Integracja danych lidarowych i fotogrametrycznych w procesie automatycznego wykrywania obiektów

• Autorzy: Marmol U.

Warianty tytułu

EN

Integration of airborne lidar and photogrammetric data in the process of automatic object extraction

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia metodę integracji danych lidarowych i fotogrametrycznych w procesie automatycznego wykrywania obiektów. Zdjęcia lotnicze stanowią klasyczną metodę pozyskiwania informacji o przestrzeni. Ostatnie lata to coraz powszechniejsze stosowanie lidaru jako źródła informacji. Zdjęcia lotnicze cechują się możliwością wykrywania granic obiektów, ale w procesie ekstrakcji cech, często dochodzi do nadmiernego oszacowania lub zaniżenia liczby obiektów. Dane lidarowe dostarczają bezpośredniej informacji o wysokości obiektów, ale posiadają ograniczenia związane z dokładnym wyznaczeniem krawędzi obiektów. Można zatem powiedzieć, że techniki przetwarzania danych: fotogrametryczna i laserowa dostarczają danych komplementarnych, a ich integracja może przyczynić się do poprawy jakości uzyskiwanych wyników. W artykule przedstawiono badania nad integracją fotogrametrii i danych laserowych w procesie wykrywania obiektów 3D – budynków i drzew. W procesie automatycznej segmentacji zostały wykorzystane cechy teksturalne pochodzące ze zdjęć lotniczych. Obiekty 3D zostały wyodrębnione na podstawie danych lidarowych, jako różnica NMPT i NMT. Przeprowadzone badania ujawniły duży potencjał danych zintegrowanych w procesie automatycznego wykrywania obiektów

EN

This paper describes a method of integrating LIDAR data and aerial images in the process of automatic object extraction. Aerial photos are classical method for obtaining spatial information. However, in recent years, LIDAR data has become more and more popular as a source of information. Aerial imagery has the ability to delineate object boundaries, but during feature extraction, the number of objects may be overestimated or underestimated. LIDAR data provide direct information about the height of an object, but have limitations when identifying boundaries. Therefore, we can say that photogrammetric sensors and LIDAR provide complementary data and their integration can improve the quality of the results. This paper presents a study of the integration of photogrammetry and LIDAR in the process of extraction of 3D objects: buildings and trees. Textural filters have been used in the automatic segmentation process. 3D objects have been separated from LIDAR data, as a DSM and DTM difference. The study has revealed the high potential and flexibility of integrated data in the automatic process of object extraction.

Słowa kluczowe

PL

integracja danych; LIDAR; ortofotomapa; wykrywanie obiektów

EN

data integration; lidar; ortophoto; object extraction

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2009
• Tom: Vol. 20
• Strony: 275--284
• Opis fizyczny: Bibliogr. 13 poz.

Twórcy

autor

Marmol U.

• Katedra Geoinformacji, Fotogrametrii i Teledetekcji Środowiska, Akademia Górniczo-Hutnicza

Bibliografia

• 1.Axelsson P., 1999. Processing of laser scanner data – algorithms and applications. ISPRS Journal of Photogrammetry & Remote Sensing 54, s. 138-147.
• 2.Axelsson P., 2000. DEM generation from laser scanner data using adaptive TIN models. International Archives of Photogrammetry and Remote Sensing, Amsterdam, Vol. XXXIII/4B, s. 110-117.
• 3.Eckstein W., Munkelt O., 1995. Extracting objects from digital terrain models. Proc. SPIE, 2572, s. 43-51.
• 4.Faber A., Förstner W., 1999. Scale characteristic of local autocovariances for texture segmentation. International Archives of Photogrammetry and Remote Sensing, Vol. 32, Part 5.7-4-3 W6.
• 5.Kumar S., Ganesan L., 2008. Texture classification using wavelet based Laws energy measure. International Journal of Soft Computing, 3 (4), s. 293-296.
• 6.Laws K. I., 1980a. Texture image segmentation. Ph.D. dissertation, Dept. Of Engineering, University of Southern California.
• 7.Laws K. I., 1980b. Rapid texture identification. Proc. SPIE, Vol. 238, s. 376-380.
• 8.Malina W., 2002. Podstawy automatycznej klasyfikacji obrazów. Wydawnictwo PG.
• 9.Marmol U., Będkowski K., 2008. Dokładność określenia wysokości drzew na podstawie Numerycznego Modelu Koron Drzew z w wykorzystaniem danych lotniczego skanowania laserowego. Archiwum Fotogrametrii, Kartografii i Teledetekcji, Vol.18.
• 10.Paget RD., Longstaff D., 1996. Terrain mapping of radar satellite. Journal of Electronic Imaging, 6 (2).
• 11.Rangayyan R. M., 2005. Biomedical Image Analysis. CRC Press.
• 12.Srinivasan G. N., Shobha G., 2008. Statistical Texture Analysis. Proceedings of world academy of science, engineering and technology, Vol. 36, s.1264-1269.
• 13.TopEye, 2009. http://www.topeye.com.