznamová média. POS jednotka je tvořena GPS přijímačem pro určování polohy a času a systémem INS pro zpřesňování polohy skeneru. Systém pro

75


ukládání dat (Data Logger) je tvořen několika výměnnými pevnými disky. Dalšími součástmi jsou zdroj elektrického napětí a galvanometrický kontrolér.

Obr. 25: Jednotlivé části systému ALS50 (Leica 2004)

Celý proces skenování je řízen skrze laptop se softwarem, který umožňuje grafické nastavení jednotlivých parametrů, ovládání procesu skenování a monitorování všech jednotlivých částí systému. K systému je také dodáván software pro post-processing s výstupem rovněž ve formátu LAS. Zpracování dat lze provádět jak v software SOCET SET, tak i v software TerraScan. Systém lze dále rozšířit například o digitální fotogrammetrickou kameru, což umožňuje pořizovat i obrazová data zemského povrchu. Tabulka 3: Základní parametry systému Leica ALS50 Parametr

Hodnota

Úhel záběru

10° - 75°

Výška letu

500 - 4000 m

Řádková frekvence

70 Hz

Bodová frekvence

83 kHz

Počet registrovaných odrazů

4

Výšková přesnost

0,15 m

Polohová přesnost

1m

Internetová adresa: http://www.gis.leica-geosystems.com/products/als50/default.asp

76


6.1.2 IGI Firma IGI (Ingenieur-Gesellschaft für Interfaces mbH) se zabývá vývojem systémů pro letecké snímkování a v poslední době i leteckými lidary pod názvem LiteMapper. Celý systém obsahuje podobné komponenty, jako je tomu u systému ALS50 - laserový skener s řídícím počítačem s dotykovým displayem, který umožňuje ukládat data kontinuálně až 60h, GPS/IMU jednotku (AEROControl) a systém pro navigaci letu (CCNS4). Dále je vybaven o software pro plánování letu, ovládání průběhu skenování a post-processing.

Obr. 26: Komponenty systému LiteMapper (IGI 2004)

a)

b)

Obr. 27: Detektor u LiteMapper 2800 (a), výsledná representace dat (b) (IGI 2004)

LiteMapper je dodáván ve dvou verzích (1400 a 2800) lišících se maximální výškou letu, zorným polem, přesností a maximální bodovou frekvencí. V obou systémech

77


je umístěn laser pracující v infračerveném spektru záření a vystupující svazek paprsků je rozmítán pomocí rotačního zrcadla se třemi nebo čtyřmi plochami. U konstrukce LiteMapperu 2800 je ke skeneru zároveň umístěn RGB snímač, který pořizuje ve stejný okamžik i obrazová data (Obr. 27). Výsledná data lze pak kombinovat do multispektrálního snímku se čtyřmi spektrálními pásy a vyhodnocovat data i metodami DPZ. Pro transformaci bodů do geodetických systémů a pro připojení kartografické projekce je používán software

Las Tool Geocode. Následné

zpracování (filtrace

a vyhodnocení dat) je prováděno v aplikacích TerraScan a TerraModeller Tabulka 4: Základní parametry systému IGI LiteMapper 2800 Parametr

Hodnota

Úhel záběru

45° / 60°

Výška letu

30 - 900 m


4-50 Hz @60°

Bodová frekvence

13,3 kHz @60°


1


0,05 m

Internetová adresa: http://www.igi-ccns.com/

6.1.3 Optech Kanadská firma Optech vyrábí několik řad lidarů pro různé účely. ALTM jsou určeny pro mapování terénu, SHOALS jsou využívány při mapování pobřežních vod. Mimo letecké skenery firma Optech vyrábí i pozemní laserové skenery s označením ILRIS-3D, speciální laserové skenery CMS pro mapování jeskynních systémů nebo lidary pro sledování atmosférických jevů.

ALTM 3100 Laserové skenery řady ALTM (Airborne Laser Terrain Mappers) jsou vyráběny již poměrně dlouho a v současné době (rok 2004) se vyrábí již jedenáctá varianta s označením ALTM 3100. Standardně systém obsahuje laserovou jednotku kombinovanou s inerciálním systémem (IRS - Inertial Reference System),

78

řídící centrum je umístěno


Obr. 28: Komponenty systému ALTM (Optech 2004) do kompaktní skříně, která obsahuje počítač pro ukládání dat, velmi přesné hodiny, navigační systém GPS a zdroj elektrické energie. Dále je součástí kontrolní počítač se softwarem pro navigaci (ALTM-NAV) spolu se software pro post-processing (REALM). Laserový skener je možné doplnit o 16Mpix digitální komoru (ALTM 4K02) nebo o fotogrammetrickou komoru DMC firmy Z/I Imaging, se kterou Optech úzce spolupracuje. Tabulka 5: Základní parametry systému ALTM3100 Parametr

Hodnota

Úhel záběru

0° - 50°

Výška letu

80 - 3500 m


70 Hz

Bodová frekvence

100 kHz


4


0,35 m @3000m

Polohová přesnost

1/2000 x výška letu

Internetová adresa: http://www.optech.on.ca/prodaltm.htm

SHOALS Skenery SHOALS Airborne Lidar Hydrography jsou určeny pro mapování pobřežních vod, kdy je nutné mapovat průběh dna pod vodní hladinou do hloubky až několika desítek metrů. K mapování mořského dna se tyto systémy používají již od roku 1980. Princip je odlišný v integraci dvou laserů s různou vlnovou délkou (infračervené 79


a modrozelené spektrum). Svazek paprsků infračerveného laseru se odráží pouze od zemského povrchu a od vodní hladiny, kdežto modrozelené záření prochází vodou a odráží se až ode dna. Při naprosto klidné hladině a čiré vodě lze teoreticky provádět mapování až do hloubky 50 m. Systém dokáže pracovat i pouze v topografickém módu, kdy není používán modrozelený laser a výška letu může být až 700 m. Tabulka 6: Základní parametry systému SHOALS1000 Parametr

Hodnota

Úhel záběru

20°

Výška letu

200 - 400 m

Bodová frekvence

1 kHz

Měřitelná hloubka

0,1 - 50 m


0,15 m

Polohová přesnost

1/200 x výška letu

Internetová adresa: http://www.optech.on.ca/prodshoals.htm

6.1.4 TopoSys Německá firma využívá ve svých systémech s označením FALCON II skener na principu optických vláken, který umožňuje pořizovat mračna bodů s neměnnou geometrií (rozestup mezi body se výrazně nemění). Vlnová délka použitého laserového záření je 1560 nm. Systém je složen opět ze skenovací jednotky, řídící jednotky a počítače pro ovládání procesu skenování, přičemž jej lze navíc doplnit o digitální obrazový skener s řádkovým CCD senzorem snímajícím multispektrální data (B,G,R,NIR). Při registraci intenzity odrazu lze získat k obrazovým datům páté spektrální pásmo a využít takovéto informace pro klasifikační metody zpracování dat například pro výzkum stavu vegetace a pod. Výhodou použití principu optických vláken je velmi vysoká řádková frekvence snímání, kdy dochází v podélném směru k překrývání stop na zemském povrchu. Nevýhodou ale je velmi úzký úhel záběru a přesně daný počet bodů v příčném směru. Pro zpracování měřených dat je dodáván software TopPIT (TopoSys Processing and Imaging

80


Obr. 29: Jednotlivé části systému FALCON II (TopoSys, 2004)

Tools) pro integraci dat z lidaru a CCD kamery, post-processing a transformaci do geodetických souřadnicových systémů. Tabulka 7: Základní parametry systému FALCON II Parametr

Hodnota

Úhel záběru

14,3°

Výška letu

1600 m


635 Hz

Bodová frekvence

83 kHz


2


0,15 m

Internetová adresa: http://www.toposys.com/

6.1.5 Riegl Rakouská

firma

Riegl

vyrábí

převážně

samostatné

laserové

skenery

bez integrovaných navigačních systémů nebo obrazových snímačů. Tyto laserové skenery je možné používat i pro jiné účely nežli v při leteckém snímkování. V současné době firma nabízí dva typy skenerů: LMS-Q140i a LMS-Q280i. Oba typy používají rotační hranol k rozmítání paprsku v příčném směru. Ke skeneru se dodává základní software pro obsluhu skenovacího procesu. Pro zpracovávání dat je nutné pořídit aplikace jiného výrobce, jako například TerraScan nebo SCOP++.

81


a)

b)

Obr. 30: Skenery LMS-Q140i (a), LMS-Q280i (b) (Riegl, 2004)

Tabulka 8: Základní parametry systémů LMS-Q140i a LMS-Q280i. Parametr

LMS-Q140i

Úhel záběru Výška letu

LMS-Q280i

80°

45°

2 - 450 m

30 - 1500 m


50 Hz

80 Hz

Bodová frekvence

30 kHz

12 kHz


25 mm

50 mm

Internetová adresa: http://www.riegl.com/scanner_menu_all.htm

6.1.6 Další systémy Na trhu s laserovými skenery jsou ještě další výrobci, jejichž systémy ale neumožňují měření několikanásobného odrazu nebo je jejich využití omezené krátkým dosahem laserového paprsku. TopEye (Švédsko) – vyrábí vlastní laserový skener, který dovoluje integraci spolu s videokamerou nebo digitální komorou. Schwartz Electro-Optics (USA) – vyvíjí laserový skener s názvem Toposense, pro který maximální výška letu je pouze 250 m.

82


6.2 Software pro zpracování dat Veškerá data je nutné v nějakém systému dále filtrovat, vizualizovat nebo komplexněji zpracovávat. Někteří výrobci laserových skenerů dodávají vlastní systémy, které zpravidla dovolují plně využívat všech informací, které skener při svém měření zaznamenává. Pokud ale nastane potřeba zpracovávat data z různých systémů, je nutné uvažovat o software, který je univerzální a dovoluje práci s libovolným typem dat. Teoreticky lze pro zpracování dat laserového skenování využít velké množství programů, které nebyly přímo vyvinuty pro práci s mračnem bodů. V praxi se tato varianta příliš nedoporučuje, poněvadž množství bodů, které při skenování vzniká, je příliš velké a v daném programu musí být speciální algoritmy pro efektivní práci s daty v reálném čase. Načtení datového souboru dat klasického CAD programu tak může znamenat i několikahodinové čekání, o vlastní práceschopnosti nemluvě. Na tomto poli se postupně profilovalo několik málo programů, z nichž budou dále blíže popsány BLUH, SCOP a TerraScan. Mimo vyjmenované lze pro zpracování použít i programy pro zpracování obrazových dat (včetně software pro DPZ), u kterých jsou ale bodová data převáděna na rastrová, a není tedy nutné používat specializovaný software. To sebou ale přináší znehodnocení dat po převzorkování do pravidelné matice a nutnost použití morfologických filtrů.

6.2.1 BLUH Systém BLUH je vyvíjen Dr. Jacobsenem na Universitě v Hanoveru. Jedná se o rozsáhlý balík samostatných programů pro různé úlohy fotogrammetrie a jí blízkých oborů. Pro získání ideálního průběhu terénu jsou v něm obsaženy programy RASCOR a DTMCOR. Oba pracují na stejném principu, liší se pouze ve formátu zpracovávaných dat. Jak již vyplývá z názvu, RASCOR je určen pro filtraci dat v rastrové podobě, kdežto druhý zmiňovaný pracuje i s neuspořádaným souborem bodů. Moduly systému BLUH jsou spouštěny v příkazovém řádku, nicméně jejich možnosti nastavení různých parametrů jsou velmi široké. Vnitřně je v modulech pro zpracování dat laserového skenování (respektive obecně jakéhokoli modelu terénu) použita metoda lineární predikce, která je vysvětlena v předcházejících kapitolách. Celkem lze v modulu DTMCOR nastavit kolem třiceti parametrů, mezi nejdůležitějšími:

83


– – – – – – – –

FILE WITH WINDOW – nastavení prostorového ohraničení dat LOWER LIMIT – nastavení limitu pro minimální výšku bodu analýzu UPPER LIMIT – nastavení limitu pro maximální výšku bodu analýzu LIMIT AGAINST PREDICTION – limit pro určení hrubých chyb LIMIT AGAINST TILTED PLANE – limit pro pás tolerance VALUE A FOR COVARIANCE FUNCTION – hodnota A kovarianční funkci VALUE B FOR COVARIANCE FUNCTION – hodnota B “C(0)” kovarianční funkci IMPROVEMENT OR ELIMINATION – zda opravit výšku bodu

pro pro

pro pro

Během filtrace je proveden rozbor rozdělení četnosti výšky bodu s jeho zobrazením. Na základě tohoto rozboru je možné se dále rozhodovat v nastavování jednotlivých parametrů. Všechny informace, které jsou jednak zadávány uživatelem, tak i výstupy jednotlivých rozborů a analýz jsou vypisovány do protokolu dtmcor.lst. Pro grafické zobrazení je využíván software LISA od Dr. Lindera, který přímo používá výstupní soubory z programů systému BLUH. Zobrazovat lze nejen průběh DMT ale i jednotlivé grafy funkcí, chybové elipsy nebo vektory, případně rastrové snímky. V případě modulu RASCOR je sice použit stejný filtrační algoritmus jako u DTMCOR, možnosti nastavení jsou ale odlišné:

– – – – – – – –

FILE WITH POLYGON FOR EXCLUSION – nastavení prostorového ohraničení dat IMPROVEMENT OR ELIMINATION – zda opravit výšku bodu AREA HOMOGENUOUS DIFFERENT – určení charakteru území SMOOTH UNDULATED OR VERY UNDULATED – určení typu terénu NUMBER OF ITERATIONS – počet iterací USE MODE CHANGE UP/DOWN – kontrola prudkého vzestupu a následně prudkého sestupu (typické pro budovy) SMOOTHING AFTER FILTERING – vyhlazení dat po filtraci FINAL FILTER PLANE POLY SURF – nastavení druhu vyhlazení

84


Zde se tedy nenastavují přímo parametry kovarianční funkce, ale jsou ovlivňovány nepřímo pomocí dotazů na charakter území a typ terénu. Navíc je zde velmi důležitá volba USE MODE CHANGE UP/DOWN,která dovoluje provádět vyhledávání budov a tím velmi přispívá k daleko lepším výsledkům při filtrování budov. (Popisované verze jsou z roku 2002).

6.2.2 SCOP++ Program SCOP++ je vyvíjen firmou INPHO GmbH. Vlastní program se skládá z několika modulů postavených nad základní SCOP++ Kernel, který umožňuje import dat z různých zdrojů a základní práci s daty v podobě interpolace, vizualizace a generování vrstevnic a profilů. Pro práci s daty z laserového skenování je zde přímo modul SCOP++ Lidar, který dovoluje provádět filtraci pomocí porovnání sklonu i lineární predikce a klasifikaci dat do zvolených tříd. Dalšími moduly od firmy INPHO lze integrovat data laserového skenování s rastrovými snímky, vytvářet stereoskopické modely s možností interaktivní kontroly provedené filtrace, provádět přímou vektorizaci nad daty laserového skenování nebo vzniklý DMT použít pro pravou ortorektifikaci.

6.2.3 TerraScan TerraScan je produktem finské společnosti TerraSolid. Jedná se o nadstavbu pro MicroStation, která rozšiřuje

jeho možnosti o zpracování mračna bodů. Protože

MicroStation nemá příliš dobrou podporu pro velké objemy dat (omezení velikosti DGN souboru), nejsou body při importu načítány přímo do DGN souboru, ale jsou uchovávány v samostatném databázovém souboru, což velmi urychluje práci s mračnem. U načítaných bodů je možné uchovávat veškeré informace jako pořadí a intenzita odrazu. Program disponuje funkcemi jak pro filtraci dat tak i pro klasifikaci bodů do předem určených tříd. Kromě standardních tříd jsou zde předdefinovány funkce pro vedení elektrického napětí, věže nebo komunikace. Postup je obdobný, jak bylo naznačeno v kapitole o klasifikaci. Pro rozpoznávání bodů terénu je použita metoda porovnávání sklonu, což se projevuje i při zadávání parametrů pro filtraci, kde se zadává kromě dalších

85


parametrů povolený sklon, odlehlost od spojnice sousedních bodů a velikost testovacího pole. Pro odfiltrování budov, které jsou vždy problematické při filtraci, je zde nastavována i jejich maximální velikost. Vegetace je klasifikována podle výšky nad terénem na nízkou, střední a vysokou. Budovy jsou následně rozpoznávány z tříd vegetace pomocí funkce region growing. Bohužel globální použití této funkce není zcela bezproblémové, proto firma TerraSolid se snaží tuto funkci doplnit o inteligentní vyhledávání střech budov a umožnit tak vytvářet realistické modely měst. Velmi zajímavou funkcí je vyhledávání elektrických vedení, kdy je uživatelem definována poloha stožárů a vedení drátů, je již plně automatizované proložením křivky body odraženými právě na drátech vedení. Funkce pro vizualizaci dat jsou na velmi dobré úrovni, neboť lze využívat interních nástrojů systému MicroStation. Lze tak prohlížet data ve 3D zobrazení, definovat různé úhly pohledu případně i vytvářet animace s průlety. Velmi užitečná je i funkce pro generování profilů, které mohou sloužit i pro kontinuální inspekci výsledku klasifikace automatickým posunem přes celý náletový prostor. Firma TerraSolid nabízí i další moduly pro práci s DMT a generování vrstevnic (TerraModeler), pro práci s rastry, které jsou pořizovány při laserovém skenování, a jejich ortorektifikaci (TerraPhoto). Obr. 19 ukazuje prostředí programu TerraScan včetně generovaných vrstevnic z modulu TerraModeler.

86

Standardizace formátu LAS

7 Standardizace formátu LAS Vývoj laserového skenování je velmi rychlý a mnozí výrobci systémů neustále inovují své systémy o nové funkce. Pomocí těchto funkcí jsou získávány nové informace, které jsou ukládány spolu se souřadnicemi a odrazivostí zpravidla do proprietárních datových souborů. To přináší na jedné straně výhodu jednoduchého řešení pro výrobce lidarů a uživatele konkrétního řešení, ale na druhou stranu vznikají problémy s distribucí dat a se zpracováváním takových dat v programech jiných výrobců. Proto již několik let se organizace ASPRS (American Society for Photogrammetry and Remote Sensing) snaží o zavedení standardu pro ukládání dat. V květnu roku 2003 organizace ASPRS vyhlásila oficiální standard pro výměnný formát LAS, který definuje typ informací a způsoby jejich ukládání v souborech (ASPRS 2003). Záměrem je poskytnutí výrobcům lidarů i softwaru pro zpracování dat z laserového skenování otevřený datový formát pro výměnu souborů. Soubory odpovídající standardu ASPRS jsou označeny příponou LAS a mají být přímo exportovány ze softwaru výrobce lidaru. Formát definuje pro ukládání binárních dat úvodní hlavičku souboru (Header block), záznamy s proměnnou délkou (Variable length records) a záznamy informací o bodech (Point data). Hlavička obsahuje obecné informace jako počet bodů nebo definice hranice území. Blok záznamů s proměnnou délkou obsahuje data o projekci, metadata a uživatelská data.

7.1 Hlavička dat V následující tabulce jsou uvedeny podrobně specifikace jednotlivých záznamů v hlavičce. Některé záznamy nejsou povinné a pokud nejsou použity, musí být nahrazeny nulami v předepsaném počtu. Tabulka 9: Definice hlavičky formátu LAS

Item File Signature (“LASF”)

Format

Size

Required *

char[4]

4 bytes

unsigned long

4 bytes

GUID data 1

unsigned long

4 bytes

GUID data 2

unsigned short

2 byte

Reserved

87


Item

Format

Size

Required

GUID data 3

unsigned short

2 byte

GUID data 4

unsigned char[8]

8 bytes

Version Major

unsigned char

1 byte

*

Version Minor

unsigned char

1 byte

*

System Identifier

char[32]

32 bytes

*

Generating Software

char[32]

32 bytes

*

Flight Date Julian

unsigned short

2 bytes

Year

unsigned short

2 bytes

Header Size

unsigned short

2 bytes

*

Offset to data

unsigned long

4 bytes

*

length

unsigned long

4 bytes

*

Point Data Format ID (0-99 for spec)

unsigned char

1 byte

*

Point Data Record Length

unsigned short

2 bytes

*

Number of point records

unsigned long

4 bytes

*

Number records

of

variable

Number of points by return

unsigned long[5]

20 bytes

*

X scale factor

double

8 bytes

*

Y scale factor

double

8 bytes

*

Z scale factor

double

8 bytes

*

X offset

double

8 bytes

*

Y offset

double

8 bytes

*

Z offset

double

8 bytes

*

Max X

double

8 bytes

*

Min X

double

8 bytes

*

Max Y

double

8 bytes

*

Min Y

double

8 bytes

*

Max Z

double

8 bytes

*

Min Z

double

8 bytes

*

Záznam Signature musí obsahovat řetězec „LASF“, který dle specifikace ASPRS bude softwarem kontrolován. Číslo verze označuje, podle které specifikace je soubor

88


vytvářen. Pro označení hardwaru, kterým bylo skenování prováděno, slouží záznam s označením System identifier. Obdobně pro identifikaci software je určen záznam

Generating Software. Další povinné položky obsahují údaje o délce hlavičky a identifikace začátku bloku s daty, počet záznamů s proměnnou délkou, formát dat o bodech, počet bodů, měřítko, redukce a souřadnice vymezující skenovanou oblast.

7.2 Záznamy s proměnnou délkou V této části je specifikována projekce, pro jejíž popis je použita stejná metoda jako u standardu GeoTIFF. Protože data z laserového skenování nejsou daty rastrovými, lze použít z původní specifikace standardu GeoTIFF pouze některé značky (tag), přičemž povinná je pouze jedna - GeoKeyDirectoryTag (34735), která obsahuje identifikátor souřadnicového systému. Další dvě značky jsou pouze doporučeny: GeoDoubleParamsTag (34736) a GeoASCIIParamsTag (34737).

7.3 Datový blok Specifikace ASPRS definuje základní sadu dat ukládaných ke každému bodu, která může být dle potřeb rozšiřována o nové položky. Standardem je určen způsob záznamu polohy bodu souřadnicemi X,Y a Z, intenzita, pořadové číslo odrazu a celkový počet odrazů z jednoho pulsu, směr skenování, identifikátor pro klasifikaci a další parametry (úplný výčet je uveden v následující tabulce). V případě doplňování záznamu o další informace musí být nové položky zařazeny až na konec tohoto bloku (například čas GPS, úhly v okamžik pulsu a pod.). Tabulka 10: Definice bloku dat o bodech

Item

Format

Size

Required

X

long

4 bytes

*

Y

long

4 bytes

*

Z

long

4 bytes

*

Intensity

unsigned short

2 bytes

Return Number

3 bits

3 bits

89

*


Item Number pulse)

Format of

Returns

Scan Direction Flag

Size

(given 3 bits 1 bit

Required 3 bits

*

1 bit

* *

Edge of Flight Line

1 bit

1 bit

Classification

unsigned char

1 byte

Scan Angle Rank (-90 to +90) – unsigned char Left side

1 byte

File Marker

1 byte

unsigned char

User Bit Field

unsigned short

2 bytes

GPS Time

double

8 bytes

90

*

*

Literatura

8 Literatura 1. Ackermann, F. (1999): Airborne laser scanning - present status and future

expectations. ISPRS Journal of Photogrammetry & Remote Sensing, V54. Elsevier : 64-67. 2. Axelsson, P (1999): Processing of laser scanner data - algorithms and applications. ISPRS Journal of Photogrammetry & Remote Sensing, V54. Elsevier : 138-147. 3. ASPRS (2003): ASPRS LIDAR Data Exchange Format Standard, Version 1.0. ASPRS, květen 2003 4. Baltsavias, E.P. (1999): A comparison between photogrammetry and laser scanning. ISPRS Journal of Photogrammetry & Remote Sensing, V54. Elsevier : 83-94. 5. Baltsavias, E.P. (1999): Airborne laser scanning: basic relations and formulas. ISPRS Journal of Photogrammetry & Remote Sensing, V54. Elsevier : 199-214. 6. Boehler W., Vincent M.B., Marbs A. (2003): Investigating Laser Scanner Accuracy. CIPA Antalya. 7. Burman, H. (2000): Adjustment of Laser Scanner Data for Correction of Orientation

Errors. International Archives of Photogrammetry and Remote Sensing, Vol. XXXIII, Part B3, Amsterdam. 8. Elberink, S., Mass, H-G. (2000): The Use of Anisotropic Height Texture Measures for

the

Segmentation

of

Airborne

Laser

Scanner

Data.

International

Archives

of Photogrammetry and Remote Sensing, Vol. XXXIII, Part B3, Amsterdam. 9. Hlaváč, V. (2001): Zpracování signálů a obrazů. Skripta ČVUT , ISBN 80-01-02114-9 10. Hofton, M.A., Blair, J.B., el al. (2000): An airborne scanning laser altimetry survey

of Long Valley, California. International Journal of Remote Sensing, Vol. 21, No. 12.: 2413-2437.

91

Literatura

11. Hu, Y., Xue, Y, Fang, K., Pan, Z. (1999): Scanning Laser Altimeter in Airborne

Scanning Laser Ranging-Imaging Sensor. Proceedings of the Fourth International Airborne Remote Sensing Conference and Exhibition. Canadian Symposium on Remote Sensing, Ottawa, Canada. I 510-517. 12. Jacobsen K. (1999): Handbuch DTMCOR, Programmsystem BLUH, Analyse und

Korrektur der Hoehen eines Digitalen Hoehenmodells. IPI, Universitat Hannover 13. Krabill, W.B., Wright, C.W., et al. (2000): Airborne Laser Mapping of Assateague

National Seashore Beach. Photogrammetric Engineering & Remote Sensing, v. 66, No. 1. ASPRS (Jan-00): 65-71. 14. Kraus, K. (2000): Photogrammetry Volume 1: Fundamentals and Standard Processes. Köln: Dümmler. 15. Kraus, K. (1997): Photogrammetry Volume 2: Advanced Methods and Applications. Bonn: Dümmler. 16. Kraus, K. (2000): Photogrammetrie, Band 3: Topographische Informationssysteme. Bonn: Dümmler. 17. Lefsky M. A., Cohen W. B. , Acker S. A., Parker G. G., Spies T. A. and Harding D. (1999): Lidar Remote Sensing of the Canopy Structure and Biophysical Properties of

Douglas-Fir Western Hemlock Forests. RSE, Elsevier, NY 18. Lindenberger,

J.

(1993):

Laser-Profilmessungen

zur

topographischen

Gelandeaufnahme. Disertationen. DGK , ISBN 3-7696-9445-7 19. Lohmann P., Koch A. (1999): Quality assessment of laser-scanner-data. Proc. ISPRS 20. Lohmann, P., Koch, A., Schaeffer, M. (2000): Approaches to the filtering of Laser

Scanner Data. International Archives of Photogrammetry and Remote Sensing, Vol. XXXIII, Part B3, Amsterdam. 21. Luhmann, T. (2002): Photogrammetrie und Laserscanning. Herbert Wichmann Verlag, Heidelberg, ISBN 3-87907-390-2

92

Literatura

22. Maas, H-G, Vosselman, G. (1999): Two algorithms for extracting building models from

raw laser altimetry data. ISPRS Journal of Photogrammetry and Remote Sensing, vol. 54. Elsevier : 153-163. 23. Morin, K.W. (2002): Calibration of Airborne Laser Scanners. University of Calgary 24. Niemann, O.K. (2002): Development of automated techniques to extract, generalize,

and access geospatial information from hyperspectral remotely sensed data. Oral Presentation, GEOIDE Annual Conference. Toronto. 25. Parker, G. G. (1995): Structure and microclimate of forest canopies. In Forest

Canopies—A Review of Research on a Biological Frontier (M. Lowman and N. Nadkarni, Eds.), Academic, San Diego. 26. Sithole, G.: Filtering of Laser Altimetry Data Using a Slope Adaptive Filter 27. Soille P. (2003): Morphological Image Analysis. Springer-Verlag Berlin, ISBN: 3-54042988-3 28. Vaughn, C.R., Bufton, J.L, Krabill, W.B., Rabine, D. (1996): Georeferecing of airborne

laser altimter measurements. Internationl Journal of Remote Sensing, Vol. 17, No. 11. : 2185-2200. 29. Voselmann G. (2000): Slope Based Filtering of Laser Altimetry Data. IAPRS, Vol. XXXIII, Amsterdam 30. Vrbová, M. (1998): Úvod do laserové techniky. Skripta ČVUT , ISBN 80-01-01108-9 31. Wehr, A., Lohr, U. (1999): Airborne laser scanning - an introduction and overview. ISPRS Journal of Photogrammetry & Remote Sensing, v54. Elsevier: 68-82. 32. Zhang et al. (2003): Progresive Morphological Filters for Removing Nonground

Measurements from Airborne Lidar Data. IEEE Transactions on Geoscience and Remote Sensing, Vol. 41, No. 4

93

Příloha A - Úvod do laserové techniky

Příloha A - Úvod do laserové techniky Pro lepší pochopení některých jevů a principů v knize popisovaných zde v krátkosti je uveden princip vzniku laserového záření při použití krystalů pevných látek a polovodičových diod. Doslovný překlad akronymu laser znamená „světlo zesilované stimulovanou emisí záření“.

Základním

stavebním

prvkem

je

zesilující

(aktivní)

prostředí

umístěné

do optického rezonátoru. Aktivní prostředí je soubor kvantových soustav rozmístěných v konečné části prostoru. Kvantové soustavy jsou buzením vyvedeny ze stavu termodynamické rovnováhy, čímž dochází ke kvantovým přechodům mezi energetickými hladinami aktivního prostředí.

Pevnolátkové lasery Jedná se o lasery, jejichž aktivním prostředím je dielektrikum (pevná opticky propustná látka). Jejich matrice obsahují poměrně malou koncentraci iontů aktivátoru. Matrice je základním materiálem a jako základní materiál určuje většinu vlastností. Matricemi mohou být krystaly, skla nebo keramiky opracované do válce s vyleštěnými čely. Pro buzení se používá především optického buzení například výbojkami. Otevřený rezonátor je tvořen obvykle dvěma zrcadly, z nichž jedno je pro generované záření zcela odrazné a druhé je částečně propustné. Protože se většina dodávané energie při buzení přemění na teplo, je nutné celý systém řádně chladit. Není-li chlazení dostatečné, dojde k přehřátí matrice, což může vést k posunu spektrálních čar, popřípadě až k přerušení generace záření. Dnes nejpoužívanějším typem pevnolátkového laseru je Nd:YAG. Aktivním prostředím je izotropní krystal yttrium aluminium granátu dopovaný neodymem. Spektrum tohoto laseru je v oblasti infračerveného záření se sedmi úzkými spektrálními čarami z nichž nejzajímavější jsou čáry s vlnovou délkou 1.0615 a 1.0624 µm. Pro impulsní buzení xenonovými výbojkami se přidává do krystalu další dopující prvek – ionty chromu

Cr3+ (Vrbová, 1998).

94


Obr. 31: Optický rezonátor

Polovodičové lasery Polovodič se od kovu odlišuje kromě celkově menší vodivosti v zásadě tím, že s rostoucí teplotou se jeho vodivost prudce zvětšuje, zatímco u kovu naopak klesá. S růstem teploty jsou elektrony tepelně excitovány a přejdou z valenčního do vodivostního pásu. Tím vznikne ve valenčním pásu nenaplněný stav – tzv. díra, která má tytéž vlastnosti jako elektron, avšak s tím rozdílem, že představuje kladný náboj. K elektrické vodivosti polovodiče tedy přispívají nejen elektrony ve vodivostním pásu, ale i díry v pásu valenčním. Na kvantové přechody elektronů do nejnižšího vodivostního pásu se můžeme dívat jako na generaci páru elektron a díra. Elektron se ve vodivostním pásu snaží obsadit nejnižší volný stav, zatímco díra se snaží obsadit nejvyšší stav ve valenčním pásu. Pokud na polovodič dopadají fotony, jejichž energie je rovna nebo větší než energetický interval zakázaného pásu, pak foton může být absorbován elektronem obsazujícím horní hladinu valenčního pásu a způsobí jeho přechod do vodivostního pásu. Stejná pravděpodobnost existuje pro opačný proces, ve kterém elektron obsazující hladinu vodivostního pásu je iniciován fotonem k přechodu do pásu valenčního. V tomto případě dochází k rekombinaci páru elektron-díra a je vyzářena energie rovna energetickému rozdílu těchto dvou hladin. Tento vyzářený sekundární foton má stejný stav jako foton přicházející a hovoří se o tzv. stimulované emisi. V případě, že elektron přejde samovolně z vodivostního pásu do pásu valenčního, dochází k emisi označované jako spontánní. Funkce polovodičového laseru je založena na vzniku stimulované emise záření v aktivním polovodičovém materiálu při kvantových přechodech elektronů. Elektron přechází z vodivostního do valenčního energetického pásu při současném vzniku zářivé

95


rekombinace nosičů náboje (elektronů a děr). Na rozdíl od jiných typů laserů neexistuje u polovodičového typu zářivý přechod mezi diskrétními energetickými hladinami, ale mezi dovolenými energetickými pásy.

Obr. 32: Schéma laserové diody

Hlavní předností polovodičových laserů je jejich kompaktnost, velký zisk, možnost spektrálního přeladění v širokém spektrálním pásmu a pomocí výběru aktivního prostředí generace záření vlnových délek v rozsahu od 0.3 µm až po 30 µm. Nevýhodou je rozbíhavost generovaného záření a velká závislost parametrů na teplotě aktivního polovodičového materiálu (Vrbová, 1998).

96

Příloha B - Vymezení pojmů a zkratek

Příloha B - Vymezení pojmů a zkratek Termín

Popis

ALS

Airborne Laser Scanner Letecký laserový skener.

Ambiguita

Neurčitost celočíselného počtu vlnových délek v rozdílech vzdáleností družic.

COGO

Coordinate Geometry Označení geodetických bodů v CAD systémech.

CW

Continuous wave – kontinuální vlnění typ modulace světla.

DGPS

Differential Global Positioning System. Diferenciální metoda GPS.

DIAL

Differential Absorption Lidar Lidar využívající rozdílu dvou laserových paprsků o různé vlnové délce.

DMR

Digitální model reliéfu

DTM

Digital Terrain Model

Firmware

Specializovaný program pro ovládání určitého zařízení uložený v ROM paměti, která je součástí daného zařízení.

FOV

Field of View

Digitální model terénu.

Zorné pole, úhel záběru přístroje. GPS

Global Positioning System. Navigační systém používající pro určování polohy přijímače data vysílaná z družic.

Grid

Pravoúhlá síť, mřížka. Průsečíky sítě jsou nazývány uzly.

Heading

Stočení v rovině letu κ.

IFOV

Instant Field of View Okamžité zorné pole senzoru.

IMU

Inertial Measurement Unit Inerciální měřící jednotka pro měření změn rotací a polohy. Pro určování změn se používají gyroskopy a akcelerometry.

INS

Inertial Navigation System Systém pro určování polohy pomocí IMU.

97

Příloha B - Vymezení pojmů a zkratek

Termín

Popis

LAS

Standardizovaný formát pro ukládání dat.

LASER

Light Amplification by Stimulated Emission of Radiation Světlo zesilované stimulovanou emisí záření.

Lidar

Light Detection and Ranging Detekce a měření vzáleností použitím laserového záření.

LS

Laserové skenování.

lps

Line per second

LRF

Laser Range Finger

jednotka udávající počet řad za sekundu.

Laserová jednotka skeneru. MNČ

Metoda nejmenších čtverců.

Ortorektifikace

Diferenciální překreslení leteckých snímků, zpravidla digitálními metodami.

Pitch

Příčný náklon ω.

Platforma

Nosná konstrukce LRF, INS a GPS.

POS

Position Orientation System

Post-processing

Následující zpracování původních dat.

PPS

Puls per second

Systém pro orientaci platformy. Zpravidla obsahuje INS a GPS.

Počet pulsů za sekundu. RADAR

Radio Detection And Ranging Detekce a měření vzdáleností použitím mikrovlnného záření.

Roll

Podélný náklon ϕ.

TIN

Triangulated Irregular Network Trojúhelníková sít pro vyjádření povrchu objektu. Síť je tvořena body (uzly) a definicí spojnic.

WGS84

World Geodetic System 1984 Mezinárodní geodetický souřadnicový systém používaný pro měření GPS.

98

Příloha C - Internetové odkazy

Příloha C - Internetové odkazy Přístroje 1. Applanix: http://www.applanix.com. 2. IGI: http://www.litemapper.com/ 3. Leica Geosystems: http://www.gis.leica-geosystems.com/ 4. Optech: http://www.optech.on.ca 5. Riegl: http://www.riegl.com/ 6. Schwartz Electro-Optics: http://www.seo.com/ 7. TopEye AB: http://www.topeye.com/ 8. TopoSys: http://www.toposys.com/

Software 1. BLUH: http://www.ipi.uni-hannover.de/html/service/bluh/bluh.htm 2. INPHO: http://www.inpho.de 3. TerraSolid: http://www.terrasolid.fi/

Organizace 1. ASPRS Lidar Committee: http://www.asprs.org/asprs/society/committees/lidar/ 2. ISPRS: http://www.commission3.isprs.org/wg3/index.html 3. LAS: http://coastal.er.usgs.gov/lidar/ 4. Puget Sound Lidar Consortium: http://duff.geology.washington.edu/data/raster/lidar/

99

Příloha C - Internetové odkazy

Diskuzní fóra 1. AirborneLaserMapping: http://www.airbornelasermapping.com/ALMNews.html 2. LidarTalk: http://www.lidarcentral.com/lidartalk/wwwboard.shtml

100

Lidary a letecké laserové skenování

Recommend Documents