Das Team „Hyperspektrale Fernerkundung und Verkehrsmonitoring“ entwickelt Lösungen und Produkte für bildgebende Sensoren auf Satelliten, Flugzeugen / Helikoptern und UAV.
Hyperspektrale Fernerkundung
Im Bereich von Satellitenmissionen werden operationelle Prozessierungssysteme für Bodensegmente entwickelt und bereitgestellt. Aktuell werden Prozessketten für die deutsche hyperspektrale Mission EnMAP (Environmental Mapping and Analysis Program) entwickelt, sowie für die amerikanisch-deutsche hyperspektrale Mission DESIS (DLR Earth Sensing Imaging Spectrometer), installiert auf der ISS (International Space Station), eingesetzt.
Die Verarbeitung dieser Bildinformation umfasst dabei die Umwandlung der Daten in physikalische Messwerte, geolokalisiert und atmosphärisch kompensiert und bilden die Grundlage zur Ableitung höherwertiger Produkte. Das Team entwickelt hierbei auch grundlegende neuartige Verfahren wie z.B. Klassifikation der Daten auch unter Verwendung moderner „Deep Learning“ Techniken, spektrale Entmischungsverfahren auf Basis von „Sparse Reconstruction“ Techniken, innovative Bildverbesserungsmethoden zur Rauschunterdrückung, entfernen von Wolken aus den Bildern unter Verwendung von Zeitserien, Verbesserung der geometrischen Auflösung durch Datenfusion von hyperspektralen und multispektralen Datensätzen.
Abb.: Klassifizierung einer Szene über urbanen Gebiet nach 20 Klassen unter Verwendung eines multimodalen Datensatzes (IEEE GRSS Data Fusion Contest 2018: hyperspektrale Daten mit 48 Bändern im Wellenlängenbereich zwischen 380 – 1050 nm und 1 m Bodenauflösung; RGB-Daten mit 5 cm Bodenauflösung; Höhenmodell abgeleitet aus Lidar Daten; multispektrale Lidar Daten mit 50 cm Bodenauflösung). Die Klassifizierungsgenaugkeiten sind als OverAll (OA) Werte für die einzelnen Klassen angegeben.
Verkehrsmonitoring
Vollständige Systeme – von der Hardware bis zu Software – werden im Bereich der Flugzeug/Helikopter/UAV getragenen Sensorsysteme entwickelt und betrieben. Flugzeuggetragene optischen Kameras mit ihren hochratigen Serienbildern ermöglichen Verkehrsdaten großflächig, zielgerichtet und zeitnah abzuleiten. Diese Datenquelle ist v. a. bei Katastrophen und Großereignissen eine ideale Ergänzung zu bereits vorhandenen Verkehrsdatenquellen und unterstützt Rettungskräfte und BOS (Behörden und Organisationen mit Sicherheitsaufgaben ) in ihren Entscheidungsprozessen.
Zur automatischen Extraktion der relevanten Verkehrsdaten sind komplexe Auswerteverfahren notwendig, die in Verfahren zur Straßendetektion, zur Fahrzeugdetektion und zur Fahrzeugverfolgung unterschieden werden können. Da Fahrzeuge in Bildsequenzen mit hoher Wiederholrate detektiert und verfolgt werden können, ist es möglich, neben der Fahrzeugdichte auch die Fahrzeuggeschwindigkeit abzuleiten.
Hierzu sind am Institut verschiedene Kamerasysteme (3K/4k-Kamerasystem) aufgebaut und auf verschiedenen Flugplattformen wie Cessna Grand Caravan 208B, Dornier Do228, Hubschrauber Bo105 und EC135 der Firma Eurocopter zugelassen worden. Die Kamerasysteme bestehen aus drei kommerziell erhältlichen 20 MPix Canon Kameras und einer Navigationseinheit, mit denen flächenhaft serielle Bilddaten mit Frequenzen bis zu 12 Hz erfasst werden können (siehe Link zu den Luftbild-Kamerasystemen). Die mit einer Einzelaufnahme aufgezeichnete Fläche beträgt bei einer Flughöhe von 1000m über Grund bis zu 2.5 x 1 km², sodass in diesem Fall eine Fläche von 2.5 x 10 km² in ca. 2 Minuten erfasst werden kann.
Zurzeit stellen wir von klassischen maschinellen Lernalgorithmen auf Deep Learning um und verbessern damit die automatisierte Extraktion und -Verfolgung von Objekten sowie die Erstellung von HighDefinition(HD)-Roadmaps für automatisiertes Fahren und für die Überwachung der statischen und dynamischen Umgebung automatisiert fahrender Fahrzeuge.