E
V
meten objecten al in het model zijn
opgenomen. Bovendien kunnen in het
model allerlei voorwaarden met be
trekking tot de vorm zijn opgenomen.
Bij de meting van gebouwen kan bij
voorbeeld al zijn vastgelegd dat het
dak symmetrisch is, de muren rechte
hoeken maken en de hoekpunten bij
de dakgoten op dezelfde hoogte lig
gen. Vanwege deze vormvoorwaarden
kan de operateur het gebouw recon
strueren door slechts enkele punten te
meten [6].
Deze meting kan nog verder worden versneld wanneer een
fittingalgoritme wordt toegepast [7]. De werkwijze is dan
als volgt: de operateur selecteert uit een database een ob
jectmodel. Dit model wordt in één of meerdere foto's ge
projecteerd. Door de hoeken van dit draadmodel in de foto
te verslepen wordt het model bij benadering op de juiste
plaats gezet (fig. 5, links). Hierna zorgt een fittingalgoritme
voor een betere positionering van het objectmodel (fig. 5,
midden). Dit algoritme past de parameters die het object
model beschrijven, zodanig aan dat de lijnen van het model
zo goed mogelijk samenvallen met pixels die hoge gradiën
ten hebben. Een correctie van de resultaten is vaak nodig
wanneer er meerdere randen met hoge gradiënten bij elkaar
in de buurt liggen. Dit is ook het geval in het voorbeeld. De
randen van de ramen in de voorgevel hebben een hoger
contrast dan de dakrand. De fout kan echter hersteld wor
den door de handmatige meting van slechts één punt.
Fig. 4.
Links: De opera
teur wijst met één
punt het water
oppervlak aan.
Rechts: De randen
die na toepassing
van region growing
en mathematische
morfologie worden
gevonden.
Conclusies
In hoeverre de beschreven semi-automatische technieken
bijdragen aan het versnellen van de kartering, hangt sterk af
van het contrast in de luchtfoto's, de dichtheid van de ob
jecten en de gestelde precisie-eisen. Voor alle metingen is
een goede doortekening van de luchtfoto's van belang. Een
sterker contrast tussen een object en de omgeving resulteert
in een nauwkeurigere meting van de objectrand. Ook bij
het gebruik van de terreinvolgende cursor zijn duidelijke
grijswaardeverschillen nodig. In gebieden zonder textuur,
zoals op zandvlakten, kan een matching-algoritme geen
corresponderende punten vinden en kan de terreinhoogte
dus niet worden bepaald. Een goed contrast is echter nog
geen garantie voor een goede meting. Een storende factor is
de aanwezigheid van andere punten of randen met een
Fig. 5.
Meting van
complexe modellen.
Links: Object
model dat door de
operateur ongeveer
op de juiste plaats
is gezet. Midden:
De resultaten van
een fitting algo
ritme. Rechts: De
verbeterde resulta
ten na één meting
door de operateur.
hoog contrast in de buurt van het te
meten object. Hoe kleiner de afstand
tot de naburige objecten en hoe ster
ker het contrast van deze objecten, des
te groter de kans dat een algoritme het
verkeerde object zal meten. Vooral bij
een hoge objectdichtheid dient de
operateur alert te zijn op dergelijke
identificatiefouten. De bruikbaarheid
van de resultaten hangt verder af van
de gestelde precisie-eisen. Vegetatie,
die over een weg- of waterrand heen
hangt, leidt tot een systematische lout.
Wanneer de eisen die aan de kartering
worden gesteld, niet al te hoog zijn,
kunnen dit soort fouten wellicht nog
worden geaccepteerd. Dit hangt vaak
mede af van de gewenste kaartschaal.
De effecten van deze fouten nemen af
naarmate de kaartschaal kleiner wordt.
Ondanks de beperkingen van de semi-
automatische karteermethoden en de
altijd aanwezige noodzaak van contro
le en correctie door een operateur kun
nen deze methoden leiden tot een effi
ciëntere kartering. Dit geldt vooral
voor de relatief eenvoudige methoden
waar elk te meten punt bij benadering
wordt aangewezen. Bij de iets moei
lijkere meting van lijnen met een weg-
volger en vlakken met region growing
worden sterk vereenvoudigde aanna
men gemaakt: de weg heeft een con
stant grijswaardedwarsprofiel en het
vlak een constante grijswaarde. Deze
aannamen zijn vooral in stedelijk ge
bied vaak onvoldoende om een accep
tabele kartering te verkrijgen.
Betere resultaten kunnen alleen wor
den verwacht wanneer de algoritmen
gebruik kunnen maken van meer alge
mene kennis over de karteren objec
ten. Hierop richt zich veel internatio
naal onderzoek [5]. In de gemodelleer
de kennis wordt bijvoorbeeld vastge
legd dat wegen vaak beperkte hellings-
1998-12
GEODESIA
V