«mm '"-1- m i
De resultaten vallen dus tegen. Moet
men in gebieden met veel bodemzet
ting nu maar stoppen met AHN+, of kan
het nog beter? Te denken valt dan aan
het verbeteren van de meettechniek
(GPS/1NS) of de rekentechniek (modelle
ren van strookfouten). Ook 'map mat
ching' helpt misschien, of het gebruik
van andere hoogtedata. Twee keer vlie
gen geeft waarschijnlijk ook verbete
ring, maar het extra geld dat daarmee
gemoeid is, kan volgens mevrouw
Brügelmann beter in verbetering van
de rekentechniek worden gestoken.
Filteralgoritmen
Om de 'state of the art' op het gebied
van filteralgoritmen in kaart te bren
gen heeft de sectie Fotogrammetrie en
Remote Sensing (FRS) van de TU Delft
in ISPRS-verband een verzameling van
acht laseraltimetriebestanden op het
web gezet, waarop onderzoeksgroepen
en bedrijven wereldwijd hun tanden
stuk mogen bijten. De bedoeling is om
op automatische wijze alle punten die
op vegetatie, bebouwing, enzovoort
zijn 'geschoten', uit de data te verwij
deren, zodat alleen het kale terrein
overblijft. Zes maanden later waren de
resultaten binnen van acht onder
zoeksgroepen. George Sithole is bezig
met de beoordeling. Hij kijkt of er
vreemde gaten in het terrein zijn ge
vallen, of dat er hele stukken huis,
boom of brug zijn blijven staan. Door
nauwkeurig te tellen kunnen fouten
van de eerste of de tweede soort wor
den gekwantificeerd: enerzijds abusie
velijk verwijderde terreinpunten, an
derzijds achtergebleven gebouw- en
vegetatiepunten. De referentiegege-
vens heeft Sithole handmatig afgeleid
uit kennis (en luchtfoto's) van het
opgenomen gebied.
Filteren heeft als
doel objecten van
het maaiveld te
onderscheiden
(presentatie Sithole).
Het blijkt dat er vier strategieën zijn, gebaseerd op blok-,
helling-, oppervlak- en clusterkenmerken die in de data
worden herkend. Meestal kan de gebruiker opgeven hoe
'streng' de punten worden geselecteerd, en daarmee de
balans tussen fouten van de eerste en de tweede soort beïn
vloeden. Men verwijdert liever te veel punten dan te weinig:
al interpolerend worden de gaten wel weer opgevuld, ter
wijl onterecht geaccepteerde punten later niet meer verwij
derd kunnen worden; dat moet juist nu gebeuren! Interpo
latie ziet er echter al snel acceptabel uit, waardoor een
onterechte indruk van betrouwbaarheid kan ontstaan.
Het valt niet mee om een winnaar aan te wijzen, want ze
doen het allemaal goed in andere situaties. Helling-geba
seerde strategieën maken veel fouten aan de randen van
objecten. Oppervlaktestrategieën hebben moeite met
ruimten tussen gebouwen, maar geven verder goede re
sultaten. Toch vermoedt Sithole dat clusteringstrategieën
het grootste potentieel hebben, omdat deze de objecten
op het juiste niveau proberen te herkennen, en daardoor
gebruik kunnen maken van kennis over deze objecten. Op
puntniveau is een dijk bijna niet van een huis te onder
scheiden.
Classificatiemethoden
Na de thee vertelt Saskia Boersma van Terralmaging over
haar classificatie-ervaringen met laseraltimetriegegevens.
Zij behandelt twee voorbeelden. Het eerste betreft een pro
ject in de Loire-streek, waar men probeert de opdrachtgever
een volledig kaartbeeld aan te bieden door diverse gege
vensbronnen en objectgebaseerde classificatiemogelijk
heden samen te brengen. Met eerste/laatste reflectiegege-
vens kan de vegetatie worden gekarteerd. Water wordt
gedetecteerd aan de hand van de intensiteit, gecombineerd
Mutatiedetectie met grond/niet-grondinformatie. Gebouwen vindt men met
in ToplOvector een genormaliseerd oppervlaktemodel. De uiteindelijke
met behulp van kaart ontstaat door eerst een segmentatie uit te voeren, de-
laserdata ze te classificeren, en uiteindelijk gelijk geclassificeerde
(presentatie aangrenzende segmenten te vectoriseren en tot polygonen
Boersma). samen te voegen.
Landscape
Point
Cloud
Object (Detached)
Object (Attached)
GEODESIA 2003-7/8
