Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken Rico Richter, FG Computergrafische Systeme Prof. Döllner Workshop 3D-Stadtmodelle 2014
■ Aktuelle Datengrundlage erforderlich für verschiedene Einsatzbereiche, z.B.:
□ Planung,
□ Monitoring,
□ Dokumentation,
□ Stadtmarketing,
□ Analysen,
□ Simulation und
□ Katastrophen-
management
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 2
Kontext und Problemstellung - Anwendungsfelder
„Virtuelle 3D-Stadmodelle sind eine digitale Momentaufnahme, die ab dem Tag der Erfassung altert.“
Solarpotentialanalyse für das 3D-Stadtmodell Berlin
■ Die Aufbereitung und Konstruktion von
3D-Stadtmodellen erfordert in der Regel
verschiedene Datenquellen:
□ Luftbilder
(z.B. Orthophotos, Schrägluftbilder)
□ 3D-Punktwolken
(z.B. aus LiDAR oder Bildmatching)
□ Oberflächenmodelle
(z.B. DSM, DTM)
□ Grundrisse und Lagepläne
(z.B. ALKIS, ALK)
□ Vegetationsmodelle
(z.B. Baumkataster)
□ Schrägluftbilder
□ ...
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 3
Kontext und Problemstellung - Datenquellen & Konstruktion
3D-Punktwolke + Luftbildfarben
3D-Stadtmodell Berlin
1) Datenerfassung wird regelmäßig (z.B. jährlich), flächendeckend und
hochauflösend für Städte, Metropolregionen und Bundesländer durchgeführt.
2) Die Ableitung von qualitativ hochwertigen, semantikreichen, geometrisch
komplexen und flächendeckenden 3D-Stadtmodellen kann nicht auf einen
vollautomatisierten Prozess abgebildet werden.
□ Qualitätssicherung, Model-
lierung und Korrektur ist
mit einem hohen manuellen
Aufwand verbunden.
□ Es sind hohe zeitliche und
finanzielle Aufwendungen
erforderlich.
□ Lange Zeitspanne zwischen
der Erfassung und der
tatsächlicher Verfügbarkeit
des 3D-Stadtmodells.
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 4
Kontext und Problemstellung - Datenerfassung
Detailliert modelliertes 3D-Gebäudemodell.
■ Schlussfolgerung: Die Ableitung eines
3D-Stadmodells nach jeder neuen
Datenerfassung (z.B. Befliegung) ist aus
wirtschaftlicher Sicht nicht praktikabel.
■ These: Die Analyse multitemporaler
3D-Punktwolken ermöglicht die effiziente
Bestandsaktualisierung und damit eine
kontinuierliche Fortführung von
3D-Stadtmodellen.
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 5
Kontext und Problemstellung - Effiziente Bestandsaktualisierung
3D-Stadmodell visualisiert mit thematischen Informationen.
■ Kontext & Problemstellung
■ Analyse von multitemporalen 3D-Punktwolken
□ Klassifizierung
□ Veränderungsanalyse
□ Vergleich mit Bestandsdaten
■ Aktualisierung 3D-Stadtmodell Berlin
■ Baumextraktion & Visualisierung
■ Fazit
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 6
Agenda
■ Anforderungen:
□ Vollautomatische Prozessierung
□ Verarbeitung von dichten
3D-Punktwolken
(z.B. 100 Punkte/m²)
□ Umgang mit Massendaten
(z.B. 100 TB Datenvolumen)
□ Hocheffiziente Analyse
(z.B. wenige Wochen Rechenzeit)
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 7
Effiziente Bestandsaktualisierung
Festplatten mit dem Datenaufkommen einer Befliegung.
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 8
Effiziente Bestandsaktualisierung - Ablauf
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 9
1) Klassifikation – Strukturanalyse der Erfassungsdaten - 3D-Punktwolke texturiert mit Luftbild
https://www.youtube.com/watch?v=1YwTKi4lAVM&feature=youtu.be
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 10
1) Klassifikation – Strukturanalyse der Erfassungsdaten - Detektion von Bodenpunkten
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 11
1) Klassifikation – Strukturanalyse der Erfassungsdaten - Detektion von Vegetation
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 12
1) Klassifikation – Strukturanalyse der Erfassungsdaten - Detektion von Bebauung
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 13
1) Klassifikation – Strukturanalyse der Erfassungsdaten - Gesamtergebnis Klassifikation
■ Datengrundlage:
□ 3D-Punktwolke (LiDAR) oder
□ Oberflächenmodell (Bildmatching)
■ Vollautomatische und hocheffiziente Klassifizierung
auf Basis der Struktur
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 14
1) Klassifikation – Strukturanalyse der Erfassungsdaten
Unklassifizierte 3D-Punktwolke Klassifizierte 3D-Punktwolke
■ Vergleich von multitemporalen 3D-Punktwolken
■ Detektion von räumlichen (z.B. baulichen) Veränderungen
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 15
2) Veränderungsanalye – Vergleich von 3D-Punktwolken
■ Zielstellung: Auffinden von neuen, abgerissenen und
veränderten Bauwerken
□ Gebäude im Bestand aber nicht in der 3D-Punktwolke
□ Gebäude in der 3D-Punktwolke aber nicht im Bestand
□ Gebäude mit „fehlerhaftem Grundriss“ im Bestand
□ Gebäude mit baulichen Veränderung (z.B. Volumenänderung)
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 16
3) Vergleich mit Bestandsdaten - Vergleich mit Grundrissen im Bestand
Neu
Abgerissen
Verändert
Kennzahlen:
■ 890 km² Stadtgebiet
■ 120 TB Erfassungsdaten
■ 527.000 Gebäude
Datengrundlage:
■ 3D-Punktwolke 2009
□ 5-10 Punkte/m²
□ 5 Mrd. Punkte
■ 3D-Punktwolke 2013
□ 100 Punkte/m²
□ 80 Mrd. Punkte
■ Grundrisse aus ALK
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 17
Beispiel - Aktualisierung 3D-Stadmodell Berlin (2013/2014)
Projektbeteiligte:
Klassifizierte 3D-Punktwolke, Bereich Berlin Schloss Charlottenburg.
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 18
Beispiel - Aktualisierung 3D-Stadmodell Berlin - Ergebnisse: Abgerissene Bauwerke
Ergebnisse ALK Evaluation: Grau – aktuell; Rot – veraltet.
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 19
Beispiel - Aktualisierung 3D-Stadmodell Berlin - Ergebnisse: Siedlung mit Neubauten
Vergleich Gebäudebestand altes 3D-Stadtmodell und neues 3D-Stadtmodell.
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 20
Beispiel - Aktualisierung 3D-Stadmodell Berlin - Ergebnisse: Siedlung mit Neubauten
Vergleich Gebäudebestand altes 3D-Stadtmodell und neues 3D-Stadtmodell.
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 21
Beispiel - Aktualisierung 3D-Stadmodell Berlin - Ergebnisse: Neue, abgerissene und veränderte Bauwerke
Neu
Abgerissen
Verändert
Vergleich Gebäudebestand altes 3D-Stadtmodell und neues 3D-Stadtmodell.
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 22
Beispiel - Aktualisierung 3D-Stadmodell Berlin - Ergebnisse: Neue, abgerissene und veränderte Bauwerke
Neu
Abgerissen
Verändert
Vergleich Gebäudebestand altes 3D-Stadtmodell und neues 3D-Stadtmodell.
Beispiel - Aktualisierung 3D-Stadmodell Berlin
Ergebnisse:
■ Alter Datenbestand: 527.301 Gebäude
■ Neuer Datenbestand: 540.009 Gebäude
■ Rechenzeiten:
□ Klassifikation:
0,33 Mrd. Punkte/Stunde
□ Veränderungsanalyse:
5,0 Mrd. Punkte/Stunde
□ Gesamtrechenzeit:
ca. 4 Wochen
□ Durch parallele Verarbeitung auf
mehreren Rechnern kann die
Rechenzeit weiter reduziert werden.
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 23
■ Vegetation ist ein wichtiger Bestandteil für ein ansprechendes und
hochwertiges Erscheinungsbild von 3D-Stadtmodellen.
■ 3D-Stadtmodelle beinhalten oft nur Vegetationsmodelle für Bäume aus dem
Baumkataster (z.B. Straßenbäume).
■ Parkanlagen, Wälder und Hinterhöfe sind oft unzureichend kartiert.
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 24
Aktualisierung des Baumbestandes (Baumkataster) - Motivation
3D-Stadtmodell dargestellt mit Straßenbäumen.
■ Klassifizierte 3D-Punktwolken können für die Ableitung von Baumstandorten
verwendet werden.
■ Automatisierte Evaluierung und Erstellung eines Baumkatasters
□ Kennzahlen: Höhe, Volumen, Farbe, Hauptspezies
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 25
Aktualisierung des Baumbestandes (Baumkataster) Baumextraktion & Visualisierung
Extrahierte Einzelbäume durch die Analyse der 3D-Punktwolke.
■ Visualisierung im Kontext von 3D-Stadtmodellen
□ Echtzeit-Darstellung von mehreren 100.000 Bäumen
□ Individuelle Parametrisierung auf Basis der realen
Erscheinung (Form, Farbe)
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 26
Aktualisierung des Baumbestandes (Baumkataster) Baumextraktion & Visualisierung
Extrahierte Einzelbäume durch die Analyse der 3D-Punktwolke.
https://www.youtube.com/watch?v=u-czvl7ITII
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 27
Prozessübersicht
■ Skalierbare und effiziente Verarbeitung auf Basis von
hoch-performanten GPU-Implementierungen.
□ Keine Größenbeschränkung für die Eingabedaten.
□ "Ausdünnung" der Eingabedaten ist nicht notwendig das gesamte
Potential und die volle Auflösung der Daten können genutzt werden.
■ Visualisierungssystem für die Exploration und Interaktion.
□ Echtzeit-Rendering von beliebig großen 3D-Punktwolken.
□ Darstellung im Kontext mit Luftbildern, Gelände- und 3D-Stadtmodellen.
■ Bereitstellung für verschiedene Zielsysteme und IT-Infrastrukturen.
□ Schnittstellen für die Integration in bestehende Workflows, GIS-Systeme
und Web-Services.
□ Bereitstellung als Desktop-System oder alternativ als
Software-as-a-Service (SaaS) oder Web-Service.
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 28
Systemmerkmale der entwickelten Software für die Aktualisierung von 3D-Stadtmodellen
■ Bestandsaktualisierung kann als Prozess etabliert werden.
■ Vorgestellte Analyse ist geeignet für massive und hochauflösende 3D-Punktwolken.
■ Die regelmäßige Bestandaktualisierung ist nach jeder Befliegung möglich.
Mehrwerte:
■ Beschleunigen aktueller Workflows und Verfahren.
■ Verbesserung der Aktualität und Datenqualität.
■ Erschließen neuer Anwendungsfelder.
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 29
Fazit
„Die Bestandsaktualisierung von virtuellen 3D-Stadtmodellen kann effizient und damit kostengünstig
durch die automatisierte Analyse von multitemporalen 3D-Punktwolken durchgeführt werden.“
Das Berliner 3D-Stadtmodell wurde durch den Europäischen Fonds für Regionale Entwicklung (EFRE) gefördert.
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 30
Projektpartner
Unterstützt von:
05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 31
Danke für Ihre Aufmerksamkeit! Fragen? Anmerkungen?
Rico Richter
Lehrstuhl für Computergrafische Systeme Prof. Dr. Jürgen Döllner www.hpi3d.de