MODELOWANIE LINII KRAWĘDZIOWYCH WAŁÓW

MODELOWANIE LINII KRAWĘDZIOWYCH WAŁÓW
PRZECIEPOWODZIOWYCH NA PODSTAWIE DANYCH LOTNICZEGO
SKANINGU LASEROWEGO
Dominika Olejniczak
Zautomatyzowanie procesu modelowania linii krawędziowych jest bardzo istotnym i
złożonym
zagadnieniem.
Udoskonalenie
tego
mechanizmu
pozwoli
na
tworzenie
dokładniejszych modeli hydrodynamicznych, a co za tym idzie lepszego zarządzania i
ochrony w sytuacjach kryzysowych.
Pierwsze badania na tej płaszczyźnie zostały przedstawione w pracy „River
embankment identification in the airborne laser scanning point cloud” (Tymków P.,
Borkowski A., Gołuch P., 2009). Celem obecnych badań jest przeprowadzenie testów na
większych terenach oraz udoskonalenie sposobu klasyfikacji punktów na obszary należące do
poszczególnych płaszczyzn wałów (korona oraz prawa i lewa strona wału).
Danymi wyjściowymi są dane lotniczego skaningu laserowego pochodzące ze zbioru
danych Informatycznego Systemu Osłony Kraju. Obszarem badań jest fragment Doliny
Widawy. Zakładana rozdzielczość przestrzenna dla tych terenów to 12 punktów na 1 m 2.
Współrzędne punktów wraz z ich atrybutami zapisane są w pliku binarnym las zgodnie ze
standardem 1.2 opublikowanym przez American Society for Photogrammetry and Remote
Sensing w 2008 roku. Jednym z atrybutów każdego punktu jest jego klasa. Wykorzystując
program ArcGiS, moduł 3D Analyst i funkcję LAS to Multipoint wybrano punkty leżące na
gruncie (klasa 2). Dodatkowo punkty przekształcone do rastra (funkcja Point To Raster). Ten
zabieg pozwolił na zastosowanie kolejnej funkcji- slope. Każdy piksel dla rastra wynikowego
otrzymał cechę określającą dla niego spadek obliczony na podstawie współrzędnej Z. Na tym
etapie wynikiem stała się chmura punktów wzbogacona o dodatkową cechę w postaci
spadków.
Kolejny etap badań polega na klasyfikacji punktów do poszczególnych płaszczyzn. Do
tego celu została wykorzystana sztuczna sieć neuronowa. Cechy obiektów w tej metodzie nie
są przekazywane wprost (nie są wykorzystywane ciągi uczące). Obserwując wyjście sieci
ocenia się otrzymany wynik. Jeżeli nie jest on zgodny z oczekiwanym dokonuje się
wagowania, dzięki któremu otrzymamy zgodność wartości wyjściowych z teoretycznymi.
Proces ten nazywa się uczeniem sieci.
Klasyfikacja punktów wymaga zwektoryzowania osi rzeki. Docelowo ta część będzie
wykonywana automatycznie poprzez załadowanie odpowiedniej warstwy danych np. z
BDOT.
Proces klasyfikacji punktów do punktów reprezentujących wał składa się z kilku
etapów. Dla każdego punktu tworzymy maskę w której zawierają się punkty z jego
sąsiedztwa. Dla każdego punktu wykonuje się orientację maski na podstawie najmniejszej
odległości od osi rzeki. Prosta prostopadła do danego odcinka rzeki stanowi oś x lokalnego
systemu odniesienia dla maski. Punkty maski są następnie transformowane do państwowego
układu odniesień. Jeżeli prostopadła do linii zdeterminowanych przez odcinki osi rzeki nie ma
żadnego punktu przecięcia z odcinkiem osi rzeki to punkt nie jest zaliczany do wałów. Na
podstawie tego etapu zostają stworzone wektory cech. W tym miejscu następuje analiza
danych z wykorzystaniem sztucznych sieci neuronowych i uczenie sieci, czyli sensu stricto
klasyfikacja punktów.
Mając jako dane chmurę punktów po procesie klasyfikacji, wykonane zostało
modelowanie linii krawędziowych. Na tym etapie wykorzystano algorytm przedstawiony w
pracy „Modelowanie linii krawędziowych powierzchni na podstawie danych skaningu
laserowego” (Borkowski A., 2007). Algorytm został zaimplementowany przez autora
artykułu.
Otrzymane linie krawędziowe zostały poddane ocenie dokładności na podstawie
porównania z danymi referencyjnymi. Dane otrzymano ma podstawie manualnego określenia
położenia poszczególnych krawędzi wałów w chmurze punktów.
Źródła:
[1] Tymków P., Borkowski A., Gołuch P., 2009, River embankment identification in the
airborne laser scanning point cloud, Studnia Geotechnica et Mechanica, Vol. XXXI, No. 4
[2] Borkowski A., 2007, Modelowanie linii krawędziowych powierzchni na podstawie danych
skaningu laserowego, Archiwum Fotogrametrii, Kartografii i Teledetekcji, Vol. 17a, 2007,
s.73-83
[3] http://help.arcgis.com/en/arcgisdesktop/10.0/help/
[4] Breise C., 2004a. Three-dimensional modelling of breaklines from airborne laser scanner
data. ISPRS Congress, 12-23 July, Istambul, Turkey, Commision3.