MODELOWANIE LINII KRAWĘDZIOWYCH WAŁÓW
Transkrypt
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.