Drucken

Team: 3D-Modellierung

Die Erzeugung von Digital Surface Models (DSMs) aus optischen Stereodaten hat beim IMF eine lange Tradition. Ausgehend von der ersten Weltraummission mit einer digitalen Stereokamera (MOMS) Anfang der 90er Jahre stand die kontinuierliche Verbesserung des Stereobild Matchings im Mittelpunkt unserer Forschung.  Die von unserem Team entwickelten Stereomethoden erlauben die Erstellung von Stadtmodellen unter Verwendung höchstauflösenden Satellitenbilddaten, u.a. aus Fernerkundungsmissionen wie WorldView-1/2/3/4, IKONOS, GeoEye-1, Pléiades, Cartosat und ZY3. Unsere Strategie ist es, nicht nur die bestmöglichen DSMs mit den neuesten Computer Vision Methoden zu generieren, sondern auch auf hohem Niveau neue Methoden für die semantische Modellierung zu entwickeln.  Von besonderem Interesse ist die Entwicklung mathematischer Algorithmen für die Extraktion von Gebäudegrundrissen, die Detektion von dreidimensionalen Änderungen, sowie die Klassifizierung und die vollständige 3D-Rekonstruktion von Gebäuden und Bäumen. Die Ergebnisse ermöglichen neuartige Beobachtungen bezüglich Urbanisierung, des Fortschritts großer und sicherheitskritischer Bauinfrastrukturen oder die Kartierung von Schäden nach Naturkatastrophen.

Zurzeit konzentriert sich das 3D Modellierung Team auf die folgenden Themen:

• DSM/DTM-Generierung aus Weltraum-, Luft- und UAV-Bildern
  Unser Team entwickelt und verbessert Methoden zur DSM/DTM-Generierung aus luft- und raumgestützten optischen Stereodaten. Für die operative Abwicklung haben wir eine neuartige Variante des bekannten Semi-Global Matching (SGM) Algorithmus entwickelt. Unsere Modifikationen des Standard-SGM Algorithmus beinhalten eine robuste hierarchische Suchstrategie, die den Suchbereich für flache Bereiche dynamisch reduziert und zu schnelleren Berechnungen und dichteren DSMs führt, sowie eine kombinierte Vorgehensweise mit Kostenfunktionen wie Census, Mutual Information bzw. aus Neuronalen Netzen generierte. Unsere Software ist an die GAF AG, München, lizenziert, die sie sehr erfolgreich zur Herstellung von satellitengestützten Stereo-DSMs/DTMs für kommerzielle Anwendungen einsetzt.

• 3D-Änderungserkennung
  Abhängig von der DSM-Qualität, der multispektralen Kanalverfügbarkeit und den Anforderungen an die Änderungsdetektion haben wir regionale und fusionsbasierte Ansätze zur automatischen Änderungsdetektion für Stadt- und Waldgebiete entwickelt, indem wir Änderungen aus DSMs und optischen Bildern zusammenführen.  Wir haben die Möglichkeit der Verwendung von Zeitreihen-Stereo-VHR-Bildern untersucht, um die Ergebnisse weiter zu verbessern.

• Gebäude- und Infrastruktursanierung
  Obwohl die DSM-Matching-Algorithmen hoch entwickelt sind, stellt die vollständige Rekonstruktion von 3D-Gebäudemodellen aus z.B. WorldView-2 weiterhin eine Herausforderung dar. Dies liegt an der begrenzten Auflösung, die zu unscharfen Gebäudekanten im DSM führt. Die Verwendung zusätzlicher multispektraler und panchromatischer Bilder wird daher empfohlen, um die Mängel von DSMs zu beheben und echte 3D-Modelle von Gebäuden zu erhalten.  Sowohl die traditionellen (basierend auf Segmentierung, Linienerkennung) als auch die vollständig auf Faltungsnetzwerken basierenden Ansätze wurden zu diesem Zweck vorgeschlagen.

Vergleich von automatisch abgeleiteten DSMs, Ergebnis nur mit DSM aus Luftbilddaten (oben) und das fusionierte DSM mit Luftbild- und UAV-Daten (unten). Auf der rechten Seite sind die deutlichen Verbesserungen in den Details der Dächer und in der Homogenität aller Bereiche zu sehen.

• 3D Waldüberwachung
  Eine weitere wichtige DSM- und 3D-Änderungsanwendung ist die großflächige Überwachung von vertikalen Waldstrukturen. Zur quantitativen Analyse der 3D-Eigenschaften von Wäldern haben wir verschiedene raum- und luftgestützte Sensoren eingesetzt: WorldView-2, Cartosat 1, PRISM, RapidEye, Luftbild- und Lidar-Daten. Neben einem statistischen Vergleich wurde auch ihre Leistung bei der Überwachung von Waldveränderungen bewertet. In einem aktuellen Projekt untersuchen wir auch die 3D-Rekonstruktion von Bäumen im Nahbereich.

Die entwickelten Algorithmen sind in die folgenden Werkzeuge integriert:

• XDibias
  XDibias ist die 4. Generation eines allgemeinen Werkzeugs zur Entwicklung von Bildverarbeitungs-Prozessoren und zur Auswertung von Fernerkundungsdaten. Es besteht aus einer breitgefächerten Sammlung von Software Prozessoren für die Bearbeitung von Raster- und Vektor- basierenden Informationen, eingebettet in eine nutzerfreundliche Umgebung, zur photogrammetrischen Auswertung.

• CATENA
  Catena (lat. für Kette) ist eine universelle, operationelle Infrastruktur, in der generisch verschiedenste automatische Prozessketten für die Verarbeitung von (optischen) Satelliten- und Luftbilddaten realisiert werden können. Verfügbare Ketten umfassen automatische Orthorektifizierung mit Hilfe einer Satellitenbildreferenzdatenbank, atmosphärische Korrektur, DSM-Generierung von einzelnen Stereopaaren bis hin zu großen Flächen mit Tausenden von Bildern.