Lidary a letecké laserové skenování

Transkript

ACTA
UNIVERSITATIS
PURKYNIANAE
99
STUDIA GEOINFORMATICA
Ing. Tomáš Dolanský
Lidary
a letecké laserové
skenování
ÚSTÍ NAD LABEM 2004
Vědecký redaktor: Ing. Lena Halounová, CSc.
Recenzenti:
Ing. Miloš Tejkal
Dr. Ing. Karel Pavelka
Lidary a letecké laserové skenování
Autor:
Ing. Tomáš Dolanský
Acta Universitatis Purkynianae 99
STUDIA GEOINFORMATICA
Univerzita J. E. Purkyně v Ústí nad Labem
© Ing. Tomáš Dolanský, Ústí nad Labem 2004
ISBN 80-7044-575-0
Tento dokument byl vytvořen za finanční podpory Evropské unie. Názory vyjádřené v
tomto dokumentu jsou názory Univerzity J. E. Purkyně v Ústí nad Labem, a v žádném
případě nemohou být chápány jako oficiální názory Evropské Unie.
3
4
Obsah
1 Úvod..............................................................................................8
2 Obecné principy a pojmy...............................................................9
2.1 Co to je lidar?........................................................................9
2.2 Definice pojmu lidar...............................................................9
2.3 Princip lidaru........................................................................10
3 Lidary pro mapování terénu – letecké laserové skenování.........12
3.1 Vývoj....................................................................................12
3.2 Konstrukce laserových skenerů...........................................13
3.2.1 Laserová jednotka..............................................................13
3.2.2 Skener................................................................................15
Skener s rotačním zrcadlem..............................................................16
Skener s oscilujícím zrcadlem...........................................................16
Skener se svazkem optických vláken...............................................18
Eliptický skener.................................................................................18
3.2.3 Kontrolní jednotka..............................................................20
3.2.4 Navigační jednotka.............................................................20
3.2.5 GPS....................................................................................20
3.3 Matematický model a chybové modely................................21
3.3.1 Chyba laseru......................................................................22
3.3.2 Atmosférický model............................................................22
3.3.3 Chyba hodin.......................................................................24
3.3.4 Chyba skeneru...................................................................24
3.3.5 Chyba zpoždění..................................................................29
3.3.6 Chyby GPS.........................................................................30
3.3.7 Chyby INS...........................................................................30
3.3.8 Chyby integrace..................................................................31
3.3.9 Přehled chyb.......................................................................32
3.4 Kalibrace ALS systému.......................................................34
3.4.1 Předletová kalibrace...........................................................34
3.4.2 Poletová kalibrace..............................................................35
Manuální určení parametrů...............................................................36
Metoda vyrovnání..............................................................................37
Metoda křížového náletu...................................................................39
Metoda podle Morina.........................................................................42
Prostorová korelační analýza............................................................44
3.4.3 Plánování náletu pro kalibraci............................................45
Příčný náklon.....................................................................................45
Podélný náklon..................................................................................46
5
Stočení v rovině letu..........................................................................47
Torze.................................................................................................47
4 Zpracování dat............................................................................49
4.1 Filtrace dat...........................................................................49
4.1.1 Morfologické filtry................................................................49
Popis filtrů..........................................................................................50
Další možnosti rozšíření morfologické filtrace..................................53
4.1.2 Filtry založené na porovnávání sklonu...............................54
Základní popis...................................................................................54
Implementace....................................................................................55
Region Growing.................................................................................56
4.1.3 Lineární predikce................................................................57
Implementace u systému BLUH........................................................57
4.1.4 Zhodnocení filtračních metod.............................................58
4.2 Klasifikace...........................................................................59
4.2.1 Metody klasifikace..............................................................59
Hrubé chyby......................................................................................59
Terén.................................................................................................60
Body pod terénem.............................................................................61
Vegetace...........................................................................................61
Budovy...............................................................................................61
Komunikace.......................................................................................63
Body terénní kostry...........................................................................63
4.2.2 Návrh postupu komplexního zpracování dat......................63
4.2.3 Shrnutí klasifikace..............................................................67
5 Aplikace.......................................................................................69
5.1 Tvorba DMT..........................................................................69
5.2 Obrysová mapa, 3D modely..................................................70
5.3 Diferenční modely..................................................................71
5.4 Mapování průběhu vedení.....................................................71
5.5 Mapování vegetace...............................................................72
5.6 Mapování pobřeží a v blízkosti vodních ploch.......................73
6 Lidary a programy pro komerční použití......................................75
6.1 Hardware pro laserové skenování.......................................75
6.1.1 Leica Geosystems..............................................................75
6.1.2 IGI.......................................................................................77
6.1.3 Optech................................................................................78
ALTM 3100........................................................................................78
SHOALS............................................................................................79
6.1.4 TopoSys.............................................................................80
6.1.5 Riegl...................................................................................81
6.1.6 Další systémy.....................................................................82
6
6.2 Software pro zpracování dat................................................83
6.2.1 BLUH..................................................................................83
6.2.2 SCOP++............................................................................85
6.2.3 TerraScan...........................................................................85
7 Standardizace formátu LAS........................................................87
7.1 Hlavička dat.........................................................................87
7.2 Záznamy s proměnnou délkou............................................89
7.3 Datový blok..........................................................................89
8 Literatura.....................................................................................91
Příloha A - Úvod do laserové techniky............................................94
Pevnolátkové lasery...................................................................94
Polovodičové lasery....................................................................95
Příloha B - Vymezení pojmů a zkratek............................................97
Příloha C - Internetové odkazy........................................................99
Přístroje......................................................................................99
Software.....................................................................................99
Organizace.................................................................................99
Diskuzní fóra............................................................................100
7
Úvod
1 Úvod
Archeologické průzkumy nám jasně ukazují, že lidé se již od nepaměti snaží
využívat krajinu k hospodářské činnosti. K tomu, aby toto využití krajiny bylo pro člověka
co nejhospodárnější, je zapotřebí provést důkladný průzkum terénu. Současné potřeby lidí
se oproti potřebám lidí z dřívějších dob příliš nezměnily. Opět provádíme stejně jako naši
předkové před několika tisíci lety průzkum krajiny pro současné zemědělské, urbanistické
nebo vojenské potřeby, pouze s tím rozdílem, že jsou používány lepší technické možnosti.
Nedávné mapování pomocí tachymetrie bylo vystřídáno daleko rychlejší metodou –
fotogrammetrií, která ale pro mapování zemského povrchu potřebuje každé místo
na terénu vidět alespoň na dvou fotografických snímcích. Fotogrammetrie, díky použití
pasivního snímače/filmu, je ale také výrazně závislá na atmosférických vlivech. Tento
nedostatek ve velké míře odbourávají aktivní senzory zastoupené radary a lidary.
Tato publikace vznikla ve snaze přiblížit technologie lidarů odborné veřejnosti
a pokud možno shrnout do jediné knížky znalosti o teoretických principech, variantách
konstrukce a možnostech použití v praxi. Technologie lidaru nám může přinést naprosto
jiný pohled na získávání informací o objektech na dálku, tedy bezkontaktně, a tedy
mnohokrát v bezpečné vzdálenosti od zkoumaného objektu.
8
Obecné principy a pojmy
2 Obecné principy a pojmy
2.1 Co to je lidar?
V mnoha oborech je pojem lidar chápán různě. Ačkoli základem je vždy stejný
princip – měření vzdálenosti pomocí laserového paprsku, je jeho použití v praxi často
diametrálně odlišné. Základem této publikace bude popis systémů používaných
v geodetické praxi pro mapování zemského povrchu z letadla. Jedná se ale pouze o část
z rodiny lidarů - systémů, pomocí kterých lze rekonstruovat digitální tvar libovolného
tělesa. Takovým tělesem může být například socha, architektonická památka, skalní masív
nebo rozsáhlé podzemní komplexy. O jednotlivých možných aplikacích leteckého
laserového skenování bude pojednáno v kapitole 5., kde bude podrobně uveden seznam
možných použití v praxi.
Další variantou použití je mapování koncentrací polutantů v atmosféře, měření
oblačnosti, ozónové vrstvy a jiných jevů v meteorologii a pro potřeby ochrany životního
prostředí. S lidary se ale můžeme také setkat v běžném životě v podobě „strašáku“, jakým
je přístroj pro měření rychlosti projíždějících vozidel v rukou policie. Dnes jsou klasické
radary právě nahrazovány lidarovou technikou, která nabízí vyšší operativnost, jednodušší
obsluhu a dosah až 1500 m. V kombinaci s kamerovým systémem má pak policie v rukou
téměř dokonalou jednotku pro usvědčení pachatele při dopravním přestupku.
V tisku armádních sil je naopak možné se dočíst o využití lidaru k oslepení
nepřítele. Zde ovšem je nutno podotknout, že se skutečnou lidarovou technologií dané
zařízení má společný pouze impulsní laserový paprsek. Nikterak měření vzdálenosti nebo
určování směru.
2.2 Definice pojmu lidar
Samotný pojem lidar je akronymem z anglických slov „Light Detection And
Ranging“. Tvorba akronymu lidar zcela odpovídá principu tvorby akronymu radar (Radio
Detection and Ranging), a proto bude také v této publikaci obdobně skloňováno.
Ve volném překladu se tedy jedná o přístroj nebo technologii k detekci objektů a k měření
9
vzdáleností. V literatuře se ale lze setkat i s jinými přepisy tohoto akronymu. V databázi
akronymů Knihovny AV ČR jsou uvedeny následující:
LIDAR - Laser Imaging Radar {eng}
LIDAR - Laser-Instrument Distance and Range {eng}
LIDAR - Laser-Radar {eng}
LiDAR - Light Intensification Direction and Ranging {eng}
Dále bude v této publikaci navíc ještě používán ekvivalentní pojem „laserový
skener“, popřípadě pojmenování technologie „laserové skenování“. Jedná se o časté
pojmenování používané zejména v geodetické praxi.
2.3 Princip lidaru
Vlastní princip lidaru lze považovat za velmi jednoduchý. Celý přístroj obsahuje
zdroj laserového záření, optickou soustavu, mechanický prvek, detektor elektromagnetického záření a velmi přesné hodiny.
Jako zdroj laserového záření lze v současné době použít poměrně velkou škálu
různých emitorů. U výkonných lidarů se používají pevnolátkové lasery rubínové nebo
modernější Nd:YAG. V systémech nevyžadujících vysoký výkon pevnolátkových laserů se
s úspěchem používají lasery diodové, které mají mnoho výhod, jednoduchou možnost
implementace do systému a vysokou variabilitou na trhu. Použití konkrétního typu laseru
se řídí nejen požadovaným výkonem, ale i požadovanou vlnovou délkou záření.
U některých laserů lze provádět dokonce tzv. přeladění z jedné vlnové délky na jinou.
Nicméně stejně musí být přeladěn i detektor, aby byl schopen dané záření rozeznat. Jako
detektory jsou používány světlocitlivé diody spektrálně synchronizované na stejnou
vlnovou délku jako je vysílané laserové záření. Různých vlnových délek lze s výhodou
použít při napodobení multispektrálního průzkumu, kdy ze znalostí spektrálního chování
materiálu, ze kterého je zkoumaný objekt, lze odvozovat další nepřímé informace. Protože
je svazek paprsků laserového záření vysílán směrem k objektu, od něhož se odražen vrací
k detektoru, musí být detektor velmi citlivý - energie světla klesá s druhou mocninou
vzdálenosti (budeme-li uvažovat difusní odraz). Lasery v lidarech jsou používány jak
v pulsním, tak v kontinuálním režimu s fázovou modulací. Některé podrobnější informace
o laserech lze nalézt v příloze.
10
Optická soustava zajišťuje koncentraci záření do velmi úzkého svazku a zároveň
souosost detektoru a emitoru. To je zpravidla zajištěno polopropustným hranolem.
Poslední optický člen soustavy, jímž je zrcadlo nebo hranol, je zpravidla umístěn
na mechanickém prvku, který zajišťuje směrování paprsku vždy pod jiným úhlem. Tím je
zajištěno snímání určité roviny nebo prostoru, aniž by muselo být pootáčeno celým
zařízením. Navíc je snímání jednotlivých měření v takovémto případě mnohonásobně
rychlejší.
Poslední částí lidaru jsou hodiny. Jedná se o velmi přesné hodiny, které mají
za úkol měřit čas od vyslání svazku paprsků po jejich detekci na detektoru. Ze znalosti
rychlosti šíření světla lze určit vzdálenost lidaru od objektu, a tedy ze znalosti směru
vyslaného svazku paprsků a odvozené vzdálenosti určit polohu každého měřeného bodu.
U kontinuálního režimu laseru je navíc paprsek frekvenčně modulován a vzdálenost je
určována i za pomoci fázového posunu.
11
Lidary pro mapování terénu – letecké laserové skenování
3 Lidary pro mapování
laserové skenování
terénu
–
letecké
Letecké laserové skenování je velmi mladou technologií umožňující sběr bodů pro
tvorbu digitálního modelu reliéfu a modelu terénu, a to i v zalesněných oblastech. Ačkoliv
je tato technologie velmi mladá, již našla své uplatnění v mnoha praktických aplikacích,
jako je například tvorba 3D modelu města, analýza vegetačního pokryvu, sledování
nadzemních vedení apod.
První experimenty byly započaty přibližně před 15 lety. Je tedy zřejmé, že se
jedná o metodu novou, která ještě není na horizontu svých možností. Laserové skenování
je vyvinuto pro rychlé a operativní mapování rozsáhlých území, kde standardní metody
(tachymetrie, GPS, fotogrammetrie) již nestačí. Praktické uplatnění v Česku našla tato
metoda teprve nedávno.
Celý proces měření a následného zpracování je z velké části automatizován.
Všechna data jsou získána již primárně v digitální podobě, a proto je také vyhodnocení
prováděno na počítačích.
3.1 Vývoj
Letecký laserový skener (ALS – Airborne Laser Scanner) poskytuje přesnost,
rychlost a možnost operativního použití. Lze jej zařadit mezi aktivní digitální senzory.
Aktivní proto, že vysílá energii a přijímá zpět signál po odrazu, digitální neboť úroveň
signálu je převedena na digitální tvar a uložena do počítače a dále zpracovávána pouze
pomocí digitální techniky.
Stejně jako i jiné aktivní senzory nejsou ALS závislé na slunečním světle, a lze tedy
měření provádět 24 hodin. Aby bylo možné zařízení používat pro měření, je nutné zajistit
přesné určení polohy letadla v prostoru. Jednotlivé komponenty byly postupně
zdokonalovány a uváděny do komerčního provozu. Uvedení družicového navigačního
systému GPS po roce 1980 a jeho další zdokonalování včetně diferenciální metody měření
umožnilo určování absolutní prostorové polohy. Pokrok v inerciálních navigačních
systémech (INS) a jejich postupný přechod z vojenské do komerční sféry dále poskytl pro
12
laserové skenování dostatečně přesnou metodu pro měření orientací. A jako další byl
v letech 1988 - 1993 na universitě ve Stuttgartu vyvinut moderní laserový profiler
(Ackermann, 1999). Tím byl odstartován vývoj dalších opticko-mechanických součástí pro
konstrukci komplexních jednotek pro laserové skenování. V současné době lze na trhu
nalézt několik různých řešení. Mezi nejvýznamnější patří ALTM skenery firmy Optech Inc.
(Kanada), ALS40 senzor od Leica Geosystems (dříve AeroScan, Azimuth Inc. USA)
a TopoSys senzor od firmy TopoSys Inc. (Německo).
3.2 Konstrukce laserových skenerů
Laserové skenery se skládají z několika samostatných mapovacích technologií.
Ačkoliv se jednotlivé komerční systémy navzájem odlišují, mají naprosto totožný základ –
GPS s INS jako navigační systém a dále laserovou a skenovací jednotku. Vnitřní parametry
jednotlivých jednotek musí být určeny s vysokou přesností, proto každá z těchto
samostatných jednotek musí být před měřením kalibrována.
3.2.1 Laserová jednotka
Laserová jednotka (LRF) obsahuje laserový vysílač a přijímač, jejichž optická osa
je totožná. Velikost stopy laserového paprsku je závislá na výšce letu a na divergenci
světelného paprsku. Divergence světla tak definuje okamžité zorné pole (IFOV) senzoru.
Pro koherentní laserové záření je IFOV zpravidla mezi 0,3 mrad až 2 mrad (Wehr & Lohr,
1999). Při výšce letu kolem 500 m nad terénem je tedy laserová stopa na zemi kolem
30 cm. Většina komerčních LRF používá vlnovou délku záření v rozsahu 1100-1200 nm,
což odpovídá blízkému infračervenému záření. Vývoj laserů s touto vlnovou délkou již
velmi pokročil a komponenty nebo moduly s tímto typem laseru jsou na trhu již běžně
dostupné. Intenzita odraženého světla je dána vlastnostmi povrchu, na který laserové
záření dopadlo. Z hodnot intenzity odraženého světla lze generovat pseudo-snímek
a interpolací lze získat rastrový obraz. To umožňuje velice dobře od sebe odlišit objekty
s vysokou a nízkou odrazivostí v daném pásmu záření. Jelikož je infračervené světlo
z velké části pohlcováno vodou, nehodí se příliš pro měření hloubek pod vodní hladinou.
Pro bathymetrii se tedy používá zelenomodré záření. Tato část spektra má daleko lepší
vlastnosti pro měření pod vodní hladinou, nicméně kvůli závislosti na úrovni zákalu
13
a rychlosti pohybu vody nelze měřit ani v tomto případě hlouběji než přibližně 50m
(Optech, 2002).
Obr. 1: Emitovaný a detekovaný puls
Pro měření vzdálenosti je světlo modulováno buď pulsně nebo sinusovou
„continuous wave (CW)“ modulací. Pulsní modulací vysílač emituje krátké impulsy
s pravoúhlým průběhem o délce 10-15 ns. Čas mezi vysláním pulsu a detekcí odraženého
pulsu je přímo úměrná vzdálenosti:
t=2
D
c
,
(1)
kde
t
D
c
je celkový čas [s]
je vzdálenost senzoru od povrchu [m]
je rychlost šíření světla [m.s -1].
Dráha světelného paprsku je ovlivňována atmosférickou refrakcí, která je závislá
na úhlu paprsku od svislice a na lokálních atmosférických podmínkách. Vyslaný pravoúhlý
puls se navíc po odrazu od povrchu nevrací ve svém původním tvaru, ale vytváří daleko
složitější tvar, který popisuje vlastnosti atmosféry a povrch objektu (Obr. 1). Některé
systémy dokáží registrovat také tento tvar signálu, ale pro velký objem dat, který zákonitě
vzniká, nejsou tyto systémy používány pro rozsáhlá měření s vysokou hustotou bodů.
Díky své šířce se laserový paprsek postupně odráží od jednotlivých vrstev objektů
na zemském povrchu. Tato vlastnost se projeví nejvíce na vzrostlé vegetaci a dále pak i na
hranách výškových objektů. Při mapování lesních ploch lze tedy získat jak odraz od svrchní
14
části koruny, tak i od jednotlivých pater a rovněž i od vlastního terénu. Aby dva odrazy
byly od sebe jednoznačně odlišeny, musí mezi nimi být dostatečně velký útlum signálu.
Zároveň mezi jednotlivými lokálními maximy signálu musí být časový odstup. Komerční
systémy jsou dnes schopné registrovat až 5 odrazů (minimální vzdálenost mezi nimi je 2-3
m), nicméně v praxi se neměří více jak 3 odrazy.
Při CW modulaci vysílač emituje světelnou vlnu o dané frekvenci. Fázový posun
detekované světelné vlny je závislý na čase a velikosti periody:
t=

T nT
2
,
(2)
kde
t
φ
T
n
je celkový uplynulý čas [s]
je fázový posun detekované vlny
je perioda modulované vlny [s]
je počet celých vlnových délek.
V praxi se převážně používají systémy s pulsní modulací, které svou současnou
centimetrovou přesností dostačují. Přesnost měření délky je u nich ale závislá především
na přesnosti měření času mezi vysláním pulsu a jeho detekcí po odrazu. Při použití
systému s CW modulací lze však změnou modulační frekvence dosáhnout přesnosti měření
délek větší než centimetr.
3.2.2 Skener
Pro vychylování paprsku mimo svou osu je ve skeneru umístěno zpravidla rotující
zrcadlo, které paprsek vychyluje v příčném směru. Posun paprsku v podélném směru je
zajištěn vlastním pohybem plošiny (letadla). Celkový úhel záběru v příčném směru pak
definuje šířku záběru, čili zorné pole (dále FOV). V praxi je zpravidla zorné pole 20-30°,
nicméně existují i systémy s FOV až 70° (Leica Geosystems, 2002).
15
Obr. 2: Druhy stop pro různé konstrukce skeneru
Skener s rotačním zrcadlem
Při konstrukci skeneru je použito několik odlišných technologií. Jednou z nich
je užití zrcadla rotujícího konstantní rychlostí. Měření tímto druhem skeneru je
charakteristické paralelními řadami bodů (Obr. 2a). Poloha zrcadla, které se otáčí stále
stejným směrem, je určována buď přímo z motoru nebo je k zrcadlu upevněn úhlový
senzor. Výhodou typu konstrukce skeneru s úhlovým senzorem je velmi malá chyba při
úhlovém měření. Zásadní nevýhodou rotačního zrcadla ale je poměrně dlouhý čas mezi
jednotlivými cykly, kdy paprsek je odrážen mimo zorné pole. Tento nedostatek může být
částečně eliminován použitím hranolů s více zrcadlovými plochami, nicméně stále je zde
nevyužitelný časový interval.
Skener s oscilujícím zrcadlem
Další variantou, kterou používá velká část firem, je oscilující zrcadlo. Body
na terénu mají při použití této metody charakteristické pilovité uspořádání. (Obr. 2b).
16
Výhodou je, že paprsek je odrážen vždy směrem k povrchu a měření je tedy kontinuální.
Operátor navíc může řídit jak rychlost skenování tak i úhel záběru. Nevýhodou tohoto
řešení je vznik torze mezi zrcadlem a úhlovým senzorem díky změnám rychlosti
Obr. 3: Nehomogenní hustota bodů
a zrychlení. Změna rychlosti má také za následek nerovnoměrnou hustotu bodů
na povrchu, kdy v nadiru je hustota nejnižší a díky zpomalování zrcadla je na okraji FOV
hustota nejvyšší. Další podstatnou výhodou použití oscilujícího zrcadla je možnost
kompenzace turbulentních pohybů letadla. Tyto pohyby způsobují zvlnění okrajů
skenované scény (příčným náklonem) nebo nehomogenní hustotu bodů na povrchu
(podélným náklonem a horizontální rotací). Při výrazných pohybech letadla tak může dojít
ke vzniku mezer mezi jednotlivými náletovými řadami. Mechanismus zrcadla může však
v reálném čase reagovat na měření INS a projevy těchto náklonů eliminovat nastavitelnou
výchylkou zrcadla.
17
Skener se svazkem optických vláken
Další variantou skenovacího systému je použití svazku optických vláken (TopoSys,
2002). Místo zrcadla, které odráží paprsek k povrchu, je užito malé zrcadlo k nasměrování
paprsku do lineárního svazku optických vláken (Obr. 4). Svazek vysílá laserový puls stále
pod stejným úhlem (Obr. 2c). Výhodou je, že tento systém obsahuje méně pohyblivých
dílů, které jsou zároveň daleko menší. Rychlost snímání tedy může být vyšší než
v předchozích dvou případech. Rychlost těchto systémů je tak velká, že body se vzájemně
v podélné ose překrývají. Nevýhodou ale je velmi úzký úhel záběru (kolem ±7°) a pevný
počet bodů v příčném směru včetně jejich úhlové vzdálenosti.
Eliptický skener
Poslední skenovací metodou je eliptický skener. Ten používá soustavu dvou
zrcadel, které vychylují paprsek tak, že stopa na povrchu opisuje elipsu (Obr. 2d).
Výhodou tohoto systému je dvojnásobné měření povrchu z různých míst, takže pokud
nějaká část povrchu nebyla změřena při prvním průchodu, může být změřena při
průchodu druhém. Nevýhodou je větší mechanická složitost a tím i větší náchylnost
18
k chybám při synchronizaci pohybu zrcadel a určení aktuálního úhlu. Tato metoda je
použita v systému ASLRIS (Hu, Xue, Fang a Pan, 1999).
Pro popis detailnosti skenování se uvádí průměrná plošná hustota bodů na jeden
čtvereční metr. Rozložení bodů na terénu však není přesně stanoveno a má pseudonáhodný charakter, který vychází z použité metody skenování. Vzdálenosti bodů navíc
v příčném směru závisí na výšce letu a skenovací frekvenci a v podélném směru navíc
na rychlosti letu. Tento pseudo-náhodný charakter rozložení bodů způsobuje různou
hustotu bodů na terénu v různých místech uvnitř náletové řady. Například tedy pro
nejběžnější skener s výškou letu kolem 500 m, rychlostí letu 70 m/s, řádkovou frekvencí
23 lps a bodovou frekvencí 18 kHz je přibližná hustota 1,6 bodu/m2.
N=
F
f sc
,
SW =2 h⋅tan
dx along =
v
f sc
dx across =
SW
N
(3)
 

2
,
,
(5)
,
(6)
kde
N
F
fsc
SW
h
Θ
v
dxalong
dxacross
(4)
počet bodů v řádce
bodová frekvence skenování [Hz]
řádková frekvence skenování [Hz]
šířka záběru [m]
výška letu [m]
úhel záběru (FOV) [°]
rychlost letu [m.s-1]
podélná vzdálenost bodů [m]
příčná vzdálenost bodů [m]
19
3.2.3 Kontrolní jednotka
Skener a laserová jednotka vzájemně spolupracují pomocí kontrolní (někdy také
označované jako řídící)
jednotky. Vnitřní hodiny této jednotky jsou pravidelně
synchronizovány s hodinami GPS aparatur pomocí PPS (puls per second) signálem
generovaným vnitřními hodinami GPS přijímače. Veškerá měřená data (úhel a délka) jsou
provázána s časem vnitřních hodin a dále pomocí PPS s GPS časem.
3.2.4 Navigační jednotka
IMU (Inertial Measurement Unit) využívá dvou fyzikálních zákonitostí. V prvém
případě využívá vlastnosti velmi rychle rotujících těles, která se snaží udržet svojí osu
rotace ve směru zemské tíže. Druhým fyzikálním jevem je setrvačnost těles. Oba jevy je
možno měřit pomocí několika gyroskopů a akcelerometru. Soustava gyroskopů (jeden
je vždy svisle, další jsou pak k němu kolmé) dokáže velmi přesně určit náklony celého
systému vzhledem k tížnici. Akcelerometr naopak měří zrychlení, což je funkce rychlosti
a času. Porovnáním rozdílů zrychlení v čase lze zpětně určit polohovou složku letu.
Kombinací obou přístrojů lze tedy určit všech šest stupňů volnosti.
Přestože současné gyroskopy a akcelerometry měří velmi přesně extrémně malé
hodnoty, vlivem působení systematických chyb se bude vypočtená trajektorie letu
od skutečné stále více odchylovat a po určitém čase odchylka překročí povolené meze.
Proto je nutné tato měření doplnit měřením GPS .
3.2.5 GPS
Pro určování polohy letadla v referenčním systému je používána soustava GPS
přijímačů s využitím metody DGPS. Nejjednodušší formou je kombinace jedné referenční
stanice na známém geodetickém bodě a jedné stanice na palubě letadla. Pokud jsou
na palubě rozmístěny tři stanice, lze s jejich pomocí provádět výpočty nejen aktuální
polohy nýbrž i hodnoty jednotlivých náklonů letadla. Další funkcí GPS na palubě letadla je
synchronizace času všech ostatních měřících systémů. Frekvence měření je zpravidla 2Hz.
20
3.3 Matematický model a chybové modely
Pro výpočet prostorových souřadnic měřeného podrobného bodu je nutné
zkombinovat všechna měřená data z ALS, INS a GPS:
m
m
m
b
S
b
r i =r nav t Rb t [ R S⋅r a ]
,
(7)
kde
ri m
rmnav(t)
Rbm(t)
RbS
rS
ab
jsou souřadnice podrobného bodu (i) v rámci lokálního souřadnicového
systému
jsou souřadnice navigačního systému v rámci lokálního
souřadnicového systému
interpolovaná matice rotace pro náklon platformy v aktuálním čase
(stav b)
rotační matice mezi INS a ALS (stav S)
vektor laserového paprsku
počáteční souřadnicový posun mezi stavy „b“ a „S“.
Tato rovnice je obecnou rovnicí pro výpočet prostorových souřadnic podrobného
bodu. Vektor laserového paprsku je závislý na použitém typu skeneru – například pro
zrcadlo s konstantní rychlostí rotace nebo pro oscilující zrcadlo bude vektor vyjádřen:

r S=

d⋅sin 
0
d⋅cos
,
(8)
kde
d
α
je měřená vzdálenost [m]
je úhel paprsku od osy laserové jednotky [°].
Pokud jsou vztahy mezi měřeními známé, lze provést rozbor, jaký podíl mají
jednotlivé chyby na celkové přesnosti souřadnic cíle. Celková chyba může být rozložena až
na elementární části každé jednotky (ALS, INS, GPS, řídící a kontrolní systémy).
21
3.3.1 Chyba laseru
Vzdálenost (d) je určována z doby letu laserového paprsku měřeného vnitřními
hodinami. Právě vnitřní hodiny mají největší vliv na celkovou přesnost měření vzdálenosti.
Chyby lze rozdělit na chyby způsobené modulací a chyby způsobené měřením času.
U pulsního systému musí být puls vyslán v přesně určeném čase. Pokud je puls generován
se zpožděním, bude i vypočtená vzdálenost chybná. Podobně tomu bude i v případě
odchylky v modulaci (ať už posunem tvaru nebo změnou její frekvence). V takovém
případě bude mít detektor problémy s rozeznáním odraženého signálu a měřené hodnoty
budou mít v důsledku posunu daleko větší rozptyl.
Dalším významným problémem je detekce slabého odrazu. Každý povrch má pro
záření různých vlnových délek vlastní specifickou odrazivost. To samozřejmě platí
i pro nejčastěji používané záření v infračerveném pásu. Odrazivost je zároveň i funkcí
sklonu povrchu.
Navíc uvážíme-li například, že ze vzdálenosti 750 m se z vyslaného
impulsu o výkonu 2kW vrátí nepatrná část – pouze 2,4 x10-6 W (Baltsavias, 1999), je
potřeba mít velmi citlivý detektor. Detektor je proto konstruován pro rozpoznání velmi
slabého záření. Jakmile ale úroveň energie klesne blízko k prahové hodnotě detektoru,
může být měření výrazně zatíženo šumem. Naopak, pokud se paprsek odrazí od materiálu
s vysokou odrazivostí, může dojít k saturaci signálu a výsledkem je velice světlý bod, který
se jakoby vznáší nad povrchem. Pro kompenzaci těchto jevů je úroveň signálu
kontrolována a v případě potřeby automaticky eliminována.
3.3.2 Atmosférický model
Laserový paprsek, tak jako jakékoli jiné záření, je ovlivněn prostředím, ve kterém
se šíří. Velikost chyby z refrakce závisí na vlnové délce světla, poloze v prostoru, úhlu
paprsku a atmosférických podmínkách. Komerční systémy mají často své vlastní
nezveřejněné proprietární refrakční modely, nicméně lze použít i standardní atmosférický
model používaný ve fotogrammetrii (Chapman, 1996):
 =K⋅tan 
,
22
(9)

K=
 
2410 H
2410 H
h
2
H 6 H 250 h 6 h250 H
2
×106
, (10)
kde
h
H
je výška terénu nad referenční rovinou [m]
je výška skeneru nad referenční rovinou [m].
Obr. 5: Vliv atmosférické refrakce
Atmosférická refrakce způsobuje zakřivení paprsku (Obr. 5), přičemž odchylka ∆α
je přímo úměrná velikosti úhlu α. To znamená, že vliv atmosférické refrakce je největší
na okraji náletového pásu a nulová je v nadiru. Korekce (K) je pro standardní atmosférický
model konstantní. Navíc se samozřejmě kromě úhlu mění i vzdálenost. Korekce délky je
dále také závislá na úhlu paprsku a na atmosférických podmínkách.
23
Špatné povětrnostní podmínky (smog, vlhkost, atd.) snižují energii odraženého
pulsu a při vysoké hustotě aerosolu může citlivý detektor reagovat i na zpětný rozptyl
světla v atmosféře a registrovat tak chybná data. Tyto chyby mají zpravidla náhodný
charakter a lze je dobře eliminovat při následné filtraci během zpracování dat.
3.3.3 Chyba hodin
Největším problémem pro ALS systémy je přesné měření času. Doba letu pulsu
(pro výšku letu 750 m) je 5x10-6 s. Z toho je patrné, že jakákoli chyba při měření času se
okamžitě projeví na měřené vzdálenosti. Současné komerční systémy používají hodiny
s přesností 0,05 ns až 0,2 ns, což odpovídá přesnosti v délce 15 mm. Výsledná měřená
vzdálenost jako funkce tranzitního času je definována vztahem:
d r=
c⋅ t
2
,
(11)
kde
c
∆t
rychlost šíření elektromagnetického záření [m.s -1]
doba letu paprsku [s].
U některých systémů je možné při kalibraci hodin zjišťovat posun a jeho tendence
a ty pak nastavit při inicializaci systému. Při odstranění systematických chyb se přesnost
měření vzdálenosti pohybuje kolem 15-20 mm (při výšce 500 m).
3.3.4 Chyba skeneru
U skeneru může chyba samozřejmě vzniknout při měření úhlu pohybujícího se
zrcadla. Polohu zrcadla lze určovat několika způsoby. Primárně je pozice zrcadla ovládána
pomocí galvanometru, ale lze ji pomocí galvanometru také zpětně měřit. Takové měření
však vykazuje přesnost kolem 0,02°, což však není příliš vysoká přesnost. Pro zvýšení
přesnosti je proto k zrcadlu připevněno kódované měřítko, s nímž lze získat přesnost
kolem 0,001°. Jedná se ale o další součást systému a tedy o další možný zdroj chyb.
24
Kódové měřítko je tvořeno pravidelnou mřížkou, pro jejíž odečítání se používá
malého laseru (podobně jako u optických mechanik). Chyby mohou vzniknout, pokud
měřítko není upevněno přesně kolmo k ose rotace zrcadla a při nehomogenním rozestupu
mřížky. Jelikož počet elementů mřížky je konečný a známý, lze tyto chyby opět
matematicky modelovat, při inicializaci systému je nastavit a chyby tak efektivně
eliminovat.
Další chybou, která může vzniknout u oscilujícího zrcadla, je torze. Tato chyba je
způsobená změnami rychlosti a zrychlení pohybu zrcadla a projevuje se vzájemným
posunem sousedních řádků. Jsou-li motor, zrcadlo a kódový kruh vzájemně spojeny pouze
v ose(Obr. 6), uplatňuje se při změnách zrychlení jejich vlastní hybnost. Celý problém lze
zkoumat ve třech hlavních bodech A, B a C (Obr. 7). V krajních polohách, tedy bodech A
a C, je rychlost zrcadla nulová, ale zrychlení je maximální, pouze s opačnými znaménky.
V nadiru, bodě B, je naopak nulové zrychlení a maximální rychlost. Úhlová hybnost
v tomto bodě je definována:
H =I G 
,
(12)
kde
ω
IG
je úhlová rychlost [rad.s-1]
je moment setrvačnosti [kg.m 2], který je definován:
I G =∫ r dm
2
,
(13)
kde
r
je vzdálenost hmotného elementu dm od těžiště [m].
Jelikož hmotnost této soustavy je neměnná, je moment setrvačnosti (IG)
konstantní. Hybnost (H) je tedy závislá pouze na úhlové rychlosti, z čehož vyplývá:
25
Obr. 6: Schéma konstrukce skeneru
I G =constant=c
,
(14)
H =c⋅
Po průchodu bodem B začne motor zpomalovat až do bodu C, kdy se zastaví
a začne zrychlovat v opačném směru. Pokud toto má být provedeno až 50x za sekundu,
dochází na hřídeli k torzi, která ji deformuje. S ohledem na délku hřídele je úhlovou
deformaci možno vyjádřit vztahem:
=
T⋅L
J⋅G
,
(15)
kde,
T
L
J
G
kroutící moment hřídele [N.m]
její délka [m]
moment setrvačnosti [kg.m 2]
modul tuhosti [N.m.rad -1].
Celkový efekt torze je takový, že kódový kruh se zpožďuje oproti zrcadlu a to se
zároveň zpožďuje vůči motoru (Obr. 7). Rozdíl, způsobený vlivem torze mezi okamžitým
26
Obr. 7: Vliv torze na směr paprsku
úhlem zrcadla a úhlem odečteným na kódovém kruhu, má za následek chybu v poloze
bodu. Na obrázku 7 je patrné, že při zpomalování nebo zrychlování je poloha motoru
v daném okamžiku (černá přerušovaná čára) rozdílná oproti poloze zrcadla, tedy skutečné
dráze paprsku, a poloze kódového kruhu, reprezentující zaznamenanou polohu zrcadla. To
znamená, že v případě rovinatého terénu bude měřená délka kratší než ta, která by
odpovídala registrované poloze zrcadla. Rozdíl mezi těmito délkami se zvětšuje úměrně se
skenovacím úhlem, FOV a řádkovou frekvencí. Výsledným efektem je průhyb terénu
v profilu (Obr. 8) a záleží na konstrukci skeneru, zda bude tento průhyb konvexní nebo
27
konkávní. Pokud bude kódový kruh umístěn mezi motor a zrcadlo, budou měřené délky
delší než skutečné. Tento průhyb terénu se někdy označuje jako „sensor smile“.
Úhlové chyby mohou být vypočteny z následující rovnice:
=0 0⋅c
,
(16)
kde
β
β0
c
opravený skenovací úhel [°]
je úhel kódového kruhu [°]
je úhlová korekce.
28
Kladná hodnota konstanty c má za následek posun bodu směrem vzhůru, záporná
hodnota naopak má za následek pokles bodu. Ačkoli rovnice vyjadřuje lineární změnu
úhlu, jejím výsledkem je na povrchu terénu parabolický průběh změn výšky bodů a může
být jejich souhrnný vliv na výšku nahrazen tedy i parabolickou rovnicí.
3.3.5 Chyba zpoždění
Úhlové měření může být také ovlivněno časovým zpožděním v řídící jednotce.
Zpoždění sice nemění vlastní měření, ale má za následek systematickou chybu v poloze
bodu na terénu. Zpoždění je rozdíl mezi zaznamenáním měření délky a zaznamenáním
měření úhlu. Jelikož se zrcadlo stále pohybuje, zpoždění má za následek, že délka je
Obr. 9: Deformace vlivem chyby zpoždění
zaznamenána a označena pro nesprávný úhel. Na krajích FOV je zrcadlo, a tedy i úhlové
měřítko, v klidu a zpoždění se projeví minimálně. Naopak v nadiru je rychlost pohybu
zrcadla maximální a i zpoždění nabývá největších hodnot. Vliv na výšku bodu se ale
směrem k nadiru zmenšuje, takže výsledný průběh chyby má v profilu tvar jakési osmičky
(Obr. 9).
Typické hodnoty zpoždění jsou do 15µs (Leica Geosystems 2002) a úhlový rozdíl
dosahuje velikosti 0,027° (Morin, 2002). Velikost zpoždění lze určit pouze odhadem
z vyneseného profilu měřených dat. Na profilu se odměří výsledný vliv chyby na polohu
bodů a následně se manuálně opraví její velikost a výpočet se opakuje. Snahou je
29
minimalizovat osmičkový tvar profilu na minimum. Po její úplné eliminaci je zpoždění
určeno. Jelikož se jedná o vlastnost řídící jednotky, která je neměnná, je toto zpoždění
určováno pouze jednou pro celý nálet.
3.3.6 Chyby GPS
Chyby v GPS systému jsou závislé na provozních podmínkách a nastavení, tedy
na referenční stanici, počtu viditelných družic a zajištění kontinuálnosti měření při letu.
S měřením se začíná ještě před startem, když je letadlo na zemi. V případě, že je měření
při letu z jakéhokoli důvodu přerušeno, musí být ambiguita znovu určena za letu (on-thefly) a až poté pokračovat v měření. Po korekci během post-processingu lze dosáhnout
výsledné vnitřní přesnosti kolem 5-15 cm. GPS je dále citlivé na chyby vlivem troposféry
a ionosféry. Ty přispívají chybou až 5-30 cm a projevují se jako posuny mezi referenčním
a lokálním souřadnicovým systémem.
3.3.7 Chyby INS
INS systém přispívá několika druhy chyb. Celková přesnost polohy je závislá
na kvalitě INS – typická přesnost pro komerční systémy je mezi 0,005 – 0,01° (Applanix,
2002). V oblastech, kde je geoid výrazně zvlněn, je nutné ještě dodatečné zpracování pro
zpřesnění polohy.
To je způsobeno díky gravimetrickým změnám, které mají vliv
na měření systému INS. Absolutní chyby v měřených datech se neprojeví, pokud nejsou
komparovány s kontrolními plochami. Jelikož tyto chyby přímo neovlivňují měření, jsou
korekce zaváděny až během post-processingu.
Gyroskopické měření obsahuje další sadu chyb jako odklon, snos a šum o celkové
velikosti v rozsahu 0,1 – 0,75°/h (Applanix, 2002). Odklon a snos může být na základě
předcházející kalibrace eliminován. Šum, který je v čase proměnlivý a předem definovat
nelze, se projevuje nesourodostí v náletových pásech. Při déle trvajícím měření pásy
vykazují celkový ohyb nebo torzi. Kvůli systematické povaze této chyby lze provést
výpočet modelu chyb během následného zpracování. Tato chyba se ale v čase mění,
a proto je nutné určit chybový model pro každý pás samostatně.
30
Obr. 10: Vliv chyb navigačního systému
Jednou z nejvýznamnějších chyb ALS systémů je chyba z nesprávného určení
prostorových vztahů mezi skenerem a INS během rektifikace systému (chyba rektifikace).
Výsledná velikost chyby je závislá na výšce letu, skenovacím úhlu a směru letu. Rektifikace
musí být samozřejmě provedena před začátkem měření. Jakékoli chyby při rektifikaci se
okamžitě projeví v místech překrytu sousedních pásů, zejména pak na výškově členitých
objektech (budovy, svahy). Chyba v podélném náklonu způsobí, že vyslaný paprsek je
považován za svislý a výška bodu bude chybně vypočtena jako nižší. Chyba v příčném
náklonu se projeví stejně, pouze její velikost se bude směrem k okraji FOV zvětšovat.
Horizontální rotace má za následek zešikmení skenovacích řádků (Obr. 10). Oproti
fotografickému snímku je chybou rektifikace ovlivněn každý bod a nelze aplikovat
jednoduchou transformaci na celý pás.
3.3.8 Chyby integrace
Jedná se o chyby řídící a kontrolní jednotky. Pro přesné určení cíle musí být
všechna měření vztažena k jedné časové ose. Každá hlavní komponenta ALS systému má
vlastní hodiny, které jsou koordinovány s časem GPS a při kalibraci systému jsou určeny
31
odchylky jednotlivých hodin. Frekvence měření GPS je zpravidla 2 Hz, INS pak 200 Hz
a bodová frekvence LRF je až 50 kHz. Data z navigačních systémů jsou pro laserová
měření interpolována, což v případě nestabilního letu (turbulence) může být opět příčinou
chyb v poloze bodu. Tento druh chyb zatím nelze žádným způsobem opravit a lze je pouze
částečně eliminovat při plánování náletu.
3.3.9 Přehled chyb
Na závěr jsou v tabulce přehledně uvedeny běžné typy chyb s přibližnou velikostí
a vlivem na celkovou přesnost laserového skenování. Zároveň popisuje, v jaké fázi a jakou
metodou může být daná chyba určena a jaké má daná chyba vlastnosti. Hodnoty jsou
vztaženy k výšce letu 1000 m (Morin, 2002).
32
Tabulka 1: Souhrn chyb ALS
Typ chyby
Velikost chyby
Metoda
Vlastnosti
Za letu
V závislosti na cíli
Délkové měření
odrazivost Z: 0 – 20 cm
sklon Z: 0 – 2 m
Před letem
Neměnná
čas Z: 0.5 – 2 cm
Před letem
Neměnná
určení úhlu zrcadla 0.02 – 0.001°
Před letem
Neměnná
On-the flight kalibrace
V závislosti na
parametrech
Oprava po náletu
Neměnná
Post-processing
Náhodná
Post-processing
Náhodná
Náhodná
Post-processing
Různá
Téměř neměnná
Skenování
XY: 2 – 35 cm
Z: 2 – 20 cm
torze XY: 0- 15 cm
Z: 0 – 45 cm
zpoždění 0 – 15 ms
XY: 0 – 50 cm
Z: 0 – 50 cm
GPS
atmosféra Z: 0 – 30 cm
DGPS XY: 5 – 30 cm
Z: 5 – 30 cm
INS
směr 0.008 – 0.08°
XY: 0.1 – 1.4 m
Z: 5 – 30 cm
snos 0.1 – 0.75°/h
XY: 0 – 10 cm
Z: 0 – 10 cm
Rektifikace skener/INS XY: 0.5 – 5 m
Z: 0.2 – 1.5 m
33
3.4 Kalibrace ALS systému
Výsledná přesnost ALS systému závisí na všech částech postupu zpracování a je
ovlivňována GPS, INS a LRF. Dosažení nejvyšší přesnosti vyžaduje, aby každá komponenta
byla kalibrována před i po náletu a veškerá měření byla o kalibraci opravena.
Ve skutečnosti je ale takový postup finančně nákladný, pro časovou náročnost nepraktický
a často i nadbytečný, s ohledem na stabilitu a velikost kalibračních parametrů.
Z předcházející tabulky je patrné, že kalibrační metody lze rozdělit na předletové
a poletové.
3.4.1 Předletová
kalibrace
Předletová
Letové
parametry
kalibrace
Měření
zahrnuje metody, které musí být
GPS, INS
provedeny před každým náletem a
Laserový
skener
metody, které jsou prováděny pouze
příležitostně. Většina z kalibračních
parametrů
pro
LRF
může
být
Referenční
stanice GPS
Post-processing
zjištěna na zemi. Laserový skener je
směřoval stále do stejného místa.
Georeferencování bodů
Iterace
nastaven tak, aby laserový paprsek
Poloha a orientace
Vzdálenost ALS od cíle je změřena
Kalibrace
nezávislou metodou a délky jsou
porovnány.
výkonu
Dále
laserového
lze
změnami
emitoru
určit
Filtrace
křivku funkčního rozsahu detektoru.
Klasifiace
Korekce pak mohou být aplikovány
buď v reálném čase při měření nebo
Korekce
parametrů
Iterace
prahovou hodnotu saturace a určit
Kontrola
až během následného zpracování
dat zároveň s daty z navigačních
Obr. 11: Diagram postupu zpracování měření
34
systémů. Při měření více vzdáleností lze tuto metodu použít i pro určení chybového
modelu hodin.
Navigační jednotky musí být inicializovány před každým náletem tak, jak to určuje
výrobce systému. Pro DGPS to znamená provedení počátečního měření v blízkosti
referenční stanice a určení polohy z fázového měření. Toto měření může před i po náletu
trvat 45 minut, což je dostatečně dlouhý čas pro statickou inicializaci. Pro zaručení
kontinuálnosti měření je nutné správně naplánovat čas náletu s ohledem na konfiguraci
družic, tedy alespoň 6 družic rovnoměrně rozmístěných na obloze. Nevhodná konfigurace
družic může vést ke špatným výsledkům navigačního systému, a tudíž i k výraznému
zhoršení přesnosti polohy bodů. Stejně tak i za letu je nutné neztratit příjem signálu
z družic. To s sebou nese požadavek na ne příliš dynamický let (náklony do 10°). Změnu
trasy lze provádět jen ve velmi plochých otočkách tak, aby nedocházelo k zákrytu družic
za části letadla. Pokud je přesto signál ztracen, je nutné ukončit skenování a provést
inicializaci za letu.
Inerciální systém je také nutné inicializovat v klidovém stavu tak, aby bylo možné
nastavit vlastní lokální souřadnicový systém. Pokud lokalita vykazuje výrazné zvlnění
průběhu geoidu, může tím být ovlivněna vertikální osa. Korekce pro kompenzaci tohoto
vlivu lze pak vložit buď při transformaci do geodetického systému nebo při vyrovnání
celého bloku.
Vzájemnou polohu jednotlivých systémů lze získat buď přímým měřením např.
pásmem nebo měřením totální stanicí. Přesnost by měla být v rozsahu 10 – 30 mm
a případné odchylky se projeví jako systematická chyba v poloze bodů. Největším
problémem je určení úhlů mezi jednotlivými měřícími jednotkami. Úhlové diference mezi
laserovou a inerciální jednotkou jsou řešeny až během vyrovnání po náletu.
3.4.2 Poletová kalibrace
Několik parametrů kalibrace nelze měřit přímo a je nutné je určit až během
vyrovnání náletového bloku. Největšími zdroji chyb jsou prostorové vztahy mezi lokálním
souřadnicovým systémem INS, definovaným trojicí akcelerometrů a lokálním systémem
laserového skeneru, definovaného v rámci zrcadla bodem a jeho osami. Dále lze tímto
35
způsobem určit i většinu ostatních chyb skeneru. Kvůli velké, ale poměrně stálé
charakteristice těchto chyb mohou být určeny pomocí dočasného testovacího pole.
Technologie vyrovnání jsou různé – od manuálního výpočtu po určování vzájemných vazeb
na terénu a vyrovnání metodou nejmenších čtverců (MNČ).
Manuální určení parametrů
Dnes je nejpoužívanější manuální vyrovnání (Morin, 2002).
Metoda spočívá
v náletu nad územím s několika vlícovacími body nebo s existujícím přesným modelem
terénu. Profily jsou pak porovnány s daty z laserového skenování. Rozdíly jsou okamžitě
viditelné (Obr. 12) v podobě vzájemného posunu obou profilů. Operátor manuálně určuje
velikosti těchto posunů a určuje korekce kalibračních parametrů. Poté se celý výpočetní
postup opakuje, dokud poloha kontrolních bodů nekoresponduje s měřením ALS systému.
Příčný a podélný náklon lze určit porovnáním profilů na rovinatém území. Naopak stočení
v rovině letu lze dobře určit na území s velkými výškovými rozdíly, tedy například
na budovách. Toto stočení se na překrývajících se pásech projeví vzájemným posunem
polohy budovy. Správné parametry jsou hledány tak dlouho, dokud poloha obou obrazů
budov není totožná.
Obr. 12: Posun sousedních řad špatnou kalibrací
Jakmile jsou známy úhly náklonů a stočení, mohou být určovány chyby skeneru.
Jejich systematický vliv se projevuje prohnutím terénu na okrajích nad kontrolní měření.
Úkolem je opět nalézt korekce kalibračních parametrů takové, aby obě měření vzájemně
korespondovala.
36
Manuální zjišťování kalibračních parametrů je samozřejmě časově náročné (1 – 2
dny) a je nutné provést větší množství iterací (10 – 50). Samozřejmě takto získané
parametry nejsou exaktním výsledkem matematického postupu, a nelze na ně tedy
aplikovat jakékoli statistické analýzy. Navíc tyto parametry jsou platné pouze pro danou
lokalitu, pro kterou byly určeny, a nelze je tedy přebírat i pro jiné nálety.
Daleko přesnější metodou pro kalibraci úhlů stočení a náklonu je provedení náletu
nad rovným terénem (vodní hladinou) a nebo nad velmi přesně zmapovaným terénem
(Vaughn, 1996 nebo Krabill, 2000). Terén je pak naskenován
při různých velikostech
příčných nebo podélných náklonů. Měřenými hodnotami je poté možné proložit křivku
druhého stupně a zkoumat na ní pozici minima. Posun minima oproti nulové ose náklonu
definuje přímo opravu daného úhlu. Získání kalibračních parametrů je poměrně
jednoduché a přesné při skenování nad vodní hladinou, ovšem pouze v případě, že to
vlnová délka použitého laserového záření umožňuje. Velkou výhodou této metody je, že
pro získání kalibračních parametrů není zapotřebí vlícovacích bodů. Naopak nevýhodou je,
že nelze takto určit stočení v rovině letu. Řešením problému může být rozšíření této
metody na výpočet všech kalibračních parametrů současně (Hofton, 2000). Získané
parametry jsou však pouze přibližné hodnoty a navíc v území bez výškových rozdílů jsou
jednotlivé chyby vzájemně značně korelují.
Metoda vyrovnání
Nejpreciznější metodou pro získání kalibračních parametrů je sestavení rovnic
oprav a jejich řešení pomocí vyrovnání MNČ. Jedná se o podobný přístup jako
u fotogrammetrie při hledání kalibračních parametrů senzoru. U laserového skenování se
ale nejedná o zcela jednoduché řešení. U fotogrammetrie jsou na snímku identifikovány
vlícovací body a následně jsou hledány vztahy mezi snímkovými souřadnicemi
a souřadnicemi geodetickými při respektování pravidel a zásad středového promítání.
Výsledkem řešení jsou souřadnice středu promítání a tři rotace snímku v prostoru (tzv.
prvky vnější orientace). Při dostatečném počtu vlícovacích bodů lze také navíc určovat
další parametry, jako například distorzi objektivu.
Data laserového skenování mají také charakter středového promítání, ale je zde
velmi obtížné přesně určovat polohu vlícovacích bodů. Navíc oproti klasickému leteckému
37
snímku, který je celý pořízen v jednom okamžiku, má u ALS každý bod jiný čas měření. To
znamená, že určení polohy a orientace je prakticky nemožné. Místo toho lze ale určovat
systematické vlivy chyb kalibrace. Dále lze na snímcích měřit vlícovací body díky vysokému
rozlišení snímků a díky kontinuálnímu charakteru obrazových elementů. U ALS dat jsou ale
body od sebe poměrně vzdálené a navíc mají pseudo-náhodné rozmístění. Nelze tedy
přesně definovat polohu vlícovacího bodu, má-li být vlícovací bod pro kalibraci dostatečně
malý. Jelikož navíc stopa laserového paprsku má na terénu průměr kolem 30 cm, nejsou
hrany objektů zcela jasné a výsledky detekce hran nejsou uspokojivé.
Nicméně tento způsob řešení má i své kladné stránky. Jednou z nich je, že
neznámé parametry mají jednoznačné řešení pro daný model a na určování jejich vlivu,
lze tedy používat statistické
analýzy. Protože způsob
řešení je blízký tradiční
fotogrammetrii, lze používat některé nástroje a postupy, jako například autokorelační
analýzy. To přináší do procesu zjednodušení a zrychlení celé kalibrace. Na tomto principu
je založeno několik konkrétních postupů pro získání kalibračních parametrů.
Jednoduchou
metodu
používají
například
v
Dutch
Survey
Department
(Crombaghs, 2002). Při této metodě je z rozdílů mezi překrývajícími se pásy určován
příčný a podélný sklon na základě řešení rovnice se třemi parametry:
 H U ,V =abU cV
,
(17)
kde
U,V
a
b, c
jsou souřadnice bodu v lokálním systému [m]
je vertikální posun pásu (chyba GPS) [m]
jsou koeficienty podélného a příčného sklonu.
Vstupní souřadnice jsou získávány z malých rovinných ploch obsahujících větší
množství bodů. Výsledná výška je průměrnou hodnotou ze všech bodů, což umožňuje
potlačit náhodný šum při měření vzdálenosti a tím výšku výrazně zpřesnit. Takto získané
spojovací body spolu s vlícovacími body (pokud existují) vstupují do vyrovnání MNČ
a výsledkem jsou parametry a, b a c. Sice je možné určovat jedny parametry pro celý
38
nálet, ale daleko výhodnější je určení parametrů samostatně pro každý pás. Samozřejmě
jsou takto určeny pouze tři parametry a ostatní chyby, včetně systematických, odstraněny
nejsou.
Metoda křížového náletu
Tato metoda je doplněna o stočení a chyby GPS (Burman, 2000). Oproti
předcházející metodě jsou používána data z výškově členitého území. Bod měřený
laserovým skenerem lze označit (X,Y,Z)l. Souřadnice bodu jsou funkcí vnější orientace
senzoru a vektoru vyslaného paprsku. Dále je uvažován pro chybový model posun pro
GPS měření (Xd,Yd,Zd)T obsahující troposférické korekce a chyby transformace do vztažného
souřadnicového systému.
    

X0
Xd
lx
X
LRF
Y = Y 0  Y d  ℝ INS⋅ℝ INS ⋅ l y
Z l Z0
Zd
lz
, (18)
kde
(X,Y,Z)l souřadnice podrobného bodu v lokálním systému
(X0,Y0,Z0) poloha laserového skeneru vůči GPS
(Xd,Yd,Zd) posun lokálního systému vůči geodetickému systému
ℝ INS matice rotace mezi INS a lokálním systémem
LRF
ℝ INS
matice rotace mezi INS a LRF
(lx, ly, lz) vektor vyslaného paprsku.
Dále je provedeno zjednodušení
LRF
ℝ=ℝ INS⋅ℝ INS
.
Pokud je laserové skenování použito pouze jako metoda pro modelování terénu,
lze považovat výšku terénu za funkci polohy. V případě čtvercové sítě (gridu) je navíc
možno souřadnice (X,Y) nahradit indexy (i,j).
39
Z i , j = f Z  X , Y =F Z i , j
,
(19)
Sklon v Z pro směry X a Y lze vyjádřit:
Z ' X=
Z 'Y=
∂ f Z Z i1, j Z i , j
=
∂X
X step
,
(20)
∂ f Z Z i , j1Z i , j
=
∂Y
Y step
kde (X,Y)step je vzdálenost mezi jednotlivými body gridu.
Pokud je z laserového skeneru zároveň registrována intenzita odraženého
paprsku, lze stejně jako u výšky prohlásit, že alespoň v jistém okolí může být hodnota
intenzity I vyjádřena jako funkce polohy (X,Y).
Poloha měřeného podrobného bodu v gridu je vypočítána pomocí interpolace
nejbližších bodů čtverce, uvnitř kterého podrobný bod leží.
Z l =1 x⋅1 y⋅Z i , j  x⋅1 y⋅Z i1, j 1x⋅y⋅Z i , j1 x⋅y⋅Z i1, j1
x=
X l X i
X step
;
y=
Y l Y  j 
Y step
(21)
kde,
X(i), Y(j) souřadnice gridu
x, y
normalizovaná poloha podrobného bodu uvnitř čtverce.
40
Podobná interpolace platí i pro intenzitu.
Rovnice pro určení výšky mají po linearizaci tvar:
d Zl =Z ' X⋅dX d Z ' Y⋅dY d dZ d
 
∂ Rx
∂ RY ∂ R Z l x
 Z'X
⋅ l y ⋅dr
Z ' Y

∂r
∂r
∂r
lz

 

∂ Rx
∂ RY ∂ R Z l x
⋅ l y ⋅dp
Z ' Y

∂p
∂p
∂p
lz

∂ Rx
∂ RY ∂ R Z l x
⋅ l y ⋅dh
Z ' Y

∂h
∂h
∂h
lz
 Z'X
 Z'X
 
1 x ⋅1 y ⋅dZ i , j  x⋅1 y ⋅dZ i1, j
1 x ⋅y⋅dZ i , j1 x⋅y⋅dZ i1, j1
kde
dZl
dXd, dYd, dZd
r,p,h
dr, dp, dh
dZi,j
x , y
je odchylka mezi měřenou a přibližnou hodnotou
změny translace
rotace (roll, pitch, heading)
změny rotace
změna výšky
přibližná normalizovaná poloha
41
, (22)
Pro intenzitu platí obdobný vztah:
d Zl =I ' X⋅dX d  I ' Y⋅dY d
 
∂ RY l x
∂ Rx
I ' Y
 I 'X
⋅ l y ⋅dr
∂r
∂r
lz

 

∂ RY l x
∂ Rx
I ' Y
⋅ l y ⋅dp
∂p
∂p
lz

∂ Rx
∂ RY l x
⋅ l y ⋅dh
I ' Y
∂h
∂h
lz
 I 'X
 I 'X
, (23)
 
1 x ⋅1 y ⋅dI i , j  x⋅1 y ⋅dI i1, j
1 x ⋅y⋅dI i , j1 x⋅y⋅dI i1, j1
kde
dIi,j
je změna intenzity.
Vlícovací body jsou vneseny do výpočtu jako doplňující měření výšky nebo
intenzity. Spojovací body jsou definovány pomocí Sobelova filtru pro detekci hran a to buď
na datech reprezentujících výšku nebo intenzitu bodu.
Metoda podle Morina
Oproti ostatním metodám je zde hledán jeden globální model pro celý nálet, nikoli
tedy pro každý pás zvlášť. Řešení vychází ze základní rovnice:
42
m
m
m
b
S
b
r i =r nav t Rb t [ R S⋅r a ]
,
(24)
kde
ri m
rmnav(t)
Rbm(t)
RbS
rS
ab
jsou souřadnice podrobného bodu (i) v lokálním souřadnicovém
systému
jsou souřadnice navigačního systému v lokálním souřadnicovém
systému
interpolovaná matice rotace pro náklon platformy v aktuálním čase
(stav b)
rotační matice mezi INS a ALS (stav S)
vektor laserového paprsku
počáteční souřadnicový posun mezi stavy „b“ a „S“.
Jednotlivé komponenty lze dále rozepsat na elementární prvky:

0
r =R t ⋅r =R t ⋅ 0
d
S
S
L
L
S
L
L
,
(25)
kde
RSL (t)
rL
d
je rotace ze systému laseru do systému skeneru závislá na úhlu
zrcadla β
je vektor laserového paprsku v systému zrcadla
opravená délka.
Dále je rozepsán úhel zrcadla skeneru:
=0 
,
(26)
kde
β
β0
δ
φ
je opravený skenovací úhel
je skenovací úhel získaný kódovým měřením
je celková korekce skeneru
je atmosférická korekce.
43
Korekce pro torzi může být zapsána jako funkce úhlu zrcadla:
torze =c t⋅0
,
(27)
kde
je konstantní hodnota torze
c
Kompletní funkce se všemi parametry pro každý okamžik měření má potom
následující tvar:
r =r nav Rb { , , K }[ R S { ,  ,}⋅R L { , c}⋅r i a
m
m
m
b
S
L
b
]
, (28)
neznámé parametry v této rovnici jsou:
x =[ , ,  , c]
.
(29)
Neznámé parametry je možné určit, pokud jsou změřeny spojovací body. Pak
pomocí MNČ lze vypočítat jednoznačné řešení pro tyto kalibrační parametry.
Prostorová korelační analýza
Jedná se o statistickou metodu spojování mračen, kdy je pro každý podrobný bod
(nebo pouze procentuální část všech bodů mračna) hledán nejbližší bod ze sousedního
pásu a je určena vzdálenost mezi nimi. Snahou této metody je minimalizace sumy těchto
vzdáleností opravami vybraných parametrů. Jelikož do výpočtu chybového modelu
vstupuje několik miliónů bodů a vztahů mezi nimi, lze z výsledků a rozborů určit i
statistickou hladinu pravděpodobnosti určitého parametru.
44
3.4.3 Plánování náletu pro kalibraci
Důležitou roli při rozhodování nad způsobem provedení kalibračního náletu hraje
výšková členitost terénu, neboť pro rovinatý a členitý terén se volí jiná taktika náletu.
Pokud mají být parametry kalibrace určeny přesně, je velmi žádoucí naplánovat kalibrační
let nad územím tak, aby se jednotlivé chyby projevily ve své maximální hodnotě.
Z předchozích rovnic je po krátkém studiu zřejmá lineární závislosti mezi
některými neznámými. Například nežádoucí posun ve směru letu může být vyjádřen
pomocí chyb v polohách center snímání nebo v podélném náklonu ϕ, posun napříč směru
letu může být vyjádřen pomocí chyby v příčném náklonu ω. K tomu, aby tyto závislosti
bylo možné co nejjednodušeji definovat, je nutné znát chyby vztažného systému nebo tyto
chyby musí být stejné pro celý nálet. Jen v takovém případě je možné je při zjišťování
kalibračních parametrů zanedbávat. Pokud však nejsou k dispozici žádné vlícovací body,
jsou předpokládány počáteční chyby vztažného systému nulové a musí tyto chyby
vstupovat do výpočtu jako další neznámé.
Příčný náklon
Bez ohledu na členitost území může být vypočítána pouze chyba v rotaci ω, a to
z náklonu dvou protisměrných řad měřením rozdílu ve výškách (Obr. 13). Pokud se
v rotaci ω vyskytuje chyba, projeví se náklonem mračna. Největší výškové rozdíly mezi
oběma řadami jsou u bodů na okrajích skenovaných řad.
Q
 h= ⋅cos 
2
,
kde
∆h
Q
θ
je výškový rozdíl
je šířka příčného překrytu
je chyba příčného sklonu
45
(30)
Obr. 13: Vliv příčného sklonu
Podélný náklon
Všechny chyby v rotacích ze dvou řad lze určit za předpokladu, že území je
dostatečně výškově členité nebo s výraznými rozdíly intenzit měřením polohových
odchylek identifikovaných objektů nebo spojovacích bodů. Podélný sklon v rovinatém
území bez spojovacích bodů lze snadno určit v případě, že jsou provedeny dva nálety
v různých výškách (Obr. 14). V takovém případě se projeví výšková chyba, kterou podélný
náklon způsobuje, různou velikostí a lze ji tedy určit úměrou:
 h= H 1 H 2 

1
1
cos 
kde
∆h
H
Θ
je výškový rozdíl
je výška letu
je chyba podélného sklonu
46

,
(31)
Obr. 14: Konfigurace náletu pro zjištění podélného
náklonu
Stočení v rovině letu
Stočení v rovině letu (úhel κ) vykazuje u protisměrných náletů stejnou chybu,
a proto je nutné provést druhý nálet otočený o 90°. Na spojovacích bodech se tato chyba
projeví jako posun v poloze.
Torze
Torze se projevuje systematickým prohnutím okrajů pásu a opět se nejvíce projeví
při porovnání dvou na sebe kolmých náletů. Její vliv ale zároveň roste s výškou letu.
Zkombinováním všech výše popsaných variant náletu dostáváme ideální plán kalibračního
náletu (Obr. 15), tvořeného čtyřmi pásy, každý pořízen s jinou orientací letu a zároveň
47
pořízeny
ve
dvou různých
výškách.
Tato
kombinace
zároveň
dovoluje
měření
nadbytečného počtu dat pro vyrovnání metodou MNČ i v případě určování parametrů bez
vlícovacích bodů.
Obr. 15: Ideální kalibrační nálet se čtyřmi řadami
Výběr spojovacích bodů je prováděn v místech s vysokými rozdíly hodnot (jak
výšek tak i intenzit) buď v jednom, nebo v obou směrech (X,Y). Tyto body by tedy měly
ležet na hranách, v rozích nebo případně na malých objektech, které jsou representovány
pouze jediným bodem. Pro jednodušší výpočet jsou neuspořádané body laserového
měření aproximovány čtvercovou sítí jak pro výšková data, tak pro intenzitu. Zde lze
použít například metodu konečných prvků. Největší rozdíly lze nalézt pomocí Sobelova
filtru pro detekci hran. Výpočet neznámých chyb rotací je následně prováděn metodou
MNČ. V rovinatém území, kde není dostatek ploch s většími výškovými rozdíly, je vhodné
provádět měření primárně s hodnotami intenzity odrazu.
48
Zpracování dat
4 Zpracování dat
Primární data z laserového skenování jsou velmi nepřehledná a je nutné provést
pomocí automatizovaných funkcí jejich zpracování. Podle stupně komplexnosti zpracování
se metody rozdělují na filtraci, kdy jsou vyhledávány pouze body ležící na jednom určitém
druhu povrchu (zpravidla na terénu), a na klasifikaci, kdy jsou postupně všechny body
rozděleny do předdefinovaných tříd.
4.1 Filtrace dat
Tak jak paprsek postupně prochází atmosférou až k zemskému povrchu, může se
částečně na své cestě odrážet od různých objektů nad terénem. Takovými objekty mohou
být jednak vzrostlá zeleň, ale i okraje budov nebo dráty vysokého napětí. Tyto body musí
být ale při vytváření digitálního modelu terénu odstraněny.
Pro člověka v zásadě není problém určit, který bod na terénu leží a který nikoli.
Ruční editace mračna bodů vzniklého při laserovém skenování ale velmi časově náročná.
Je tedy nutné nalézt takové automatizované postupy, které tuto práci provedou
dostatečně přesně a zejména efektivně. Mezi používané metody patří morfologické filtry,
filtry založené na porovnávání sklonu, filtry používající vyrovnání metodou nejmenších
čtverců a filtry kombinující několik datových typů. Každý z těchto filtrů má své přednosti
a výsledek filtrace je výrazně ovlivněn tvarem terénu, typem zástavby a hustotou bodů
laserového měření.
4.1.1 Morfologické filtry
Morfologické filtry se používají pro zpracování digitálního obrazu pro optimální
rekonstrukci tvaru objektu. Základními filtry jsou dilatace a eroze, jejichž kombinací
vznikají další filtry, jako jsou otevření a uzavření. Filtry jsou definovány jak pro plošné
objekty představované binárními obrazy (E2), tak pro prostorová data v podobě
šedotónových snímků (E3). Pro filtraci se definuje strukturální element, s jehož pomocí je
prováděna analýza v celém prostoru zdrojových dat. Jeho tvar a vnitřní hodnoty určují
přímo výsledek filtrování.
49
Zpracování dat
Popis filtrů
Dilatace
Definice: Dilatace δB(X) množiny X přes elementární množinu B je definována jako
místo, kde množina B zasahuje do množiny X:
 B  X ={x∣B x ∩ X ≠0 }
.
(32)
Jinak řečeno, jedná se o vyplnění mezer a vyhlazení obrysu objektu o velikost
strukturálního elementu s ohledem na jeho tvar a vnitřní charakteristiku (polohu hlavního
bodu uvnitř elementu). Při aplikaci na body DMT se jedná o výběr nejvyššího bodu
z elementární oblasti a přiřazení této výšky bodu pod hlavním bodem strukturálního
elementu. Samozřejmě lze tuto binární dilataci rozšířit do E3 definováním rozdílných
hodnot uvnitř strukturálního elementu a zkoumat průběh DMT s ohledem na jisté
„zaoblení“.
Eroze
Definice: Eroze εB(X) množiny X přes elementární množinu B je definována jako
místo, kde množina B je celá obsažená v množině X:
 B  X ={x∣B x ⊆ X }
.
(33)
Jedná se tedy o duální filtr k dilataci (nikoli inverzní). Obrysy objektů jsou
erodovány, případně úzké objekty jsou zcela vymazány. Opět záleží na tvaru
strukturálního elementu a jeho vnitřních vlastnostech. Při aplikaci na DMT je použita pro
bod nad hlavním bodem nejnižší výška bodů nad elementární oblastí.
50
Zpracování dat
Otevření
Definice:
Otevření
γB(X)
množiny
je
X
eroze
následovaná
dilatací
s transponovanou elementární množinou B:
 B  X = B [  B  X  ]
.
(34)
Otevření je kombinací eroze a dilatace, jehož výsledkem je eliminace „příliš
malých“ detailů ze zdrojových dat. Při aplikaci na rastrová data dojde k oddělení blízkých
objektů, u výškových dat jsou odstraněny objekty menší než strukturální element (stromy,
budovy). Opakované použití otevření se stejnými parametry již data nemění.
Uzavření
Definice: Uzavření ϕB(X) množiny
s transponovanou elementární množinou B:
 B  X = B [  B  X  ]
X
je
.
dilatace
následovaná
erozí
(35)
Jedná se o opačný postup oproti otevření. Jelikož eroze oproti dilataci není
komutativní, je výsledek obou kombinací různý. Při uzavření jsou naopak vyplněny
všechny „skuliny“ v datech.
Dual-rank
Při používání předcházejících filtrů vzniká problém při aplikaci na nehomogenní
území. V prostoru s členitým terénem je potřeba použít jinou velikost strukturálního
elementu než v plochém území s rozlehlými budovami. Částečně tento problém lze řešit
použitím vyšších morfologických filtrů, například dual-rank.
Dual-rank se skládá ze dvou postupně aplikovaných operátorů. První operátor je
aplikován s první částí daného rozsahu, druhý je aplikován s druhou částí. Nastavováno
51
Zpracování dat
a)
b)
c)
Obr. 16: Příklad řešený v systému MvTEC Halcon
Originální (a), odfiltrovaná (b) a výsledná (c) rastrová data
je rozdělení daného rozsahu, například procentuálním vyjádřením. U DMT jsou zkoumané
body uvnitř strukturálního elementu seřazeny podle své výšky. Podle nastavení rozsahu je
vybrán bod (n-tý bod v souboru), jehož výška je použita jako filtrovaná výška hlavního
bodu. Pokud je hodnota nastavena na 0%, pak funkce dual-rank odpovídá otevření, při
nastavení 100% odpovídá uzavření. Při nastavení 50% se jedná o dvakrát aplikovaný
mediánový filtr.
52
Zpracování dat
Další možnosti rozšíření morfologické filtrace
Další vývoj v metodách filtrace pomocí morfologických filtrů se předpokládá
několika směrech. Prvním je používání morfologických operátorů na původní data bez
interpolace do pravidelného rastru. Druhým jsou pak techniky odhadující ideální parametry
filtru pro lokální území.
Rozšíření morfologických filtrů na neuspořádané mračno
bodů
Použití morfologických operátorů pro rastrová data je nejběžnější. Nicméně
matematická definice se neomezuje pouze na rastrová data, ale stejně tak lze přistupovat
i k datům diskrétním (v podobě neuspořádaného mračna bodů) nebo spojitým (v podobě
vektorového popisu tvaru objektu, v našem případě například terénu). Velikost, tvar
a forma strukturálního elementu následně ovlivňuje výsledek aplikace filtru. Oproti
zpracování obrazových dat zde nelze elementem pohybovat pouze v rastru s určitým
krokem, ale je nutné jej aplikovat v celém prostoru dat. To má za následek přechod
k integrálnímu vyjádření operátorů a výraznému zvýšení výpočetní náročnosti.
Progresivní morfologické filtry
Pokud mají být z mračna bodů odstraněny objekty jako budovy a stromy, musí být
strukturální element dostatečně velký. Je-li strukturální element příliš velký, může to vésti
k tomu, že jsou odstraněny i některé body na terénu a naopak některé body na nízkých
objektech odstraněny nejsou. Tyto nevýhody lze řešit postupným zvětšováním elementu
a iterativním postupem filtrace (Zhang, 2003). Pro první iteraci je použit malý strukturální
element, kterým je možné odstranit body v korunách stromů nebo na elektrickém vedení,
přičemž u budov a na terénu je většina bodů zachována. V každé další iteraci je
strukturální element zvětšen až do doby, kdy jsou odfiltrovány všechny objekty nad
terénem.
Z použití morfologického otevření plyne, že všechny body leží po filtraci buď
na terénu nebo pod ním. Protože budovy, stromy a jiné objekty v originálních datech
vykazují strmý skok ve výšce bodů, je po každé iteraci testována změna výšky bodu před
a po filtraci. Pokud je změna ve výšce bodu velká, jedná se zcela jistě o bod ležící nad
terénem, tedy například o budovu, kdežto malá změna výšky může být způsobena nízkou
53
Zpracování dat
vegetací ale také výraznou změnou průběhu terénu v daném místě. Příčinu této malé
změny výšky bodu lze určit porovnáním velikosti elementu vůči výškové změně bodu.
4.1.2 Filtry založené na porovnávání sklonu
Filtry založené na porovnání sklonu (Slope Based Filters) je skupina filtrů, jež
používá pro testování, zda bod leží na terénu či nikoli, porovnání s body v jeho nejbližším
okolí. Zpravidla není použito žádného druhu vyrovnání, a nelze tedy zjistit žádné statistické
hodnoty o přesnosti provedené filtrace. Filtraci založenou na porovnávání sklonu používá
například finská firma TerraSolid u systému TerraScan.
Základní popis
Tyto typy filtrů jsou založeny na porovnávání každého bodu s jeho nejbližším
okolím. Je zkoumán výškový rozdíl mezi testovanými body a v závislosti na jejich vzájemné
vzdálenosti je definován sklon. Sklon lze počítat pomocí různých funkcí. Nejjednodušší
metodou je výpočet přímé spojnice, u níž do výpočtu vstupují body izolovaně od ostatních
bodů v okolí. O něco sofistikovanější je výpočet nelineární funkce z většího množství
okolních bodů. Problematické je při této variantě dodržení podmínky, aby všechny body
ležely v jedné svislé rovině. U originálních dat LS tato podmínka není prakticky nikdy
splněna díky nestabilitě letu letadla. Řešení také záleží na tvaru dráhy stopy paprsku na
terénu. U rotačního nebo oscilujícího zrcadla lze provést zjednodušení na porovnávání
pouze bodů, které tvoří jeden skenovací řádek a zanedbat tak vlivy lokálních rotací letadla.
Druhou variantou je interpolace měřených bodů na čtvercovou síť, kde lze použít i metody
pro zpracování obrazových dat.
V případě rozšíření zkoumaného problému do prostoru, lze body proložit plochu
(od roviny po spline) a hledat na této ploše maximální sklon. Pokud je tento sklon
v předem daných mezích, lze zkoumaný bod považovat za bod na terénu.
54
Zpracování dat
Obr. 17: Prostředí aplikace uniScan pro AutoCAD LDD2 využívající Slope Based filtr
Implementace
Implementace filtru bývá provedena pro podmínku, aby v okolí testovaného bodu
neexistoval žádný jiný bod níže, než jsou přípustné meze. V opačném případě testovaný
bod neleží na terénu.
DEM ={ pi ∈ A∣∀ p j ∈ A: h p h p ≤ h max  d  pi , p j   }
i
55
j
. (36)
Zpracování dat
Přípustná mez je funkcí vodorovné vzdálenosti mezi body. V přirozeném terénu se
zpravidla nevyskytuje sklon větší než 30%, a pokud není měření zatíženo chybami, lze
tuto funkci vyjádřit jako:
 hmax d =0.3 d
.
(37)
Protože je ale měření obvykle zatíženo různými chybami, jak bylo uvedeno
v kapitole 3.3, je nutné s těmito chybami počítat i při filtraci dat. Pokud budeme uvažovat
interval spolehlivosti 95%, bude funkce pro přípustnou mez definována jako (Vosselman,
2000):
 h max d =0.3 d 1.65  2 
.
(38)
Region Growing
Tento typ filtrace sice využívá principu porovnávání sklonu sousedních bodů,
metodika je ale zcela odlišná od předchozího popisu. Vychází se z uzlového bodu, který
leží na terénu, a postupně se testují sousední body v definovaném okolí. Pokud body
z tohoto okolí splňují podmínku přípustného převýšení, jsou označeny za body na terénu
a testování dále pokračuje od těchto bodů. Stejným způsobem se pokračuje v testování,
dokud existuje alespoň jeden bod splňující danou podmínku. Výhodou tohoto řešení je
časová úspora při filtraci, neboť není nutné testovat každý bod s každým v jeho okolí.
Velmi důležitým krokem je počáteční testování, zda uzlový bod skutečně leží
na terénu a nikoli např. na budově. K tomu je však zapotřebí použít jiné metody filtrace.
Navíc pro zpracovávané území nelze vystačit pouze s jediným uzlovým bodem, zvláště
v urbanistické zóně. Jakmile rozpínání terénu z jednoho uzlového bodu je ukončeno (nelze
žádný jiný bod prohlásit za bod na terénu), je nutné provést filtraci na dalším úseku.
K tomu může sloužit pouze dostatečně hustá síť uzlových bodů. Řešení ideální hustoty je
velmi závislé na konkrétní oblasti. Ve vysoké zástavbě měst bude potřeba výrazně vyšší
hustota uzlových bodů, neboť se zde vyskytují uzavřené plochy (dvory uvnitř bloku
budov), které jsou svou vlastní plochou velmi malé.
56
Zpracování dat
4.1.3 Lineární predikce
Filtrování pomocí technik metody nejmenších čtverců je dalším možným
způsobem, jak nalézt ideální průběh terénu. Lineární predikce patří mezi statistické
interpolační metody, které lze použít pro interpolaci na modelu terénu. V rámci aplikace
algoritmu lineární predikce jsou definovány vazby každého bodu s každým. Následně jsou
pro každý bod vypočteny odchylky od přibližného průběhu terénu. Ty jsou pak podkladem
pro určení vah, například bodu pod úrovní přibližného terénu je přiřazena váha 1 a bodu
vysoko nad terénem váha 0. Následně je vypočten nový průběh terénu se zohledněním
nově určených vah. Tento postup je iterační a je opakován tak dlouho, dokud všechny
body nejsou klasifikovány buď jako bod na terénu a nebo body ostatní. Protože je ale
v jednom souboru příliš mnoho bodů, je díky výpočetní náročnosti taková úloha zatím
neřešitelná a body jsou tedy rozděleny do meších samostatných skupin.
Pro filtraci pomocí lineární predikce lze použít jak původní neuspořádaná data, tak
i jejich
rastrové
interpretace. V praxi se
lze
setkat se dvěma softwarovými
implementacemi tohoto algoritmu. Prvním je program SCOP od firmy INPHO, druhým jsou
moduly systému BLUH vyvíjeném na univerzitě v Hannoveru.
Implementace u systému BLUH
Lineární predikce je založena na korelaci mezi sousedními body. Vyjádřena je
následující kovarianční funkcí (Jacobsen, 1999; Lohmann, 1999):
C  P i P k =C 0⋅e
1.30103
 
Pi P k
B
2
,
(39)
kde
C(0)
B
je kovariance pro nulovou vzdálenost
je vzdálenost, při které je kovarianční funkce redukována na 5%
Kovariance mezi body Pi a Pk je závislá na jejich vzdálenosti. Pokud jsou blízko
sebe, je kovariance veliká a naopak, se zvětšující vzdáleností se blíží nule (Obr. 18).
57
Zpracování dat
Obr. 18: Kovarianční funkce v BLUHu
Mračno bodů je rozděleno na stejně velké oblasti, ve kterých je zpracování
prováděno s vazbou pouze na sousedních osm oblastí. Z bodů v těchto oblastech je
definován základní přibližný průběh terénu pomocí průměrné výšky v jednotlivé oblasti
a zároveň je určen faktor tolerance. Body, které se nacházejí nad touto rovinou (a jsou
mimo pás tolerance), jsou z dalšího výpočtu vyloučeny a postup se opakuje s novou
množinou bodů, dokud jsou ze souboru nějaké body odstraňovány.
4.1.4 Zhodnocení filtračních metod
Z presentovaných metod a jednotlivých implementací nelze zcela jednoznačně
určit nejlepší filtrační algoritmus. V základních variantách dovoluje metoda lineární
predikce zachovat ve výsledném modelu daleko více jemných detailů v průběhu terénu
nežli morfologické filtry nebo filtry na bázi sklonu. Statistické vyhodnocení odlehlosti bodů
od proložené plochy dává daleko lepší výsledky ve svažitých oblastech. V rovinatých
územích se jednotlivé metody v kvalitě vyrovnávají. U budov dávají naopak lepší výsledky
morfologické filtry, ovšem za cenu daleko měkčího průběhu výsledného modelu terénu.
Zcela jiná situace je ale, pokud se základní algoritmy rozšíří o dynamickou možnost změny
parametrů. Tyto metody pak podávají kvalitativně zcela jiné výsledky a v nehomogenním
území dovolují současnou filtraci daleko větších celků.
58
Zpracování dat
Pokud jsou správně nastavené parametry filtrace, jsou výsledky ze všech
popisovaných metod velmi blízké. To ovšem předpokládá dostatečně detailní znalost
charakteru území a zpracování menších celků, ve kterých se tento charakter příliš nemění.
Z toho vyplývá požadavek na propojení filtračních metod s dalšími postupy. Tento způsob
řešení bude blíže popsán v kapitole 4.6.1.
4.2 Klasifikace
Pro rozsáhlejší využití měřených dat je rozdělení bodů na body, které leží
na terénu a na ostatní body, příliš jednoduché. Klasifikací se tedy zde rozumí roztřídění
jednotlivých bodů podle druhu objektu, na kterém leží. Zpravidla se třídění provádí do tří
základních tříd (terén, budova, vegetace). Mezi další třídy patří hrubé chyby, body
pod terénem, nízká vegetace, vysoká vegetace, komunikace, výšková vedení a body
terénní kostry.
4.2.1 Metody klasifikace
Měřené body lze klasifikovat jednak podle výškových poměrů v okolí bodu, ale
i podle odrazivosti z laserového měření a nebo podle spektrálních vlastností získaných
pomocí digitální komory.
Klasifikace je prováděna v několika cyklech. Při každém cyklu je klasifikována vždy
pouze jedna třída a následující cyklus klasifikace probíhá už jen s daty zatím
neroztříděnými. Následující kapitoly popisují různé postupy klasifikace dodržujíce jejich
pořadí.
Hrubé chyby
Jejich vyhledávání bylo již naznačeno v předchozích kapitolách, neboť jejich
eliminace ze zdrojových dat je podmínkou pro kvalitní definování průběhu terénu. U všech
variant zpracování je technika velmi obdobná. Vždy jsou hledány osamocené body, jejichž
výška se diametrálně odlišuje od výšky všech bodů v definovaném okolí. Zpravidla se
vyhledávají body, které leží níže než okolní body, tedy výrazně pod terénem. Body, které
leží výrazně nad terénem a nad všemi objekty na terénu, jsou vyhledávány pouze
ve zvláštních případech, má-li výsledek sloužit pro vizualizaci bez vyhlazení. Pro tyto body
59
Zpracování dat
nad terénem je zapotřebí nastavit jiný interval oproti bodům pod terénem, neboť by
mohlo dojít k chybné eliminaci bodů uvnitř koruny vzrostlých stromů. Konkrétní hodnoty
velmi záleží na typu dat. Typickým příkladem pro současná měření je interval <-0.5m;
3m>. U rastrových dat je hledání bodů s hrubou chybou obtížnější, neboť se jejich výška
při interpolaci promítne do více než jednoho pixelu a zároveň je zmenšena výšková
diference těchto pixelů vůči okolí. Proto se doporučuje provést tento cyklus klasifikace
ještě před úpravou originálních dat do rastrové podoby.
Terén
Klasifikace terénu je prakticky totožná s filtrací dat a používají se stejné postupy,
které jsou popsané v kapitolách 4.1.
Obr. 19: Prostředí aplikace TerraScan (Okno 1 s hypsometrií dle nadm. výšky, Okna 2 a
3 s klasifikovanými body a Okno 4 s vrstevnicovým plánem)
60
Zpracování dat
Body pod terénem
Při některých filtračních postupech nejsou za terén považovány všechny nejnižší
body (TerraScan, 2003). Do této třídy jsou zařazeny body, které nesplňují podmínku
hrubé chyby, ale přesto se jedná o osamocené body, jejichž výška je nižší, nežli je výška
všech bodů v jejich okolí. Klasifikace probíhá pouze na bodech ve třídě „terén“ a to
ve dvou krocích. Nejprve je vyhledán bod, který je níže o specifikované převýšení, než
všechny body z jeho okolí. V dalším kroku je všemi body v tomto okolí proložena plocha
a je testována směrodatná odchylka odlehlosti bodů od této plochy. Pomocí získané
směrodatné odchylky je definována přípustná odlehlost od této plochy jako n-násobek
směrodatné odchylky. Pokud je vyhledaný bod vzdálen od proložené plochy více než je
přípustná odlehlost, je daný bod vyloučen z třídy „terén“ a je klasifikován jako bod pod
terénem.
Vegetace
Po klasifikaci všech bodů, které leží na terénu nebo pod ním lze přistoupit
ke klasifikaci objektů nad terénem. Podle výšky nad terénem se vegetace dále dělí na dvě
podtřídy – nízkou a vysokou. Obě tyto podtřídy dále slouží pro klasifikaci dalších tříd, jakou
jsou například budovy, vedení apod. Hranicí mezi nízkou a vysokou vegetací bývá výška
1 – 3m. Z třídy nízké vegetace se odstraňují většinou už jen pouze artefakty v podobě
objektů na komunikacích (auta, lidé), které jsou do této třídy začleněny. Z třídy vysoké
vegetace se dále klasifikují budovy a vedení. Při další klasifikaci se už metody ale budou
odlišovat pro případ zpracování dat v podobě neuspořádaného mračna bodů a v rastrové
podobě.
Budovy
Budovy od vegetace lze v datech odlišit mnoha způsoby. Většina metod a postupů
lze použít jak pro rastrová data tak i pro data originální.
Klasifikace pomocí analýzy výškových rozdílů
Při klasifikaci vegetace z neuspořádaného mračna bodů pomocí analýzy výškových
rozdílů se pro vegetaci vychází z předpokladu, že sousední body vykazují velké výškové
61
Zpracování dat
rozdíly. Po proložení roviny body z jistého okolí, je směrodatná odchylka odlehlosti bodů
od roviny větší, než definovaná mez. U budov je tato směrodatná odchylka malá.
Klasifikace pomocí strukturální analýzy
Podobného principu jako v předešlém případě, ale pro rastrová data, je užito při
strukturální analýze obrazu. V rastru jsou při této metodě vyhledávány homogenní plochy
a plochy, jež vykazují určitý stupeň entropie. V případě homogenních ploch se jedná
o budovy, v opačném případě o vegetaci.
Klasifikace pomocí analýzy hodnot odrazivosti
Protože každý materiál má jinou odrazivost vůči použitému typu laserovému
záření, lze provádět analýzu ze získaných hodnot intenzity odraženého záření. Při použití
nejběžnějšího typu laseru, tedy laseru pracujícího v oblasti blízkého infračerveného záření,
lze pozorovat vysoké hodnoty odraženého záření pro vegetaci a naopak nízké hodnoty
pro neživé materiály. Pokud je tedy hodnota intenzity odraženého paprsku registrována,
lze velmi jednoduše pomocí určení prahové hodnoty identifikovat vegetaci od ostatních
ploch. V tomto případě lze velmi obdobný postup použít i při zpracování rastrových dat,
kdy prahováním lze oddělit zeleň od budov.
Klasifikace pomocí analýzy směru sklonu
Pomocí analýzy směru sklonu lze provádět klasifikaci jak na originálních datech tak
i na datech rastrových. Princip spočívá v určení směru sklonu mezi sousedními body vůči
světovým stranám a následnou analýzou homogenity v jistém okolí nejčastěji postupem
strukturální analýzy. Takto lze pomocí segmentace obrazu navíc určovat i typ střechy pro
následné modelování zástavby.
Profilová metoda
Metoda vyhledává v profilu (nebo nejlépe v měřeném řádku) výškové skoky, které
jsou ve svém okolí dominantní. Od kladné změny výšky jsou sčítána jednotlivá převýšení
mezi sousedními body dokud jejich součet není nulový, nebo přibližně nulový. Předpokládá
se totiž, že střecha domu je vodorovná. Následující výrazná záporná změna výšky
deklaruje konec budovy a všechny body mezi jsou tedy jako budova klasifikovány.
62
Zpracování dat
Region Growing
Další metodou pro vyhledání budov v datech je již popisovaný Region Growing.
Princip je rozšířen o testování odlehlosti nikoli od vodorovné plochy ale od plochy, která je
proložena všemi body klasifikovanými již jako budova.
V krajině se vyskytující budovy nemají zpravidla výměru menší než například
10m2. Proto i pro všechny metody vyhledání budov v třídě „vysoké vegetace“ je
definována minimální výměra budovy. V případě rozsáhlých budov může být do těchto
metod dále implementována funkce pro spojování klasifikovaných budov do větších celků,
je-li mezera mezi nimi dostatečně malá.
Komunikace
Komunikace jsou součástí terénu, pouze mají specifický charakter. Jedná se vždy
o plochy, které nemají žádné strmé změny výšek, ba naopak stoupání a klesání je velmi
pozvolné. Navíc je povrch komunikace vždy téměř rovný a hladký. Klasifikace tedy probíhá
na datech třídy „terén“ zpravidla použitím metody Region Growing s velmi přísně
nastavenými parametry, kdy odchylka od proložené plochy může být maximálně
dvojnásobek výškové směrodatné odchylky měření. Další metodou, kterou je možné
pro klasifikaci komunikací použít, je strukturální analýza popisovaná výše.
Body terénní kostry
Body terénní kostry jsou klasifikovány zpravidla pro vytvoření jednoduššího
modelu terénu pomocí trojúhelníkové sítě (TerraScan, 2003). Body ve třídě „terén“ jsou
rozděleny čtvercovou sítí, ve které je vyhledán nejnižší a nejvyšší bod. Tyto body pak jsou
základem pro prvotní trojúhelníkovou síť, ve které jsou hledány nejodlehlejší body
od aktuálního modelu terénu. Jako parametry se volí povolená maximální odlehlost terénu
od výsledného modelu.
4.2.2 Návrh postupu komplexního zpracování dat
Jednou z částí výzkumu je i hledání nových metod zpracování dat LS. V rámci
práce autora byla navržena metoda pro zpracování, která by zajišťovala co nejpřesnější
klasifikaci bodů do osmi základních tříd:
63
Zpracování dat
–
hrubé chyby
–
terén
–
nízká vegetace
–
vysoká vegetace
–
budovy
–
komunikace
–
elektrická vedení
–
blíže nespecifikované body
Z předešlých popisů jednotlivých filtračních a klasifikačních metod je zřejmé, že
každá metoda je účinná pouze v omezeném rozsahu dle aktuálně nastavených hodnot
a pokud se jedná o heterogenní území, je zpravidla nutné jej rozčlenit do jednodušších
celků. Částečné řešení se nabízí v podobě progresivních nebo adaptivních modifikací
základních metod, nicméně ani tyto metody nepředstavují ideální řešení. Cílem tedy bylo
navrhnout metodu nebo postup, jenž by dokázal reagovat na lokální změny charakteru
území a bylo možné tak zpracovat celou lokalitu jako jediný celek. Po studiu uvedených
základních metod byl učiněn závěr, že žádná z doposud aplikovaných metod nemá takový
potenciál, aby po její modifikaci bylo daný problém možné uspokojivě řešit. Řešení tedy
bylo hledáno mimo vlastní filtrační metody v podobě spojení více zdrojů dat o dané lokalitě
a statistického vyhodnocování pravděpodobnosti, do které třídy má testovaný bod být
klasifikován.
Při leteckém laserovém skenování je z jediného impulsu registrováno několik typů
dat – poloha a výška bodu pro první a poslední odraz a jich intenzita odrazu. Na palubě
letadla může dále být umístěno snímací zařízení (fotokomora, obrazový skener nebo
videokamera) pro získání obrazového záznamu v barevném spektru (R,G,B). Protože
laserové skenery pracují zpravidla se zářením v infračerveném pásu, lze kombinací hodnot
odrazu z laserového skeneru a barevných složek z obrazového skeneru získat
multispektrální obraz s velmi vysokým rozlišením (R,G,B,IR). Další data, která lze pro
podporu zpracování využít jsou data vektorová, a to jednak polohopisná data s atributy
64
Zpracování dat
daného elementu a jednak výškopisná v podobě již existujícího DMT. Zapojením všech
těchto složek do jednoho postupu zpracování je možné výrazně zvýšit přesnost výsledné
klasifikace. Obecnou snahou celého postupu je tzv. binární rozhodování typu ano/ne
pomocí logických operátorů tak, aby se potvrdila nebo vyvrátila hypotéza, že testovaný
bod patří do právě klasifikované třídy. K rozhodování slouží výsledky zpravidla několika
nezávislých metod. Každému výsledku je zároveň přiřazena váha dle spolehlivosti metody.
Prvním krokem zpracování je samozřejmě vyhledání hrubých chyb v datech
z laserového skenování. Nejefektivnější je princip vyhledání osamocených bodů výrazně
výškově odlehlých od všech ostatních bodů v jeho okolí. Velikost okolí se řídí hustotou
skenování, tak aby byl testovaný bod porovnán minimálně s 25ti body. U bodů z prvního
odrazu jsou kontrolovány vyvýšené body, pro body posledního odrazu naopak snížené
body.
Terén je klasifikován v druhém kroku. Pro filtraci jsou použity dvě odlišné metody,
které umožňují změnu parametrů během zpracování. Parametry jsou měněny na základě
analýz vektorových dat. Z existujícího DMT se odvodí lokální trend průběhu terénu (nikoli
absolutní výška) pro rozpoznání terénních hran. Pokud předem není k dispozici žádný
DMT, lze jej vygenerovat i jako první iteraci z měřených dat. Z polohopisných dat se určí
plochy s budovami a jinými výškovými objekty. V těchto plochách se přiřadí měřenému
bodu nižší váha při testování okolních bodů, které ovlivňuje a zároveň se provede výpočet
lokálních parametrů filtrace tak, aby v případě skutečné existence budovy byla tato
budova bezezbytku odfiltrována. Bod je klasifikován jako terén teprve po statistickém
vyhodnocení výsledku ze všech metod.
Komunikace je klasifikována z třídy terén zpřísněním kritérií na výškové diference
a liniový charakter. Testování je doplněno porovnáním s vektorovými daty a při dostatečné
hustotě měřených bodů lze využít i strukturální analýzy obrazových dat.
V dalším kroku je klasifikována třída nízké vegetace. Zde lze testovat body dle
několika kritérií. První je splnění podmínky výšky nad terénem do definované meze (např.
1.5 m). Pokud je takový bod osamocený a je v místě komunikace (porovnáním
s polohopisem), jedná se o objekty na zemském povrchu a jsou přeřazeny do poslední
65
Zpracování dat
třídy blíže nespecifikovaných bodů. Dalším testem je výpočet normovaného vegetačního
indexu (NDVI) z červeného a infračerveného spektra:
NDVI =
IRR
IRR
.
(40)
Výpočtem NDVI lze určit, zda se skutečně jedná o vegetaci nebo o objekt z jiného
materiálu. Dále porovnáním s body z prvního odrazu lze navíc určit lokální mocnost vrstvy
předpokládané vegetace, která by neměla přesáhnout stanovenou mez.
Budovy jsou testovány mnoha metodami. Nejprve je lze lokalizovat ve vektorových
datech. Dále porovnáním s body z prvního odrazu, kdy musí vykazovat minimální výškovou
diferenci. Pro takovéto body lze použít metody region growing a strukturální analýza
homogenity okolí bodu jak z výškových tak obrazových hodnot. Přesnou hranici budovy lze
detekovat pomocí hranových filtrů buď na vektorových nebo rastrových datech.
Po klasifikaci jednotlivých bodů se provede seskupení bodů do uzavřených regionů
a testují se vzájemné vztahy s okolními regiony a také s okolními body. Pokud jsou v okolí
nalezeny osamocené body, po jejichž odstranění lze sousední regiony sloučit, jsou takové
body klasifikovány také jako budova. Parametrem pro tento test je minimální rozestup
dvou sousedních budov. Po provedené klasifikaci lze zpětně kontrolovat třídu terén
na existenci dvou sousedních bodů se stejnou výškou ale různou třídou. V takovém
případě je proveden test na možnost vyloučení takových bodů z třídy terén.
Elektrická vedení se v datech prvního odrazu projevují jako úzký lineární prvek.
Lineární prvky lze detekovat pouze pomocí hranových filtrů. Další nutnou podmínkou je
zachování směru vektoru spojnice tří nejbližších bodů.
Poslední navrženou třídou je vysoká vegetace. Průběh testování je velmi obdobný
jako v případě nízké vegetace, pouze se změněným poměrem výšek a použití převážně
hodnot z prvního odrazu. U větších ploch lze výsledek kontrolovat jednak porovnáním
s vektorovými daty a jednak se strukturální analýzou obrazových dat.
66
Zpracování dat
Tento postup dovoluje systému provádět automatická rozhodování o zařazení
bodu do příslušné třídy na základě statistického vyhodnocení z více metod. Předpokladem
je pouze existence dostatečně podrobných zdrojových dat (nejen z ALS, ale i obrazových
a vektorových), které výrazně přispívají k přesnosti klasifikace. Pokud tato data nelze
do zpracování začlenit, jsou výsledky různých metod výrazně korelovány, neboť vycházejí
pouze z laserového skenování.
4.2.3 Shrnutí klasifikace
Pomocí klasifikace bodů mračna z laserového skenování jsou vytvářeny vrstvy
specifických vlastností. Pomocí dalších funkcí lze z těchto vrstev (bodů ve vrstvě
obsažených) generovat další výsledky laserového měření. Z bodů terénu lze generovat
vrstevnicový plán, z bodů vegetace mapy porostů, z bodů na budovách 3D modely měst
nebo hledáním obrysu a hran typové modely střech. Při dostatečné hustotě bodů se tak
nemusí jednat pouze o výškopisné mapování ale i mapování polohopisné. A to ve velké
míře zcela automatizovanými postupy.
Popsané klasifikační metody jsou základním kamenem pro pochopení navrhované
komplexní metody, jež se snaží využít pro zpřesnění výsledku (definováním správných
parametrů jednotlivých algoritmů) další datové zdroje. Některé z nich mohou být
pořizovány zároveň při laserovém skenování pomocí přídavných senzorů, jiné využívají již
existující modely území s nižší přesností pro odhad charakteru území a následnému
přizpůsobení zmiňovaných parametrů. Nesnaží se tedy pouze obměňovat standardní
metody, ale využívá jejich synergického efektu.
67
Zpracování dat
Poslední
odraz
První odraz
Vyhledání
nízkých
bodů
Vyhledání
vysokých
bodů
Ortofoto
DMT
Vektor
Vyhodnocení
trendu
Vyhledání
budov =>
určení vah
hrubé chyby
terén
Filtrace
komunikace
Změna
parametrů
nízká vegetace
budovy
Strukturální
analýza
Do
specifikované
výšky
Test
první/
poslední
odraz
Regin
growing
+
homogenita
Test
první/
poslední
odraz
Vyhledání
komunikací
Strukturální
analýza
el. vedení
Hranový
filtr,
trend
vysoká vegetace
Test
první/
poslední
odraz
Tabulka 2: Vazby mezi složkami klasifikace
68
Strukturální
analýza
Vyhledání
zalesněných
ploch
Aplikace
5 Aplikace
Primární použití laserového skenování (LS), podobně jako ve fotogrammetrii, je
tvorba digitálního modelu terénu (DMT). Hustota měřených bodů při LS je daleko vyšší
nežli u klasické fotogrammetrie. Současnými systémy LS lze dosahovat hustoty větší než
1 bod/m2. Z této hustoty již lze generovat velmi různorodé výstupy.
5.1 Tvorba DMT
Tvorba digitálního modelu terénu je jednou z nejvýznamnějších druhů aplikací.
Laserové skenování se oproti fotogrammetrii velmi dobře uplatňuje pro mapování terénu
i v lesních komplexech, neboť tam, kde fotogrammetrie potřebuje jedno místo
na zemském povrchu nasnímat ze dvou různých míst, aby mohl vzniknout stereoskopický
vjem postačuje laserovému skenování odraz svazku paprsků od terénu z jediného směru.
Pravděpodobnost zaměření polohy bodu na terénu je u LS tedy daleko větší. Navíc
i v olistěném porostu, je-li dostatečně řídký, je jistá pravděpodobnost, že relativně široký
paprsek projde mezerou mezi listy až k zemskému povrchu a odrazí se zpět. V takovýchto
a)
b)
Obr. 20: Vrstevnicový plán z originálních (a) a filtrovaných dat (b)
69
Aplikace
případech fotogrammetrie zcela selhává a ani operátor nebo korelační automat není
schopen průběh terénu dostatečně věrohodně vyhodnotit.
Vlastní průběh terénu se získá filtračními technikami popsanými výše. Protože je
hustota bodů příliš vysoká, je obvykle nutné pro prezentační a kartografické účely provést
na závěr vyhlazení terénu, jinak je průběh vrstevnic velmi nepřirozený.
Přesný DMT se hodí pro tvorbu digitální ortofotomapy
(Kraus, 1997) nebo
pro spektrální korekce družicových a leteckých snímků – odstranění vlivu zastínění
a různého sklonu terénu vůči Slunci. Přesný model terénu lze rovněž použít ke zpřesnění
hyperspektrálních dat (Niemann, 2002).
5.2 Obrysová mapa, 3D modely
Obrysová mapa je velmi jednoduchý ale velmi rychlý způsob, jak získat
polohopisnou složku mapy z dat LS, aniž by byly k dispozici obrazové záznamy. Z průběhu
vrstevnic lze totiž velmi jednoduše extrahovat průběh prostorových objektů (domy, stromy
nebo silnice).
Obr. 21: 3D model města (internet)
70
Aplikace
Velmi efektní aplikací jsou 3D modely, které vzniknou pouze plochováním
(vytvořením neprůhledné trojúhelníkové sítě). Připojením ortofot případně i fasád budov
může tento model potom sloužit pro vizualizaci měst. Obecně lze 3D modely měst velmi
vhodně použít pro plánování bezdrátové telekomunikační sítě pro určování ideálního
rozmístění vysílačů v urbanistické zástavbě, plánování novostaveb s ohledem na viditelnost
a světelné podmínky (Mass, Vosselmann, 1999) nebo simulaci pohybu ve městě. Zde je
přesnost závislá nejen na hustotě, ale i na FOV. Pokud je zorné pole velmi široké, jsou
zobrazovány stěny budov při jednoduchém plochování výrazně šikmě a celý model velmi
degradují. Je to způsobeno stínem vysokých budov na okrajích snímaného pásu. Aby
i stěny budov se v 3D modelu zobrazovaly správně, je nutné skenovat dané území s téměř
50% příčným překrytem.
5.3 Diferenční modely
Někdy může být velmi výhodné odečíst od originálních dat výšku z DMT
a pracovat tak pouze s diferencemi. Ve městech tak lze získat aktuální výšky budov a
propojením s GIS systémy tuto a další informace (tvar střechy, sklonitost, konstrukce)
přiřazovat konkrétní budově. Pro tyto účely se zpravidla využívá generalizace tvaru střechy
na jednoduché útvary splňující podmínky konstrukce střech.
5.4 Mapování průběhu vedení
Kromě budov lze z dat LS určovat i průběh liniových staveb, jako jsou silnice
a železnice a dále také elektrická vedení, která ač jsou velmi malého průměru, mají
vysokou odrazivost. Zde se výborně uplatní možnost registrace několika odrazů jediného
impulsu. Z takových dat je možné určit polohu a výšku stožárů, přesnou dráhu vedení,
jeho výšku nad terénem ale také ohrožení vegetací.
Některé systémy pro zpracování LS dat (např. TerraScan) mají moduly
pro jednoduché mapování vedení elektrického napětí. Protože tvar vlastního drátu lze
matematicky definovat, je jeho průběh počítán z nalezených bodů prvního odrazu, které
mají lineární tendenci. Po vyhodnocení dat lze tedy velmi efektně zkoumat průběh vedení
a jeho případné ohrožení vzrostlou vegetací. Celé mapování je velmi rychlé a ve výsledku
oproti klasickým metodám i efektivnější.
71
Aplikace
Obr. 22: Skenování VVN (internet)
5.5 Mapování vegetace
Registrace několikanásobného odrazu se s výhodou využívá také u biometrických
analýz. Typickým příkladem je měření objemu biomasy v lesních porostech. V případě
lesních porostů je vždy část světelného impulsu odražena od vrchních partií korun stromů.
Protože ale velikost stopy při výšce letu 500 m je kolem 30 cm, může část svazku paprsků
procházet mezerami mezi listy až na terén. Z dat několikanásobného odrazu lze určovat
další parametry lesa – objem, poškození, druhové zastoupení, výšku porostu nebo počet
stromů (Elberink a Maas, 2000). Metoda se hodí i pro zkoumání prostorové skladby,
struktury jednotlivých vegetačních pater, což může mít například značný efekt při studiu
růstu lesů a jeho vnitřních zákonitostí (Lefsky, 1999). Vlastní struktura je definována jako
„organizovaný systém v prostoru a čase, včetně polohy, rozšíření, množství, typu
a spojitosti nadzemních částí vegetace“ (Parker, 1995). Pro porozumění růstu lesa, je
nutné znát množství informací nejen o biologii rostlin, ale i o prostorovém uspořádání
jejich částí. K tomu právě laserové skenování velkou měrou přispívá. Znázornění výsledků
lze následně provést několika způsoby (Obr. 23), případně rozšířit o plnou 3D representaci
dat.
72
Aplikace
Obr. 23: Ukázka několika metod popisu struktury lesa.
A)profilový diagram, B)hypsograf ukazující distribuci vrchních partií korun stromů, C)
profil distribuce zelené hmoty, D)objemový graf různých typů distribucí (Lefsky, 1999).
5.6 Mapování pobřeží a v blízkosti vodních ploch
Použití pro mapování v blízkosti vodních ploch je velmi závislé na dvou faktorech –
zda je požadováno mapování vodní hladiny nebo naopak dna pod vodní hladinou.
Pro každý z těchto úkolů je nutné použít jiný lidar, respektive lidar s jinou vlnovou délkou
laserového záření. Ze spektrální charakteristiky vody je známo, že voda infračervené
záření (které je nejčastěji pro laserové skenování používáno) téměř zcela pohlcuje. Pokud
je účelem zjistit hranici vodní plochy (u povodní například záplavovou čáru), je tato vlnová
délka velmi vhodná. V datech se vodní plocha bude jevit jako oblast bodů s velmi nízkou
odrazivostí. Pro mapování pod vodní hladinu je ale nutné použít zelenou nebo
73
Aplikace
modrozelenou část spektra, která vodou není pohlcována a může tak projít až ke dnu a
od něj se odrazit zpět.
Obr. 24: Systém DIAL pro mapování pobřežních vod (Optech 2004)
Dnešní systémy pro mapování pobřežních vod využívají principu duálního použití
jak infračerveného záření tak i současně záření zelenomodrého. Systém se nazývá DIAL Differential Absorption Lidar. V případě systémů pro mapování pobřeží infračervený vytváří
model vodní hladiny, kdežto modrozelený mapuje ve stejný okamžik dno (Obr. 24). Lze
tak velmi rychle vytvářet mapy pobřeží. U velmi průzračné vody a klidné hladiny lze
mapování provádět teoreticky až do hloubky 50m.
74
Lidary a programy pro komerční použití
6 Lidary a programy pro komerční použití
Protože je vývoj v této oblasti velmi rychlý, budou u přehledu prodávaných lidarů
a programů pro zpracování dat uvedeny pouze základní informace pro porovnání
jednotlivých systémů. Detailní popis je možné nalézt na uvedených internetových
adresách, kde jistě bude možné nalézt vždy aktuální nejnovější verzi systému konkrétního
výrobce.
6.1 Hardware pro laserové skenování
V současné době se na trhu vyskytuje celá řada systémů pro laserové skenování.
V následujících kapitolách jsou popsány ty nejvýznamnější nebo systémy, které se svojí
konstrukcí nebo funkcemi odlišují od ostatních. V rychlém tempu vývoje nových a nových
přístrojů nelze tento seznam prohlásit za úplný a konečný. Snahou bylo poskytnout
základní přehled trhu s laserovými skenery v první polovině roku 2004.
6.1.1 Leica Geosystems
Firma Leica vyrábí mnohé systémy pro mapování zemského povrchu. Pro Laserové
skenování je v současnosti nabízen systém ALS50, který může být doplněn o další systémy
pro určování polohy nebo systémy pro pořizování obrazových záznamů. Systém ALS50 se
skládá, tak jako většina laserových skenerů, z vlastní skenovací jednotky, výkonného
počítače a jednotky pro jednotlivé subsystémy.
Skenovací jednotka využívá pro emitování laserového záření Nd:YVO4 laser.
Svazek paprsků je následně upraven a veden optickou soustavou na skenovací zrcadlo,
které je schopno vychylovat svazek v rozsahu 75°. Další částí jednotky je detektor
pro snímání odraženého záření. Celou jednotku je možné upevnit do standardních
kamerových nosičů od firem Wild/Leica/LH Systems.
V unifikované skříni se dále nacházejí další subsystémy. Řídící jednotka ovládá
provoz laseru, měření bodů, odečítá snímané skenovací úhly, řídí optický skener a přijímá
časový impuls od GPS přijímače. Veškeré údaje současně formátuje pro uložení
na vysokorychlostní záznamová média. POS jednotka je tvořena GPS přijímačem pro
určování polohy a času a systémem INS pro zpřesňování polohy skeneru. Systém pro
75
ukládání dat (Data Logger) je tvořen několika výměnnými pevnými disky. Dalšími
součástmi jsou zdroj elektrického napětí a galvanometrický kontrolér.
Obr. 25: Jednotlivé části systému ALS50 (Leica 2004)
Celý proces skenování je řízen skrze laptop se softwarem, který umožňuje grafické
nastavení jednotlivých parametrů, ovládání procesu skenování a monitorování všech
jednotlivých částí systému. K systému je také dodáván software pro post-processing
s výstupem rovněž ve formátu LAS. Zpracování dat lze provádět jak v software
SOCET SET, tak i v software TerraScan. Systém lze dále rozšířit například o digitální
fotogrammetrickou kameru, což umožňuje pořizovat i obrazová data zemského povrchu.
Tabulka 3: Základní parametry systému Leica ALS50
Parametr
Hodnota
Úhel záběru
10° - 75°
Výška letu
500 - 4000 m
Řádková frekvence
70 Hz
Bodová frekvence
83 kHz
Počet registrovaných odrazů
4
Výšková přesnost
0,15 m
Polohová přesnost
1m
Internetová adresa:
http://www.gis.leica-geosystems.com/products/als50/default.asp
76
6.1.2 IGI
Firma IGI (Ingenieur-Gesellschaft für Interfaces mbH) se zabývá vývojem systémů
pro letecké snímkování a v poslední době i leteckými lidary pod názvem LiteMapper. Celý
systém obsahuje podobné komponenty, jako je tomu u systému ALS50 - laserový skener
s řídícím počítačem s dotykovým displayem, který umožňuje ukládat data kontinuálně až
60h, GPS/IMU jednotku (AEROControl) a systém pro navigaci letu (CCNS4). Dále je
vybaven o software pro plánování letu, ovládání průběhu skenování a post-processing.
Obr. 26: Komponenty systému LiteMapper (IGI 2004)
a)
b)
Obr. 27: Detektor u LiteMapper 2800 (a), výsledná representace dat (b) (IGI 2004)
LiteMapper je dodáván ve dvou verzích (1400 a 2800) lišících se maximální výškou
letu, zorným polem, přesností a maximální bodovou frekvencí. V obou systémech
77
je umístěn laser pracující v infračerveném spektru záření a vystupující svazek paprsků je
rozmítán pomocí rotačního zrcadla se třemi nebo čtyřmi plochami. U konstrukce
LiteMapperu 2800 je ke skeneru zároveň umístěn RGB snímač, který pořizuje ve stejný
okamžik i obrazová data (Obr. 27). Výsledná data lze pak kombinovat do multispektrálního
snímku se čtyřmi spektrálními pásy a vyhodnocovat data i metodami DPZ.
Pro transformaci bodů do geodetických systémů a pro připojení kartografické
projekce je používán software
Las Tool Geocode. Následné
zpracování (filtrace
a vyhodnocení dat) je prováděno v aplikacích TerraScan a TerraModeller
Tabulka 4: Základní parametry systému IGI LiteMapper 2800
Parametr
Hodnota
Úhel záběru
45° / 60°
Výška letu
30 - 900 m
4-50 Hz @60°
Bodová frekvence
13,3 kHz @60°
1
0,05 m
Internetová adresa: http://www.igi-ccns.com/
6.1.3 Optech
Kanadská firma Optech vyrábí několik řad lidarů pro různé účely. ALTM jsou
určeny pro mapování terénu, SHOALS jsou využívány při mapování pobřežních vod. Mimo
letecké skenery firma Optech vyrábí i pozemní laserové skenery s označením ILRIS-3D,
speciální laserové skenery CMS pro mapování jeskynních systémů nebo lidary pro
sledování atmosférických jevů.
ALTM 3100
Laserové skenery řady ALTM (Airborne Laser Terrain Mappers) jsou vyráběny již
poměrně dlouho a v současné době (rok 2004) se vyrábí již jedenáctá varianta
s označením ALTM 3100. Standardně systém obsahuje laserovou jednotku kombinovanou
s inerciálním systémem (IRS - Inertial Reference System),
78
řídící centrum je umístěno
Obr. 28: Komponenty systému ALTM (Optech 2004)
do kompaktní skříně, která obsahuje počítač pro ukládání dat, velmi přesné hodiny,
navigační systém GPS a zdroj elektrické energie. Dále je součástí kontrolní počítač se
softwarem pro navigaci (ALTM-NAV) spolu se software pro post-processing (REALM).
Laserový skener je možné doplnit o 16Mpix digitální komoru (ALTM 4K02) nebo
o fotogrammetrickou komoru DMC firmy Z/I Imaging, se kterou Optech úzce spolupracuje.
Tabulka 5: Základní parametry systému ALTM3100
Parametr
Hodnota
Úhel záběru
0° - 50°
Výška letu
80 - 3500 m
70 Hz
Bodová frekvence
100 kHz
4
0,35 m @3000m
Polohová přesnost
1/2000 x výška letu
Internetová adresa: http://www.optech.on.ca/prodaltm.htm
SHOALS
Skenery SHOALS Airborne Lidar Hydrography jsou určeny pro mapování
pobřežních vod, kdy je nutné mapovat průběh dna pod vodní hladinou do hloubky až
několika desítek metrů. K mapování mořského dna se tyto systémy používají již od roku
1980. Princip je odlišný v integraci dvou laserů s různou vlnovou délkou (infračervené
79
a modrozelené spektrum). Svazek paprsků infračerveného laseru se odráží pouze od
zemského povrchu a od vodní hladiny, kdežto modrozelené záření prochází vodou a odráží
se až ode dna. Při naprosto klidné hladině a čiré vodě lze teoreticky provádět mapování až
do hloubky 50 m. Systém dokáže pracovat i pouze v topografickém módu, kdy není
používán modrozelený laser a výška letu může být až 700 m.
Tabulka 6: Základní parametry systému SHOALS1000
Parametr
Hodnota
Úhel záběru
20°
Výška letu
200 - 400 m
Bodová frekvence
1 kHz
Měřitelná hloubka
0,1 - 50 m
0,15 m
Polohová přesnost
1/200 x výška letu
Internetová adresa: http://www.optech.on.ca/prodshoals.htm
6.1.4 TopoSys
Německá firma využívá ve svých systémech s označením FALCON II skener
na principu optických vláken, který umožňuje pořizovat mračna bodů s neměnnou
geometrií (rozestup mezi body se výrazně nemění). Vlnová délka použitého laserového
záření je 1560 nm. Systém je složen opět ze skenovací jednotky, řídící jednotky a počítače
pro ovládání procesu skenování, přičemž jej lze navíc doplnit o digitální obrazový skener
s řádkovým CCD senzorem snímajícím multispektrální data (B,G,R,NIR). Při registraci
intenzity odrazu lze získat k obrazovým datům páté spektrální pásmo a využít takovéto
informace pro klasifikační metody zpracování dat například pro výzkum stavu vegetace
a pod.
Výhodou použití principu optických vláken je velmi vysoká řádková frekvence
snímání, kdy dochází v podélném směru k překrývání stop na zemském povrchu.
Nevýhodou ale je velmi úzký úhel záběru a přesně daný počet bodů v příčném směru. Pro
zpracování měřených dat je dodáván software TopPIT (TopoSys Processing and Imaging
80
Obr. 29: Jednotlivé části systému FALCON II (TopoSys, 2004)
Tools) pro integraci dat z lidaru a CCD kamery, post-processing a transformaci
do geodetických souřadnicových systémů.
Tabulka 7: Základní parametry systému FALCON II
Parametr
Hodnota
Úhel záběru
14,3°
Výška letu
1600 m
635 Hz
Bodová frekvence
83 kHz
2
0,15 m
Internetová adresa: http://www.toposys.com/
6.1.5 Riegl
Rakouská
firma
Riegl
vyrábí
převážně
samostatné
laserové
skenery
bez integrovaných navigačních systémů nebo obrazových snímačů. Tyto laserové skenery
je možné používat i pro jiné účely nežli v při leteckém snímkování. V současné době firma
nabízí dva typy skenerů: LMS-Q140i a LMS-Q280i. Oba typy používají rotační hranol
k rozmítání paprsku v příčném směru. Ke skeneru se dodává základní software
pro obsluhu skenovacího procesu. Pro zpracovávání dat je nutné pořídit aplikace jiného
výrobce, jako například TerraScan nebo SCOP++.
81
a)
b)
Obr. 30: Skenery LMS-Q140i (a), LMS-Q280i (b) (Riegl, 2004)
Tabulka 8: Základní parametry systémů LMS-Q140i a LMS-Q280i.
Parametr
LMS-Q140i
Úhel záběru
Výška letu
LMS-Q280i
80°
45°
2 - 450 m
30 - 1500 m
50 Hz
80 Hz
Bodová frekvence
30 kHz
12 kHz
25 mm
50 mm
Internetová adresa: http://www.riegl.com/scanner_menu_all.htm
6.1.6 Další systémy
Na trhu s laserovými skenery jsou ještě další výrobci, jejichž systémy ale
neumožňují měření několikanásobného odrazu nebo je jejich využití omezené krátkým
dosahem laserového paprsku.
TopEye (Švédsko) – vyrábí vlastní laserový skener, který dovoluje integraci spolu
s videokamerou nebo digitální komorou.
Schwartz Electro-Optics (USA) – vyvíjí laserový skener s názvem Toposense,
pro který maximální výška letu je pouze 250 m.
82
6.2 Software pro zpracování dat
Veškerá data je nutné v nějakém systému dále filtrovat, vizualizovat nebo
komplexněji zpracovávat. Někteří výrobci laserových skenerů dodávají vlastní systémy,
které zpravidla dovolují plně využívat všech informací, které skener při svém měření
zaznamenává. Pokud ale nastane potřeba zpracovávat data z různých systémů, je nutné
uvažovat o software, který je univerzální a dovoluje práci s libovolným typem dat.
Teoreticky lze pro zpracování dat laserového skenování využít velké množství programů,
které nebyly přímo vyvinuty pro práci s mračnem bodů. V praxi se tato varianta příliš
nedoporučuje, poněvadž množství bodů, které při skenování vzniká, je příliš velké
a v daném programu musí být speciální algoritmy pro efektivní práci s daty v reálném
čase. Načtení datového souboru dat klasického CAD programu tak může znamenat
i několikahodinové čekání, o vlastní práceschopnosti nemluvě. Na tomto poli se postupně
profilovalo několik málo programů, z nichž budou dále blíže popsány BLUH, SCOP
a TerraScan. Mimo vyjmenované lze pro zpracování použít i programy pro zpracování
obrazových dat (včetně software pro DPZ), u kterých jsou ale bodová data převáděna
na rastrová, a není tedy nutné používat specializovaný software. To sebou ale přináší
znehodnocení dat po převzorkování do pravidelné matice a nutnost použití morfologických
filtrů.
6.2.1 BLUH
Systém BLUH je vyvíjen Dr. Jacobsenem na Universitě v Hanoveru. Jedná se
o rozsáhlý balík samostatných programů pro různé úlohy fotogrammetrie a jí blízkých
oborů. Pro získání ideálního průběhu terénu jsou v něm obsaženy programy RASCOR
a DTMCOR. Oba pracují na stejném principu, liší se pouze ve formátu zpracovávaných dat.
Jak již vyplývá z názvu, RASCOR je určen pro filtraci dat v rastrové podobě, kdežto druhý
zmiňovaný pracuje i s neuspořádaným souborem bodů.
Moduly systému BLUH jsou spouštěny v příkazovém řádku, nicméně jejich
možnosti nastavení různých parametrů jsou velmi široké. Vnitřně je v modulech
pro zpracování dat laserového skenování (respektive obecně jakéhokoli modelu terénu)
použita metoda lineární predikce, která je vysvětlena v předcházejících kapitolách. Celkem
lze v modulu DTMCOR nastavit kolem třiceti parametrů, mezi nejdůležitějšími:
83
–
–
–
–
–
–
–
–
FILE WITH WINDOW – nastavení prostorového ohraničení dat
LOWER LIMIT – nastavení limitu pro minimální výšku bodu
analýzu
UPPER LIMIT – nastavení limitu pro maximální výšku bodu
analýzu
LIMIT AGAINST PREDICTION – limit pro určení hrubých chyb
LIMIT AGAINST TILTED PLANE – limit pro pás tolerance
VALUE A FOR COVARIANCE FUNCTION – hodnota A
kovarianční funkci
VALUE B FOR COVARIANCE FUNCTION – hodnota B “C(0)”
kovarianční funkci
IMPROVEMENT OR ELIMINATION – zda opravit výšku bodu
pro
pro
pro
pro
Během filtrace je proveden rozbor rozdělení četnosti výšky bodu s jeho
zobrazením. Na základě tohoto rozboru je možné se dále rozhodovat v nastavování
jednotlivých parametrů. Všechny informace, které jsou jednak zadávány uživatelem, tak
i výstupy jednotlivých rozborů a analýz jsou vypisovány do protokolu dtmcor.lst.
Pro grafické zobrazení je využíván software LISA od Dr. Lindera, který přímo
používá výstupní soubory z programů systému BLUH. Zobrazovat lze nejen průběh DMT
ale i jednotlivé grafy funkcí, chybové elipsy nebo vektory, případně rastrové snímky.
V případě modulu RASCOR je sice použit stejný filtrační algoritmus jako
u DTMCOR, možnosti nastavení jsou ale odlišné:
–
–
–
–
–
–
–
–
FILE WITH POLYGON FOR EXCLUSION – nastavení prostorového
ohraničení dat
IMPROVEMENT OR ELIMINATION – zda opravit výšku bodu
AREA HOMOGENUOUS DIFFERENT – určení charakteru území
SMOOTH UNDULATED OR VERY UNDULATED – určení typu terénu
NUMBER OF ITERATIONS – počet iterací
USE MODE CHANGE UP/DOWN – kontrola prudkého vzestupu a
následně prudkého sestupu (typické pro budovy)
SMOOTHING AFTER FILTERING – vyhlazení dat po filtraci
FINAL FILTER PLANE POLY SURF – nastavení druhu vyhlazení
84
Zde se tedy nenastavují přímo parametry kovarianční funkce, ale jsou ovlivňovány
nepřímo pomocí dotazů na charakter území a typ terénu. Navíc je zde velmi důležitá volba
USE MODE CHANGE UP/DOWN,která dovoluje provádět vyhledávání budov a tím velmi
přispívá k daleko lepším výsledkům při filtrování budov. (Popisované verze jsou z roku
2002).
6.2.2 SCOP++
Program SCOP++ je vyvíjen firmou INPHO GmbH.
Vlastní program se skládá z několika modulů postavených nad základní SCOP++
Kernel, který umožňuje import dat z různých zdrojů a základní práci s daty v podobě
interpolace, vizualizace a generování vrstevnic a profilů. Pro práci s daty z laserového
skenování je zde přímo modul SCOP++ Lidar, který dovoluje provádět filtraci pomocí
porovnání sklonu i lineární predikce a klasifikaci dat do zvolených tříd. Dalšími moduly
od firmy INPHO lze integrovat data laserového skenování s rastrovými snímky, vytvářet
stereoskopické modely s možností interaktivní kontroly provedené filtrace, provádět
přímou vektorizaci nad daty laserového skenování nebo vzniklý DMT použít pro pravou
ortorektifikaci.
6.2.3 TerraScan
TerraScan je produktem finské společnosti TerraSolid. Jedná se o nadstavbu pro
MicroStation, která rozšiřuje
jeho možnosti o zpracování mračna bodů. Protože
MicroStation nemá příliš dobrou podporu pro velké objemy dat (omezení velikosti DGN
souboru), nejsou body při importu načítány přímo do DGN souboru, ale jsou uchovávány
v samostatném databázovém souboru, což velmi urychluje práci s mračnem. U načítaných
bodů je možné uchovávat veškeré informace jako pořadí a intenzita odrazu.
Program disponuje funkcemi jak pro filtraci dat tak i pro klasifikaci bodů
do předem určených tříd. Kromě standardních tříd jsou zde předdefinovány funkce pro
vedení elektrického napětí, věže nebo komunikace. Postup je obdobný, jak bylo naznačeno
v kapitole o klasifikaci. Pro rozpoznávání bodů terénu je použita metoda porovnávání
sklonu, což se projevuje i při zadávání parametrů pro filtraci, kde se zadává kromě dalších
85
parametrů povolený sklon, odlehlost od spojnice sousedních bodů a velikost testovacího
pole. Pro odfiltrování budov, které jsou vždy problematické při filtraci, je zde nastavována
i jejich maximální velikost. Vegetace je klasifikována podle výšky nad terénem na nízkou,
střední a vysokou. Budovy jsou následně rozpoznávány z tříd vegetace pomocí funkce
region growing. Bohužel globální použití této funkce není zcela bezproblémové, proto
firma TerraSolid se snaží tuto funkci doplnit o inteligentní vyhledávání střech budov
a umožnit tak vytvářet realistické modely měst. Velmi zajímavou funkcí je vyhledávání
elektrických vedení, kdy je uživatelem definována poloha stožárů a vedení drátů, je již
plně automatizované proložením křivky body odraženými právě na drátech vedení.
Funkce pro vizualizaci dat jsou na velmi dobré úrovni, neboť lze využívat interních
nástrojů systému MicroStation. Lze tak prohlížet data ve 3D zobrazení, definovat různé
úhly pohledu případně i vytvářet animace s průlety. Velmi užitečná je i funkce pro
generování profilů, které mohou sloužit i pro kontinuální inspekci výsledku klasifikace
automatickým posunem přes celý náletový prostor.
Firma TerraSolid nabízí i další moduly pro práci s DMT a generování vrstevnic
(TerraModeler), pro práci s rastry, které jsou pořizovány při laserovém skenování, a jejich
ortorektifikaci (TerraPhoto). Obr. 19 ukazuje prostředí programu TerraScan včetně
generovaných vrstevnic z modulu TerraModeler.
86
Standardizace formátu LAS
7 Standardizace formátu LAS
Vývoj laserového skenování je velmi rychlý a mnozí výrobci systémů neustále
inovují své systémy o nové funkce. Pomocí těchto funkcí jsou získávány nové informace,
které jsou ukládány spolu se souřadnicemi a odrazivostí zpravidla do proprietárních
datových souborů. To přináší na jedné straně výhodu jednoduchého řešení pro výrobce
lidarů a uživatele konkrétního řešení, ale na druhou stranu vznikají problémy s distribucí
dat a se zpracováváním takových dat v programech jiných výrobců. Proto již několik let se
organizace ASPRS (American Society for Photogrammetry and Remote Sensing) snaží
o zavedení standardu pro ukládání dat. V květnu roku 2003 organizace ASPRS vyhlásila
oficiální standard pro výměnný formát LAS, který definuje typ informací a způsoby jejich
ukládání v souborech (ASPRS 2003).
Záměrem je poskytnutí výrobcům lidarů i softwaru pro zpracování dat
z laserového skenování otevřený datový formát pro výměnu souborů. Soubory odpovídající
standardu ASPRS jsou označeny příponou LAS a mají být přímo exportovány ze softwaru
výrobce lidaru. Formát definuje pro ukládání binárních dat úvodní hlavičku souboru
(Header block), záznamy s proměnnou délkou (Variable length records) a záznamy
informací o bodech (Point data). Hlavička obsahuje obecné informace jako počet bodů
nebo definice hranice území. Blok záznamů s proměnnou délkou obsahuje data o projekci,
metadata a uživatelská data.
7.1 Hlavička dat
V následující tabulce jsou uvedeny podrobně specifikace jednotlivých záznamů
v hlavičce. Některé záznamy nejsou povinné a pokud nejsou použity, musí být nahrazeny
nulami v předepsaném počtu.
Tabulka 9: Definice hlavičky formátu LAS
Item
File Signature (“LASF”)
Format
Size
Required
*
char[4]
4 bytes
unsigned long
4 bytes
GUID data 1
unsigned long
4 bytes
GUID data 2
unsigned short
2 byte
Reserved
87
Item
Format
Size
Required
GUID data 3
unsigned short
2 byte
GUID data 4
unsigned char[8]
8 bytes
Version Major
unsigned char
1 byte
*
Version Minor
unsigned char
1 byte
*
System Identifier
char[32]
32 bytes
*
Generating Software
char[32]
32 bytes
*
Flight Date Julian
unsigned short
2 bytes
Year
unsigned short
2 bytes
Header Size
unsigned short
2 bytes
*
Offset to data
unsigned long
4 bytes
*
length
unsigned long
4 bytes
*
Point Data Format ID (0-99 for
spec)
unsigned char
1 byte
*
Point Data Record Length
unsigned short
2 bytes
*
Number of point records
unsigned long
4 bytes
*
Number
records
of
variable
Number of points by return
unsigned long[5]
20 bytes
*
X scale factor
double
8 bytes
*
Y scale factor
double
8 bytes
*
Z scale factor
double
8 bytes
*
X offset
double
8 bytes
*
Y offset
double
8 bytes
*
Z offset
double
8 bytes
*
Max X
double
8 bytes
*
Min X
double
8 bytes
*
Max Y
double
8 bytes
*
Min Y
double
8 bytes
*
Max Z
double
8 bytes
*
Min Z
double
8 bytes
*
Záznam Signature musí obsahovat řetězec „LASF“, který dle specifikace ASPRS
bude softwarem kontrolován. Číslo verze označuje, podle které specifikace je soubor
88
vytvářen. Pro označení hardwaru, kterým bylo skenování prováděno, slouží záznam
s označením System identifier. Obdobně pro identifikaci software je určen záznam
Generating Software. Další povinné položky obsahují údaje o délce hlavičky a identifikace
začátku bloku s daty, počet záznamů s proměnnou délkou, formát dat o bodech, počet
bodů, měřítko, redukce a souřadnice vymezující skenovanou oblast.
7.2 Záznamy s proměnnou délkou
V této části je specifikována projekce, pro jejíž popis je použita stejná metoda
jako u standardu GeoTIFF. Protože data z laserového skenování nejsou daty rastrovými,
lze použít z původní specifikace standardu GeoTIFF pouze některé značky (tag), přičemž
povinná je pouze jedna - GeoKeyDirectoryTag (34735), která obsahuje identifikátor
souřadnicového systému. Další dvě značky jsou pouze doporučeny: GeoDoubleParamsTag
(34736) a GeoASCIIParamsTag (34737).
7.3 Datový blok
Specifikace ASPRS definuje základní sadu dat ukládaných ke každému bodu, která
může být dle potřeb rozšiřována o nové položky. Standardem je určen způsob záznamu
polohy bodu souřadnicemi X,Y a Z, intenzita, pořadové číslo odrazu a celkový počet
odrazů z jednoho pulsu, směr skenování, identifikátor pro klasifikaci a další parametry
(úplný výčet je uveden v následující tabulce). V případě doplňování záznamu o další
informace musí být nové položky zařazeny až na konec tohoto bloku (například čas GPS,
úhly v okamžik pulsu a pod.).
Tabulka 10: Definice bloku dat o bodech
Item
Format
Size
Required
X
long
4 bytes
*
Y
long
4 bytes
*
Z
long
4 bytes
*
Intensity
unsigned short
2 bytes
Return Number
3 bits
3 bits
89
*
Item
Number
pulse)
Format
of
Returns
Scan Direction Flag
Size
(given 3 bits
1 bit
Required
3 bits
*
1 bit
*
*
Edge of Flight Line
1 bit
1 bit
Classification
unsigned char
1 byte
Scan Angle Rank (-90 to +90) – unsigned char
Left side
1 byte
File Marker
1 byte
unsigned char
User Bit Field
unsigned short
2 bytes
GPS Time
double
8 bytes
90
*
*
Literatura
8 Literatura
1. Ackermann, F. (1999): Airborne laser scanning - present status and future
expectations. ISPRS Journal of Photogrammetry & Remote Sensing, V54. Elsevier :
64-67.
2. Axelsson, P (1999): Processing of laser scanner data - algorithms and applications.
ISPRS Journal of Photogrammetry & Remote Sensing, V54. Elsevier : 138-147.
3. ASPRS (2003): ASPRS LIDAR Data Exchange Format Standard, Version 1.0. ASPRS,
květen 2003
4. Baltsavias, E.P. (1999): A comparison between photogrammetry and laser scanning.
ISPRS Journal of Photogrammetry & Remote Sensing, V54. Elsevier : 83-94.
5. Baltsavias, E.P. (1999): Airborne laser scanning: basic relations and formulas. ISPRS
Journal of Photogrammetry & Remote Sensing, V54. Elsevier : 199-214.
6. Boehler W., Vincent M.B., Marbs A. (2003): Investigating Laser Scanner Accuracy.
CIPA Antalya.
7. Burman, H. (2000): Adjustment of Laser Scanner Data for Correction of Orientation
Errors. International Archives of Photogrammetry and Remote Sensing, Vol. XXXIII,
Part B3, Amsterdam.
8. Elberink, S., Mass, H-G. (2000): The Use of Anisotropic Height Texture Measures for
the
Segmentation
of
Airborne
Laser
Scanner
Data.
International
Archives
of Photogrammetry and Remote Sensing, Vol. XXXIII, Part B3, Amsterdam.
9. Hlaváč, V. (2001): Zpracování signálů a obrazů. Skripta ČVUT , ISBN 80-01-02114-9
10. Hofton, M.A., Blair, J.B., el al. (2000): An airborne scanning laser altimetry survey
of Long Valley, California. International Journal of Remote Sensing, Vol. 21, No. 12.:
2413-2437.
91
Literatura
11. Hu, Y., Xue, Y, Fang, K., Pan, Z. (1999): Scanning Laser Altimeter in Airborne
Scanning Laser Ranging-Imaging Sensor. Proceedings of the Fourth International
Airborne Remote Sensing Conference and Exhibition. Canadian Symposium on Remote
Sensing, Ottawa, Canada. I 510-517.
12. Jacobsen K. (1999): Handbuch DTMCOR, Programmsystem BLUH, Analyse und
Korrektur der Hoehen eines Digitalen Hoehenmodells. IPI, Universitat Hannover
13. Krabill, W.B., Wright, C.W., et al. (2000): Airborne Laser Mapping of Assateague
National Seashore Beach. Photogrammetric Engineering & Remote Sensing, v. 66, No.
1. ASPRS (Jan-00): 65-71.
14. Kraus, K. (2000): Photogrammetry Volume 1: Fundamentals and Standard Processes.
Köln: Dümmler.
15. Kraus, K. (1997): Photogrammetry Volume 2: Advanced Methods and Applications.
Bonn: Dümmler.
16. Kraus, K. (2000): Photogrammetrie, Band 3: Topographische Informationssysteme.
Bonn: Dümmler.
17. Lefsky M. A., Cohen W. B. , Acker S. A., Parker G. G., Spies T. A. and Harding D.
(1999): Lidar Remote Sensing of the Canopy Structure and Biophysical Properties of
Douglas-Fir Western Hemlock Forests. RSE, Elsevier, NY
18. Lindenberger,
J.
(1993):
Laser-Profilmessungen
zur
topographischen
Gelandeaufnahme. Disertationen. DGK , ISBN 3-7696-9445-7
19. Lohmann P., Koch A. (1999): Quality assessment of laser-scanner-data. Proc. ISPRS
20. Lohmann, P., Koch, A., Schaeffer, M. (2000): Approaches to the filtering of Laser
Scanner Data. International Archives of Photogrammetry and Remote Sensing, Vol.
XXXIII, Part B3, Amsterdam.
21. Luhmann, T. (2002): Photogrammetrie und Laserscanning. Herbert Wichmann Verlag,
Heidelberg, ISBN 3-87907-390-2
92
Literatura
22. Maas, H-G, Vosselman, G. (1999): Two algorithms for extracting building models from
raw laser altimetry data. ISPRS Journal of Photogrammetry and Remote Sensing, vol.
54. Elsevier : 153-163.
23. Morin, K.W. (2002): Calibration of Airborne Laser Scanners. University of Calgary
24. Niemann, O.K. (2002): Development of automated techniques to extract, generalize,
and access geospatial information from hyperspectral remotely sensed data. Oral
Presentation, GEOIDE Annual Conference. Toronto.
25. Parker, G. G. (1995): Structure and microclimate of forest canopies. In Forest
Canopies—A Review of Research on a Biological Frontier (M. Lowman and N.
Nadkarni, Eds.), Academic, San Diego.
26. Sithole, G.: Filtering of Laser Altimetry Data Using a Slope Adaptive Filter
27. Soille P. (2003): Morphological Image Analysis. Springer-Verlag Berlin, ISBN: 3-54042988-3
28. Vaughn, C.R., Bufton, J.L, Krabill, W.B., Rabine, D. (1996): Georeferecing of airborne
laser altimter measurements. Internationl Journal of Remote Sensing, Vol. 17, No.
11. : 2185-2200.
29. Voselmann G. (2000): Slope Based Filtering of Laser Altimetry Data. IAPRS, Vol.
XXXIII, Amsterdam
30. Vrbová, M. (1998): Úvod do laserové techniky. Skripta ČVUT , ISBN 80-01-01108-9
31. Wehr, A., Lohr, U. (1999): Airborne laser scanning - an introduction and overview.
ISPRS Journal of Photogrammetry & Remote Sensing, v54. Elsevier: 68-82.
32. Zhang et al. (2003): Progresive Morphological Filters for Removing Nonground
Measurements from Airborne Lidar Data. IEEE Transactions on Geoscience and
Remote Sensing, Vol. 41, No. 4
93
Příloha A - Úvod do laserové techniky
Pro lepší pochopení některých jevů a principů v knize popisovaných zde v krátkosti
je uveden princip vzniku laserového záření při použití krystalů pevných látek
a polovodičových diod.
Doslovný překlad akronymu laser znamená „světlo zesilované stimulovanou emisí
záření“.
Základním
stavebním
prvkem
je
zesilující
(aktivní)
prostředí
umístěné
do optického rezonátoru. Aktivní prostředí je soubor kvantových soustav rozmístěných
v konečné části prostoru. Kvantové soustavy jsou buzením vyvedeny ze stavu
termodynamické rovnováhy, čímž dochází ke kvantovým přechodům mezi energetickými
hladinami aktivního prostředí.
Pevnolátkové lasery
Jedná se o lasery, jejichž aktivním prostředím je dielektrikum (pevná opticky
propustná látka). Jejich matrice obsahují poměrně malou koncentraci iontů aktivátoru.
Matrice je základním materiálem a jako základní materiál určuje většinu vlastností.
Matricemi mohou být krystaly, skla nebo keramiky opracované do válce s vyleštěnými čely.
Pro buzení se používá především optického buzení například výbojkami. Otevřený
rezonátor je tvořen obvykle dvěma zrcadly, z nichž jedno je pro generované záření zcela
odrazné a druhé je částečně propustné. Protože se většina dodávané energie při buzení
přemění na teplo, je nutné celý systém řádně chladit. Není-li chlazení dostatečné, dojde
k přehřátí matrice, což může vést k posunu spektrálních čar, popřípadě až k přerušení
generace záření.
Dnes nejpoužívanějším typem pevnolátkového laseru je Nd:YAG. Aktivním
prostředím je izotropní krystal yttrium aluminium granátu dopovaný neodymem. Spektrum
tohoto laseru je v oblasti infračerveného záření se sedmi úzkými spektrálními čarami
z nichž nejzajímavější jsou čáry s vlnovou délkou 1.0615 a 1.0624 µm. Pro impulsní
buzení xenonovými výbojkami se přidává do krystalu další dopující prvek – ionty chromu
Cr3+ (Vrbová, 1998).
94
Obr. 31: Optický rezonátor
Polovodičové lasery
Polovodič se od kovu odlišuje kromě celkově menší vodivosti v zásadě tím, že
s rostoucí teplotou se jeho vodivost prudce zvětšuje, zatímco u kovu naopak klesá.
S růstem teploty jsou elektrony tepelně excitovány a přejdou z valenčního do vodivostního
pásu. Tím vznikne ve valenčním pásu nenaplněný stav – tzv. díra, která má tytéž
vlastnosti jako elektron, avšak s tím rozdílem, že představuje kladný náboj. K elektrické
vodivosti polovodiče tedy přispívají nejen elektrony ve vodivostním pásu, ale i díry v pásu
valenčním.
Na kvantové přechody elektronů do nejnižšího vodivostního pásu se můžeme dívat
jako na generaci páru elektron a díra. Elektron se ve vodivostním pásu snaží obsadit
nejnižší volný stav, zatímco díra se snaží obsadit nejvyšší stav ve valenčním pásu. Pokud
na polovodič dopadají fotony, jejichž energie je rovna nebo větší než energetický interval
zakázaného pásu, pak foton může být absorbován elektronem obsazujícím horní hladinu
valenčního pásu a způsobí jeho přechod do vodivostního pásu. Stejná pravděpodobnost
existuje pro opačný proces, ve kterém elektron obsazující hladinu vodivostního pásu je
iniciován fotonem k přechodu do pásu valenčního. V tomto případě dochází k rekombinaci
páru elektron-díra a je vyzářena energie rovna energetickému rozdílu těchto dvou hladin.
Tento vyzářený sekundární foton má stejný stav jako foton přicházející a hovoří se o tzv.
stimulované emisi. V případě, že elektron přejde samovolně z vodivostního pásu do pásu
valenčního, dochází k emisi označované jako spontánní.
Funkce polovodičového laseru je založena na vzniku stimulované emise záření
v aktivním polovodičovém materiálu při kvantových přechodech elektronů. Elektron
přechází z vodivostního do valenčního energetického pásu při současném vzniku zářivé
95
rekombinace nosičů náboje (elektronů a děr). Na rozdíl od jiných typů laserů neexistuje
u polovodičového typu zářivý přechod mezi diskrétními energetickými hladinami, ale mezi
dovolenými energetickými pásy.
Obr. 32: Schéma laserové diody
Hlavní předností polovodičových laserů je jejich kompaktnost, velký zisk, možnost
spektrálního přeladění v širokém spektrálním pásmu a pomocí výběru aktivního prostředí
generace záření vlnových délek v rozsahu od 0.3 µm až po 30 µm. Nevýhodou je
rozbíhavost generovaného záření a velká závislost parametrů na teplotě aktivního
polovodičového materiálu (Vrbová, 1998).
96
Příloha B - Vymezení pojmů a zkratek
Termín
Popis
ALS
Airborne Laser Scanner
Letecký laserový skener.
Ambiguita
Neurčitost celočíselného počtu vlnových délek v rozdílech vzdáleností družic.
COGO
Coordinate Geometry
Označení geodetických bodů v CAD systémech.
CW
Continuous wave – kontinuální vlnění
typ modulace světla.
DGPS
Differential Global Positioning System.
Diferenciální metoda GPS.
DIAL
Differential Absorption Lidar
Lidar využívající rozdílu dvou laserových paprsků o různé vlnové délce.
DMR
Digitální model reliéfu
DTM
Digital Terrain Model
Firmware
Specializovaný program pro ovládání určitého zařízení uložený v ROM paměti,
která je součástí daného zařízení.
FOV
Field of View
Digitální model terénu.
Zorné pole, úhel záběru přístroje.
GPS
Global Positioning System.
Navigační systém používající pro určování polohy přijímače data vysílaná z družic.
Grid
Pravoúhlá síť, mřížka. Průsečíky sítě jsou nazývány uzly.
Heading
Stočení v rovině letu κ.
IFOV
Instant Field of View
Okamžité zorné pole senzoru.
IMU
Inertial Measurement Unit
Inerciální měřící jednotka pro měření změn rotací a polohy. Pro určování změn se
používají gyroskopy a akcelerometry.
INS
Inertial Navigation System
Systém pro určování polohy pomocí IMU.
97
Termín
Popis
LAS
Standardizovaný formát pro ukládání dat.
LASER
Light Amplification by Stimulated Emission of Radiation
Světlo zesilované stimulovanou emisí záření.
Lidar
Light Detection and Ranging
Detekce a měření vzáleností použitím laserového záření.
LS
Laserové skenování.
lps
Line per second
LRF
Laser Range Finger
jednotka udávající počet řad za sekundu.
Laserová jednotka skeneru.
MNČ
Metoda nejmenších čtverců.
Ortorektifikace
Diferenciální překreslení leteckých snímků, zpravidla digitálními metodami.
Pitch
Příčný náklon ω.
Platforma
Nosná konstrukce LRF, INS a GPS.
POS
Position Orientation System
Post-processing
Následující zpracování původních dat.
PPS
Puls per second
Systém pro orientaci platformy. Zpravidla obsahuje INS a GPS.
Počet pulsů za sekundu.
RADAR
Radio Detection And Ranging
Detekce a měření vzdáleností použitím mikrovlnného záření.
Roll
Podélný náklon ϕ.
TIN
Triangulated Irregular Network
Trojúhelníková sít pro vyjádření povrchu objektu. Síť je tvořena body (uzly) a
definicí spojnic.
WGS84
World Geodetic System 1984
Mezinárodní geodetický souřadnicový systém používaný pro měření GPS.
98
Příloha C - Internetové odkazy
Přístroje
1. Applanix: http://www.applanix.com.
2. IGI: http://www.litemapper.com/
3. Leica Geosystems: http://www.gis.leica-geosystems.com/
4. Optech: http://www.optech.on.ca
5. Riegl: http://www.riegl.com/
6. Schwartz Electro-Optics: http://www.seo.com/
7. TopEye AB: http://www.topeye.com/
8. TopoSys: http://www.toposys.com/
Software
1. BLUH: http://www.ipi.uni-hannover.de/html/service/bluh/bluh.htm
2. INPHO: http://www.inpho.de
3. TerraSolid: http://www.terrasolid.fi/
Organizace
1. ASPRS Lidar Committee: http://www.asprs.org/asprs/society/committees/lidar/
2. ISPRS: http://www.commission3.isprs.org/wg3/index.html
3. LAS: http://coastal.er.usgs.gov/lidar/
4. Puget Sound Lidar Consortium:
http://duff.geology.washington.edu/data/raster/lidar/
99
Diskuzní fóra
1. AirborneLaserMapping: http://www.airbornelasermapping.com/ALMNews.html
2. LidarTalk: http://www.lidarcentral.com/lidartalk/wwwboard.shtml
100