Bildbasiertes Mobile Mapping€¦ · Bildbasiertes Mobile Mapping - 9. Hamburger Forum für...
Transcript of Bildbasiertes Mobile Mapping€¦ · Bildbasiertes Mobile Mapping - 9. Hamburger Forum für...
Sensorik, Algorithmik und AnwendungenBildbasiertes Mobile Mapping -
9. Hamburger Forum für Geomatik, 24. Mai 2018
Stefan Blaser, wissenschaftlicher Mitarbeiter, Institut Geomatik
13.06.2018Institut Geomatik 2
Grundprinzip: Bildbasiertes Mobile Mapping
• Navigationssensorik: GNSS + IMU
• Umgebungssensorik: Stereosysteme, (evtl. LiDAR)
13.06.2018Institut Geomatik 3
Georeferenziertes 3D-Bild
• perspektivisches Messbild mit Distanzwert für jedes Pixel
• so einfach interpretierbar und nutzbar wie ein 2D-Bild und gleichzeitig voll 3D-fähig
• relative & absolute Messungen, Digitalisierung & Überlagerung von 2D- und 3D-Geodaten
• für Aussenraum & Innenraum
• Forderung: WYSIWYG (what yousee is what you get)(Nebiker et al., 2015)
13.06.2018Institut Geomatik 4
Konzept 3D-Bild
Tiefenwerte ausa) Image Matching od.b) co-registriertem LiDAR
13.06.2018Institut Geomatik 5
Vergleich 3D-Bild mit 3D-Punktwolke
13.06.2018Institut Geomatik 6
Nutzung von 3D-Bilddaten: Web-basierte und mobile Cloud Services
13.06.2018Institut Geomatik 7
Fahrzeug, Luft, Wasser, Schiene … Spektrum an Plattformen und Anwendungen
Leitungskataster (Ingesa Oberland AG) Hochspannungsleitungen (Meran / Bozen)
Flussufer und Brücken (Basel-Stadt) Bahninfrastruktur (BLS)
13.06.2018Institut Geomatik 8
360° Stereo-Panorama-Konfiguration
• Weitwinkel-Stereo-Kamerasysteme (frontal / rückwärts) (blau)→ Strassenraum und -infrastruktur
• Zwei verschwenkte Mehrkopf-Panoramakameras (rot)= 4 Fischaugen-Stereokamerasysteme (seitlich)→ Gehsteige und Fassaden
(Blaser et al., 2017)
13.06.2018Institut Geomatik 9
13.06.2018Institut Geomatik 10
Systemkalibrierung
• Bündelblockausgleichung mit zusätzlichen Bedingungen
• Unterstützung verschiedener Kameramodelle:• perspektivisch• äquidistant (Fischaugenobj.)
• Teilkalibrierung im Innenraum:• Innere Orientierung (IOP)• Relative Orientierung (ROP)
• Teilkalibrierung im Aussenraum:• Hebelarme und Fehlaus-
richtungen zum INS (LM)
Kalibrierfeld im Innenraum (links):
• 144 Targets, = 0.3 mm
Kalibrierfeld im Aussenraum (rechts):
• Targets und natürliche Passpunkte
13.06.2018Institut Geomatik 11
3D-Bildgenerierung aus Fischaugen-Stereokamerasystemen
• Äquidistantes Kameramodell wird beibehalten
• Linkes Bild des korrigierten äquidistanten Stereobild-paares: RGB-Layer des 3D-Bilds
• Für die Generierung der Dis-paritätskarte: Verwendung des epipolar-äquidistantenKameramodells
• Workflow als Python-Programm umgesetzt
• Dense Image Matching: SURE (Blaser et al., 2017)
13.06.2018Institut Geomatik 12
3D-Messgenauigkeiten (Stereobildmessung)
Vergleich von bildbasierten 3D-Distanzmessungen mit 3D-Referenzdistanzen
• St. Abw. Fassade:0.5 – 1.5 cm
• St. Abw. Fussgängerstreifen:0.5 – 6.5 cm
• Einflussfaktoren:• Kalibrierung
(IOP + ROP)• Punktdefinition
(Blaser et al., 2017)
13.06.2018Institut Geomatik 13
Vergleich Distanzmessungen im 3D-Bild mit Referenzdistanzen
(Blaser et al., 2018, accepted)
• St. Abw. Fassade (rot & grün):0.1 – 6.1 cm
• St. Abw. Fussgängerstreifen: (blau)0.5 – 12.2 cm
• Einflussfaktoren:• Kalibrierung
(IOP + ROP)• Punktdefinition• Dense Image Matching
13.06.2018Institut Geomatik 14
Automatische Ableitung von realitätsgetreuen 3D-Stadtmodellen(BTh Ackermann & Studer, 2016)
13.06.2018Institut Geomatik 15
13.06.2018Institut Geomatik 16
Genauigkeitsvergleich direkte vs. Bildbasierte Georeferenzierung
Mittlere 3D-Abweichung
• 1: 520 mm
• 2: 93 mm
• 3: 81 mm
1
2
3
Genauigkeitssteigerung
Direkte Georeferenzierung => Bildbasierte Georeferenzierung
RMSE Checkpunkte Δ3D: 427 mm => 39 mm
ca. Faktor 10
(Cavegn et al., 2016)
13.06.2018Institut Geomatik 17
Bildbasierte Georeferenzierung mit relativen Orientierungsbedingungen
Laufende PromotionS. Cavegn
Relative Orientierungsbedingungen für
• Stereokameras
• Multihead-Panoramakameras
Genauigkeitsuntersuchungen(RMSE Checkpunkte 3D)
• Aussenraum: 22-31 mm
• Innenraum: 15-22 mm
(Cavegn et al., 2018, accepted)
13.06.2018Institut Geomatik 18
Indoor Mobile MappingKTI-Projekt BIMAGE – Cloud-basiertes Building Information ManagementSystemanforderungen:
• Prototypisches Indoor Mobile Mapping-System• Forschungszwecke• Pilotprojekte
• Flexibles Design (Hardware & Software)
• Mobile Plattform (Rucksack)• Baustellen, Treppenhäuser, etc.
• Hardwaregesteuerte Zeitsynchronisation
• Vollständige GNSS-Unabhängigkeit• LiDAR-SLAM als «GNSS-Ersatz»• Bildbasierte Georeferenzierung
13.06.2018Institut Geomatik 19
Systemkonfiguration
• Flexibler Aluminium-Rahmen
• Modularer Aufbau
• 1 Panoramakamera
• 2 Multiprofil-Laser-Scanner
• 1 IMU (Industrial Grade)
• Gewicht: ca. 22 kg
• Akkulaufzeit: ca. 2 Stunden
13.06.2018Institut Geomatik 20
Elektronisches Design
• Gemeinsame Zeitbasis: Arduino Nano
• Zeitsynchronisation mit PPS & NMEA
• Hardwarebasierte, gleichzeitige Kameraauslösung
(Blaser et al., 2018, submitted)
13.06.2018Institut Geomatik 21
Softwaredesign
• Framework: Robot Operating System (ROS)(Quigley et al., 2009)
• Open Source• Zahlreiche verfügbare
Module• Hardware-Kompatibilität
• Graph-basiertes Kommunikationskonzept(Node, Topic, Service)
• SLAM: Cartographer von Google(Hess et al., 2016)
(Blaser et al., 2018, submitted)
13.06.2018Institut Geomatik 22
Ablauf Datenprozessierung
• Bildposen werden über die Zeitstempel in die SLAM-Trajektorie interpoliert
• Kamerabilder werden entzerrt(Korrektur der inneren Orientierung)
• Bildbasierte Georeferenzierung auf Basis der SLAM-Posen als Näherungswerte (Cavegn et al., 2018, accepted)
13.06.2018Institut 23
Anwendung 3D-Gebäudeaufnahme
SLAM-basierte 3D-Kartierung als Basis für die bildbasierte Georeferenzierung
13.06.2018Institut Geomatik 2413.06.2018Institut Geomatik 24
Genauigkeitsuntersuchungen6. Obergeschoss• Passpunkte jeweils in 4 Bildern
gemessen (Vorwärtseinschnitt)
• SLAM & COLMAP-Posen
• Transformation der lokalen Koordinatenüber 8 Passpunkte
• LiDAR-SLAM-Posen:• Relativ: 8.2 – 12.3 cm• Absolut: 10.6 – 13.3 cm
• COLMAP-Posen:• Relativ: 0.2 – 0.3 cm• Absolut: 1.3 – 1.8 cm
• Genauigkeit mit bildbasierter Georeferenzierung um Faktor 10 gesteigert
(Blaser et al., 2018, submitted)
13.06.2018Institut Geomatik 25
Einsatz im Versuchsstollen Hagerbach3D-Blockkurs (6. Semester, Bachelor-Studiengang)
13.06.2018Institut Geomatik 2613.06.2018Institut Geomatik 26
Fazit
• Georeferenzierte 3D-Bilddaten bilden die Basis für bildbasierte Infrastruktur-Webdienste mitMessfunktionalität
• Vorteile von 3D-Bilddaten• Räumliche und zeitliche Kohärenz
von Bild und Tiefe• Intuitive Messmöglichkeiten• Hohe Informationsdichte
• Paradigmenwechsel• Feld → Arbeitsplatz• Datenerhebung durch
Infrastruktur-Expert/innen• Begehungen werden eingespart
13.06.2018Institut Geomatik 2713.06.2018Institut Geomatik 27
Fazit
Verschiedene Einsatzgebiete (Strasse, Schiene, urbaner Raum, Innenraum) stellen unterschiedliche Anforderungen an
• Sensorik• Navigationssensorik• Umgebungssensorik
• Algorithmik• Georeferenzierung• Erstellung der Tiefen-
bzw. 3D-Information
Ziel: Georeferenziertes 3D-Bild
13.06.2018Institut Geomatik 2813.06.2018Institut Geomatik 28
Ausblick
Erweiterung / Optimierung MMS-Rucksacks
• Alternativer Ansatz zur Verbesserung der SLAM-Posen (erschwerte Bedingungen)• EKF-basierte Trajektorienberechnung
• Untersuchung unterschiedlicher Strategien zur Generierung der Tiefeninformation• Fixe Stereobasen• Virtuelle Stereobasen• Verwendung der LiDAR-Punktwolke
• Kalibrierung des Gesamtsystems
• Durchführung von Pilotprojekten in unterschiedlichen Umgebungen
13.06.2018Institut Geomatik 2913.06.2018Institut Geomatik 29
Ausblick
• Bildbasierte Lokalisierung in unterschiedlichen Umgebungen (Projekt BIMAGE)• Nachführung / Erweiterung der 3D-Bilddatenbasis• Eröffnet breites Spektrum an neuen Anwendungen
13.06.2018Institut Geomatik 30
Literatur
Blaser, S., Nebiker, S., & Cavegn, S., 2017. System Design, Calibration andPerformance Analysis of a Novel 360° Stereo Panoramic Mobile Mapping System. In: ISPRS Ann. Photogramm. Remote Sens. Spatial Inf. Sci., Hannover, Germany, Vol. IV-1/W1, pp. 207–213.
Blaser, S., Cavegn, S. & Nebiker, S., 2018. Development of a Portable High Performance Mobile Mapping System Using the Robot Operating System. In: ISPRS Ann. Photogramm. Remote Sens. Spatial Inf. Sci., Karlsruhe, Germany (submitted).
Blaser, S., Nebiker, S., & Cavegn, S., 2018. On a Novel 360° Panoramic Stereo Mobile Mapping System. Photogrammetric Engineering & Remote Sensing, (accepted).
Cavegn, S., Blaser, S., Nebiker, S., & Haala, N., 2018. Robust and Accurate Image-Based Georeferencing Exploiting Relative Orientation Constraints. In: ISPRS Ann. Photogramm. Remote Sens. Spatial Inf. Sci., Riva del Garda, Italy, (accepted).
13.06.2018Institut Geomatik 31
Literatur
Cavegn, S., Nebiker, S., & Haala, N., 2016. A systematic comparison of direct andimage-based georeferencing in challenging urban areas. In: Int. Arch. of thePhotogramm. Remote Sens. Spatial Inf. Sci., Prague, Czech Republic, Vol. XLI, Part B1, pp. 529–536.
Hess, W., Kohler, D., Rapp, H., & Andor, D., 2016. Real-Time Loop Closure in 2D LIDAR SLAM. In: 2016 IEEE International Conference on Robotics and Automation (ICRA), Stockholm, Sweden, pp. 1271–1278.
Nebiker, S., Cavegn, S., & Loesch, B., 2015. Cloud-Based Geospatial 3D Image Spaces—A Powerful Urban Model for the Smart City. ISPRS Int. J. Geo-Information, 4(4), pp. 2267–2291.
Quigley, M., Conley, K., Gerkey, B., Faust, J., Foote, T., Leibs, J., Berger, E., Wheeler, R., Ng, A., 2009. ROS: an open-source Robot Operating System. ICRA workshop on open source software, 3(3.2), p. 5.