Filtraggio di dati LiDAR con GRASS: procedure, risultati e confronti

Transcript

1 Filtraggio di dati LiDAR con GRASS: procedure, risultati e confronti Maria Antonia Brovelli, Sara Lucca Politecnico di Milano, DIIAR maria.brovelli@polimi.it, sara.lucca@mail.polimi.it

2 Il LiDAR Sistema di rilevamento del territorio tramite un telemetro laser 2R installato su un velivolo. t = percorso c Distanza terreno aereo misura indiretta Coordinate ottenute grazie alle unità GPS e INS presenti sull aereo R= t percorso 2 R c Si possono avere più echi il raggio ha un certo diametro e può essere riflesso da più superfici Primo impulso prima riflessione Ultimo impulso ultima riflessione (terreno) Possibilità di altri impulsi intermedi (solitamente vegetazione) Le caratteristiche della scansione a terra (forma, diametro spot, distanza tra spot, numero di impulsi per linea di scansione etc.. dipendono dallo strumento usato e dalla quota di volo.

3 Filtraggio dei dati con GRASS Filtraggio rimozione delle osservazioni non corrispondenti a terreno spoglio per ricavare carte tematiche e DTM v.lidar.edgedetection Obiettivo: identificazione dei bordi utilizzando informazioni sul gradiente e interpolazioni con spline bilineari e bicubiche Output: due categorie: bordo e terreno Obiettivo: identificazione le aree contenute dai bordi utilizzando informazioni relative ai doppi impulsi (first e last) nelle celle ottenute da un passaggio di rasterizzazione Output: quattro categorie: terreno, terreno doppio impulso, oggetto doppio impulso e oggetto v.lidar.growing Obiettivo: correzione degli errori dati dal passaggio precedente grazie a una analisi dei residui v.lidar.correction Output: quattro categorie: terreno, terreno doppio impulso, oggetto doppio impulso e oggetto

4 UCODE_25 UCODE_25: software di calibrazione dei parametri tramite una procedura di modellazione inversa Nasce in ambito idrologico ma può essere usato per qualsiasi modello Unico vincolo: file di input e output devono essere numerici (ASCII o file di testo) Criteri di convergenza: Rapporto tra variazione del parametro e valore del parametro minore di una soglia Somma dei quadrati della funzione obiettivo inferiore a una soglia Soglie definite dall utente Start Inizializzazione problema Inizio iterazioni Iterazione +1 Creazione file di input Esecuzione modello Estrazione valori file output confronto con osservazioni Analisi di sensitività Par=Par+1 Perturbazione parametro Esecuzione modello Estrazione valori file output per calcolo della sensitività Ricreazione parametro Ultimo parametro? Aggiornamento del valore dei parametri Convergenza o massimo numero di iterazioni? Calcolo sensitività e statistiche Stop

5 Integrazione UCODE/GRASS 7 - Aggiorna il valore dei parametri e Itera FILE INPUT PRINCIPALE - UCODE 1 - Manda in esecuzione UCODE Command line Shell script - richiama i valori dei parametri nel model input file e manda in esecuzione lo script di GRASS Parametri Osservazioni 6 - Confronta 2 - Legge il valore dei parametri Model input file e file di istruzioni associato 3 - Manda in esecuzione con i parametri del passo 2 GRASS script esegue comando, rasterizza il risultato File di output e file di istruzioni associato 5 - Legge il file di output 4 - Genera File di output - da confrontare con le osservazioni

6 Dati a disposizione Dati relativi a un volo sulla regione Sardegna. Rilievo LiDAR ottenuto con il sistema LiDAR Optech ALTM Gemini e un sistema inerziale Applanix a una quota di volo pari a 14m. - Risoluzione spaziale: circa 1,5 pti/m2 Dati grezzi - Tavola per la calibrazione / validazione dei parametri - Tavole di verifica per l'estensibilità dei parametri al resto del volo: _24 Dati elaborati (TerraScan) - Classificazione con TerraScan in modalità: - automatica - manuale (interazione dell'operatore) _ _11 - foto - immagine a falsi colori con IR Confronto dei risultati

7 Scopo del lavoro - Calibrazione dei parametri del filtraggio e validazione del risultato utilizzando i dati LiDAR relativi a una tavola del volo. - Filtraggio di tre altre tavole del volo (55513_24, 55514_11, 5642_11) utilizzando i parametri dei comandi ottenuti in fase di calibrazione. - Confronto dei risultati ottenuti con il risultato del filtraggio eseguito con il software TerraScan in modalità automatica e manuale. - Valutazione della possibilità di modificare i risultati del filtraggio utilizzando le informazioni disponibili in foto e immagini a falsi colori dopo una classificazione, in particolare per migliorare la distinzione della vegetazione.

8 Procedura di calibrazione e validazione Calibrazione: eseguita su una parte di una tavola della scansione osservazioni date da bordi (edgedetection) o aree (growing, correction) digitalizzati bordi o aree rilevate dal comando devono avvicinarsi alle osservazioni definite Validazione: eseguita su una zona indipendente nella stessa tavola viene lanciato il comando con i valori ottenuti dalla calibrazione si valuta la differenza rispetto alla mappa digitalizzata e rasterizzata

9 Risultati della calibrazione v.lidar.edgedetection Parametro Valore default Valore calibrato Valore utilizzato See passo interpolazione spline direzione est 4 1,376 1,4 Sen passo interpolazione spline direzione nord 4 1,388 1,4 Tg soglia superiore (modulo del gradiente) 6 1,927 1,9 tg soglia inferiore (modulo del gradiente) 3 1,425 1,4 g parametro di regolarizzazione (spline bilineari),1,1 g soglia per edgedetection,26,144,14 r parametro di regolarizzazione (spline bicubiche) 1 1,3 1 v.lidar.growing Parametro tj risoluzione di rasterizzazione td soglia per la differenza di quota tra i due impulsi Valore default Valore calibrato Valore utilizzato,2,1957,2,6,1538,15 v.lidar.correction Parametro Valore default Valore calibrato Valore utilizzato Sce passo interpolazione spline (direzione est) 25 31,14 3 Scn passo interpolazione spline (direzione nord) 25 28,87 3 c parametro di regolarizzazione (spline bilineari) 1,73,7 Tc soglia superiore (analisi dei residui) 2 3,9 3,1 tc soglia inferiore (analisi dei residui) 1 2,81 2,8

10 Tavola 55513_24 Filtraggio eseguito eliminando parte dei punti presenti sulla sovrapposizione delle strisciate Per consentire il confronto con il risultato di TerraScan Non classificato Elaborazione manuale del risultato di TerraScan utente modifica la classificazione automatica di punti incerti - produttività media:4-5 km2/8 ore

11 Tavola 55513_24 - Filtraggio Risultato v.lidar.correction Risultato TerraScan automatico Oggetto singolo impulso Oggetto doppio impulso Non classificato doppio impulso singolo impulso

12 Tavola 55513_24 - Confronto - Confronto tra i risultati a meno dei punti non classificati presenti nel layer TerraScan - Confronto tra v.lidar.correction (categoria 1) e il risultato di Terrascan automatico (ground) uniche categorie comparabili v.lidar.correction Categorie N punti Categoria ,71% Categoria ,51% Categoria ,55% Categoria ,23% TerraScan automatico Categorie N punti default,% ground ,62% vegetation ,99% building ,39% Intersez ione Ground C ategoria C ategoria C ategoria C ategoria ,65% 19,7%,72%,56% Intersez ione C ategoria 1 default ground vegetation building ,% 87,91% 8,4% 4,5% - Corrispondenza dei risultati per circa l'8% - Errori dovuti principalmente a punti classificati come vegetazione o categoria 2 (vegetazione bassa) Un risultato analogo è stato ottenuto con il confronto con il risultato TerraScan manuale

13 Tavola 55513_24 - Classificazione - Classificazione dell'immagine metodo maximum-likelihood - Riclassificazione di v.lidar.correction (rasterizzato) usando r.mapcalc - Confronto con risultato manuale di TerraScan (rasterizzato) vegetazione terreno edifici mare Il confronto è stato eseguito rispetto ai seguenti risultati: 1 - Classificazione di FCIR (immagine a falsi colori) + riclassificazione 2 - Classificazione di FCIR e v.lidar.correction rasterizzato + riclassificazione 3 - Classificazione di FCIR e foto + riclassificazione 4 - Classificazione di FCIR, foto e v.lidar.correction rasterizzato + riclassificazione 5 - Classificazione di FCIR e v.lidar.correction rasterizzato 6- Classificazione di FCIR, foto e v.lidar.correction rasterizzato

14 Tavola 55513_24 Confronto 1 Caso 3 - Classificazione di FCIR, foto con riclassificazione vegetazione terreno edifici Legenda Classificazione TerraScan Valori equivalenti Totale Totale celle ,48% 5,1% 3,8% 11,87% 2,45%,1%,37% Classificazione Differenza

15 Tavola 55513_24 Confronto 2 Caso 6 - Classificazione di FCIR, foto e v.lidar.correction rasterizzato vegetazione terreno mare edifici Legenda Classificazione TerraScan Valori equivalenti Totale Totale celle ,79%,9% 1,76% 32,79% 1,4%,25% 16,92% Classificazione Differenza

16 Tavola 55514_11 Risultato TerraScan Manuale Non classificato Confronto tra i punti classificati da v.lidar.correction e TerraScan in modalità completamente automatica per le categorie corrispondenti al terreno

17 Tavola 55514_11 - Filtraggio Risultato v.lidar.correction Risultato TerraScan automatico Oggetto singolo impulso Oggetto doppio impulso Non classificato doppio impulso singolo impulso

18 Tavola 55513_24 - Confronto v.lidar.correction Categorie N punti Categoria ,9% Categoria ,48% Categoria ,31% Categoria ,11% Intersez ione Ground C ategoria ,52% C ategoria ,3% C ategoria ,11% C ategoria ,8% TerraScan automatico Categorie N punti default,% ground ,17% vegetation ,84% building 2124,99% Intersez ione C ategoria 1 default ground vegetation building ,% 84,7% 15,64%,28% - Corrispondenza dei risultati anche in questo caso per circa l'8% - Anche in questo caso gli errori di classificazione sono dovuti principalmente a punti classificati come vegetazione o categoria 2 (vegetazione bassa) Un risultato analogo è stato ottenuto con il confronto con il risultato TerraScan manuale

19 Tavola 55513_24 - Classificazione Procedura di classificazione e confronto analoga a quella descritta per la tavola precedente vegetazione terreno edifici

20 Tavola 55514_11 Confronto Caso 1 - Classificazione di FCIR con riclassificazione vegetazione terreno edifici Legenda Classificazione TerraScan Valori equivalenti Totale Totale celle ,85% 1,28%,27% 26,25%,32%,13% 2,9% Classificazione Differenza

21 Tavola 55642_11 Risultato TerraScan Manuale Non classificato Confronto tra i punti classificati da v.lidar.correction e TerraScan in modalità completamente automatica per le categorie corrispondenti al terreno

22 Tavola 55514_11 - Filtraggio Risultato v.lidar.correction Risultato TerraScan automatico Oggetto singolo impulso Oggetto doppio impulso Non classificato doppio impulso singolo impulso

23 Tavola 55513_24 - Confronto v.lidar.correction Categorie N punti Categoria ,53% Categoria ,1% Categoria ,12% Categoria ,26% Intersez ione Ground C ategoria ,14% C ategoria ,84% C ategoria 3 177,1% C ategoria 4 63,% TerraScan automatico Categorie N punti default,% ground ,46% vegetation ,12% building ,42% 1946 Intersez ione C ategoria 1 default ground vegetation building ,% 91,24% 8,19%,58% - Corrispondenza dei risultati anche in questo caso per circa l'9% - Anche in questo caso gli errori di classificazione sono dovuti principalmente a punti classificati come vegetazione o categoria 2 (vegetazione bassa) Anche in questo caso non si riporta il risultato del confronto con TerraScan manuale poiché risulta simile

24 Tavola 5642_24 - Classificazione Procedura di classificazione e confronto analoga a quelle precedenti vegetazione terreno edifici mare

25 Tavola 5642_11 Confronto 1 Caso 2 - Classificazione di FCIR, v.lidar.correction rasterizzato con riclassificazione vegetazione terreno edifici Legenda Classificazione TerraScan Valori equivalenti Totale Totale celle ,92% 8,9% 1,6% 4,93%,15%,3%,% Classificazione Differenza

26 Tavola 5642_24 Confronto 2 Caso 5 - Classificazione di FCIR, foto vegetazione terreno mare edifici Legenda Classificazione Terrascan Valori equivalenti Totale Totale celle ,21% 2,81%,77% 11,38%,11%,93% 1,8% Classificazione Differenza

27 Conclusioni - I parametri ottenuti tramite calibrazione possono essere estesi a altre tavole di uno stesso volo con buoni risultati. - Non è ancora disponibile una procedura che filtri automaticamente un dataset LiDAR al di sotto del 5% di errore (tolleranza). - Società che realizzano classificazioni di punti LiDAR necessitano di importanti interventi manuali di operatori per migliorare il risultato. - Il filtraggio di dati LiDAR è quindi ancora un problema aperto. - Le classificazioni sperimentate hanno portato a risultati analoghi in una stessa tavola - Non migliorano considerevolmente il risultato del filtraggio ottenuto con gli algoritmi del gruppo v.lidar - E' possibile invece che il risultato del filtraggio contribuisca a migliorare la classificazione

28 Link e ringraziamenti Software e documentazione di UCODE_25: [ultima visita: 5/2/21] - Si ringrazia la regione Sardegna Assessorato agli Enti Locali, Finanza e Urbanistica, Servizio Informatico e Cartografico Regionale per aver fornito i dataset LiDAR e le immagini relative alle tavole utilizzate. - Si ringrazia CGR, in particolare il Dr. Simone Ceresini e Andrea Orsi, per aver fornito i risultati grezzi e elaborati delle calibrazioni con TerraScan delle varie zone.