Tvorba digitálního modelu povrchu z bodových mračen vytvořených obrazovou korelací leteckých snímků

Cílem diplomové práce je nalezení postupů pro vytvoření spojitého digitálního modelu povrchu (DMP) z bodových mračen vytvořených obrazovou korelací leteckých měřických snímků (LMS).

V praktické části bude řešeno hledání nástrojů pro automatickou detekci hrubých chyb v bodových mračnech, budou stanovena pravidla pro spojení bodových mračen v překryvových pásech jednotlivých stereomodelů, dále též pravidla pro automatickou klasifikaci mračna bodů do alespoň tří klasifikačních tříd (terén, vegetace a stavby) a rovněž bude stanoven postup pro opravu výsledného DMP v místech, kde obrazová korelace selhává (především na vodních plochách).
Hlavní cíl i všechny jeho podcíle budou zpracovány na datech z obrazové korelace (bodových mračnech) poskytnutých Ústavem pro hospodářskou úpravu lesů Brandýs nad Labem (ÚHÚL) ve spolupráci se Zeměměřickým úřadem (ZÚ).
Současně budou otestovány metody obrazové korelace v programu Agisoft Metashape. Bodové mračno získané z programu Agisoft Metashape mělo být původně porovnáno s mračnem od poskytovatele dat pro práci – ÚHÚL. ÚHÚL ovšem pro práci poskytl bodová mračna silně zředěná, nikoli originální z obrazové korelace. Porovnání bodových mračen s úplně rozdílnou hustotou bodů by nedávalo smysl, nebylo tedy proto provedeno.

Výsledky práce umožní Zeměměřickému úřadu zpracovávat DMP pouze z LMS, které již jsou každoročně pořizovány na polovině České republiky pro tvorbu barevně vyrovnaného zdánlivě bezešvého georeferencovaného ortofotografického zobrazení zemského povrchu. Pro tvorbu DMP tedy odpadne nutnost provádění nákladnějšího leteckého laserového skenování (LLS), které bude moci být uskutečňováno pouze tam, kde je to z hlediska přesnosti a podstaty LLS bezpodmínečně nutné, a to obzvláště na menších územích.

Po vyhotovení finální verze zadání práce vedoucím práce byla nejdříve provedena rešerše daného okruhu – dané problematiky. Jakmile byla kladně vyřízena žádost o poskytnutí vstupních dat (zředěných bodových mračen) ze strany Ústavu pro hospodářskou úpravu lesů Brandýs nad Labem (ÚHÚL), byly s Mgr. Petrem Dušánkem, vedoucím Oddělení správy dat a vývoje Zeměměřického úřadu, prodiskutovány nápady a návrhy možných postupů řešení dílčích cílů i hlavního cíle práce. Ihned poté byly diskutované nápady a návrhy rozpracovány autorem práce a byly jedna po druhé převáděny do praxe. Nejprve byly metody testovány na minimálním vzorku dat „ručním“ (ne naprogramovaným) zpracováním. Po ověření jejich funkčnosti a získání výsledků blízkých očekávání bylo použití těchto metod převedeno do programového kódu (do několika skriptů) v programovacím jazyce Python. Sestavené skripty byly poté postupně spouštěny, nyní již na všechna data. Každý skript provedl na datech jednu nebo více operací. Jedním z posledních skriptů byl generován primární výstup práce – opravený digitální model povrchu. Dalšími výstupy jsou i některé samotné skripty či jejich součásti – na opravu DMP, na klasifikaci bodového mračna a na detekci hrubých chyb (děr primárně nezpůsobených vodou) v bodovém mračnu. Tyto výstupy jsou zároveň výsledky práce.

Použité metody

Po provedení rešerše současného stavu problematiky na začátku řešení práce byly zpracovány návrhy možných postupů řešení, tedy obecně teoretická metoda analýzy celého problému tvorby DMP z bodových mračen. Tento problém byl rozebrán na dílčí kroky, jejichž postupné provedení vedlo ke vzniku výsledného DMP a souvisejících prací. Dílčí metody jsou nastíněny zde:

• Metody oprav bodových mračen
• Metoda ohraničujícího polygonu – bodovému mračnu je vytvořen ohraničující polygon
• Metoda spojení ohraničujících polygonů jednotlivých bodových mračen do jednoho celku
• Metoda získání polygonové vrstvy snímků (ze kterých původně vzniklo bodové mračno) pro každý zájmový blok
• Metoda zjištění chybějících bodových mračen v blocích + zjištění, ze kterých leteckých snímků by tato chybějící mračna měla být dokorelována
• Metoda obrazové korelace – vytvoření chybějících bodových mračen pro doplnění bloků
• Metoda získání centroidů ohraničujících polygonů bodových mračen
• Metoda výpočtu Voroného diagramů (Thiessenových polygonů) podle centroidů ohraničujících polygonů bodových mračen
• Metoda ořezání bodových mračen příslušným Voroného diagramem
• Metoda tvorby DMP v listech Státní mapy 1 : 5 000 (SM5) z bodových mračen
• Metoda opravy bodových mračen (a současně DMP) v místech vodních toků a vodních ploch
• Metoda klasifikace bodového mračna
• Metoda vyhledání děr (hrubých chyb) v opraveném bodovém mračnu

Použitá data

• Bodová mračna – data primárně používáná v této práci jsou bodová mračna ve formátu LAS poskytnutá na základě kladně vyřízené žádosti od ÚHÚL. Tato bodová mračna vznikla na ÚHÚL obrazovou korelací leteckých snímků pořízených pro ZÚ a používaných ZÚ pro tvorbu barevně vyrovnaného zdánlivě bezešvého georeferencovaného ortofotografického zobrazení zemského povrchu. Po obrazové korelaci byla však na ÚHÚL výsledná bodová mračna zředěna do podoby, která odpovídá vnitřním potřebám ÚHÚL. Pro diplomovou práci byla data poskytnuta v rozsahu území pěti bloků leteckého měřického snímkování (LMS), vždy ještě s mírným přesahem do vedlejších bloků. Všech pět poskytnutých bloků LMS se skládá ze čtyř bloků Státní mapy 1 : 50 000 (SM50). Zájmovým územím byla města Olomouc a Pardubice. Obě tato města jsou v datech zachycena ve dvou rocích – 2018 a 2020. Tři bloky LMS z poskytnutých pěti jsou z leteckého snímkování z roku 2018. Blok LMS 201824 se skládá z následujících bloků SM50: PREL (Přelouč), HKRA (Hradec Králové), HERM (Heřmanův Městec) a PARD (Pardubice). Je v něm tedy zachyceno území a okolí těchto měst. Pro město Olomouc v roce 2018 byly použity dva bloky LMS, neboť samotné město Olomouc se nacházelo přesně na rozhraní dvou těchto LMS bloků – 201835 a 201836. Blok LMS 201835 zahrnuje tyto bloky SM50: ZABR (Zábřeh), RYMA (Rýmařov), LITV (Litovel), STER (Šternberk) a blok LMS 201836 tyto bloky SM50: PROS (Prostějov), OLOM (Olomouc), VYSK (Vyškov) a KROM (Kroměříž). Zbývající dva poskytnuté bloky LMS jsou z roku 2020, kdy platilo již jiné rozvržení bloků. Blok LMS 202029 sestává ze stejných bloků SM50 jako blok LMS 201824, pouze blok SM50 HERM zde není kompletní a vedle bloku SM50 PREL je větší přesah do cizího bloku SM50 KOLI (Kolín) z důvodu, že blok LMS 202029 leží na hranici snímkovaného území v daný rok, která byla vymezena tak, aby přibližně odpovídala krajským hranicím. Blok LMS 202040 je tvořen těmito bloky SM50: LITV, STER, PROS a OLOM.

Dále byla používána různá data od ZÚ/ČÚZK:

• Vrstva všech vodních toků a vodních ploch – primárně k opravě bodových mračen v místech selhání obrazové korelace
• RÚIAN: Stavební objekty – ke klasifikaci budov
• ZABAGED®: Budova jednotlivá nebo blok budov a Nadzemní zásobní nádrž – ke klasifikaci budov
• ZABAGED®: Lesní půda se stromy – k prvnímu kroku klasifikace vegetace
• ZABAGED® – Výškopis – DMR 5G – ke klasifikaci do třídy ground (terén/země)
• Bloky leteckého měřického snímkování, bloky Státní mapy 1 : 50 000, bloky Státní mapy 1 : 5 000

Data pro tvorbu náhledových map:

• ČÚZK: Základní mapa České republiky (ZM ČR) jako WMS služba
• ARCDATA PRAHA, s. r. o., ZÚ a ČSÚ: ArcČR® 500 3.3 – pro vektorová polygonová data krajů a okresů

Pro zpracování obrazové korelace v prostředí programu Agisoft Metashape:

• 39 leteckých měřických snímků (LMS) – vždy 13 LMS ve třech řadách – s 60% podélnými a 40% příčnými překryvy.
  Jedná se o tzv. Color InfraRed (CIR) snímky.

Použité programy

• JetBrains PyCharm 2019.3.4 Community Edition – specializované integrované vývojové prostředí (IDE) pro jazyk Python
• rapidlasso LAStools – soubor vysoce efektivních, dávkově skriptovatelných nástrojů pro příkazový řádek. Obsahuje nástroje například pro klasifikaci, filtraci, rasterizaci či ořezávání dat LiDAR (či jakýchkoli bodových mračen)
• Esri ArcGIS Pro 3.0.0 – pro rychlé zobrazení různých meziproduktů i výsledného DMP, pro přípravu dat na tvorbu náhledových map území LMS bloků a dalších datových náhledů
• QGIS 3.24.1-Tisler – pro zobrazování výsledných i klasifikovaných bodových mračen či pro stahování dat RÚIAN
• nFrames SURE Aerial – pro obrazovou korelaci leteckých snímků k získání chybějících bodových mračen v datech od ÚHÚL
• Agisoft Metashape – pro obrazovou korelaci, v jeho prostředí byl vytvořen DMP z CIR snímků

Postup zpracování

Postup zpracování je znázorněn na následujícím obrázku:

Výsledkem práce jsou mimo jiné především skripty v programovacím jazyce Python využívající především programový balík pro práci s bodovými mračny LAStools a nástroje knihovny ArcPy. Funkcionalita těchto skriptů vedla k vygenerování výsledných produktů. Do funkcionality skriptů byly začleněny také výsledné verze metodik a postupů, neboť pouze díky nim mohly být výsledné produkty vytvořeny.
Vedlejším výsledkem práce je také zpracovaný DMP v prostředí programu Agisoft Metashape, v němž byl absolvován kompletní proces tvorby DMP z LMS, tedy včetně samotné obrazové korelace.

Pravidla pro spojení bodových mračen v překryvech

Výsledná pravidla pro spojení bodových mračen v oblastech jejich překryvů byla stanovena a provedena přes zpracování vrstvy centroidů bodových mračen a na jejich základě přes zpracovanou vrstvu Thiessen polygonů. Těmito Thiessen polygony byla bodová mračna ořezána (z každého byla vybrána pouze jeho centrální část) a tato ořezaná bodová mračna byla později spojována při tvorbě DMP v blocích SM5.
Na levém obrázku jsou znázorněny Thiessen polygony okolo centroidů jednoho bloku LMS a na pravém obrázku je vyobrazeno spojování již ořezaných bodových mračen pro bloky SM5.

Pro spojování bodových mračen v překryvech byl navržen ještě alternativní postup, kdy Thiessen polygonům byly vytvořeny buffery a až těmito buffery byla bodová mračna ořezána. Ovšem předpoklad kvalitnějšího výsledného DMP při použití více bodů z bodových mračen byl vyvrácen, neboť výsledný DMP byl horší kvality. Proto bylo od alternativního postupu upuštěno.
Na levém obrázku je DMP právě z alternativy a na pravém je DMP z původní a nakonec i finální verze spojování bodových mračen v překryvech.

Postup pro opravu DMP při selhání obrazové korelace

Jelikož obrazová korelace selhává především na vodních plochách, byl v této části práce stanoven a proveden postup opravy bodových mračen na vodních plochách. Tento vedlejší cíl byl rovněž vyřešen v rámci hlavního cíle – nalezení postupu pro vytvoření spojitého DMP.
Z prvotního DMP (stále ve formě bodového mračna; před opravou) byly s využitím vrstvy 3D vodních těles odstraněny špatné body nacházející se právě ve vodních plochách. S využitím stejné vrstvy byly ve vodních plochách vytvořeny nové správné body. Tyto nově vytvořené body byly spojeny s bodovým mračnem, ze kterého byly odstraněny ty špatné, tím bylo bodové mračno v místech vodních ploch a vodních toků rekonstruováno a bylo považováno za finální bodové mračno. U vodních toků odpovídá výškový průběh toku. Nadmořská výška se po směru toku snižuje i s dostatečně věrným zachycením výrazné změny nadmořské výšky např. na jezech vyskytujících se na vodním toku.
Levý obrázek – prvotní DMP (před opravou), pravý obrázek – opravený DMP.

Vytvoření spojitého DMP z bodových mračen

Po vyřešení a zpracování předchozích podcílů byl konečně z bodového mračna triangulací a rasterizací vytvořen výsledný produkt – finální spojitý digitální model povrchu z bodových mračen vytvořených obrazovou korelací leteckých měřických snímků, čímž byl naplněn hlavní cíl práce.
Levý obrázek – finální spojitý digitální model povrchu v městském prostředí, pravý obrázek – stínovaný reliéf DMP v městském prostředí.

Levý obrázek – finální spojitý digitální model povrchu v přírodnějším prostředí, pravý obrázek – stínovaný reliéf DMP v přírodnějším prostředí.

Pravidla automatické klasifikace bodového mračna

Výsledná bodová mračna byla klasifikována do tří základních klasifikačních tříd – terén (ground), budovy (buildings) a vegetace (vegetation). Ve výsledných klasifikovaných bodových mračnech jsou ovšem body ještě i v dalších klasifikačních třídách, a sice neklasifikováno (unclassified) a šum (noise). Klasifikace byla provedena sérií kroků, kdy každý krok byl zaměřen na klasifikaci do jedné konkrétní klasifikační třídy.
Levý obrázek – klasifikované bodové mračno v městském prostředí, pravý obrázek – klasifikované bodové mračno v přírodnějším prostředí.

Nástroje detekce hrubých chyb v bodových mračnech

Byl sestaven postup pro automatizovanou detekci hrubých chyb v bodových mračnech spočívající ve vyhledání děr primárně nezpůsobených špatnou kvalitou obrazové korelace na vodních plochách. Rovněž byla vyhledána v bodových mračnech místa nízké hustoty bodů. Všechny vyhledané oblasti zmíněných děr a míst nízké hustoty bodů byly uloženy do finálního polygonového SHP souboru.
Levý obrázek – díry v bodových mračnech primárně nezpůsobené vodními plochami, pravý obrázek – díry způsobené oblastmi s nízkou hustotou bodů.

Obrazová korelace v programu Agisoft Metashape

V prostředí programu Agisoft Metashape bylo z LMS obrazovou korelací vygenerováno bodové mračno, které se hustotou bodů může rovnat bodovému mračnu vytvořenému pro potřeby doplnění bloků LMS v programu SURE Aerial. Konkrétně mělo finální bodové mračno z programu Agisoft Metashape hustotu přesahující 12 bodů/m². Z takto hustého bodového mračna proto byl ve stejném programu vytvořen i DMP s prostorovým rozlišením 0,33 m/px.
Levý obrázek – finální DMP vytvořený v programu Agisoft Metashape, pravý obrázek – finální DMP z programu Agisoft Metashape ve formě stínovaného reliéfu.

Hlavním cílem diplomové práce bylo nalezení postupu pro vytvoření spojitého digitálního modelu povrchu z bodových mračen vytvořených obrazovou korelací leteckých měřických snímků.

Jako vstupní data byla použita zředěná bodová mračna z obrazové korelace poskytnutá Ústavem pro hospodářskou úpravu lesů Brandýs nad Labem v území pěti bloků leteckého měřického snímkování. Veškeré operace se vstupními daty byly prováděny sestavenými skripty v programovacím jazyce Python, do nichž byly implementovány nástroje pro práci s bodovými mračny z programového balíku LAStools a na geoprocessingové operace byla využívána knihovna ArcPy z geografického informačního systému ArcGIS Pro.
Surová data byla nejdříve upravena do použitelné podoby pro zpracování, po zjištění, že dodaná data netvoří kompletní bloky, byla vyhledána chybějící bodová mračna a bylo určeno, na jakých LMS by měla být provedena dodatečná obrazová korelace k doplnění bloků. Tato dodatečná obrazová korelace byla následně provedena v programu SURE Aerial a nově vytvořenými bodovými mračny byly bloky doplněny.

Jakmile byly bloky bodových mračen kompletní, byla stanovena pravidla pro spojení bodových mračen v překryvových pásech jednotlivých stereomodelů. Jelikož byl výsledný DMP tvořen v blocích SM5, byla spojena vždy bodová mračna, která zasahovala do vybraného bloku SM5, a tímto blokem byla též ořezána. Bodové mračno v území bloku SM5 bylo nazváno prvotním DMP. Prvotní DMP byl chybový v místech, kde obrazová korelace selhává – tedy především na vodních plochách. S využitím polygonové vrstvy 3D vodních ploch byly chybné body z bodových mračen odstraněny, vytvořeny byly nové výškově odpovídající body, které byly sloučeny s bodovými mračny s odstraněnými chybnými body. Takto vznikla finální opravená bodová mračna, ze kterých byl vygenerován finální digitální model povrchu a finální DMP ve formě stínovaného reliéfu.

Na opravených bodových mračnech byla stanovena pravidla klasifikace do minimálně tří klasifikačních tříd. S využitím produktu DMR 5G byla klasifikována třída terénu (ground), s využitím vrstev staveb jak ze ZABAGED®, tak z RÚIAN, byla klasifikována třída budov (building) a jednak pomocí vrstvy lesů ze ZABAGED® a vlastním klasifikačním nástrojem z LAStools byla klasifikována třída vegetace (high vegetation).

Opravená bodová mračna i přes opravu na vodních plochách obsahovala hrubé chyby – spočívající nejčastěji v náhodně se vyskytujících dírách (právě nezpůsobených vodními plochami). Tyto díry byly automaticky vyhledány a v jejich místech vznikla polygonová vrstva, v níž jsou místa děr uložena. Současně vyhledána a uložena do polygonové vrstvy byla i místa příliš nízké hustoty bodů v bodových mračnech vzniklá specifickými vlastnostmi povrchů, které způsobily, že obrazovou korelací na těchto površích vzniklo bodů jen velmi málo.

Závěrem byl ještě vytvořen DMP v programu Agisoft Metashape, kde byl proveden kompletně celý proces tvorby DMP z LMS. Finální DMP je kvalitním produktem obzvláště v místech budov, na vegetaci je kvalita slabší. Algoritmy obrazové korelace ve zmíněném programu na vegetaci detekovaly méně spojovacích bodů než právě na budovách, proto při tvorbě DMP z bodového mračna proběhla v místech vegetace interpolace z méně bodů, což je důvodem mírně nižší kvality. Celkově je ale produkt kvalitní.

Kvalita DMP vytvořených z LMS nedosahuje kvalit DMP vzniklých z LLS. Přesto tato práce dokázala, že i z dat LMS, která jsou pro jakékoli místo v České republice pořizována a zpracovávána každé dva roky primárně pro tvorbu ortofota, lze produkovat DMP využitelný v mnoha aplikacích bez nutnosti provádění ještě i celoplošného LLS (pro celé území republiky), které je jednak nákladnější a jednak složitější na zpracování. LLS tak může být realizováno pouze pro aplikace a formy využití – především na menších územích, které precizní kvalitu LLS nezbytně vyžadují.

Master’s thesis: Creating a digital surface model from point clouds created by image correlation of aerial imagery (in Czech language)
The master’s thesis deals with finding a procedure for creating a digital surface model from point clouds created by image correlation of aerial imagery. The approach is based on step-by-step processing of the input point clouds using scripts in the Python programming language. The point clouds were repaired, the rules for merging the point clouds in the overlapping zones of the respective stereomodels were established, and the point clouds were cropped to the State Map 1 : 5 000 map blocks, in whose area the processing was further carried out. Since the image correlation fails at the locations of water bodies, these locations were repaired using a polygon layer of 3D water bodies. From the repaired point clouds, a final digital surface model as well as a digital surface model in the form of shaded relief was generated. The point clouds were further classified into three classification classes (ground, buildings, and vegetation) and gross errors were also detected in the point clouds and their locations were placed in a designated polygon layer for this purpose. A digital surface model was also created in Agisoft Metashape. The complete process of obtaining the digital surface model from the aerial survey imagery, including the image correlation itself, was processed in this environment. The result of the master’s thesis is a functional procedure for the creating of the digital surface model as well as the final continuous digital surface model itself. It can also be considered as a result that even from aerial surveying images it is possible to produce digital surface models usable in many applications without the need to perform also airborne laser scanning, whose results are more accurate, but much more expensive to perform.

Zde je možné stáhnout celý text práce a poster: