Powiadomienia systemowe
- Sesja wygasła!
- Sesja wygasła!
- Sesja wygasła!
Identyfikatory
Warianty tytułu
Analysis of 3D modelling accuracy based on point clouds from airborne laser scanning
Języki publikacji
Abstrakty
Modelowanie budynków w dużej skali (miasto, kraj) jest trendem obserwowanym w wielu krajach. Modele budynków można tworzyć m.in. na podstawie danych z lotniczego skanowania laserowego oraz ze zdjęć lotniczych. Coraz więcej wagi przykłada się również do dokładności modeli 3D budynków. W artykule przedstawiona została analiza dokładności modeli budynków w oparciu o chmury punktów z lotniczego skanowania laserowego. Metodyka przedstawiona w artykule opiera się na wymaganiach odnośnie kontroli zaproponowanej w ramach projektu CAPAP. Wybrane zostały 3 obszary testowe, dla których dla każdej połaci dachów budynków obliczone zostały parametry statystyczne (odchylenie standardowe odległości punktów od płaszczyzny połaci, wartość średniej odległości między chmurą punktów a płaszczyzną dachu, błąd średni kwadratowy odległości - RMSE). Według przyjętego progu dokładności 1 m błędu RMSE dla obszaru 1: 1.04% połaci nie spełniło postawionego kryterium, dla obszaru 2: 0.63%, a dla obszaru 3: 12.63%. W drugiej części artykułu zaprezentowana została bardziej szczegółowa analiza modeli budynków. Dla połaci dachów wybranych modeli wygenerowane i poddane analizie zostały histogramy, które przedstawiają rozkład wartości różnic odległości normalnych punktów chmury od zamodelowanej płaszczyzny dachu. Metodyka analizy dachów modeli budynków na podstawie histogramów umożliwia nie tylko ocenę, czy dana płaszczyzna spełnia wymagania dokładności standardu LOD2, ale również, w jakim stopniu została ona poddana generalizacji.
Building modeling for big areas (city and country modeling) is becoming more popular. Building models are generated among all from airborne laser scanning data and aerial images. Additionally, more attention is devoted to analysis of the accuracy of the 3D building models, especially concerning the accuracy of roof planes segmentation and their vertical and horizontal accuracy. In the article analysis which based on the airborne laser scanning point clouds is presented. The methodology, which is described in this article, based on the accuracy analysis proposed within the CAPAP project, which is currently conducted in Poland. In this approach three test areas were chosen. For every roof surface statistical parameters were calculated, i.e. standard deviation of the normal distance between the roof surface and the point cloud, mean distance between the roof surface and the point cloud, and Root Mean Squared Error (RMSE). In order to assess the accuracy of chosen test areas, RMSE threshold equal 1 m was assumed. Additionally, according to in the analysis proposed within the CAPAP project, if 5% of the analyzed building models exceed the assumed accuracy by 20%, the model is not acceptable and should be corrected. For the areas, which were chosen in the article, one of them does not fulfill the assumed accuracy. Additionally, for the first test area, for 1.04% of the roof surfaces the RMSE value exceeds 1 m, for the second test area it was 0.63%, and for the third one: 12.63%. In the second part of the article more detailed analysis for selected buildings was conducted. For roof surfaces histograms, which present the distribution of the normal distances were generated and analyzed. The methodology of building models analysis which based on the histograms makes it possible not only to assess whether the building is generated properly and fulfills the CityGML requirements, but also to say if generalization has been conducted and how big impact does generalization have on the model. The automatic accuracy analysis of the building models can be very helpful in projects which cover big areas. The analysis may indicate buildings, which should be examined in detail. Additionally, accuracy analysis which based on histogram interpretation makes it possible to apply statistical tests in order to assess the if the values distribution is Gauss distribution and to examine whether the generalization during the building modeling was conducted.
Rocznik
Tom
Strony
155--175
Opis fizyczny
Bibliogr. 20 poz.
Twórcy
autor
- Zakład Fotogrametrii, Teledetekcji i Systemów Informacji Przestrzennej, Wydział Geodezji i Kartografii, Politechnika Warszawska
autor
- Zakład Fotogrametrii, Teledetekcji i Systemów Informacji Przestrzennej, Wydział Geodezji i Kartografii, Politechnika Warszawska
autor
- Zakład Fotogrametrii, Teledetekcji i Systemów Informacji Przestrzennej, Wydział Geodezji i Kartografii, Politechnika Warszawska
Bibliografia
- 1. Akca D., Freeman M., Sargent I., Gruen A. 2010. Quality assessment of 3D building data. The Photogrammetric Record 25(132), 339–355.
- 2. Biljecki F., Ledoux H., Stoter J. 2016a. An improved LOD specification for 3D building models. Computers, Environment and Urban Systems, 59, 25-37.
- 3. Biljecki F., Ledoux H., Stoter J., Vosselman G. 2016b. The variants of an LOD of a 3D building model and their influence on spatial analyses. ISPRS Journal of Photogrammetry and Remote Sensing 116, 42-54.
- 4. Cisło-Lesicka U., Borowiec N., Marmol U., Pyka K. 2014. Analysis of usefulness of airborne laser scanning for preparation of 3D buildings model consistent with INSPIRE specification. Archiwum Fotogrametrii, Kartografii i Teledetekcji 26, 39-52.
- 5. Forlani G., Nardinocchi C., Scaioni M., Zingaretti P. 2006. Complete classification of raw LIDAR data and 3D reconstruction of buildings. Pattern Analysis and Applications 8(4), 357-374.
- 6. Główny Urząd Geodezji i Kartografii, 2017. Kontrola modeli 3D budynków. Szczegółowy Opis Przedmiotu Zamówienia (SOPZ) http://www.gugik.gov.pl/
- 7. Jarząbek-Rychard M. 2012. Automatyczna budowa wektorowych modeli 3D budynków na podstawie danych lotniczego skaningu laserowego. Archiwum Fotogrametrii, Kartografii I Teledetekcji 24, 99 - 109.
- 8. Kada M., McKinley L. 2009. 3D building reconstruction from LiDAR based on a cell decomposition approach. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences 38, 47-52.
- 9. Kolbe T. H., Gröger G., Plümer L., 2005. CityGML: Interoperable access to 3D City Models. In: van Oosterom P., Zlatanova S., Fendel E.M. (eds) Geo-information for Disaster Management, Springer, Berlin, Heidelberg, 883-899.
- 10. Kurczyński Z., Bakuła K. 2013. Generowanie referencyjnego numerycznego modelu terenu o zasięgu krajowym w oparciu o lotnicze skanowanie laserowe w projekcie ISOK. Archiwum Fotogrametrii, Kartografii i Teledetekcji. wydanie specjalnie Geodezyjne Technologie pomiarowe, s. 59-68
- 11. Li J., Xiao Y., Wang C 2013. Quality assessment of building roof segmentation from Airborne LIDAR data. In Geoinformatics, 2013, 21st International Conference on (pp. 1-4). IEEE.
- 12. Marjasiewicz M., Malej T. 2014. Półautomatyczne modelowanie brył budynków na podstawie danych z lotniczego skaningu laserowego, Archiwum Fotogrametrii, Kartografii i Teledetekcji 26, 87-96.
- 13. Oude Elberink S., Vosselman G. 2011. Quality analysis on 3D building models reconstructed from airborne laser scanning data. ISPRS Journal of Photogrammetry and Remote Sensing, 66(2), 157–165.
- 14. Rottensteiner F., Briese C. 2003. Automatic generation of building models from LIDAR data and the integration of aerial images. Proc. Int. Soc. Photogramm. Remote Sens. 34, 174-180.
- 15. Sampath, A., Shan, J, 2010. Segmentation and reconstruction of polyhedral building roofs from aerial lidar point clouds. IEEE Transactions on geoscience and remote sensing 48(3), 1554-1567.
- 16. Sun S., Salvaggio C. 2013. Aerial 3D building detection and modeling from airborne LiDAR point clouds. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 6(3), 1440-1449.
- 17. Tarsha-Kurdi, F., Landes, T., Grussenmeyer, P., 2007. Hough-transform and extended Ransac algorithms for automatic detection of 3D building roof planes from lidar data. In ISPRS Workshop on Laser Scanning 2007 and SilviLaser 36, 407-412.
- 18. Tarsha-Kurdi F., Landes T., Grussenmeyer P., 2008. Extended RANSAC algorithm for automatic detection of building roof planes from LiDAR data. The photogrammetric journal of Finland 21.1, 97-109.
- 19. Verma V., Kumar R., Hsu S., 2006. 3D building detection and modeling from aerial LIDAR data. Computer Vision and Pattern Recognition, IEEE Computer Society Conference on (Vol. 2, pp. 2213-2220). IEEE.
- 20. Wentz E. A., Zhao Q. 2015. Assessing validation methods for building identification and extraction. Urban Remote Sensing Event (JURSE), 1-4.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-395873a2-e710-471c-8362-a9d4910a26dd