presentatie LUCHTFOTOS
-
Upload
rob-verhoef -
Category
Documents
-
view
196 -
download
0
Transcript of presentatie LUCHTFOTOS
KRACHT VAN
LUCHTFOTOS
WAT KAN JE ER MEE ????
(Satellietfoto’s)
TOEPASSINGEN
I. Zoekt u soms de verschillen van twee luchtfoto’s II. Waar kan ik in een stad zonnepanelen op daken
plaatsen en waar staan zij al III. Bent u op zoek naar hoogtemodellen voor bv
gebiedsontwikkelingen uit stereo luchtfoto’s IV. Wilt u informatie uit luchtfotos/satellietfoto’s
(objectherkenning), zoals stuwtjes in buitengebied vegetatie, dakkapellen
Dan kunt u met mij contact opnemen voor levering, advisering en ondersteuning van het bovenstaande
MIDDELEN
• Luchtfotogrammetrie in Erdas Imagine
• Data analyses in Arcgismap
• Data delen in de cloud
• Lokale kennis is een must
BELANGRIJK
• Ondersteunt het proces
• Is geen doel op zich
• 100% resultaat niet mogelijk
VALKUILEN
• Pixelwaarde >10 cm
• Onjuiste inpassing RD stelsel
• Schaduw
• Omval (bij gebouwen)
TOEPASSINGENSGEBIEDEN
A. Puntenwolken
B. Zonnepanelen
C. Putdeksels
D. Stuwtjes buitengebied
Gebaseerd op 4cm pixel orthofoto’s
1. Objectherkenning
2. Vergelijk verschillende jaargangen
3. 3D-puntenwolk
VOORBEELDEN
A) PUNTENWOLKEN 1-9
Voordelen: • Geen last van Schaduw • Geen last van omval
I. Komen uit stereofoto’s of AHN2 bestanden II. Afhankelijk v/h doel, verschillende puntdichtheid
Toepassingen: • BAG-panden vergelijk • Hellingshoek daken • Afwatering openbare ruimte • Vegetatie (bomen, bosplantsoen) • 3D
A) PUNTENWOLKEN 2-9
Originele luchtfoto
Puntenwolk gebouwen uitgefilterd
A) PUNTENWOLK 3-9
Boven aanzicht 3D aanzicht
A) PUNTENWOLK 4-9
Data analyses geautomatiseerd: • Mutatie detectie verschillende
jaargangen • Dakvorm (vlak of helling) • Dakkapel • Nok van een schuin dak
• Ligging (zuid, west, noord , oost)
A) PUNTENWOLK 5-9 Vergelijk twee jaargangen BAG-panden
Lokaliseer nieuwbouw/verbouwing/uitbreiding van panden
In opbouw
A) PUNTENWOLK 6-9 Dak analyses
Duidelijk onderscheid in: • nok • dakkapel • hellingshoek • plat vlak
A) PUNTENWOLK 7-9 Analyse dak/vlakhelling
NOOT: enige ruis ontstaat bij panden met uitbouw (helling en vlak in 1 pand)
Bruin=vlak Groen=helling
A) PUNTENWOLK 8-9 lokaliseer dakkapellen op adres
Hellingshoek dak per pand/adres
Groen-=dakkapel Rood=uitbouw
Gebruik maken van de dakhoogte wordt de uitbouw eruit gefilterd
A) PUNTENWOLK 9-9 Bepaal ligging dak (zuidzijde)
Eerste data analyse Paars=zuid Rood=noord Blauw=west Geel=oost Licht bruin= zuid-oost bruin-=noord-west
Uiteindelijk resultaat Oranje=noord-zuid Paars=oost-west Geel=noordwest=zuidoost NOK analyse is in ontwikkeling
B) ZONNEPANEEL 1-7 1. Bepaal locatie 2. Bepaal aantal cellen per locatie 3. Bepaal afmeting van een cel
B) ZONNEPANEEL 2-7
Zoek op Spectral(kleur)+textuur van de foto
Voor optimaal resultaat mbt de oppervlakte bepaling. Kleine vlakken samenvoegen met grote vlakken
Aardig resultaat uit ERDAS De zonnecellen zijn goed te onderscheiden.
B) ZONNEPANEEL 3-7
Om de oppervlakte goed te kunnen bepalen worden diverse vlakjes samengevoegd
B) ZONNEPANEEL 4-7
VALKUILEN
dakramen Na selectie nog diversiteit van ruis aanwezig
Mooie resultaat maar het is een serre
B) ZONNEPANEEL 5-7
Slimme data analyses: • Vorm rechthoek • Centerline panden • Template rechthoek • groepering
B) ZONNEPANEEL 6-7
Centerline van de panden (zonder tussenmuren)
Bepaal de onderlinge afstand van de punten binnen de buffer_polygon ( meerdere points op gelijke afstand zijn =waar)
B) ZONNEPANEEL 7-7
- Locatie paneel - Aantal panelen - Totale oppervlakten - Adres locatie Oppervlakte kan iets afwijken van de werkelijkheid Geen rekening gehouden met dakhelling
EINDRESULTAAT
EINDCONCLUSIE OBJECTHERKENNING
• Maatwerk grotendeels automatisch proces
• Handwerk is vereist
• Locatie bekendheid is gewenst
• Resultaat is afhankelijk van kwaliteit data
• Beschikbaarheid van overige data (BAG, BGT, BRK,BRT etc)
C) PUTDEKSEL 1-7
Origineel Segmentatie gebaseerd op pixelwaarde en locatie
Object herkenning in ERDAS IMAGENE Uitgangspunt: zoek locatie vorm en afmeting is niet van belang
C) PUTDEKSEL 2-7
training training
Resultaat is goed bij zichtbare objecten tov de omgeving
Origineel Gevonden objecten Eindresultaat (vector)
C) PUTDEKSEL 3-7
Put met pijl staat in de schaduw en het straatwerk is vervuild
gevonden
Valkuil 1
De put staat in verbinding met de berm
C) PUTDEKSEL 4-7
Putdeksels Blauwe pijl gevonden. Groene pijl niet gevonden door schaduw en vervuilde stenen
Valkuil 2
C) PUTDEKSEL 5-7
Foto 2013 -> 4 cm grondpixel Foto 2008 -> 5 cm grondpixel
Resultaat sterk afhankelijk van kwaliteit foto -> schaduw, licht
C) PUTDEKSEL 6-7
Data analyses in Arcgismap • Aantal punten (vertices) van een rechthoek (4 st) • Bepaal of rechthoek vier gelijke zijden heeft • Maak gebruik van BRT-wegvak • Filter op vorm (rechthoek of vierkant) • Zoek de locaties nabij BRT-hartlijn
C) EINDRESULTAAT 7-7
Totaal aantal putdeksels 35 + 29+ 22= 86 stuks Gevonden putdeksels 79 stuks Procentueel %
Plaatselijke ruis/vervuiling is nog summier aanwezig
De vorm is niet altijd rechthoekig, maar voor dit doel niet bepalend
Onderstaande vlakjes zijn putdeksels
D) STUWT BUITENGEBIED 1-3
Watervlak loopt niet door , vanwege stuw
Stuw wordt niet gevonden
Valkuilen
Restje/vervuiling Bepaal centerline van het restje Alleen objecten met centerline door strook watergang zijn stuwen
D) STUW BUITENGEBIED 2-3
Data analyses in Arcgismap
• Bepaal centerline van de watervlakken • Bepaal aantal punten (vertices) van de polygons en selecteer
bepaalde polygons die in een bepaalde range vallen • Selecteer op vorm en oppervlakte • Bepaal centerline van de resterende polygons • Verwijder polygons waarvan de centerline de waterlijn niet
raakt
D) STUW BUITENGEBIED 3-3
Automatisch gevonden= 77 stuks Foutieve objecten= 7 stuks (door slimme analyses uiteindelijk 4 stuks) Onderzoek/verbetering = 4 stuks (totaal 77+4= 81 stuks)
EINDRESULTAAT