TVORBA DIGITÁLNÍHO MODELU TERÉNU Z DAT LETECKÉHO LASEROVÉHO SKENOVÁNÍ

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ

OBOR GEODÉZIE A KARTOGRAFIE KATEDRA MAPOVÁNÍ A KARTOGRAFIE

TVORBA DIGITÁLNÍHO MODELU TERÉNU Z DAT LETECKÉHO LASEROVÉHO SKENOVÁNÍ

BAKALÁŘSKÁ PRÁCE

Autor bakalářské práce:

Jan Petr

Vedoucí bakalářské práce:

Prof. Dr. Ing. Karel Pavelka

Akademický rok:

2012/2013

Poděkování Děkuji vedoucímu své bakalářské práce Prof. Dr. Ing. Karelu Pavelkovi a Ing. Martině Faltýnové, za odborné vedení, ochotně poskytnuté rady a informace a rovněž za trpělivost, kterou mi poskytl při vedení mé bakalářské práce. Dále bych rád poděkoval pracovníkům Zeměměřického úřadu za poskytnutí dat a pracovníkům, kteří se na tvorbě těchto dat podíleli. 3

Prohlášení Prohlašuji, že jsem tuto práci vypracoval samostatně a použil jsem literárních pramenů a informací, které cituji a uvádím v seznamu použité literatury a dalších zdrojů informací.

V Praze dne........................ ……............................................ podpis 4

Klíčová slova letecké laserové skenování, digitální model terénu

Keywords airborne laser scanning, digital terrain model 5

Abstrakt Cílem bakalářské práce je vytvořit DMT nad oblastí obce Všenory a Čertova brázda z dat LLS, které byly pořízeny při mapování České republiky s hustotou zhruba 1 bod/m2, převedením mračen bodů na obrazová data za pomoci speciálních softwaru a zjistit zda je možné použít výsledné výstupy pro archeologické účely.

Abstract The aim of this work is to create DMT over the area of the village Všenory and Čertova brázda of the ALS data, which were taken during the mapping of the Czech Republic with a density of about 1 bod/m2, visualization point clouds data by using special software and see if it is possible to use the outputs for archaeological purposes.

6

OBSAH Obsah ..................................................................................................................................... 7 Úvod ....................................................................................................................................... 8 1.

Letecké laserové skenování ........................................................................................... 9

1.1 Principy laserových skenerů ................................................................................... 9 1.1.1 Impulsní systémy ............................................................................................. 9 1.1.2 Fázové systémy .............................................................................................. 10 1.1.3 Triangulační systémy ..................................................................................... 11 1.1.4 Full Waveform systémy ................................................................................. 12 1.1.5 LiteMapper 6800 - 400 .................................................................................. 14 1.3 Součásti leteckých skenovacích systémů a jejich princip ..................................... 15 1.3.1 Historie........................................................................................................... 15 1.3.2 Princip leteckého laserového skenování ........................................................ 15 1.4 Charakteristiky leteckých skenovacích systémů ................................................... 18 1.5 Průběh leteckého laserového skenování................................................................ 20 1.5.1 Plánování letu ................................................................................................ 20 1.5.2 Měření ............................................................................................................ 21 1.5.3 Zpracování dat a kontrola kvality .................................................................. 22 2. DMT............................................................................................................................. 23 2.1 Definice ................................................................................................................. 23 2.2 Filtrace dat ............................................................................................................. 24 2.2.1 Popisy druhů filtrace ...................................................................................... 24 2.2.2 Potenciál FWF dat pro tvorbu algoritmů ....................................................... 28 2.3 Formy DMT .......................................................................................................... 30 2.3.1 Kvalita DMT .................................................................................................. 31 3. Praktická část ............................................................................................................... 36 3.1 Informace o datech ................................................................................................ 36 3.1.1 Projekt Všenory a Čertova brázda ................................................................. 36 3.1.2 Pořízení dat .................................................................................................... 37 3.2 Zpracování dat ....................................................................................................... 38 3.2.1 LAStools ........................................................................................................ 38 3.2.2 TerraScan a TerraModeler ............................................................................. 40 3.2.3 ArcMap .......................................................................................................... 44 3.2.4 Geomagic Studio............................................................................................ 45 3.3 Zobrazení dat ......................................................................................................... 47 3.3.1 FugroViewer .................................................................................................. 47 Závěr .................................................................................................................................... 49 Zkratky ................................................................................................................................. 50 Literatura .............................................................................................................................. 51

7

ÚVOD Bakalářská práce se zabývá zpracováním malé části dat v okolí obce Všenory a Čertovy brázdy, vyhotovené Českým úřadem zeměměřickým a katastrálním (ČUZK), Ministerstvem obrany a Ministerstvem zemědělství pomocí LLS za účelem mapování celé České republiky. Dále se zabývá posouzením, zda lze tyto data využít pro archeologické účely. V první časti práce je popsán princip laserových systémů, jak fungují a na jaké práce jsou jednotlivé druhy vhodné. Dále jsou popsány počátky, vývoje a princip laserového skenování, charakteristika leteckých laserových systémů a průběh leteckého laserového skenování. V druhé části se práce zabývá zpracováním naměřených dat, kde popisuje různé druhy filtrací vhodné pro jednotlivé specifické situace. Je zde zmíněna výhoda dat pořízených novým FWF systémem. Následně se zabývá možnými výstupy z filtrovaných dat a v neposlední řadě možností testování kvality výstupu. V poslední části práce je popsáno, jak byla data pořízena, zpracována jednotlivými druhy filtrací a následně převedena do jednotlivých druhů modelů za pomocí různých softwaru. Průběžné zpracování a výsledné výstupy jsou porovnány a vše je shrnuto v závěru.

8

1.

LETECKÉ LASEROVÉ SKENOVÁNÍ

1.1 Principy laserových skenerů Pokud není uvedeno jinak, vychází tato kapitola z publikace (FALTÝNOVÁ, 2010)

Letecké a pozemní laserové skenery jsou přístroje pro sběr dat bezkontaktním a neselektivním způsobem, jejichž výstup je digitální prostorové vyjádření povrchu v zorném poli s určitou nejistotou. Laserové skenery lze rozdělit např. podle způsobu určení vzdáleností.

Laserové skenery:  impulsní  fázové  triangulační

1.1.1 Impulsní systémy Letecké skenovací systémy používají zpravidla impulsní laserové systémy pro měření délek. Impuls je vyslán směrem na měřený objekt a vzdálenost mezi nimi je spočtena z času, za který paprsek dolétne k cíli a nazpět. Vzdálenost mezi skenerem a daným povrchem je dána vztahem:

s

kde

cT n2

c = 299 792 548 m/s …rychlost světla ve vakuu T

…tranzitní čas (tam a zpět)

n≈1

…index lomu (závisí na teplotě, tlaku a vlhkosti)

Jelikož rychlost elektromagnetických vln je obrovská, tranzitní čas je velmi malý, např. pro vzdálenost 300 m je tranzitní čas cca 2  10 na přesnost měření tranzitního času. 9

-6

s, proto je kladen velký důraz

Může nastat situace, kdy skener detekuje pro jeden vyslaný impuls více navrácených ech, v důsledku členitosti povrchu, např. lesního porostu. Přístroj je zpravidla schopen rozpoznat příchozí echa, pokud je jejich vzdálenost větší než polovina délky impulsu. Délka impulsu se odvíjí od časového úseku, po který je vypouštěn, např. pro časový úsek 5 ns odpovídá impuls délce cca 1,5 m.

Existují různé metody detekce navráceného impulsu: detekce vrcholu, detekce konstantní frakce a detekce prahu, nebo čelní hrany. Všechny tyto metody zkoumají a detekují jisté parametry jednotlivých odražených ech.

(ELEKTROREVUE) – Skenery s impulsními dálkoměry se používají v leteckém laserovém skenování pro jejich velký dosah, který činí podle impulsního výkonu laseru až několik km, což je extrém který lze dosáhnout používáním výkonných impulsních laserů YAG a laserů s neodymovým sklem.

Obr. 1.1: princip Impulsních skenerů (ELEKTROREVUE)

1.1.2 Fázové systémy Tato metoda je známa z elektronických dálkoměrů a spočívá v tom, že vyslaný signál je modulován harmonickým vlněním. Vzdálenost se spočítá z fázového rozdílu vyslaného a přijatého signálu spolu s celočíselným násobkem vlnových délek (n). Této nejistotě v měření (neznalosti hodnoty n) neboli ambiguitě lze zamezit použitím více modulovaných signálu s různou frekvencí. S delší vlnovou délkou, tedy menší frekvencí 10

klesá přesnost. Klasické systémy používají frekvence od 10 MHz až do 625 MHz s provozním dosahem 100 m. Tento dosah je také podmíněn tím, že signál musí být kvalitní. Z toho vyplývá, že v leteckém laserovém skenování (LLS) se fázové systémy neužívají z důvodu potřeby velkého dosahu.

Obr. 1.2: princip fázových skenerů (VOSSELMAN, MAAS, 2010, s.6)

1.1.3 Triangulační systémy Triangulační skenery pracují na principu měření z konců známé základny. Kamery jsou umístěny na koncích základny a vysílají laserový paprsek k předmětu. Při výpočtu vychází z řešení trojúhelníka. Tyto skenery dosahují vysoké přesnosti na krátké vzdálenosti (kolem 0.5 mm), proto se využívají nejčastěji jako laboratorní přístroje, ale pro použití v LLS jsou nepoužitelné.

11

Obr. 1.3: princip fázových skenerů (VOSSELMAN, MAAS, 2010, s.9)

1.1.4 Full Waveform systémy VOSSELMAN, MAAS (2010) – Full Waveform (FWF) se řadí mezi moderní impulsní systémy, které zaznamenávají odražený signál resp. jeho echa odlišným způsobem, než klasické impulsní systémy. Počet a forma odražených ech jednoho signálu závisí na ploše, od které byl odražen. Většina detektorů je schopna zachytit pouze jednotlivá maxima, ale není schopna podat informace o průběhu celé vlny (impuls P na obr. 1.4). FWF systémy jsou schopné zaznamenat celý průběh odraženého echa, protože detekovanou vlnu rozdělí s frekvencí gigahertz na jednotlivé body, které přesně reprezentuji formu echa (impuls FW na obr. 1.4). Díky znalosti parametrů celého echa je systém schopen rozlišit jeden objekt od druhého s daleko větší přesností. Na obr. 1.4 (a) vidíme, jak se vyslaný impuls odráží od rovného terénu. Přijímáme tedy jedno odražené echo a díky FWF víme, že průběh signálu je stejný jako vyslaný. Na obr. 1.4 (b) je znázorněna situace, kdy laser dopadá na šikmou střechu a tedy odražené echo bude mírně rozšířeno. Systém bez FWF zaznamená pouze maximum a vytvoří bod, ale systém s FWF je schopen rozpoznat náklon dané plochy. Na obr. 1.4 (c) se laserový paprsek odráží od střechy domu a zároveň od terénu. Přijímáme tedy dvě echa, detektor bez FWF zaznamená pouze dvě maxima a vytvoří body, ale s FWF systémem zjistíme, že echa jsou rozdílná a díky záznamu tvaru impulsu je možno vystihnout povahu cíle. 12

Obr. 1.4: echo signály v různých situacích (VOSSELMAN, MAAS, 2010, s.28)

Na obr. 1.5 je ukázka příkladu, kdy paprsek dopadá na nepravidelný objekt, v tomto případě na strom. Detektory bez FWF jsou schopny zachytit až čtyři echa z jednoho signálu

(obr. 1.5 a).

Echa

(viz. 1.1.1 Impulsní systémy).

jsou

Detektory

však

omezená

s FWF

díky

rozlišovací

zachycení

průběhu

přesností celého

odraženého impulsu (obr. 2.5 b, c), je schopen dosáhnout lepšího rozlišení. Systém s FWF obvykle používají šířku signálu 0,5 ns a 1 ns s rozlišovací schopnosti 0,075 m a 0,15 m.

Obr. 1.5: ukázka echo signálu s a bez FWF systému v zalesněném území (VOSSELMAN, MAAS, 2010, s.29)

13

1.1.5 LiteMapper 6800 - 400 (IGI) – Jedná se o letecký laserový skenovací FWF systém vytvořený německou firmou Ingenieur-Gesellschaft für Interfaces mbH (IGI), který byl použit při skenování České republiky. IGI nabízí k LiteMapperu své komponenty v podobě digitální kamery, digitální termokamery, IMU a kontrolní jednotky. Všechny tyto produkty jsou plně kompatibilní pro přímé georeferencování a automatizované operace. Parametry tohoto přístroje jsou:  minimální vzdálenost skenování je 30 m  maximální vzdálenost skenování je 3000 m  možnost skenování přes 400 000 bodů za sekundu  efektivní měření je 266 000 bodů za sekundu při zorném úhlu skeneru 60°  vlnová délka 1550 nm  délka impulsu 3 ns  bezpečná vzdálenost pro oči 1,5 m  hustota bodů je 1-10 bodu na m2

Obr. 1.6: systém LiteMapper 6800 – 400 (IGI)

14

1.3 Součásti leteckých skenovacích systémů a jejich princip Pokud není uvedeno jinak, vychází tato kapitola z publikace (VOSSELMAN, MAAS, 2010)

1.3.1 Historie Na začátku 70. let 19. století byla provedena první ukázka leteckého systému, který byl schopen změřit vzdálenost mezi letadlem a terénem bez použití odrazného zařízení s přesnosti dosahující téměř 1 m. Nemohl však být použit k mapování terénu ze dvou důvodů. Nebyla známa výšková poloha letadla (s přesností řadově stejnou jako byla přesnost laseru) a nebyly známy souřadnice bodu odrazu paprsku. Pozice letadla byla zjišťována barometrem a akcelerometrem, ale i s těmito znalostmi by bylo mapování velkých

ploch

příliš

zdlouhavé.

Na

konci

80.

let

s použitím

IMU

(Inertial measurement unit) a GPS (Global positioning system), díky kterým byla známa prostorová poloha a orientace skeneru, byl skener schopen operovat na velkých plochách. V 90. letech měli skenery výškovou přesnost kolem 10 cm, polohovou přesnost kolem 50 cm a snímaly 5000 – 10 000 bodů za sekundu.

1.3.2 Princip leteckého laserového skenování Letecké laserové skenování lze provádět letadlem, nebo vrtulníkem. Při měření používáme laserový skener, který měří vzdálenost a IMU + GPS, které udávají přesnou polohu a orientaci systému v daný okamžik.

Součásti leteckých skenovacích systémů  laserový skener  GPS anténa  IMU  kontrolní jednotka  PC  letecký řídicí systém

15

Laserový skener Laserový skener s impulzním dálkoměrem upevněný na trupu letadla vysílá paprsky směrem k zemskému povrchu s hustotou až 50 bodů/ m2, v závislosti na rychlosti a výšce letu.

GPS anténa Nejčastěji umístěna na horní časti trupu pro co nejsnadnější nalezení GPS družic. Průměrná anténa přímá signály z družic s frekvencí 2 Hz a předává tyto informace do kontrolní jednotky.

IMU Inerciální měřící jednotka udává informace o zrychlení a náklonu skeneru a ve spolupráci s GPS anténou upřesňuje polohu. IMU tyto informace přenáší do kontrolní jednotky s průměrnou frekvencí 200 Hz.

Kontrolní jednotka Kontrolní jednotka ukládá a vyhodnocuje veškerá data, která jí poskytují IMU, GPS anténa a laserový skener. V plném provozu zpracovává okolo 20 GB dat za hodinu, z toho většinu kapacity zabírají data ze skeneru, protože vytváří cca 300 000 bodů/s.

PC Pracovní počítač slouží především k založení zakázky a základnímu nastavení, popřípadě k vizualizaci probíhající činnosti.

Letecký řídicí systém Letecký řídicí systém podává pilotovi pokyny k letu. Požadovanou výšku, rychlost a trasu letu.

16

Obr. 1.6: uspořádání příslušenství LLS v letadle (VOSSELMAN, MAAS, 2010, s.22)

Shrnutí Při výpočtu bodů v leteckém laserovém skenování používáme tzv. prostorovou polární metodu. Pomocí laserového skeneru zjistíme vzdálenost skeneru k místu odrazu, ale abychom byli schopni vypočítat jeho prostorové souřadnice, potřebujeme znát trajektorii paprsku. Pro její určení potřebujeme:  souřadnice skeneru (Xs , Ys ,Zs)  úhly rotace skeneru (ωs , ωs , ωs)  úhel paprsku vycházejícího ze skeneru

Referenční stanice V leteckém laserovém skenování se pro určení GPS souřadnic používají referenční stanice, které jsou stabilizovány na povrchu v blízkosti trajektorie letu. Referenční stanice měří dlouhodobě svou polohu na daném bodě a tyto údaje přímá GPS anténa umístěná např. na letadle. Signály z referenčních stanic, slouží k odstranění vlivů atmosférických podmínek, působící na signály vyslané z družic, které jsou zachyceny referenční stanicí a GPS anténou letadla. Porovnáním převýšení letadla a referenční stanice, určených ze 17

signálů přijatých z družic a signálem z referenční stanice, zjistíme vliv atmosféry. Vzdálenost mezi pozicí skeneru a referenční stanicí, by neměla přesáhnout 30 km. V dnešní době nemusíme tyto stanice vytvářet, protože v mnoha státech jsou vytvořeny tzv. permanentní referenční stanice. V České republice je to např. CZEPOS (Síť permanentních stanic České republiky).

1.4 Charakteristiky leteckých skenovacích systémů Pokud není uvedeno jinak, vychází tato kapitola z publikace (VOSSELMAN, MAAS, 2010)

Vlnová délka laseru V LLS se pro běžné účely používají lasery o vlnové délce 800 nebo 1550 nm. V závislosti na odrazivosti objektů mají tyto lasery své výhody a nevýhody. Například voda, vlhké prostředí, nebo led pohlcuje záření o vlnové délce 1550 nm, odrazivost je tedy minimální a není vhodné měřit s tímto typem laseru při sněhových, nebo deštivých srážkách. Dále při výběru laseru musí být dbáno na bezpečnost, aby při vniknutí záření do lidského oka nedošlo k újmě na zdraví.

Skenovaná oblast Šířka skenované oblasti sw závisí na výšce letu h a úhlu zorného pole od svislice θ/2

  sw  2h  tan  2

Například pro výšku letu 1km a úhlu zorného pole 30° je skenovací oblast 536 m.

18

Stopy paprsku Velikost stopy paprsku, tedy jeho průměr Ds, v okamžiku vyslání a ve chvíli jeho dopadu na terén není stejná z důvodu rozbíhavosti paprsku (divergence). Velikost stopy paprsku je tedy závislá na velikosti divergence γ jednotlivých laserů a výšce letu h.

  Ds  2h  tan  2

Standardně používané lasery divergují pod úhlem 0.1 – 1 mrad. Například pro výšku letu 1km a divergenci 0.5 mrad je velikost stopy paprsku 0.5 m.

Obr. 1.7: znázornění zorného pole a šířky impulsu při dopadu (VOSSELMAN, MAAS, 2010, s.25)

Frekvence skeneru Od 90. Let 20. století se používaly v leteckém laserovém skenování skenery s PRF (pulse repetition frequencies) s malou frekvencí. Se zdokonalováním techniky se frekvence zvyšovala, až dosáhla velikosti přes 300 kHz. Tímto se zvýšila i hustota bodů PM . Hustotu bodů lze poté spočítat ze znalosti výšky a rychlosti letu, úhlu zorného pole, a frekvenci.

19

F  v  t  sw PM 

PRF  t PRF PRF   F v  sw 2vh  tan / 2

kde t je časový úsek skenování, sw je skenovaná oblast, v je rychlost letu, θ/2 je skenovaná oblast a PRF je počet pulzů které vyšle skener za sekundu.

Výška letu Operační výška letu h se volí na základě požadované hustoty dat, požadavků na přesnost, velikost a charakteru skenovaného území a dostupném vybavení.

1.5 Průběh leteckého laserového skenování Letecké laserové skenování lze rozdělit do tří fází:  plánování letu  měření  zpracování dat a kontrola kvality

1.5.1 Plánování letu Plánování trasy letu se volí v závislosti na požadavcích projektu (zájmovém území, požadované hustotě bodů), tak aby trasa byla co nejkratší a nejméně nákladná. Výpočty se provádějí automaticky v programech. Vstupní data pro výpočet trasy jsou výška letu, rychlost letu a zorný úhel skeneru, tyto parametry určují výslednou hustotu bodů. Maximální délka jednoho podélného letu bývá obvykle 30 až 40 km v závislosti na rychlosti. Vzdálenost mezi jednotlivými lety se volí tak, aby byl vytvořen překryt sousedních letů. Velikost překrytu se obvykle volí 20%. Pro kontrolu se vyhotovují příčné lety.

20

Obr. 1.8: letový plán (VOSSELMAN, MAAS, 2010, s.31)

Na obr. 1.8 levý snímek je znázorněna měřená oblast. Na pravém snímku je vyznačena trajektorie letadla. Začátek a konec snímkování je znázorněn modrou barvou. Červenou barvou jsou vyznačeny úseky trajektorie, na kterých se data nepořizují. Software pro plánování letu je nezbytný, především v oblastech s velkým převýšením kde by mohlo nastat, že u výše položených míst by šířka řádku nesplňovala požadovaný překryt. Letový plán je po vytvoření uložen do řídící a navigační jednotky letadla.

1.5.2 Měření Cílem letu je sběr dat nad vytvořeným letovým plánem. Ideální doba snímkování závisí na potřebách projektu (stromy s listím, bez listí, bez sněhu atd.). Dalším faktorem je počasí (bez deště, jasno, bez mlhy, atd.).

21

Pro vytvoření kvalitního modelu, musí být data co nejpřesnější. Obvykle jsou na každém měřeném letu alespoň tři objekty, u kterých se kontroluje výška a o něco víc objektu pro kontrolu pozice. Za kontrolní body se volí rovné otevřené plochy (parkoviště tenisové kurty, rovné střechy, atd.).

1.5.3 Zpracování dat a kontrola kvality Po měřeném letu máme k dispozici tři datové sady:  GPS data referenční stanice  navigační data (GPS souřadnice letadla a IMU data)  naměřená data (s časem pořízení), parametry skeneru (úhel natočení) a data ze skeneru

GPS souřadnice letadla jsou doplněna o parametry z IMU a GPS signály z referenčních stanic. Tato hrubá data jsou sloučena pomocí znalosti času jejich pořízení. V tomto procesu se data opravují (kalibrují, přičítá vliv atmosférických podmínek, atd.). Pomocí programu se transformují body do požadovaného souřadnicového systému. V ČR se nejčastěji používá polohový systém Jednotné sítě katastrální (S-JTSK) a výškového systému Baltského po vyrovnání (Bpv). Výstupem je mračno bodů, kde každý bod má své prostorové souřadnice. Tyto prostorové body lze zobrazit (obr. 1.9).

22

Obr. 1.9: obarvené mračno bodů - a) hypsometricky, b)dle leteckých snímků (VOSSELMAN, MAAS, 2010, s.33)

2.

DMT Pokud není uvedeno jinak, vychází tato kapitola z publikace (VOSSELMAN, MAAS, 2010)

2.1 Definice Digitální model terénu (DMT) je matematická reprezentace zemského povrchu v digitální formě. Zemský povrch je zde definován jako hraniční plocha mezi pevnou zemí, a atmosférou. DMT se využívá v mnoha různých odvětvích, např. řízení povodňových rizik, plánování infrastruktury a je v současné době základem pro práci v mnoha geografických informačních systémech (GIS).

Digitální model povrchu (DMP) je zvláštní případ digitálního výškového modelu, který je doplněný o vegetaci, objekty a další prvky v přírodě. DMP se využívá pro vizualizaci charakteru krajiny.

23

Normalizovaný digitální model povrchu (nDMP) získáme odečtením DMT od DMP. nDMP reprezentuje objekty a vegetaci. Tyto údaje lze využít například při zjišťování výšky lesního porostu.

2.2 Filtrace dat V průběhu LLS se setkáváme s různými typy povrchů (rovinami, pahorkatinami, horami, zastavěnými oblastmi, atd.), které jsou pomocí LLS reprezentovány mračny bodů, která by měla interpretovat zemský terén. Problém však nastává u lokalit s vegetací nebo hustou zástavbou, kde není zřejmé, který paprsek je odražen od vegetace a který leží na povrchu. V případě husté vegetace může nastat případ, že žádný bod neprojde. Základem filtrace (určení bodů na terénní a neterénní) je užití správného algoritmu, nejlépe s ohledem na charakter zájmové oblasti. Některé algoritmy primárně za terénní body označují ty z posledního odrazu impulzu, tedy body s nejmenší Z souřadnicí. Může však nastat případ, že dojte k mnohonásobnému odrazu a vznikne tak tzv. „long-range“ měření (bod se nachází pod úrovní terénu), které je zapříčiněno např. odrazem od výloh v ulicích města, nebo skel automobilů. Podrobněji jsou filtrační algoritmy popsány viz. 2.2.1.

Po rozdělení bodů na terénní a neterénní lze přistoupit k dalšímu kroku a tím je rozdělení bodů do tříd (vegetace, budovy, atd.). Tomuto kroku se říká klasifikace.

Výpočetně náročné algoritmy je často u velkých datových souborů vhodné rozdělit. V případě rozsáhlého projektu se datové soubory dělí do menších částí kvůli rychlosti jejich zpracování. Jako nejvhodnější způsob dělení se udává, dělení podél trajektorie letu a šířky řádku.

2.2.1 Popisy druhů filtrace

Morfologické filtrování Skupina těchto algoritmů je založena na konceptu matematické morfologie. Dva základní operátory, které užívá matematická morfologie, jsou eroze a dilatace. Kombinací

24

těchto operací lze získat maxima a minima jednotlivých prvků pomocí tzv. "zavírání" (eroze - dilatace) a "otvírání" (dilatace - eroze).

Algoritmus založený na matematické morfologii byl popsán panem Vosselmanem. Pan Vosselmanem použil funkcí, která popisuje maximální přípustný výškový rozdíl ∆h rámci prvku v závislosti na vzdálenosti d (obr. 2.1). Pro testovaný bod se vypočte horizontální vzdálenost a výškové převýšení ke každému bodu v daném okruhu (cca 5 m v závislosti na sklonu terénu). Následně se porovná s příslušným maximem, v případě překročení hodnoty se bod označí jako neterénní.

obr. 2.1:(a) funkce, která popisuje přípustné výšky h mezi dvěma body v závislosti na vzdálenosti d ; (b) profil bodů LLS (černé tečky), který demonstruje použití filtrace na základě hodnocení funkce pro prvky o velikosti dmax v každém daném okamžiku. Místa kde jsou hodnoty funkce zobrazeny zeleně, jsou body klasifikovány jako terénní a kde červeně jako neterénní. (VOSSELMAN, MAAS, 2010, s.141)

25

(SITHOLE – 2004) – Marco Roggero – Tento filtr je variantou na morfologický filtr vyvinutý panem Vosselmanem. V každém testovaném bodě je vložen kužel rozšiřující se směrem dolů. Pokud se někde v prostoru vymezeném pod tímto kuželem nachází jiné body, testovaný bod je klasifikován jako neterénní. Roggero tvar kužele získává aproximací terénního sklonu v místě testování, za pomocí lineární regrese, kde vstupní data jednotlivých bodů jsou směrována k nejnižšímu bodu v dané oblasti.

Progresivní zhušťování Tento algoritmus pracuje na odlišném principu a to na postupném zhušťování modelu. Základem je podmnožina před-klasifikovaných bodů, pomocí kterých iterativně zvyšujeme množství informací, které ve výsledku popisují celý datový soubor. Např. v případě nepravidelné trojúhelníkové sítě se vypočtou úhly mezi rovinou trojúhelníka a přímkami spojující testovaný bod s každým ze tří vrcholů. Tyto úhly musí nabývat menších než hraničních hodnot. Princip metody je uveden v Axelsson (2000).

Obr. 2.2: (a) bod P je testovaný bod; α1, α2, α3 jsou úhly k terénním bodům B1, B2 a B3; (b) proces vytváření DMT na základě postupném zhušťování TIN (VOSSELMAN, MAAS, 2010, s.143)

26

(SITHOLE – 2004) – Peter Axelssson – používá metodu progresivního zhušťování. Z dat LLS jsou vybrány nízké body ze kterých je vytvořen TIN. Další body jsou přidávány na základě dané maximální vzdálenosti od roviny příslušného trojúhelníka a minimální vzdálenosti od nejbližšího vrcholu trojúhelníka. Po každém výpočtu se přepočtou nové hraniční hodnoty pro přiřazení bodu na základě vypočteného histogramu. Operace se provádí iterativně a končí ve chvíli, kdy žádné body nesplňují kritéria pro přiřazení do sítě.

Metody založené na povrchu Filtrovací metody založené na povrchu pracují s předpokladem, že všechny vstupní body leží na povrchu terénu a následně iterativně odstraňují nebo snižují vliv bodů, které neodpovídají modelu za účelem vylepšování tohoto modelu.

Příkladem je metoda založená na robustní interpolaci pánů Krause a Pfeifera (Vosselman, Maas; 2010, str. 144) provádí najednou filtrování a interpolaci DMT. Cílem tohoto algoritmu je určit individuální váhu p1 ϵ (0;1) pro každý bod pi takovým způsobem, že každý bod bude zařazen do terénu nebo mimo něj tak, aby model reprezentoval skutečný terén. Proces robustní interpolace se skládá z následujících kroků:

 interpolovaný model vychází z bodů a jejich vah (na začátku mají všechny body stejnou váhu)  výpočet hodnot filtru f i (záporná vzdálenost od povrchu pro každý bod Pi nad povrchem)  výpočet nové váhy pro každý bod Pi podle hodnoty filtru f i

Tyto kroky se opakují tak dlouho, dokud není dosaženo stabilní situace (váha každého bodu se významně nemění, a průběh povrchu s další iterací se také nemění), nebo není překročený maximální počet iterací. Výsledkem tohoto procesu je model povrchu a rozdělení bodů do tříd jako terénní a neterénní.

27

Obr. 2.3: typická váha funkce s asymetrickým tvarem a posunem (podle hodnoty g) pro eliminaci neterénních bodů. Bodům s výškou f i nad povrchem f >> 0, je přiřazena nízká váha, zatímco bodům pod povrchem, vyšší váha (VOSSELMAN, MAAS, 2010, s.145)

Segmentace U výše zmíněných přístupů filtrace je klasifikován vždy jen jeden bod. Metody založené na segmentaci klasifikují celé segmenty, tj. soubory sousedních bodů s podobnými vlastnostmi. Pro segmentaci se obvykle používají tzv. region growing metody.

Metoda region qrowing spočívá v sloučení sousedních bodů do segmentu, pokud jsou jejich vlastnosti podobné s ohledem na určité mezní hodnoty. Pro stanovení podobnosti se sledují různá kritéria, např. výšky bodů nebo normálový vektor.

2.2.2 Potenciál FWF dat pro tvorbu algoritmů Jako bylo zmíněno v kapitole 1.1.4 nová generace laserových systému FWF je schopna zachytit celý průběh vlny odraženého echa. Na rozdíl od ostatních systémů FWF systémy dokážou zjistit šířku a amplitudu echa. Amplituda závisí na síle odraženého echa, která je ovlivňována vzdáleností, atmosférou a druhem plochy, od které se paprsek odrazil. Šířka echa popisuje rozsah odchylky. Jestliže paprsek dopadne na více objektů o různé vzdálenosti,

šířka

odraženého

echa

se

ve

srovnání

s ostatními

zvětší.

Tato dodatečná informace může být velmi užitečná při filtrování, kde je zemský povrch 28

pokryt nízkou vegetací a echa jsou směsí odrazů od nízké vegetace a terénu a je velmi obtížné, někdy i nemožné je odfiltrovat.

Obr. 2.4: (a) DMP vytvořený na základě dat LLS; (b) DMT po robustní interpolaci bez ohledu na informace z FWF systému; (c) znázorněné šířky ech pořízené FWF systémem; (d) DMT s odstraněnými místy s velkou šířkou ech (VOSSELMAN, MAAS, 2010, s.152)

29

2.3 Formy DMT Nejčastějšími formami DMT jsou rastrový DMT a TIN. Forem zpracování laserových dat je mnoho, mezi další patří např. hybridní DMT, který je oproti klasickému rastrovému modelu doplněn o terénní hrany.

Rastrový DMT V LLS mohou být mračna bodů zobrazována ve formě rastrového obrazu. Např. pro znázornění výšek, které se provádí ve třech krocích:  definování mřížky obrazu (velikost pixelu)  určení výšky pro každý pixel (výška pixelu je určena např. jako průměr výšek bodů v něm ležících). Výška pixelu bez jediného bodu se obvykle určuje interpolací nebo extrapolací z hodnot sousedních pixelů  transformace výšek na hodnoty šedé nebo barevné škály, kde v případě šedé škály nejnižší bod nabývá hodnoty šedé 0 a nejvyšší bod hodnoty šedé 255 a následně se provede interpolace mezilehlých bodů

Obr. 2.5: stínovaný rastrový obraz (vpravo kombinovaný s barevnou hypsometrií) (VOSSELMAN, MAAS, 2010, s.49)

30

Výškovým modelem může být podkladem např. pro stínovaný reliéf. Jedná se o zvýraznění struktury DMT, který je osvícen Sluncem. V mnoha GIS lze přímo nastavit úhel nasvícení.

TIN Nepravidelná trojúhelníková síť (triangulated irregular network TIN) je složená z mnoha nepravidelně rozmístěných uzlů, které mají prostorovou polohu (X, Y, Z). Při tvorbě TINu je často používána metoda Thiessenových polygonů. Thiesenovy polygony ohradí oblast, která je blíže k danému bodu než k ostatním. Tento úkon provede pro každý bod. Hrana každého trojúhelníka je kolnice na hranu polygonu rozdělující oblasti sousedních bodů.

Zjednodušený popis: Algoritmus porovnává tři body, proloží jimi kružnici, když uvnitř kružnice neleží žádný jiný bod, vytvoří trojúhelník, pokud tam cizí bod leží, vybere jiné tři body.

2.3.1 Kvalita DMT DMT je často podkladem pro důležité projekty, proto je třeba znát jeho kvalitu. Obecně se kvalita DMT dělí na dvě části:  kvalita dat  kvalita modelu

Kvalita dat Aby bylo možné odvodit kvalitu dat, je nutné zkontrolovat celý vstupní soubor dat použitých pro DMT. Následující datové vrstvy mohou být použity pro tento popis.  hustota bodů: Nejčastěji rastrový obrázek znázorňující zájmovou oblast s body a zároveň poskytující informace o této zájmové oblasti.

31

 vzdálenost bodů: Podobně jako u vrstvy hustota bodů, vrstva poskytuje informaci v zájmové oblasti, ve které je malé množství vstupních dat a udává vzdálenost k nejbližšímu bodu.  třídy přesnosti: V případě více zdrojů vstupních dat pro jednu oblast, mapa zobrazuje jednotlivé třídy přesnosti pro každou z lokalit.  přesnost dat: Mapa přesnosti dat zobrazuje místa, kde mají body nejlepší nebo nejhorší přesnost.

Vhodným způsobem zjištění kvality dat je vytvořit grafický výstup. Na obr. 2.6 je znázorněn rozdíl dat pořízených LLS z dvou příčných letů.

Obr. 2.6: nesrovnalosti mezi různými daty: rozdíly mezi dvěma vzájemně se překrývajícími lety. Rozdíly na hladkých plochách (např. na střechách a volných plochách) jsou hlavně důsledkem nepřesné orientace senzoru. Značné rozdíly lze očekávat u členitých ploch (např. vegetace). Ty nejsou způsobeny chybami georeferencováním. (VOSSELMAN, MAAS, 2010, s.159)

Kontrola ucelenosti dat, je zobrazena na obr. 2.7. Tento obrázek ukazuje nesoulad v rámci jednoho letu při LLS. Na tomto obrázku byla data LLS pořízena přes rotující zrcátko a tato data byla rozdělena do dvou skupin. Data pořízená ve směru zleva doprava a data pořízená opačným směrem. Na obrázku je znázorněn DMT vytvořen z těchto dvou skupin. Rozdíly, které lze vidět na obrázku jsou výsledkem asynchronního zápisu úhlů a délek, díky časové prodlevě při pořizováním dat. 32

Obr. 2.7: nesrovnalosti v rámci jedné datové sady z důvodu nedostatku snímače (jednotky metry) (VOSSELMAN, MAAS, 2010, s.160)

V souvislosti s kvalitou dat je třeba vžít v úvahu kvalitou filtrace (oddělení terénních a neterénních bodů), zejména v případě LLS. Automatická klasifikace může být spolehlivá jen v některých oblastech, ale v případě členitého terénu tomu tak zpravidla nebývá. Velkých chyb například dosahuje v případě hustě zastavěné nepravidelné oblasti. Dodnes není vytvořen žádný algoritmus, který by popisoval kvalitu dat získaných po filtraci. Kvalitu filtrace lze tedy nejlépe ohodnotit na základě praktické zkušenosti.

Další problém s daty LLS může nastat v oblasti s hustou nízkou vegetací. Pro algoritmy je složité takovou vegetaci odfiltrovat (malý výškový rozdíl oproti okolnímu terénu, žádné body nedosáhnou na zemský povrch, viz.: obr 2.8). Výsledné mračno bodů může proto v těchto oblastech obsahovat výškový posun. Tyto problémy nejsou snadno odhalitelné bez doplňujících údajů.

Obr. 2.8: znázornění výškového posunu nad oblastí s hustou vegetací (lesní školka) (Faltýnová, M. Archeologie ve stínovaném reliéfu)

33

Kvalita modelu Kvalita modelu lze rozdělit do dvou kategorií:  kvalita vnitřní  kvalita vnější

Vnitřní kvalita popisuje kvalitu odhadu DMT v kontrastu s měřenými daty. Pro určování vnitřní kvality lze použít zákon o hromadění středních chyb. Lze také vytvořit rastrový obraz zobrazující rozdíl mezi vstupními daty a odvozeným DMT. Takový obraz pomáhá odhalit oblasti, kde jsou významné rozdíly.

Vnější kvalita popisuje rozdíl mezi DMT a externími daty. Zatímco vnitřní kvalitu lze odhadnout pouze na základě vstupních dat, pro určení vnější kvality jsou nezbytná vnější referenční data. Tato vnější data nesmí být použita pro tvorbu DMT. Mimo to musí mít tyto údaje vyšší přesnost. Vnější kvalita modelu závisí na vstupních datech i na procesu modelování.

Redukce dat Letecké laserové systémy prošly v posledních letech velkým vývojem. Před deseti lety byla jejich frekvence vysílání paprsku „jen“ několik kHz, v dnešní době však moderní skenery využívané v LLS mají tuto frekvenci až několika stovek kHz. Tímto vývojem bylo dosazeno velmi velké hustoty bodu a to 1 - 8 bodů/m2 a to i pro velké plochy. Tato mračna bodů obsahují velký objem dat, který je velmi obtížné zobrazit a dále s nimi pracovat v různých aplikacích. V těchto situacích je nutné používat algoritmy, které snižují množství dat. K dispozici jsou různé algoritmy, které jsou často závislé na dané datové struktuře. Obecně platí, že je lze rozdělit na algoritmy, které nemění strukturu dat a které tuto strukturu mění.

34

Metoda převzorkování je klasická metoda zpracování obrazu u rastrového DMT, kdy algoritmus redukuje data vytvořením DMT s většími rastrovými pixely než byly v původním DMT. Hodnoty výšek těchto větších pixelů nově vytvořeného DMT jsou odvozeny z výšek menších pixelů původního DMT, které v nich leží. Výpočty těchto algoritmů jsou zpravidla velmi rychlé. Nevýhodou těchto postupů je, že redukce dat je na celém DMT stejná. Zatímco v rovinatém terénu může být povrch v pořádku, problém může nastat v případě velkých lokálních výškových rozdílů. Tento problém lze řešit ponecháním malých pixelů v daných problémových oblastech. Pro složitý terén se tato metoda užívá v praxi jen velmi zřídka. Hybridní rastr tento problém řeší doplněním rastru o terénní hrany.

35

3.

PRAKTICKÁ ČÁST

3.1 Informace o datech Pokud není uvedeno jinak, vychází tato kapitola z publikace (DUŠÁNEK, P. 2011)

3.1.1 Projekt Všenory a Čertova brázda

Všenory Obec Všenory se nachází v okrese Praha západ, ve Středočeském kraji, asi 20 km od Prahy. Jedná se o část území, na kterém se nachází středověké cesty, spojující Všenory s Mníškem pod Brdy. Existence těchto cest byla zpochybňována. Novým průzkumem terénu, však bylo zjištěno, že v údolí se cesty skutečně nacházejí, což je z hlediska vedení starých středověkých cest poměrně výjimečný případ. Dokumentace těchto cest pomůže při formulaci teorie o středověké těžbě zlata v okolí Všenorského potoka protékající úzkým skalnatým údolím, který je přítokem do Berounky a o středověké krajině v okolí Všenor. Tyto informace byly získány od pana Mgr. Petra Nového ze Středočeského muzea v Roztokách.

Čertova brázda (Čertova brázda) –„Jedná se o hluboký úvoz dlouhý okolo 21 km mezi Chotouní a Sázavou. Jde pravděpodobně o pozůstatek mohutně zahloubené pravěké stezky vedoucí prakticky přímo mezi významnými brody na Sázavě a Labi, tedy mezi dnešními městy Sázavou a Nymburkem. Historicky zaznamenaná část brázdy začíná u brodu na Sázavě v místě zvaném Černé Budy a vede 21 kilometrů severním směrem k obci Chotouň. Prodloužení této linie, patrné na starých mapách i za Chotouní, vedlo k významnému brodu na Labi v místě dnešního města Nymburk. Archeolog Bernat ukázal, že cesty mezi oběma brody vedly v mnoha paralelních větvích. Středověká „Čertova brázda“ je jen jednou z nich. Obecně šlo o část systému pravěkých dálkových cest spojujících úrodné Polabí s obchodními centry na jihu.“

36

3.1.2 Pořízení dat Od roku 2010 začalo mapování celé České republiky technologií LLS. Investoři tohoto projektu jsou Český úřad zeměměřický a katastrální (ČUZK), Ministerstvo obrany a Ministerstvo zemědělství. ČUZK organizuje a koordinuje projekt a je zodpovědný za zpracování dat ze ¾. Ministerstvo obrany zajišťuje sběr dat a jejich zpracování z ¼. Ministerstvo zemědělství přispívá finanční podporou. Mapování České republiky bylo naplánováno na 4 roky. Centrální zóna byla zmapována dle plánu v roce 2010. Západní část byla mapována do roku 2011. Východní část se začne mapovat roku 2013. Data byla pořízena s hustotou zhruba 1 bod/m2

a s bočním přesahem sousedních pásů o 50%.

K mapování daných oblastí byl použit letecký laserový systém LiteMappel 6800 – 400.

Obr. 3.1:znázornění etapového mapování České republiky (DUŠÁNEK, P)

Technologie LLS lze použit jako zdroj dat pro vyhledávání archeologická naleziště. Pořízení dat LLS je ale příliš drahé pro nekomerční účely. Proto byla snaha zjistit, zda data 37

pořízena ČUZK při mapování České republiky, jsou možné použít pro určení archeologických nalezišť. Tyto data lze díky menší hustotě získat levněji, nebo v případě diplomových prací mohou být zapůjčena bezplatně.

3.2 Zpracování dat Získaná data byla ve formátu laz v podobě nefiltrovaného a neklasifikovaného mračna bodů. Tyto data byla upravována v softwarech LAStools, TerraScan, TerraModeler, ArcMap a Geomagic Studio.

3.2.1 LAStools LAStools je volně stažitelný software, který lze užívat pro nekomerční účely, pomocí kterého lze body klasifikovat a následně zobrazit. S programem lze pracovat prostřednictvím příkazového řádku, nebo jednoduchého grafického rozhraní. V našem případě bylo použito grafického rozhraní.

Načítání dat Software LAStools nabízí jednoduchou manipulaci s daty. Mračna bodů se načítají přes ikonu Browse data. Datový souboru s příponou las, který je podporován tímto programem lze získat konvertováním z formátů laz. Las je běžný formát dat LLS a laz jeho komprese, která redukuje objem dat na cca 10%. LAStools dokáže oproti ostatním softwarům pracovat s oběma těmito formáty, proto pro práci v dalších softwarech bylo nutné převést formát laz na las.

Klasifikace a vizualizace dat Funkce lasground, slouží pro automatickou filtraci dat. Lze zde ovlivnit velikosti kroků, ve svažitých oblastech kritické hodnoty, ale předně tvůrce navrhuje zkusit východí nastavení.

38

Funkce las2dem je nástroj pro převod bodů z las, nebo laz formátu, za pomocí triangulace dočasně převede do TIN a následně na rastr. Tento nástroj převádí výšky, nebo intenzitu do šedé škály, RGB, nebo do nepravého zbarvení (dle nastavení min a max barvy). Výstupem je převedené mračno bodů do formátů bil, asc, img, flt, xyz, dtm, tif, png, nebo jpg, které lze následně prohlížet, nebo s nimi dále pracovat v jiných softwarech.

Orb. 3.2: digitální mode povrchu (DMP) vytvořený z dat před klasifikaci

Orb. 3.3: DMT vytvořený z klasifikovaných dat jako terén

39

3.2.2 TerraScan a TerraModeler TerraScan a TerraModeler jsou dva softwarové balíky, které používáme z finské softwarové sady Terrasolid.

 TerraScan - pro načtení bodů a jejich klasifikaci do různých tříd  TerraModeler – pro tvorbu modelu povrchu z laserových bodů.  Terrasolid pracuje jako nadstavba softwaru MicroStation.

Spuštění programu a načtení dat Nadstavby TerraScan a TerraModeler lze spustit pouze ve 3D výkresu softwaru MicroStation. Spuštění nadstaveb se provádí přes roletové menu Pomůcky/Aplikace MDL. V okně Dostupné aplikace se vybere TSCAN (TMODEL). Program umožňuje načíst mračno bodů přes TerraScan menu: File/Read points. TerraScan načte souřadnice bodů i souřadnice doplněné o informaci, intenzitě, barvě a třídě (pokud jsou dostupné).

Filtrace bodů Filtrace bodů lze provádět pomocí automatických funkcí v menu Classify/Routine. Klasifikace terénních bodů se provádí funkcí Ground. Funkce vytváří nejprve model z vybraných nízkých bodů, které následně doplňuje (zhušťuje) přidáváním dalších bodů splňujícím jisté kritéria. Tato funkce lze doplnit poloautomatickou funkcí v menu Classify/Add point to ground. Tuto funkce je dobré používat např. v oblastech, ve kterých automatická klasifikace vyhodnotila terénní body za nízkou vegetaci. Add point to ground vyžaduje nastavení maximální tolerance velikosti úhlů a délek mezi sousedními body a velikost okolí pro vyhodnocení. Poté už jenom označíte jeden bod a program v dané oblasti dopočte model. Pro vizualizaci upravených dat je nutné model přepočítat.

40

Orb. 3.4: body DMT před poloautomatickou klasifikaci

Orb. 3.5: body DMT po poloautomatické klasifikaci

V některých částech modelu byla data terénu po klasifikaci velmi řídká z důvodu husté vegetace, kterou žádný laserový paprsek neprošel.

41

Orb. 3.6: z důvodu nedostatku dat byly v DMT viditelně vytvořeny velké trojúhelníky. Přes tyto oblasti byl vytvořen řez a pátráno po příčině.

Tvorba modelu DMT z klasifikovaných dat se vytváří funkcí Output/Create surface model s nastavením parametrů, jako je max. délka trojúhelníka. Pro tvorbu a zobrazení modelu musí být do MicroStationu zavedena i aplikace TerraModeler. Model se zobrazí až po nastavení zobrazení v Display Surface tool box (Display Shaded Surface – stínovaný povrch).

42

Obr. 3.7: stínovaný povrch vytvořený z klasifikovaných terénních bodů. Černá plochy jsou místa, kde body nebyly klasifikované jako terénní, nebo body nesplňovaly hraniční podmínky (pravý horní roh)

Orb. 3.8: DMT zobrazený hypsometrií. V tomto případě je převýšení velmi malé, proto není toto zobrazení moc reprezentativní

43

Software Terrasolid nabízí široké možnosti pro zpracování a následné zobrazení dat. Jeho automatické funkce pomáhají především při klasifikaci terénních bodů a tvorbě DMT, stejně jako při tvorbě výškových obrazů. Pro získání podrobnějších a přesnějších výsledků je ale nezbytné manuální zpracování pomocí poloautomatické funkce.

3.2.3 ArcMap Centrální aplikace v ArcGIS Desktop, použitelná pro všechny mapově orientované úlohy, včetně prostorových analýz, editace dat a tvorby kartografických výstupů. Je velmi často využívaný software pro zpracovávání dat v mnoha GIS.

Tvorba modelu Ze stínovaného modelu vytvořeného v programu TerraModeler (obr. 3.7), byl vytvořen funkcí aspect mode znázorňující orientace ke světovým stranám podle směru největšího spádu sousedních buněk. Ze stejných podkladů byl funkcí slope vytvořen model znázorňující sklon svahu.

Orb. 3.7: Všenory: vlevo – ukázka funkce aspect v programu ArcMap ; vpravo – ukázka funkce slope v programu ArcMap.

44

Orb. 3.8: Čertova brázda: vlevo – ukázka funkce aspect v programu ArcMap ; vpravo – ukázka funkce slope v programu ArcMap.

Model vytvořený funkcí slope zobrazuje pouze velikost sklonu a v našem případě nám toho moc neříká. Model vytvořen funkcí aspect ovšem podrobněji reprezentuje zájmovou oblast a je schopen nám podrobněji znázornit např. bývalé obchodní cesty, které jsou již nyní zarostlé a zalesněné a není je možno používat.

3.2.4 Geomagic Studio Geomagic Studio se řadí mezi programy, které slouží zejména pro úpravu mračna bodů. Další využití se nabízí v tvorbě automatických povrchů, které bylo v tomto případě využito.

Tvorba modelu Z klasifikovaných

terénních

bodů

byla

pomocí

funkce

wrap

vytvořena

trojúhelníková síť (TIN). Plochy vytvořené stranami jednotlivých trojúhelníků byly vytvořeny automaticky.

45

Obr. 3.9: DMT vytvořen z TINu v programu Geomagic Studio, Všenory

Při tvorbě modelu lze nadefinovat velikost vyhlazení, která ve správné velikosti vytváří hladký povrch modelu.

Obr. 3.10: DMT vytvořen z TINu v programu Geomagic Studio před vyhlazením

46

Obr. 3.11: DMT vytvořen z TINu v programu Geomagic Studio po vyhlazení

Zpracování terénních bodů v programu Geomagic Studio bylo provedeno za účelem srovnání DMT vytvořených různými softwary. Srovnání je provedeno závěru.

3.3 Zobrazení dat Pro pořizovatele, zpracovatele, či finálního uživatele dat je výhodné mít k dispozici aplikaci, která umožní prohlížení dat. Tato aplikace může zvládat pouze základní úkony jako zobrazení dat v šedých nebo barevných odstínech, nastavení pohledů a měření v mračnu. V ideálním případě se jedná o software s freeware licencí.

3.3.1 FugroViewer Pro ukázku byla data vizualizovaná mimo jiné i v softwaru FugroViewer, který je volně dostupný. Neslouží k editaci, ale pouze k zobrazení dat, mračna bodů.

47

Obr. 3.12: ukázka hypsometrického stínovaného reliéfu vytvořeného v programu FugroViewer z dat pořízených v obci Všenory.

Obr. 3.13: ukázka hypsometrického stínovaného reliéfu vytvořeného v programu FugroViewer z dat pořízených v okolí Čertovy brázdy.

48

ZÁVĚR Cílem práce bylo vytvořit digitální model terénu z dat pořízených leteckým laserovým skenováním nad oblastí obce Všenory a úvozem Čertova Brázda. V programu TerraScan byla surová data (mračna bodů) oříznuta tak, aby pokrývala pouze zájmová území. Následně byla data pomocí automatické filtrace klasifikována na terénní a neterénní. Z důvodů nedostatečného zpracování dat automatickou filtrací (klasifikováním terénních bodů v některých oblastech za neterénní) byla použita poloautomatická filtrace a tyto body byly pře-klasifikovány. Automatická filtrace byla nejprve provedena v programu LAStools, ale tento software neumožňoval podrobnější úpravu dat, proto byl tento proces proveden v programu TerraScan. V programu LAStools bylo klasifikované terénní mračno bodů použito jako vstupní data pro tvorbu stínovaného DMT V programu TerraModeler bylo klasifikované terénní mračno bodů použito jako vstupní data pro tvorbu stínovaného DMT a hypsometrického DMT. Hypsometrický model terénu nebyl dostatečně přehledný z důvodu malých výškových rozdílů. Ze stínovaného DMT byl vytvořen v programu ArcMap model znázorňující orientaci podle směru spádu, který vystihoval změny spádu, pomocí kterých bylo možné rozlišit např. staré obchodní cesty vytvořené vozy obchodníků vytvářející úvozy. Další DMT byl vytvořen v programu Geomagic Studio, který vytváří trojúhelníkovou sít, kterou je následně možné vyhladit. Zobrazení mračna bodů lze také provádět programem FugroViewer, který z mračna bodů vytvoří hypsometrický stínovaný reliéf. Přes veškerou snahu vytvořit DMT, na kterém by bylo možné podrobněji sledovat polohu a tvar historických cest, nebylo možné tohoto požadavku dostát. Místa kudyma vedly tyto cesty, jsou dnes zahalená hustou vegetací, především stromy, díky které je hustota bodů menší než 1 bod na m2. Dalším důvodem je úprava terénu v blízkosti z důvodů výstavby. Zřejmě jediným řešením podrobnějšího zaměření zájmové lokality je pozemní měření. Výstupy tedy nedosahují očekávané kvality, ale i přesto mají pro archeologii velkou vypovídací hodnotu. Jednotlivé výstupy jsou uloženy na CD, které je přiloženo.

49

ZKRATKY LLS

…letecké laserové skenování

YAG

… yttrito-hlinitý granát (krystal pro granátové lasery)

FWF

…full-waveform

GPS

…Global positioning system

IMU

…Inertial measurement unit

PRF

…pulse repetition frequencies

DMT

…digitální model terénu

TIN

…triangulated irregular network

GIS

…geografické informační systémy

50

LITERATURA VOSSELMAN, G. – MAAS, H.-G.; et al., 2010. Airborne and Terrestrial Laser Scanning. Dunbeath, Scotland, UK: Whittles Publishing, 2010. s.318 , ISBN 978-1904445-87-6.

ELEKTROREVUE, Metody pro měření podélné a transverzální rychlosti [online], [cit. 2013 03-26].

Elektrorevue

2003/8

-

25.2.2003.

Dostupný

z

WWW:

FALTÝNOVÁ, Martina. Možnosti zpracování laserových dat – dokumentace liniové stavby. Praha, 2010. Diplomová práce. ČVUT, Fakulta stavební, Katedra mapování a kartografie.

AXELSSON, P., 2000. DEM Generation from Laser Scanner Data Using Adaptive TIN Models. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 33 (B4/1), str.110-117.

SITHOLE, G.; VOSSELMAN, G., 2004. Experimental Comparison of Filter Algorithms for Bare-Earth Extraction from Airborne Laser Scanning Point Clouds. ISPRS Journal of Photogrammetry and Remote Sensing 59 (2004), str. 85-101. IGI, A company with interdisciplinary experience [online], [cit. 2013-05-13] Dostupný z WWW: Faltýnová, M. Archeologie ve stínovaném reliéfu, In: Sborník studentské vědecké konference, Telč 2012. Praha: České vysoké učení technické v Praze, Fakulta stavební, 2012, . ISBN 978-80-01-05134-4. ČERTOVA BRÁZDA [online], poslední aktualizace 2. 10. 2012 v 04:45 [cit. 15. 4. 2013], Wikipedie.

Dostupné

WWW:

51

z

DUŠÁNEK, P. Exploitation of countrywide airborne LIDAR dataset for documentation of historical human activities in countryside. GEOINFORMATICS [online], [cit. 2013 04-28] část.6, na.1, str. 97-108,

2011,

ISSN

1802-2669.

Dostupné



52

z:

WWW: