Veränderungsanalyse und Risikobeurteilung in Stadtgebieten

Problemstellung

Der mobile Einsatz von Laserscannern erlaubt es, in nur wenigen Stunden weitläufige urbane Umgebungen räumlich zu erfassen. Die daraus resultierenden Messdaten geben die Umgebung mit hoher Auflösung und Genauigkeit wieder und eignen sich daher hervorragend für Aufgaben im Bereich der Stadtplanung und des Monitorings städtischer Gebiete. Ein wichtiges Kernelement besagter Aufgaben ist die automatische Änderungsdetektion, bei welcher mehrere, zu unterschiedlichen Zeitpunkten angefertigte Aufnahmen eines Stadtgebietes maschinell auf Änderungen hin überprüft werden. Die daraus gewonnenen Informationen lassen sich dann beispielsweise für die Suche nach Beschädigungen an Stadtmobiliar oder auch für die gezielte Aktualisierung von 3D-Stadtmodellen einsetzen. Neben Aufgaben wie diesen liegt hier der Fokus der Forschungsarbeiten im Bereich der Gefahrenbeurteilung bei der Durchführung von Sonder- und Schwertransporten sowie in der automatischen Planung von Messfahrten.

 

Lösungskonzepte

Die Verarbeitung von mobil erfassten Laserscannerdaten setzt zunächst eine Kalibrierung des Messsystems voraus. Dies umfasst neben der intrinsischen Kalibrierung des Sensors auch die Bestimmung der Transformation zwischen Sensor- und Fahrzeugkoordinatensystem (extrinsische Kalibrierung). Um aufwändige Kalibrieraufbauten zu vermeiden, wird die Transformation direkt aus den Laserdaten einer Messfahrt abgeleitet. Die Koregistierung der Punktwolken, die aus den Einzelmessungen der kalibrierten Sensoren abgeleitet werden, erfolgt über ein SLAM-Verfahren. Bei diesem wird unter Zuhilfenahme des Navigationssystems sowie der Messdaten ein Posengraph aufgebaut, der dann durch ein nichtlineares Optimierungsverfahren so ausgeglichen wird, dass die Summe der Fehler möglichst gering und damit das resultierende Umgebungsabbild möglichst exakt ist. Mehrere auf diese Art und Weise in sich registrierte Messfahrtendatensätze werden dann anschließend mit einem vergleichbaren Verfahren zueinander registriert.

 

Abb. 1: Iterativ an die Lasermessungen einer Straßenszene angenähertes Belegungsgitter, wie es auch für die automatische Änderungsdetektion eingesetzt wird.

 

Derart aufbereitete Messdaten eignen sich für die automatische Änderungsdetektion. In deren Rahmen werden zunächst objektbasierte Analysen wie das Detektieren und Entfernen von Bewegtobjekten durchgeführt. Hierdurch wird die Rate fehlerhaft erkannter Änderungen stark reduziert. Die eigentliche Änderungsdetektion erfolgt dann durch den Aufbau eines hierarchischen Belegungsgitters. Das Belegungsgitter wird iterativ so an die Messdaten angepasst, dass hierdurch das Verhältnis zwischen räumlicher Auflösung und dem hierfür benötigten Speicherbedarf optimiert wird. Die besondere Stärke des gewählten Verfahrens liegt darin, dass sich dadurch nicht nur Oberflächen repräsentieren lassen, sondern auch freie und bisher ungesehene Teile der Umgebung. Durch den Vergleich der Datenstrukturen mehrere Epochen lassen sich Belegungskonflikte bestimmen, von denen dann auf Änderungen geschlossen werden kann.

 

Verfügbare Daten

Im Rahmen einer Messkampagne im April 2016 wurden mobile Lasermessungen des Stammgeländes der TU München sowie der umliegenden Straßen gesammelt, die hier für die Allgemeinheit zur Verfügung gestellt werden: Daten TUM-MLS-2016

 

Veröffentlichungen

• Gehrung, J., Hebel, M., Arens, M., Stilla, U., 2020. Change detection and deformation analysis based on mobile laser scanning data of urban areas. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume V-2-2020, pp. 703-710. [doi: 10.5194/isprs-annals-V-2-2020-703-2020]
• Gehrung, J., Hebel, M., Arens, M., Stilla, U., 2019. A fast voxel-based indicator for change detection using low resolution octrees. ISPRS Geospatial Week 2019: ISPRS Workshop Laser Scanning 2019. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume IV-2/W5, pp. 357-364. [doi: 10.5194/isprs-annals-IV-2-W5-357-2019]
• Gehrung, J., Hebel, M., Arens, M., Stilla, U., 2018. A voxel-based metadata structure for change detection in point clouds of large-scale urban areas. ISPRS TC II Mid-term Symposium "Towards Photogrammetry 2020". ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume IV-2, pp. 97-104. [doi: 10.5194/isprs-annals-IV-2-97-2018]