Effiziente Bestandsaktualisierung von 3D-Stadtmodellen ... · und Web-Services. Bereitstellung als...

Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken Rico Richter, FG Computergrafische Systeme Prof. Döllner Workshop 3D-Stadtmodelle 2014

■ Aktuelle Datengrundlage erforderlich für verschiedene Einsatzbereiche, z.B.:

□ Planung,

□ Monitoring,

□ Dokumentation,

□ Stadtmarketing,

□ Analysen,

□ Simulation und

□ Katastrophen-

management

05.11.2014 Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken 2

Kontext und Problemstellung - Anwendungsfelder

„Virtuelle 3D-Stadmodelle sind eine digitale Momentaufnahme, die ab dem Tag der Erfassung altert.“

Solarpotentialanalyse für das 3D-Stadtmodell Berlin

■ Die Aufbereitung und Konstruktion von

3D-Stadtmodellen erfordert in der Regel

verschiedene Datenquellen:

□ Luftbilder

(z.B. Orthophotos, Schrägluftbilder)

□ 3D-Punktwolken

(z.B. aus LiDAR oder Bildmatching)

□ Oberflächenmodelle

(z.B. DSM, DTM)

□ Grundrisse und Lagepläne

(z.B. ALKIS, ALK)

□ Vegetationsmodelle

(z.B. Baumkataster)

□ Schrägluftbilder

□ ...


Kontext und Problemstellung - Datenquellen & Konstruktion

3D-Punktwolke + Luftbildfarben

3D-Stadtmodell Berlin

1) Datenerfassung wird regelmäßig (z.B. jährlich), flächendeckend und

hochauflösend für Städte, Metropolregionen und Bundesländer durchgeführt.

2) Die Ableitung von qualitativ hochwertigen, semantikreichen, geometrisch

komplexen und flächendeckenden 3D-Stadtmodellen kann nicht auf einen

vollautomatisierten Prozess abgebildet werden.

□ Qualitätssicherung, Model-

lierung und Korrektur ist

mit einem hohen manuellen

Aufwand verbunden.

□ Es sind hohe zeitliche und

finanzielle Aufwendungen

erforderlich.

□ Lange Zeitspanne zwischen

der Erfassung und der

tatsächlicher Verfügbarkeit

des 3D-Stadtmodells.


Kontext und Problemstellung - Datenerfassung

Detailliert modelliertes 3D-Gebäudemodell.

■ Schlussfolgerung: Die Ableitung eines

3D-Stadmodells nach jeder neuen

Datenerfassung (z.B. Befliegung) ist aus

wirtschaftlicher Sicht nicht praktikabel.

■ These: Die Analyse multitemporaler

3D-Punktwolken ermöglicht die effiziente

Bestandsaktualisierung und damit eine

kontinuierliche Fortführung von

3D-Stadtmodellen.


Kontext und Problemstellung - Effiziente Bestandsaktualisierung

3D-Stadmodell visualisiert mit thematischen Informationen.

■ Kontext & Problemstellung

■ Analyse von multitemporalen 3D-Punktwolken

□ Klassifizierung

□ Veränderungsanalyse

□ Vergleich mit Bestandsdaten

■ Aktualisierung 3D-Stadtmodell Berlin

■ Baumextraktion & Visualisierung

■ Fazit


Agenda

■ Anforderungen:

□ Vollautomatische Prozessierung

□ Verarbeitung von dichten

3D-Punktwolken

(z.B. 100 Punkte/m²)

□ Umgang mit Massendaten

(z.B. 100 TB Datenvolumen)

□ Hocheffiziente Analyse

(z.B. wenige Wochen Rechenzeit)


Effiziente Bestandsaktualisierung

Festplatten mit dem Datenaufkommen einer Befliegung.


Effiziente Bestandsaktualisierung - Ablauf


1) Klassifikation – Strukturanalyse der Erfassungsdaten - 3D-Punktwolke texturiert mit Luftbild

https://www.youtube.com/watch?v=1YwTKi4lAVM&feature=youtu.be

https://www.youtube.com/watch?v=1YwTKi4lAVM&feature=youtu.be


1) Klassifikation – Strukturanalyse der Erfassungsdaten - Detektion von Bodenpunkten


1) Klassifikation – Strukturanalyse der Erfassungsdaten - Detektion von Vegetation


1) Klassifikation – Strukturanalyse der Erfassungsdaten - Detektion von Bebauung


1) Klassifikation – Strukturanalyse der Erfassungsdaten - Gesamtergebnis Klassifikation

■ Datengrundlage:

□ 3D-Punktwolke (LiDAR) oder

□ Oberflächenmodell (Bildmatching)

■ Vollautomatische und hocheffiziente Klassifizierung

auf Basis der Struktur


1) Klassifikation – Strukturanalyse der Erfassungsdaten

Unklassifizierte 3D-Punktwolke Klassifizierte 3D-Punktwolke

■ Vergleich von multitemporalen 3D-Punktwolken

■ Detektion von räumlichen (z.B. baulichen) Veränderungen


2) Veränderungsanalye – Vergleich von 3D-Punktwolken

■ Zielstellung: Auffinden von neuen, abgerissenen und

veränderten Bauwerken

□ Gebäude im Bestand aber nicht in der 3D-Punktwolke

□ Gebäude in der 3D-Punktwolke aber nicht im Bestand

□ Gebäude mit „fehlerhaftem Grundriss“ im Bestand

□ Gebäude mit baulichen Veränderung (z.B. Volumenänderung)


3) Vergleich mit Bestandsdaten - Vergleich mit Grundrissen im Bestand

Neu

Abgerissen

Verändert

 Kennzahlen:

■ 890 km² Stadtgebiet

■ 120 TB Erfassungsdaten

■ 527.000 Gebäude

 Datengrundlage:

■ 3D-Punktwolke 2009

□ 5-10 Punkte/m²

□ 5 Mrd. Punkte

■ 3D-Punktwolke 2013

□ 100 Punkte/m²

□ 80 Mrd. Punkte

■ Grundrisse aus ALK


Beispiel - Aktualisierung 3D-Stadmodell Berlin (2013/2014)

Projektbeteiligte:

Klassifizierte 3D-Punktwolke, Bereich Berlin Schloss Charlottenburg.


Beispiel - Aktualisierung 3D-Stadmodell Berlin - Ergebnisse: Abgerissene Bauwerke

Ergebnisse ALK Evaluation: Grau – aktuell; Rot – veraltet.


Beispiel - Aktualisierung 3D-Stadmodell Berlin - Ergebnisse: Siedlung mit Neubauten

Vergleich Gebäudebestand altes 3D-Stadtmodell und neues 3D-Stadtmodell.


Beispiel - Aktualisierung 3D-Stadmodell Berlin - Ergebnisse: Siedlung mit Neubauten



Beispiel - Aktualisierung 3D-Stadmodell Berlin - Ergebnisse: Neue, abgerissene und veränderte Bauwerke

Neu

Abgerissen

Verändert


Beispiel - Aktualisierung 3D-Stadmodell Berlin

 Ergebnisse:

■ Alter Datenbestand: 527.301 Gebäude

■ Neuer Datenbestand: 540.009 Gebäude

■ Rechenzeiten:

□ Klassifikation:

0,33 Mrd. Punkte/Stunde

□ Veränderungsanalyse:

5,0 Mrd. Punkte/Stunde

□ Gesamtrechenzeit:

ca. 4 Wochen

□ Durch parallele Verarbeitung auf

mehreren Rechnern kann die

Rechenzeit weiter reduziert werden.


■ Vegetation ist ein wichtiger Bestandteil für ein ansprechendes und

hochwertiges Erscheinungsbild von 3D-Stadtmodellen.

■ 3D-Stadtmodelle beinhalten oft nur Vegetationsmodelle für Bäume aus dem

Baumkataster (z.B. Straßenbäume).

■ Parkanlagen, Wälder und Hinterhöfe sind oft unzureichend kartiert.


Aktualisierung des Baumbestandes (Baumkataster) - Motivation

3D-Stadtmodell dargestellt mit Straßenbäumen.

■ Klassifizierte 3D-Punktwolken können für die Ableitung von Baumstandorten

verwendet werden.

■ Automatisierte Evaluierung und Erstellung eines Baumkatasters

□ Kennzahlen: Höhe, Volumen, Farbe, Hauptspezies


Aktualisierung des Baumbestandes (Baumkataster) Baumextraktion & Visualisierung

Extrahierte Einzelbäume durch die Analyse der 3D-Punktwolke.

■ Visualisierung im Kontext von 3D-Stadtmodellen

□ Echtzeit-Darstellung von mehreren 100.000 Bäumen

□ Individuelle Parametrisierung auf Basis der realen

Erscheinung (Form, Farbe)


Aktualisierung des Baumbestandes (Baumkataster) Baumextraktion & Visualisierung

Extrahierte Einzelbäume durch die Analyse der 3D-Punktwolke.

https://www.youtube.com/watch?v=u-czvl7ITII





Prozessübersicht

■ Skalierbare und effiziente Verarbeitung auf Basis von

hoch-performanten GPU-Implementierungen.

□ Keine Größenbeschränkung für die Eingabedaten.

□ "Ausdünnung" der Eingabedaten ist nicht notwendig das gesamte

Potential und die volle Auflösung der Daten können genutzt werden.

■ Visualisierungssystem für die Exploration und Interaktion.

□ Echtzeit-Rendering von beliebig großen 3D-Punktwolken.

□ Darstellung im Kontext mit Luftbildern, Gelände- und 3D-Stadtmodellen.

■ Bereitstellung für verschiedene Zielsysteme und IT-Infrastrukturen.

□ Schnittstellen für die Integration in bestehende Workflows, GIS-Systeme

und Web-Services.

□ Bereitstellung als Desktop-System oder alternativ als

Software-as-a-Service (SaaS) oder Web-Service.


Systemmerkmale der entwickelten Software für die Aktualisierung von 3D-Stadtmodellen

■ Bestandsaktualisierung kann als Prozess etabliert werden.

■ Vorgestellte Analyse ist geeignet für massive und hochauflösende 3D-Punktwolken.

■ Die regelmäßige Bestandaktualisierung ist nach jeder Befliegung möglich.

Mehrwerte:

■ Beschleunigen aktueller Workflows und Verfahren.

■ Verbesserung der Aktualität und Datenqualität.

■ Erschließen neuer Anwendungsfelder.


Fazit

„Die Bestandsaktualisierung von virtuellen 3D-Stadtmodellen kann effizient und damit kostengünstig

durch die automatisierte Analyse von multitemporalen 3D-Punktwolken durchgeführt werden.“

 Das Berliner 3D-Stadtmodell wurde durch den Europäischen Fonds für Regionale Entwicklung (EFRE) gefördert.


Projektpartner

Unterstützt von:


Danke für Ihre Aufmerksamkeit! Fragen? Anmerkungen?

Rico Richter

[email protected]

Lehrstuhl für Computergrafische Systeme Prof. Dr. Jürgen Döllner www.hpi3d.de

mailto:[email protected]

http://www.hpi3d.de/

Effiziente Bestandsaktualisierung von 3D-Stadtmodellen ... · und Web-Services. Bereitstellung als...

Documents

Transcript of Effiziente Bestandsaktualisierung von 3D-Stadtmodellen ... · und Web-Services. Bereitstellung als...