Välineitä kolmiulotteisen tiedon jalostamiseen
Kirjoittaja: Eija Parmes, VTT
Artikkeli pdf-muodossa (Positio 1/2008)
Kolmiulotteisella kartalla harpataan suuri askel vasta, kun koko ketju toimii kolmiulotteisena: kuvaukset-tallennus-tulkinta–visualisointi. VTT:n 3D-Maasto-hankkeessa on kehitetty välineitä kolmiulotteisen tiedon jalostamiseen.
Kolmiulotteisten karttojen ja mallien tuottamiseen on tehokkaita menetelmiä, joita laserkeilaus on edelleen tehostanut. Uusia ratkaisuja 3D alueella saadaan nettitoimijoiden ja teleoperaattoreiden siivittämänä. Maaston eri kohdeluokkien tietokannat keskittyvät, esimerkkinä globaalit navigaattoritietokannat.
VTT:n selvityksen perusteella 3D-tiedontuotannon keskeisiä kehitystarpeita ovat rakennusten kartoituksen automatisointi, ajantasaisen kasvillisuustiedon saatavuus ja eri lähtöaineistoista muodostettujen elementtien saumaton yhteensovittaminen.
Kolmiulotteinen lähtöaineisto yleistyy
Tiedonkeruun lähtöaineistona on entistä useammin kolmiulotteista aineistoa, kun muun muassa laserkeilaus, tutkatomografia ja viistokuvat yleistyvät. Fotorealististen 3D-kuvien, laserpistepilvien ja uusien SAR-tutka-aineistojen myötä myös maastokohteiden tulkinnassa käytettävä lähtöaineisto on muuttunut geometrialtaan kolmiulotteiseksi.
Lähtöaineistona tulkinnalle on rekonstruoinnin tai laserkeilauksen tuottama pintamalli, johon on projisioitu ilmakuva tai satelliittikuva, eli fotorealistinen 3D-kuva. Kuvia otetaan rakennetuilla alueilla monesta eri suunnasta tavoitteena saada katveeton aineisto. Laserkeilauksessa käytetään full waveform -teknologiaa, jossa takaisin siroavasta laser-säteilystä rekisteröidään yksittäisten pulssien sijasta koko aaltomuoto (ensimmäisestä pulssista viimeiseen) ja aineisto on aidosti kolmiulotteista (esimerkiksi maanpinta-runko-lehvästö-latvusto).
Tutkakuvauksessa SAR-tomografia muuttaa aineiston kolmiulotteiseksi. Kun SAR-interferometriassa muodostetaan interferogrammi kahden eri radalta otetun SAR-kuvan vaihe-erokuvasta ja siitä edelleen maaston korkeusmalli, niin SAR-tomografiassa yhdistetään useammalta kuin kahdelta radalta otettu SAR-aineisto. Näin saadaan katveettomampaa 3D aineistoa myös rakennetuilta alueilla sekä lehvästön rakennetta kasvillisuuden alueilla.
Myös prosessointi muuttuu kolmiulotteiseksi
Kolmiulotteisten lähtöaineistojen myötä myös tulkinta-algoritmit muuttuvat kaksiulotteisesta kuvankäsittelystä kolmiulotteisten kappaleiden tai kappaleen osien tulkinnaksi ja kartoitukseksi. Ennen kuvalle tehtiin kuviointi ja käytettiin kuvion sisäisiä sävy- ja tekstuuriparametreja kohteen tulkinnassa. Uusilla menetelmillä tulkinta perustuu lisäksi kohteiden kolmiulotteiseen muotoon tai rakenteeseen. Kohteita kartoitetaan 3D-muotojen perusteella, joita ovat rakennuksen kattotasot, puuston latvukset, pehmeästi muuttuva tie, taustasta nouseva silta.
Puiden kartoituksessa käytetään latvusmalleja. 3D-Maastossa jatkokehitettiin Helsingin yliopiston menetelmää yksittäisten puiden kartoitukseen. Menetelmässä käytetään sekä ilmakuvia että laserkeilausaineistoa. Puun sijainti ja korkeus saadaan laseraineistosta. Puun sijainnin perusteella ilmakuvasta erotetaan piirrevektori puulajin määrittämistä varten. Puulajikohtaisia erikokoisia 3D-latvusmalleja sovitetaan laserpistepilveen, ja näin saadaan määritettyä latvuksen halkaisija. Lopputuloksena saadaan yksittäisen puun sijainti, korkeus, puulaji ja latvuksen koko.
Rakennusten kartoituksessa käytetään 3D-tyyppimalleja, joita sovitetaan laserpistepilveen tai ilmakuvasta generoituun pintamalliin. Mallit ovat olla erisuuntaisia, eri kaltevuuden kattotasoja, muita rakennuksen osia (ovi, savupiippu), tai erikokoisia ja erimuotoisia geometrisia peruskappaleita, joita sovitetaan pintamalliin parhaan yhteensopivuuden löytämiseksi.
Kolmiulotteinen prosessointi vaatii entistä suurempaa laskentatehoa. Kun kuvamittauksen ja analyysin perusoperaatioihin kuuluva kuvakorrelaatio vie tällä hetkellä useita tunteja gigatavun kokoisella kuvalla, niin kolmiulotteinen korrelaatio muuttaa laskenta-ajan kestämättömäksi. Ratkaisuna on rinnakkaisprosessointi useilla prosessoreilla, useilla koneilla tai grafiikkakorteilla. Pelisovelluksissa ja raskaassa visualisoinnissa käytetyille grafiikkakorteille on jo olemassa ohjelmankehitysympäristöjä myös kuva-analyysin algoritmien ohjelmointiin. Analyysiin tarvitaan myös spesifisiä vain tietylle operaatiolle suunniteltuja prosessoreita, joissa otetaan huomioon aineiston kolmiulotteisuus.
Tähtäimessä reaaliaikaisuus ja ajantasaisuus
3D-materiaalin tuottamisessa panostetaan tällä hetkellä mahdollisimman reaaliaikaiseen rekonstruointiin ja 3D-mallin muodostukseen. Mallinnuksia tarvitaan katastrofi- ja pelastussovelluksia varten sekä saastuneilla tai muuten vaikeasti tavoitettavilla alueilla esimerkiksi luonnonkatastrofien yhteydessä.
Lisääntyvät ajantasaisuusvaatimukset korostavat satelliittikuvien merkitystä. Tarkimpien satelliittikuvien resoluutio on alle puoli metriä, mutta tällä hetkellä näin tarkkoja kuvia saadaan vain pankromaattisena näkyvän valon ja lähi-infra-alueen kuvana (400–900 nm). Kapeampikaistaista aineistoa punaisen, vihreän, sinisen ja lähi-infran aallonpituusalueilla saadaan 2–4 metrin resoluutiolla (Ikonos, QuickBird ja vuonna 2008 laukaistava WorldView-2).
Materiaalitunnistukseen sopivaa hyperspektrometriaineistoa saadaan satelliitista vain 30 metrin resoluutiolla (Hyperion). Tähän ei ole pian odotettavissa tarkempaa resoluutiota, koska kapeilla aallonpituusalueilla säteilyn voimakkuus ei riitä tiheämpään otantaan. Myös lasermittauksia tehdään satelliitista, mutta tällä hetkellä vain pisteittäisinä. Pisteen halkaisija on useita kymmeniä metrejä maanpinnalla.
Puusto ajantasaisena satelliittikuvilta
Kasvillisuus muuttuu jatkuvasti, mutta sitä ei kuitenkaan kartoiteta yhtä tiheästi kuin muita maankäytön muutoksia. Tiheästi saatavat, erotuskyvyltään yhdestä kymmeneen metriin olevat satelliittikuvat sopivat kasvillisuuden kartoitukseen laajojen alueiden kaupunki- ja ympäristömalleja varten.
Kasvillisuuden tulkinta perustuu enemmän säteilyarvoihin kuin kohteiden muotoon. Siksi kasvillisuuden kartoitus on herkempi kuvien radiometriselle kalibroinnille ja siihen sisältyvälle ilmakehäkorjaukselle. Kalibroinnissa muutetaan alkuperäinen digitaalinen numero fysikaaliseksi säteilyarvoksi (albedo) tai heijastussuhteeksi (reflektanssi), jolloin mittauksia voidaan verrata eri ajankohtien ja eri alueiden kesken.
Kalibrointia varten tärkeä aallonpituusalue näkyvän valon lisäksi on 2,1 mikrometrin alue, jonka avulla voidaan laskea aerosolin optinen tiheys (AOD Aerosol Optical Density) kuvaushetkellä ja poistaa sen vaikutus säteilyarvoihin.
Kalibrointi säästää kustannuksia
Radiometrinen kalibrointi mahdollistaa yhteisten estimointimallien käytön, mikä vähentää tarvittavan maastotukiaineiston tai muun tukiaineiston hankinnan määrää ja kustannuksia. 3D-Maastossa kartoitettiin näin Otaniemen ja Helsingin alueen puustoa SPOT-satelliittikuvilta niin että vertailuaineistoa käytettiin vain tulosten verifioinnissa.
Kuvien radiometrisen kalibroinnin ansiosta puustomuuttujien estimoinnissa voitiin käyttää estimointikaavoja, jotka oli kehitetty toisen alueen satelliittikuvien ja maastotietojen perusteella. Puustomuuttujat laskettiin kalibroiduista punaisen, vihreän ja lähi-infra-alueen säteilyarvoista lineaarisilla ja paloittain lineaarisilla estimointimalleilla: puiden runkoluku hehtaarilla, läpimitta, pituus ja puulaji (havupuu tai lehtipuu).
Menetelmällä laskettiin puusto vuosien 1996 ja 2005 SPOT-satelliittikuvista pääkaupunkiseudulta (60 x 60 km2) ja yhdistettiin se Otaniemen ja Länsi-Helsingin alueiden kaupunkimalleihin. Vaikka kuville oli tehty pelkästään rutiinioikaisu, 10 metrin resoluution satelliittikuvasta generoidut puut osuivat hyvin 5 cm resoluution ilmakuva-aineistosta ja laserkeilausaineistosta tehtyyn kaupunkimalliin.
Menetelmä toimii erotuskyvyltään 4–30 metrin satelliittikuvilla, kuten Landsat, SPOT, IRS, IKONOS ja QuickBird. Edellytyksenä on, että kuvassa on lähi-infrakanava sekä vihreän ja punaisen valon kanavat, joita käytetään puustomuuttujien estimointimallissa. 10-30 metrin kuva-aineistosta saadaan kartoitettua metsiköt, mutta yksittäisten puiden ja puurivien kartoitus edellyttää vähintään viiden metrin resoluutiota.
Algoritmien kehittäminen ei riitä
3D-Maastossa testattiin myös yksityiskohtaisten fotorealististen 3D-karttojen tietomallinnuksen ja tehokkaan visualisoinnin menetelmiä. Mitä tiiviimmin aineisto on mallinnettu, sitä tehokkaammin se saadaan visualisoitua tehoa vaativissa simulointisovelluksissa. Tähän on valmiita kaupallisia järjestelmiä. Fotorealismia ja myös rakennusten sisäosia sisältävät hybridit mallit tarvitsevat uusia ratkaisuja, joissa on käytössä aito 3D-tietorakenne ja aidot 3D-koordinaatit.
Kirjoittaja toimii VTT:ssä tutkijana aiheena kaukokartoitusaineiston kalibrointi- ja analyysimenetelmät. Sähköposti: eija.parmes[at]vtt.fi
Lisää aiheesta:
Niinimäki, Tuomas. Interactive multi-scale visualization of built areas, Master’s Thesis, Helsinki University of Technology, Telecommunications Software and Multimedia Laboratory, Espoo 2007.
Erving, Anna. Julkisivutekstuurin liittäminen 3D-malliin, Diplomityö, TKK Fotogrammetrian ja kaukokartoituksen laboratorio, Espoo 2007.
Parmes, E. & Rainio, K., Production of vegetation information to 3D city models from SPOT satellite images, ISPRS Hannover Workshop 29.5 - 1.6.2007, High Resolution Earth Imaging for Geospatial information
Korpela, I., Incorporation of allometry into single-tree remote sensing with Lidar and multiple aerial images, ISPRS Hannover Workshop 29.5. – 1.6.2007, High Resolution Earth Imaging for Geospatial information
www.tekes.fi -> Teknologiaohjelmat –> MASI
30.6.2010 08:23