het gebruik in brede kring ingang te doen vinden, is het
nodig de programmatuur „intelligenter" te maken. Door
de kennis van een deskundige in het programma in te
bouwen, kan dit worden bewerkstelligd. Voor de gebrui
ker komt dit neer op een „vriendelijk" programma.
Het formaliseren van de kennis zou vanuit theoretisch
oogpunt een bijkomend voordeel kunnen bieden, want
veel expertise berust op ervaringsfeiten. Het formaliseren
van deze intuïtieve kennis schept de gelegenheid om,
weliswaar via een achterdeur, tot meer fundamentele in
zichten van de theorie te geraken.
Steeds is het streven geweest om algemene oplos
singsmethodieken voor een grote diversiteit aan proble
men te ontwikkelen. Hoewel niets zo praktisch is als een
goede theorie, daar er een groot scala aan problemen
mee kan worden geattaqueerd, is het de vraag of voor
veel problemen een meer probleemspecifieke aanpak
niet de betere oplossing biedt. Al noodzaakt tot het
invoegen van probleemafhankelijke kennis en deze ge
zichtspuntverandering zou wellicht kunnen leiden tot een
andere houding ten aanzien van de modelvorming.
4.3. Fotogrammetrie en remote sensing
4.3.1. Geautomatiseerde analyse van digitale beelden
onder gebruikmaking van GIS-kennis
Hoewel de geodesie sterk de nadruk legt op de geometri
sche aspecten bij de beschrijving van objecten, heeft
deze geometrische benadering geen enkele zin wanneer
de aard van de objecten onbekend is. De geodesie ver
onderstelt stilzwijgend dat de meetobjecten bekend zijn,
dat de werkelijkheid geïnterpreteerd is. Slechts vanuit dat
oogpunt kan de objectruimte worden opgevat als een 1-D,
2-D of een 3-D puntenveld. Deze benaderingswijze ver
loopt probleemloos, zolang de interpretatie wordt uitge
voerd door de mens, maar om de gewenste verkorting
van de verwerkingstijd te bewerkstelligen, zou men het
liefst de beelden automatisch analyseren. Dit is in princi
pe mogelijk bij digitale beelden onder gebruikmaking van
patroonherkenning.
Aan het aardoppervlak bevinden zich echter zoveel typen
objecten, dat het nagenoeg onmogelijk is, hoeveel voor
kennis men ook in het systeem onderbrengt, ruimtelijke
beelden volledig geautomatiseerd te analyseren. Van
veel gebieden echter is probleemspecifieke voorkennis
ruim voorhanden in de vorm van (verouderd) kaartmate
riaal. Daar vrijwel nooit alle, in een vroeger stadium ge
karteerde ruimtelijke structuren zullen zijn verdwenen,
behoudens in geval van catastrofen, kunnen deze
gegevens worden gebruikt als kennis met een onzeker
heidsfactor. GIS-sen zullen steeds meer de kaart ver
dringen. De digitale opslag van GIS en beeld maakt een
geautomatiseerde koppeling mogelijk. Op basis van deze
gedachtengang is door ons een theorie ontwikkeld om
beeldmateriaal geautomatiseerd te analyseren en het
GIS te updaten [5]. De theorie heeft vooralsnog meren
deels de totstandkoming van de koppeling tussen beide
bestanden op het oog, en veel minder de objectherken
ning zelf. Daar er nog maar erg weinig bekend is over de
wijze waarop de mens beelden interpreteert, is het boven
water krijgen van de menselijke interpretatiedeskundig
heid en het codificeren en vastleggen hiervan in Al-syste
men een hachelijke aangelegenheid. Daarom vraagt
deze problematiek een interdisciplinaire aanpak.
4.3.2. Automatische DHM-produktie
Uit digitale stereobeelden (bijvoorbeeld gescande lucht
foto's of SPOT-opnamen) kunnen automatisch DHM's
worden vervaardigd met vergelijkings-(matching)technie-
ken, waarvan inmiddels ontelbare methodieken zijn
ontwikkeld (voor een overzicht, zie bijvoorbeeld [4], Uit
experimenten, o.a. gerapporteerd tijdens het 16e ISPRS-
congres 1988, blijkt dat een algemeen optimale vergelij
kingsprocedure niet bestaat. Objecttype en soort beeld
materiaal blijken sterk van invloed. Dit doet overwegen
om een reeks van vergelijkingstechnieken als het ware in
een ladekast onder te brengen en afhankelijk van een
aantal parameters het apparaat zelf te laten beslissen
welke laden en in welke volgorde het deze opentrekt om
tot een optimale oplossingsstrategie te komen. Deze
parameters zullen enerzijds door de gebruiker moeten
worden aangereikt, zoals de gewenste precisie, en ander
zijds bestaan uit beeldkarakteristieken zoals textuur en
de mate van voorkomen van beeldstructuren, welke uit
steekproeven door de machine zelf in het beeld kunnen
worden gemeten. Zo'n flexibele vergelijkingsprocedure
zou kunnen worden ondergebracht in een expertsysteem
[7].
4.3.3. Niet-topografische fotogrammetrie
De niet-topografische fotogrammetrie, waarover in dit
tijdschrift reeds herhaaldelijk is gerapporteerd door Van
Voorden [19, 20], kenmerkt zich door een sterke geva
rieerdheid in schaal, vorm en omgeving van de op te
nemen objecten. Hierdoor is het, in tegenstelling tot de
luchtfotogrammetrie, onmogelijk de opnameconfiguratie,
het opname-instrumentarium en de uitwerking van de
foto's te standaardiseren. Deze factoren zijn er de oor
zaak van, dat de fotogrammetrie in het verleden zo weinig
is ingezet voor het uitvoeren van technische metingen.
Gedurende het afgelopen decennium valt er echter een
duidelijke kentering te constateren, doordat de computer
een flexibele aanpak mogelijk maakt.
Het ontwerpen en de uitvoering berusten sterk op erva
ringsfeiten. Deze laten zich onderbrengen in een expert
systeem, bijvoorbeeld voor het ontwerpen van een opti
male opnameconfiguratie onder inachtneming van:
speciale omstandigheden en voorwaarden in het be
treffende project;
precisie-eisen;
de te gebruiken of beschikbare camera's en uitwer
kingsinstrumenten.
Ook zou een expertsysteem kunnen worden ingezet voor
de vaak moeizame verkrijging van benaderde waarden
voor de vereffening.
Er zijn al eerste, bescheiden experimenten uitgevoerd op
dit terrein. Zo voert Behr et ai. [2] een experiment uit ten
behoeve van de architectuurfotogrammetrie. Bij gegeven
opname- en uitwerkingsapparatuur en een geparametri-
seerde objectbeschrijving wordt de optimale opnamecon
figuratie bepaald.
Een vierde voorbeeld is het gebruik voor ondersteuning
van de handmatige foto-interpretatie. Daar dit onderwerp
reeds is gebruikt om de rule base te demonstreren, laten
we het hier verder onbesproken.
5. Conclusie
Het is niet de opzet geweest om de achtergronden van de
kunstmatige intelligentie en de toepassingsmogelijkhe
den in de geodesie in hun volle breedte en diepte in het
bestek van dit artikel uit te diepen. Er is slechts een
verkenning uitgevoerd. Voordelen die Al de geodesie kan
bieden, zijn o.a.
decentralisatie van de kennis waardoor methoden en
474
NGT GEODESIA 89 - 10