LiDAR alapú távérzékelés

Cserép Máté

Budapest, 2020. május 5.

Mi a LiDAR?

Történeti áttekintés

• Technológia alapjait az 1960-as években, nem sokkal a lézer felfedezése után kidolgozták.
   
• A köztudatba az 1971-ben, az Apollo 15 küldetéssel került be.
  • Néhány ezer felszíni mérés orbitális pályáról.

Általános jellemzők

Tipikus technikai jellemzők napjainkban:

• 360° horizontális látószög
• 30-180° vertikális látószög 
• 100K – 10M pont / mp adatgyűjtés
• 1 – 30 mm térbeli pontosság
• 40 – 600 méter hatótáv

Többszörös visszaverődés

• A lézerimpulzus nem vonalszerűen, hanem a forrástól kúpszögben terjed,
• A felszínen sem egy pontot, hanem egy kiterjedt foltot világít meg, ahol több különböző távolságra lévő objektum is lehet.
• Ennek megfelelően nem egy, hanem legtöbbször több echót kapunk egy impulzus kibocsátása esetén.

Többszörös visszaverődés

Hullámalak tárolása

• A LiDAR szenzorok két fő kategóriába csoportosíthatóak:
  • Diszkrét visszaverődések detektálása: egy vagy több (maximum jellemzően 4, újabb szenzorok esetében 6) diszkrét visszaverődés kezelése.
  • Hullámalak (waveform) detektálása: a visszaverődés teljes hullámalakjának tárolása.
    • Elméletben korlátlan pontossággal.
    • Gyakorlatban kb. 1ns (kb. 30cm) mintavételezési gyakorisággal.

Hullámalak tárolása

Pásztázási módszerek

TLS - Terrestrial Laser Scanning

Pásztázási módszerek

ALS - Airborne Laser Scanning

Pásztázási módszerek

ULS - UAV-borne Laser Scanning

Pásztázási módszerek

MLS - Mobile Laser Scanning

Pásztázási módszerek

MLS - Mobile Laser Scanning

Pásztázási módszerek

MLS - Mobile Laser Scanning

Pásztázási módszerek

Tengermélység, űrkutatás, stb.

Felhasználási területek

• 3D modellezés
• változásdetektálás
  • épületek
  • növényzet
  • stb.

Várostervezés

Felhasználási területek

• kátyú detektálás
• nyomvályúsodás
• elöntés detektálás

Közúti infrastruktúra és hiba detektálás

Felhasználási területek

• homlokzat modellezés
• űrszelvény vizsgálat és ütközés-vizsgálat

Közúti infrastruktúra és hiba detektálás

Felhasználási területek

• sínpálya, kábelek, oszlopok detektálása
• kábelek ellenőrzése
• űrszelvény ellenőrzés

Vasúti infrastruktúra és hiba detektálás

Felhasználási területek

Vezetéstámogató rendszerek

Felhasználási területek

Kiterjesztett valóság

Felhasználási területek

• építőipar
• környezetvédelem
• régészet
• katasztrófa-
  menedzsment
• stb.

Kari projekt

Épületek változásdetektálása

Partnerek: TU Delft, NWO (Dutch Research Council)

Adathalmaz

• AHN: Actueel Hoogtebestand Nederland,
  angolul: Current Dutch Elevation

  • Nemzeti lefedettség

    • Kb. 40.000 km2, 1372 csempén

  • Idősoros mintavétel:
    • AHN-2: between 2007-2011
    • AHN-3: between 2014-2020
  • Minőségi kritéritumok

    • Átlagos pontsűrűség: 10 pont / m2

    • Vertikális hibahatár: 0.2 m (az adatok 99.7%-ára)

Adathalmaz

• Adatformátum
  • Előfeldolgozott LiDAR pontfelhő
    • Jellemzően >15 GB / csempe
  • Előfeldolgozott digitális magasságmodellek (digital elevation models =DEM)
    • Raszteres grid állományok
      • Digital Surface Model
      • Digital Terrain Model
    • 0.5m és 5 m felbontással
    • Squared Inverse Distance Weighting algoritmus
    • kb. 500 MB / csempe

Minta terület

AHN2 vs. AHN3 changeset

Object recognition

Object filter

Noise filter

Cluster filter

Border reconstruction

Final result

Aggregáció

Implementáció

• C++ (standard C++11)
  • GDAL/OGR könyvtárak használata
  • Minden csempe feldolgozása szekvenciális, de az összes csempe feldolgozása könnyen párhuzamosítható.
• Eredmények demonstrációja:
  • http://gis.inf.elte.hu/tudelft/bolyai.html

Futtatás

• 426 csempére (31%)

• Hagyományos asztali számítógépen

  • 8 CPU core, 12GB RAM

  • 4 szál (I/O bottleneck)

  • kb. 2 nap a teljes futási idő

    • csempék feldolgozása, aggregáció,
      vizualizáció előállítása

• SURFsara LISA holland nemzeti szuperszámítógép

  • 489 node, 7856 CPU core, 149 TFlop/s csúcsteljesítmény

  • 10-20 node használata, 100-200 szállal

  • A teljes feldolgozási idő 30 perc alatt