Multispectral airborne laser scanning - a new trend in the development of LiDAR technology

• Autorzy: Bakuła K.

Identyfikatory

DOI

10.14681/afkit.2015.002

Warianty tytułu

PL

Multispektralne lotnicze skanowanie laserowe - nowy trend w rozwoju technologii LiDAR

• Języki publikacji: EN

Abstrakty

EN

Airborne laser scanning (ALS) is the one of the most accurate remote sensing techniques for data acquisition where the terrain and its coverage is concerned. Modern scanners have been able to scan in two or more channels (frequencies of the laser) recently. This gives the rise to the possibility of obtaining diverse information about an area with the different spectral properties of objects. The paper presents an example of a multispectral ALS system - Titan by Optech - with the possibility of data including the analysis of digital elevation models accuracy and data density. As a result of the study, the high relative accuracy of LiDAR acquisition in three spectral bands was proven. The mean differences between digital terrain models (DTMs) were less than 0.03 m. The data density analysis showed the influence of the laser wavelength. The points clouds that were tested had average densities of 25, 23 and 20 points per square metre respectively for green (G), near-infrared (NIR) and shortwave-infrared (SWIR) lasers. In this paper, the possibility of the generation of colour composites using orthoimages of laser intensity reflectance and its classification capabilities using data from airborne multispectral laser scanning for land cover mapping are also discussed and compared with conventional photogrammetric techniques.

PL

Jedną z najbardziej dokładnych technologii pozyskiwania danych o terenie i jego pokryciu jest lotnicze skanowanie laserowe (ALS). W wieloletnim rozwoju skanerów laserowych dążono przez lata do osiągnięcia jak najwyższej dokładności pomiaru oraz jak największej gęstości danych, co związane było przede wszystkim z jakością danych i kosztami pracy. Obecnie istnieje kilka możliwości dalszego rozwoju tego typu systemów, wśród których wymienić należy zwiększanie zasięgu skanowania laserowego, a także rejestracja odbić w kilku zakresach spektralnych. Szczególnie ostatni trend w rozwoju technologii LIDAR pozwala na inne spojrzenie na dane w postaci chmur punktów, które jeszcze efektywniej mogą tworzyć mapy pokrycia terenu niż typowe lotnicze skanowanie topograficzne (ALS). W rozwoju lotniczego skanowania laserowego istotnym krokiem było pojawienie się lotniczego skanowania hydrograficznego (batymetrycznego). W różnych rozwiązaniach producentów, pojawił się laser o częstotliwości odpowiadającej zakresowi w paśmie zielonym światła widzialnego. Przy rejestracji intensywności zaobserwowanymi podczas skanowania różnymi skanerami laserem o różnej długości fali dla tego samego obszaru, dostrzeżono różne właściwości refleksyjnymi obiektów analogiczne do rejestracji w różnych zakresach spektralnych technikami pasywnymi. Sprawiło to, że w ostatnich latach pojawiły się pierwsze systemy skanowania lotniczego wykorzystujące więcej niż 2 zakresy spektralne w jednym skanerze. Od tego czasu można zatem mówić o multispektralnym lotniczym skanowaniu laserowym. Rejestracja chmur punktów w 3 zakresach spektralnych pozwala poza zapisem współrzędnych i innych atrybutów charakterystycznych dla skanowania topograficznego, na zapis również 3 wartości intensywności odbicia, co umożliwia tworzenie kompozycji barwnych w postaci true-orto obrazów. W artykule zaprezentowano przykładowy system multispektralnego lotniczego skanowania laserowego wraz z możliwościami, jakie dają dane nim pozyskane, poruszając kwestię gęstości danych, dokładności numerycznych modeli wysokościowych z nich tworzonych. W wyniku analiz udowodniono wysoką dokładność wzajemną rejestracji w poszczególnych kanałach spektralnych wynoszącą do 0.03 m. W analizie gęstości danych ukazano wpływ długości fali na gęstość chmury punktów. Rozpatrywana chmura punktów miała średnią gęstość 25, 23 i 20 punktów na metr kwadratowy odpowiednio dla lasera z zakresu pasma zielonego, bliskiej podczerwieni i średniej podczerwieni. W artykule poruszono także problematykę tworzenia kompozycji barwnych ortoobrazów z intensywności odbicia oraz możliwości klasyfikacji ich treści. W referacie poddano również dyskusji możliwość zastosowania danych z mutlispektralnego lotniczego skanowania laserowego w tworzeniu map pokrycia terenu w porównaniu z tradycyjnymi technikami fotogrametrycznymi.

Słowa kluczowe

EN

multispectral laser scanning; aerial scanning; wavelength; ALS; lidar; classification; color composition; map land cover

PL

multispektralne skanowanie laserowe; skanowanie lotnicze; długość fali; ALS; LiDAR; klasyfikacja; kompozycja barwna; mapa pokrycia terenu

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2015
• Tom: Vol. 27
• Strony: 25--44
• Opis fizyczny: Bibliogr. 19 poz.

Twórcy

autor

Bakuła K.

• Warsaw University of Technology, Faculty of Geodesy and Cartography Department of Photogrammetry, Remote Sensing and Spatial Information Systems

Bibliografia

• Axelsson P., 1999. Processing of laser scanner data – algorithms and applications. ISPRS, Journal of Photogrammetry & Remote Sensing, 54, pp. 138-147.
• Briese C., Pfennigbauer M., Ullrich A., Doneus M., 2013. Multi-wavelength airborne laser scanning for archaeological prospection. International Archives of Photogrammetry, Remote Sensing and Spatial Information Science, 40, pp. 119-124.
• Chust G., Galparsoro I., Borja Á., Franco J., Uriarte A., 2008. Coastal and estuarine habitat mapping, using LIDAR height and intensity and multi-spectral imagery, Estuarine, Coastal and Shelf Science, 78(4), pp. 633–643.
• Doneus M., Miholjek I., Mandlburger G., Doneus N., Verhoeven G., Briese C., Pregesbauer M., 2015. Airborne laser bathymetry for documentation of submerged archaeological sites in shallow water. International Archives of Photogrammetry, Remote Sensing and Spatial Information Science, 1, pp. 99-107.
• Elsayed K. A., Chen S., Petway L. B., Meadows B. L., Marsh W. D., Edwards W. C., Barnes J. C., DeYoung R. J., 2002. High-energy, efficient, 30-Hz ultraviolet laser sources for airborne ozone-lidar systems. Applied optics, 41(15), pp. 2734-2739.
• Gong W., Sun J., Shi S., Yang J., Du L., Zhu B., Song ·S., 2015. Investigating the Potential of Using the Spatial and Spectral Information of Multispectral LiDAR for Object Classification. Sensors, 15(9), pp. 21989-22002.
• Lang M. W., McCarty G. W., 2009. Lidar intensity for improved detection of inundation below the forest canopy. Wetlands, 29(4), pp. 1166-1178
• Morsdorf F., Nichol C., Malthus T., Woodhouse I. H., 2009. Assessing forest structural and physiological information content of multi-spectral LiDAR waveforms by radiative transfer modelling. Remote Sensing of Environment, 113(10), pp. 2152-2163.
• Mierczyk Z., Zygmunt M., Kaszczuk M.,Muzal M., 2013. Multispectral Laser Head for Terrain Identification and Analysis. Acta Physica Polonica, 124(3), pp. 502-504.
• Pfeifer N., Reiter T., Briese C., Rieger, W., 1999. Interpolation of high quality ground models from laser scanner data in forested areas. International Archives of Photogrammetry and Remote Sensing, 32(3/W14), pp. 31-36.
• Pfennigbauer M., Ullrich A., 2011.Multi-wavelength airborne laser scanning.Proceedings of the International Lidar Mapping Forum, ILMF, New Orleans.
• van Rees, E. (2015). The First Multispectral Airborne Lidar Sensor. GeoInformatics, 18(1), pp. 10-12.
• Shi S., Song S.,· Gong ·W., Du L.,· ZhuB.,·Huang X., 2015. Improving Backscatter Intensity Calibration for Multispectral LiDAR. IEEE Geoscience and Remote Sensing Letters, 12(7), pp. 1421-1425.
• Suomalainen J., Hakala T., Kaartinen H., Raikonnen E., Kaasalainen S., 2011. Demonstration of a virtual active hyperspectral lidar in automated point cloud classification. ISPRS Journal of Photogrammetry, 66, pp. 637–641.
• Vain A., Yu X., Kaasalainen S., Hyyppa J., 2010.Correcting Airborne Laser Scanning Intensity Data for Automatic Gain Control Effect. IEEEGeoscience and Remote Sensing Letters, 7(3), pp. 511 - 514.
• Vain A., Kaasalainen S., Pyysalo U., Krooks A., Litkey P., 2009. Use of Naturally
• Available Reference Targets to Calibrate Airborne Laser Scanning Intensity Data. Sensors, 9(4), pp. 2780-2796.
• Wallace A., Nichol C., Woodhouse I., 2012. Recovery of Forest Canopy Parameters by Inversion of Multispectral LiDAR Data, Remote Sensing, 4(2), pp. 509-531.
• Wang C., Glenn, N. F., 2009. Integrating LiDAR intensity and elevation data for terrain characterization in a forested area. IEEE Geoscience and Remote Sensing Letters, 6(3), pp. 463-466.
• Wichmann V., Bremer M., Lindenberger J., Rutzinger M., Georges C., Petrini-Monteferri F., 2015. Evaluating the potential of multispectral airborne LiDAR for topographic mapping and land cover classification. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 1, 113-119.