De redactie van NGT Geodesia wenst u
prettige Kerstdagen en een voorspoedig 1995
ter konden geven, specificeren dat we
in bijvoorbeeld wegen zijn geïnteres
seerd en vervolgens een beeldverwer
kingsprogramma op het beeld konden
loslaten, dat een wegenkaart pro
duceert.
Zo gemakkelijk is het niet en er zijn
ook geen indicaties die erop duiden
dat dit in de toekomst wel zo eenvou
dig zal worden. Het probleem dat dit in
de weg staat, is iets waar de mens
nauwelijks bij stilstaat en dat is de
interpretatie. Een mens kan schijn
baar moeiteloos datgene wat hij ziet,
herkennen en classificeren. In het al
gemeen heeft hij dan ook geen enkel
probleem om in een luchtfoto de we
gen aan te wijzen.
Bij nadere beschouwing blijkt deze in
terpretatie echter een fenomenale
prestatie te zijn. Een luchtfoto kan na
melijk bijzonder veel informatie bevat
ten over een grote verscheidenheid
aan objecten. Toch kan een operateur
de vele miljoenen bits aan informatie
die op de netvliezen van zijn ogen val
len, in één oogopslag interpreteren.
Zelfs geheel onverwachte zaken kun
nen bijzonder snel worden herkend.
Binnen een fractie van een seconde
hebben wij bijvoorbeeld in de gaten
wat er met het paspunt in fig. 5 is
gebeurd.
Om deze eigenschappen op een computerprogramma te
kunnen overdragen, zouden we het interpretatieproces
van de mens moeten kennen. En daar ligt het probleem.
Wij begrijpen niet hoe onze hersenen deze interpretatie
voor elkaar krijgen. Wel lijkt duidelijk dat we zeer veel
kennis gebruiken. Bijvoorbeeld weten wij wat we ons bij
een weg moeten voorstellen. Maar wanneer we nu probe
ren deze kennis onder woorden te brengen en te formali
seren, schieten we weer tekort, want wat is nu eigenlijk
een weg? Een weg heeft zo veel verschillende verschij
ningsvormen, dat het praktisch onmogelijk lijkt een alge
mene omschrijving te geven waarmee iedere weg zou
kunnen worden herkend. Het lijkt daarom voorlopig niet
mogelijk algoritmen te ontwerpen, die zulke complexe
beelden als luchtfoto's kunnen interpreteren en daarmee
is een automatische kartering voorlopig ook van de baan.
Dit betekent niet dat methoden uit de digitale beeld
verwerking niet van nut kunnen zijn bij de kartering. Ze
kunnen namelijk wel worden gebruikt om efficiënter te
meten in digitale beelden. Dit wordt vaak aangeduid met
semi-automatische kartering. Een goed voorbeeld hier-
Fig. 6. De gele weggedeelten zijn door de operateur aangegeven. De rode lijnen zijn auto
matisch bepaald met een road tracer.
van zijn zogenaamde „road tracers" (fig. 6). Hierbij wijst
een operateur in het beeld twee punten op een weg aan,
waarmee de positie en de richting van een klein stukje
weg gedefinieerd zijn. Daarna neemt een algoritme, de
road tracer, de meting over en probeert de weg te volgen.
In het onderzoek aan de Faculteit der Geodesie willen we
dergelijke semi-automatische methoden ontwikkelen voor
een efficiënte inwinning van informatie uit digitale beel
den.
Behalve aan de semi-automatische informatie-inwinning
willen we ook aandacht besteden aan de digitale close
range fotogrammetrie. Ook bij dit thema gaat het om de
ontwikkeling van methoden en het verkennen van de
mogelijkheden die de digitale beeldverwerking hiervoor
biedt. Samenwerking met collega's uit andere disciplines
achten wij hierbij van groot belang. Niet alleen omdat hun
kennis nodig is om close-range fotogrammetrie in hun
vakgebieden succesvol te kunnen toepassen, maar ook
omdat wij hopen hiermee een grotere bekendheid te kun
nen geven aan de mogelijkheden van de fotogrammetrie.
512 NGT GEODESIA 94 - 12