Modelování budov z dat leteckého laserového skenování se zaměřením na bodová mračna nízké hustoty

Abstract

A Laser scanning is a relatively recent remote sensing method which nevertheless quickly gained a prominent position, especially in the area of building detection and 3D modeling. Methods for building detection and 3D modeling initially used model-driven approaches which compare a laser scanning point cloud to a set of predefined building models. A method for determining building roof types using such approaches was presented in the article of Hofman, Potůčková (2012). An important advantage of model-driven approaches is their relative robustness to various data deficiencies such as low point density or low spatial accuracy. However, output of such methods is limited to a predefined set of building models and does not allow for diversity of actual buildings. For this reason, approaches used almost exclusively nowadays are data-driven. These methods search in datasets for a set of primitives (mostly roof planes) that are subsequently used to form the final model. This approach benefits from universality of resulting models but requires generally high data quality, especially in respect to input point cloud densities. The study of Hofman, Potůčková (2017) presented a data-driven method that can reliably detect buildings even in a very sparse point cloud in spite of using data-driven approach. At a density of...

A Laserové skenování je relativně mladá metoda dálkového průzkumu Země, která si ale rychle získala významné postavení zejména v oblasti detekce a modelování budov a dalších výškových objektů. Metody pro detekování a 3D modelování budov zpočátku využívaly zejména přístupů "řízených modelem" (model-driven), které porovnávají rozložení mračna laserových bodů se sadou předdefinovaných modelů. Metoda určující typ střešního pláště pomocí takového přístupu byla představena v článku Hofman, Potůčková (2012). Velikou výhodou přístupu řízeného modelem je relativní odolnost vůči nedostatkům dat, zejména nízké hustotě bodového mračna, polohové nepřesnosti bodů atd. Naopak nedostatkem těchto metod je omezení výstupu na přednastavenou sadu modelů, která nemůže obsáhnout rozmanitost reálných budov. Z tohoto důvodu se v současnosti téměř výhradně používá přístupů "řízených daty" (data-driven). Tyto metody hledají v datech pouze sadu primitiv, nejčastěji střešních rovin, ze kterých se výsledný model dodatečně skládá. Zásadním přínosem je mnohem vyšší univerzálnost výsledných modelů. Naopak nevýhodou jsou obecně vyšší nároky na kvalitu dat, zejména hustotu bodového mračna. Ve studii Hofman, Potůčková (2017) byla představena metoda, která ačkoliv využívá přístupu řízeného daty, dokáže spolehlivě detekovat budovy i ve velmi...