Powiadomienia systemowe
- Sesja wygasła!
- Sesja wygasła!
- Sesja wygasła!
- Sesja wygasła!
- Sesja wygasła!
- Sesja wygasła!
Identyfikatory
Warianty tytułu
An algorithm of 2D building modeling in airborne laser scanning point cloud of the ISOK project
Języki publikacji
Abstrakty
Dane lotniczego skanowania laserowego (ALS) pozyskiwane są najczęściej na potrzeby budowy numerycznych modeli wysokościowych. W Polsce dane takie pozyskane zostały dla obszaru niemal całego kraju w ramach projektu ISOK, związanego z osłoną przed zagrożeniami naturalnymi. Dane te zostały wykorzystane w niniejszej pracy do modelowania obrysów budynków. W tym celu zaproponowano algorytm będący kombinacją algorytmu α-shape do detekcji konturów budynków oraz iteracyjnego ogólnego modelu wyrównawczego do aproksymacji rzutów ortogonalnych ścian budynków. Identyfikację punktów reprezentujących obrysy budynków wykonano na podstawie chmury punktów, z której odrzucono punkty powyżej zadanej wysokości progowej. Identyfikacja obrysów budynków jako otoczki pustych powierzchni reprezentujących budynki dokładniej przybliża rzeczywiste położenie przyziemi ścian budynków. Do weryfikacji algorytmu wykorzystano chmurę punktów o gęstości 12 pkt/m2 reprezentującą miejski obszar zurbanizowany o zabudowie regularnej. Wyniki modelowania 2D budynków porównano z ich reprezentacją w bazie Ewidencji Gruntów i Budynków oraz obliczono odchyłki liniowe odpowiadających sobie narożników. Otrzymano średnią wartość odchyłki liniowej na poziomie 0,56 m. Wartość ta jest zgodna z nominalną dokładnością sytuacyjną danych ALS projektu ISOK. Błąd średniokwadratowy policzony na podstawie odchyłek liniowych wynosi 0,64 m. Otrzymane wyniki modelowania spełniają wymagania dokładnościowe Bazy Danych Obiektów Topograficznych 1:10000 (BDOT10k) i mogą być wykorzystane do jej weryfikacji, aktualizacji bądź zasilania.
Airborne laser scanning data (ALS) are acquired mostly for the purpose of digital elevation models generation. In Poland, ALS data have been obtained for the whole country within the ISOK project, established for natural hazards risk mitigation. These data were used in this study to model the outlines of buildings. For this purpose an algorithm is proposed, that is a combination of α-shape algorithm and iterative total least squares adjustment. α-shape is used to detect points representing building outlines while the total least squares method is performed to receive regularized 2D building vector models. Identification of points representing outlines of buildings was performed on the point cloud thresholded at the given height with rejection of points above that height. Identification of a building as a gap (internal hull) in ALS data set is a better approximation of real building shape. For the algorithm verification a point cloud with a density of 4 points /m2 is utilized. This point cloud represents a city urban area, covering 21 large buildings. The results of 2D modeling of buildings have been compared with their representation in the cadaster data base. The linear deviation between corresponding corners of modeled and represented in cadaster data base buildings have been measured. The received mean value of the deviation equal 0.56 m is consistent with the nominal planar accuracy of ISOK ALS data. RMSE of building outline modelling calculated on the basis of linear deviations was equal 0,64 m. The results of modeling meet the requirements of Topographic Database Objects 1: 10000 (BDOT10k) and can be used for verification and updating of this data base.
Rocznik
Tom
Strony
19--33
Opis fizyczny
Bibliogr. 31 poz., rys.
Twórcy
autor
- Instytut Geodezji i Geoinformatyki, Uniwersytet Przyrodniczy we Wrocławiu
autor
- Instytut Geodezji i Geoinformatyki, Uniwersytet Przyrodniczy we Wrocławiu
Bibliografia
- Albers B., Kada M., Wichmann A., 2016. Automatic extraction and regularization of building outlines from airborne LiDAR point clouds. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XLI-B3, 555–560.
- Borkowski A., Jóźków G., 2012. Accuracy assessment of building models created from laser scanning data. ISPRS – International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol. XXXIX-B3, 253–258.
- Cisło-Lesicka U., Borowiec N., Marmol U., Pyka P., 2014. Analiza przydatności lotniczego skaningu laserowego do opracowania modelu budynku 3D zgodnie ze specyfikacją INSPIRE. Archiwum Fotogrametrii, Kartografii i Teledetekcji, vol. 26, 39–52
- Csanyi N., Toth C., 2007. Improvement of lidar data accuracy using lidar-specific ground targets. Photogrammetric Engineering & Remote Sensing, 73 (4), 385–396.
- Douglas D.H., Peucker T.K., 1973. Algorithms for the reduction of the number of points required to represent a digitized line or its caricature. Cartographica: The International Journal for Geographic Information and Geovisualization, 10 (2), 112–122.
- Jarząbek-Rychard M., 2012. Reconstruction of building outlines in dense urban areas based on LiDAR data and address points. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XXXIX, B3, 121–126.
- Jarząbek-Rychard M., Borkowski A., 2016. 3D building reconstruction from ALS data using unambiguous decomposition into elementary structures. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 118, 1–12.
- Jazaeri S., Amiri-Simkooei A.R., Sharifi M.A., 2014. Iterative algorithm for weighted total least squares adjustment. Survey Review 46, 334, 19–27.
- Kabolizade M., Ebadi H., Ahmadi S., 2010., An improved snake model for automatic extraction of buildings from urban aerial images and LiDAR data. Computers, Environment and Urban Systems, 34 (5), 435–441.
- Kumar S., Hebert M., 2006. Discriminative random fields. International Journal of Computer Vision, 68 (2), 179–201.
- Lee J., Han S., Byun Y., Kim Y., 2011. Extraction and Regularization of VariousBuilding Boundaries with Complex Shapes Utilizing Diatribution Characteristics of Airborne LIDAR Points, ETRI Journal, Vol 33, No 4, 547–557.
- Li D., Guo H., Wang C., Dong P., Zuo Z., 2012. Improved bore-sight calibration for airborne light detection and ranging using planar patches. J. Appl. Remote Sens. 10 (2), 024001.
- Mathworks, 2013. Adres: http://www.mathworks.com/matlabcentral/fileexchange/28851-alphashapes, funkcja alphavol.m, autor: Jonas Lundgren (dostęp: 20.12.2013).
- Mendela M., Borkowski A., 2013. Identyfikacja zbiorników wodnych, jako obiektów BDOT10K, w zbiorze danych lotniczego skaningu laserowego z wykorzystaniem algorytmu alpha shape. Acta Sci. Pol. Geod. Descr. Terr., 12 (4), 13–26.
- Niemeyer J., Rottensteiner F., Soergel U., 2014. Contextual classification of lidar data and building object detection in urban areas. ISPRS Journal of Photogrammetry and Remote Sensing, 87, 152–165.
- OGC City Geography Markup Language CityGML Encoding Standard, 2012. http://www.opengeospatial.org/standards/citygml (dostęp: 07.11.2016).
- Pawłuszek K., Ziaja M., Borkowski A., 2014. Ocena dokładności opracowania danych lotniczego skaningu laserowego systemu ISOK na obszarze doliny rzeki Widawy, Acta Sci. Pol., Geodesia et Descriptio Terrarum, 13 (3–4), 27–38.
- Priestnall G., Jaafar J., Duncan A., 2000. Extracting urban features from LiDAR digital surface models. Computers, Environment and Urban Systems, 24 (2), 65–78.
- Pyka K., Borowiec N., Poręba M., Słota M., Kundzierewicz T., 2012. Airborne laser scanning data for railway line survey. Pomiary, Automatyka, Kontrola, vol. 58 (3), 260–263.
- Ripley B.D., Kelly F.P., 1977. Markov point processes. Journal of the London Mathematical Society, 2 (1), 188–192.
- Rozporządzenie Ministra Spraw Wewnętrznych i Administracji, dnia 17 listopada 2011 r. w sprawie bazy danych obiektów topograficznych oraz bazy danych obiektów ogólnogeograficznych a także standardowych opracowań kartograficznych (Dz.U. Nr 279, poz. 1642).
- Sampath A., Shan J., 2007. Building boundary tracing and regularization from airborne LiDAR point clouds. Photogrammetric Engineering and Remote Sensing 73, 7, 805–812.
- Sampath A., Shan J., 2004. Urban modeling based on segmentation and regularization of airborne LIDAR point clouds. Proc. ISPRS 20th Congress Commission III, 937–941.
- Sochiera, K., 2015. Modelowanie obrysu budynku na podstawie danych lotniczego skaningu laserowego. Praca magisterska, Uniwersytet Przyrodniczy we Wrocławiu, 81.
- Sohn G., Dowman I., 2007. Data fusion of high-resolution satellite imagery and LiDAR data for automatic building extraction. ISPRS Journal of Photogrammetry and Remote Sensing, 62 (1), 43–63.
- Tomljenovic I., Höfle B., Tiede D., Blaschke T., 2015. Building extraction from airborne laser scanning data: An analysis of the state of the art. Remote Sensing, 7 (4), 3826–3862.
- Vosselman G., Maas H-G., 2010. Airborne and terrestrial laser scanning. Whittles Publishing, Dunbeath. 58–75, 317.
- Wei S., 2008. Building boundary extraction based on lidar point clouds data. Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 37, 157–161.
- Yang B., Xu W., Dong Z., 2013. Automated extraction of building outlines from airborne laser scanning point clouds. Geoscience and Remote Sensing Letters, IEEE, 10 (6), 1399–1403.
- Zhao Z., 2002. Line Simplification. http://ra.cfm.ohiostate.edu/~zhao/algorithms/linesimp/linesimp.html (dostęp: 01.03.2015).
- Zhao Z., Saalfeld A., 1997. Linear-time sleeve-fitting polyline simplification algorithms. Proceedings of AutoCarto, Vol. 13, 214–223.
Uwagi
Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-45b1d17a-caed-4a44-a531-ebbdb2eaa6b2