MODELOVÁNÍ TUNELŮ
MODELOVÁNÍ TUNELŮ A PODZEMNÍCH PROSTORŮ v prostředí programového systému CARLSON

MODELOVÁNÍ TUNELŮ

Podpora činnosti prováděné hornickým způsobem
Více než 22 let zkušeností.

Podpora činnosti prováděné hornickým způsobem

Digitální modely měst
Nově zařazujeme do naší nabídky služeb zpracování digitálních modelů měst.

Digitální modely měst

3D modelování a vizualizace projektů liniových staveb a krajiny
Jestliže platí, že jeden obrázek řekne více než tisíc slov, potom jedna interaktivní dynamická prezentace vydá za tisíc vět!

3D modelování a vizualizace projektů liniových staveb a krajiny

CARLSON projekční systémy
Carlson software je profesionální sada nástrojů, které pracují jako nadstavby programových systémů AutoCAD a IntelliCAD. Profesní 3D software v češtině za cenu obvyklou pro 2D CAD.

CARLSON projekční systémy

Produkty laserového skenování jako zdroj dat pro tvorbu digitálních modelů terénu

Marcel Brejcha

Úvod

V posledních letech zaznamenaly geoinformační technologie pro pořizování primárních dat obrovský rozmach. Jedná se zejména o pozemní a letecké laserové skenování. Letecké laserové skenování celosvětově již částečně nahrazuje leteckou fotogrammetrii, která v minulých letech dominovala (vedle DPZ) v oblasti velkoplošného geodetického pořizování informací o zemském povrchu. Stejně tak rychle se rozvíjí i pozemní skenování, kdy přední výrobci těchto technologií uvádějí na trh stále dokonalejší zařízení. Protože pořizovací ceny neustále klesají, stávají se tzv. laser scannery stále dostupnějšími. Současně s tímto trendem se však stále častěji setkáváme s novým fenoménem, totiž velkým množstvím dat a velmi často nezpracovaných a nesloužících k předpokládanému účelu. Produkty laserového skenování, kterými jsou mračna bodů (point clouds) přinášejí v případě optimálních podmínek při jejich pořizování vynikající informace o prostorovém umístění zájmových objektů. Zároveň však představují velké objemy dat pro jejich následné zpracování. Úhelným kamenem jejich zhodnocení je však jejich správná interpretace do tvaru, který je vhodný pro další praktické využití. Dále je nutné podotknout, že dalším vývojem prochází i fotogrammetrie ve všech jejích podobách. Jedná se zejména o metody digitální stereofotogrammetrie s automatickým sběrem dat digitálního modelu terénu a její průsekové podoby s využitím speciálních programových nástrojů pro určení prostorové polohy objektů, které se nacházejí na měřických snímcích. Všechny tyto technologie tak poskytují velký prostor pro vytváření 3D modelů krajiny a souvisejících zájmových objektů.

Mračno bodů a jeho využití v běžné praxi

 

Výsledkem pozemního nebo leteckého laserové skenování je tzv. mračno bodů. Jedná se o prostorově orientované bodové objekty, které svou polohou a charakteristikami popisují předmětné zájmové objekty. Na provádění této metody zaměřování je připraveno množství metodických materiálů a postupů. Obecně lze konstatovat, že primární výsledek laserového skenování nebyl donedávna pro běžného uživatele jednoduše použitelný. Hlavními důvody byla značná velikost dat a skutečnost, že tzv. mračna bodů (point clouds) jsou ukládána ve specifických datových formátech, které běžné CAD, GIS a další grafické programové systémy nepoužívaly. V současné době jsou do těchto programových nástrojů, které se zabývají zpracováním geografických dat vkládány funkce i pro práci s mračny bodů. Společnost Autodesk již třetím rokem do svého software začleňuje základní nástroje pro načtení a základní úpravy bodových mračen. Uživatel tak má možnost načtení mračna bodů včetně jejich LIDAR klasifikace a následného vytvoření digitálního modelu terénu. Zajímavé výsledky přináší např. extenze pro Autocad Shape Extractor, která mimo jiné nabízí funkce pro vytváření tvarů (těles) z mračen bodů.

 

Obr.1 Vytváření objektů potrubí z mračna bodů v prostředí AutoCADu

 

Pro pokročilé zpracování výsledků pozemního laserového skenování existuje celá řada softwarových produktů. Na prvním místě je nutné zmínit kvalitní programové vybavení od samotných výrobců laserových skenerů. Jedná se např. o Scene od FARO nebo Cyclon od Leica. Autor příspěvku používá pro svou práci programové vybavení společností KUBIT a CARLSON, které využívá jako nadstavby pro AutoCAD CIVIL 3D. Využívá výhod propojení funkcí 3D terénního modeláře (AutoCAD Civil3D je založen na práci s digitálními modely terénu) na bázi AutoCADu a funkcí pro práci s výsledky laserového skenování.

 

Laserové skenování nabízí tyto základní způsoby provedení:

  • Letecké laserové skenování ALS (Airborne LIDAR System)
  • Pozemní laserové skenování TLS (Terrestrial LIDAR System
  • Mobilní laserové skenování MLS (Mobile LIDAR System)
  • Skenování ručním skenerem (Handyscan)

Primární zpracování dat leteckého laserového skenování pro vytvoření digitálního modelu terénu (DTM)

 

Výsledným produktem leteckého laserového skenování, kdy hovoříme o tzv. LIDAR technologii (angl. LIght Detection And Ranging) je suma prostorově orientovaných bodů, kterou nazýváme mračno bodů (point clouds). Tento výsledný tvar se vyznačuje tím, že poskytuje informace v rychlém čase a vysoké přesnosti s vysokou hustotou rozmístěných bodů. Tato skutečnost přináší další charakteristickou vlastnost takto pořízených dat, kterou je jejich velký datový objem. Další jejich vlastností je to, že zaměřené body jsou v primárním tvaru předány jako jeden celý blok, který obsahuje zemský povrch a nadzemní objekty. Těmi jsou zejména budovy, vegetace, vybavení infrastrukturou a další útvary (např. hejna ptáků, automobily). Proto je nutné v naprosté většině případů provést přípravu těchto dat pro jejich další zpracování.

 

Základní pracovní postup při zpracování dat leteckého laserového skenování

 

Autor příspěvku se zabývá především modelováním současných stavů povrchů terénu za účelem vytváření důlně měřické dokumentace lomových provozů s následnými výpočty kubatur odtěžených a nasypaných hmot. Proto je jeho primárním cílem odseparovat z pořízeného mračna bodů povrch terénu pro následné vytvoření jeho digitálního modelu. Teprve následně provádí sběr dalších dat objektů jako jsou budovy, vegetační kryt apod. Existují však postupy, kdy naopak nejdříve dochází k detekci různých kategorií vegetace a stavebních objektů s následným určením bodů zemského povrchu.

Obecně je nutné prohlásit, že neexistuje univerzální pracovní postup pro zpracování dat laserového skenování (pozemního i leteckého).

Kvalita výsledného produktu je dána již perfektní přípravou projektu leteckého skenování, případně snímkování. Právě při přípravě projektu musí být zohledněn jeho hlavní cíl a účel. Pořízení dat probíhá případ od případu v různých klimatických podmínkách, s různými parametry vlastního skenování – snímkování a v neposlední řadě je nutné počítat s různorodými dispozicemi jednotlivých zájmových lokalit. Autor projektu skenovacího - snímkového letu mj. určí, v jakých náletových osách a z jaké výšky bude měření probíhat. Běžně tato operace probíhá tak, že současně vedle laserového skenování probíhá i fotogrammetrické snímkování. To může být velmi důležitým faktorem při interpretaci bodových mračen. Při manuálním vyhodnocování např. obrysů jednotlivých budov je nasazení softwaru, který kombinuje funkce pro práci s objekty mračen bodů a stereofotogrammetrie velmi účelné. Výrazně zvyšuje možnost orientace, identifikace zájmových objektů a přesnost jejich interpretace. Charakteristika zájmové lokality z hlediska morfologie terénu i typu nadzemních objektů nebo i vodních ploch zásadně ovlivňuje stanovení postupu zpracování a nastavení parametrů pro nasazené softwarové nástroje.

 

Základní postup při zpracování těchto dat je následující:

 

  • Analýza dat obsahující mračna bodů a stanovení postupu jejich zpracování
  • Detekce a odstranění šumů
  • Identifikace bodů vegetačního krytu
  • Identifikace bodů střech budov s následným určením jejich průniku s terénem
  • Určení bodů zemského povrchu
  • Manuální interpretace povinných spojnic (breaklines) digitálního modelu terénu a dalších objektů
  • Manuální kontrola a dopracování projektu
  • Příprava odseparovaných objektů k dalšímu zpracování např. v CAD systémech

 

Přehlednou informací o výškovém rozložení bodů v rámci bodového mračna poskytne histogram podle obr.2 [5]. Je na něm znázorněno typické rozložení výskytu bodů v jednotlivých výškových horizontech, kdy úseky A,B vyznačují body terénního krytu a úseky C,D,E poukazují na výskyt budov. Poskytne tak důležité informace pro stanovení postupu jejich zpracování.

 

Obr.2. Histogram znázorňující početní zastoupení bodů v rámci výškových horizontů [5]

 

 

Detekce a odstranění šumů

Prvním krokem bývá odstranění bodů, které představují tzv. šum. Tyto body se nachází za výškovým a plošným rozsahem zájmového území. Mohly vzniknout při provádění leteckého laserového skenování působením mračen a aerosolů, průletem hejna ptáků nebo např. nízko letícím letadlem. Tyto šumy jsou softwarově odstraňovány automaticky tak, že operátor nastaví pro zpracovávanou datovou sadu výškové a polohové souřadnicové rámce, ve kterých se má pohybovat rozmístění bodů mračna. Ostatní body, které do této výběrové množiny nepatří, jsou odstraněny. Následuje manuální kontrola s korekcí výsledku. Při této operaci se využívají funkce pro obarvení jednotlivých bodů podle zadaného rozsahu výšek. Tuto funkci nabízí řada současných CAD systémů.

Identifikace vegetace a budov

Algoritmy na identifikaci budov z bodových mračen jsou založené na následujících principech [4] :

 

1) Vytvoření digitálního modelu povrchu (DMS), který reprezentuje všechny objekty pořízené laserovým skenováním. Tento model je reprezentován TIN modelem.

2) Segmentace modelu podle vrstevnic výškových diferencí na plochy s předpokládaným výskytem nadzemních objektů.

3) Vytvoření hraničních polygonů jednotlivých nadzemních objektů.

 

Obr.3. Výškové diference mezi body svrchních hraničních polygonů (a) budovy, (b) stromy [4].

 

4) Vytvoření finálních „point cloud“ tvarů (shapes), které reprezentují jednotlivé budovy. Pro tyto operace se využívají algoritmy, které využívají metod vyhledávajících optimálního proložení výsledného tvaru např. metodou nejmenších čtverců.

 

Obr.4. Detekce střech budov v software VRMesh 7.5

 

Obr.5. Detekce kontaktu budov se zemskám povrchem v software VRMesh 7.5


Odseparování zemského povrchu

Nejdůležitějším produktem laserového skenování (zejména ALS) je kolekce bodů, které popisují zemský povrch. Tyto body tvoří základní stavební kámen pro generování digitálního modelu terénního reliéfu, nebo jeho variantu v podobě digitálního modelu terénu.

Programové systémy, které provádějí automatickou identifikaci bodů zemského povrchu z bodových mračen (podmínkou je jejich předzpracování odstraněním šumů) používají tyto principy jejich odfiltrování vycházející z jejich prostorové polohy:

  • Body terénu jsou obecně body s nejnižšími výškami v rámci množiny zpracovaných bodů.
  • Sklony mezi sousedními body zemského povrchu jsou zpravidla menší než mezi bodem na terénu a bodem, který není jeho součástí.
  • Body, které spočívají na zemském povrchu jsou charakteristické tím, že mezi sousedními body nemění svou výšku skokovým způsobem.

 

V neposlední řadě je nutné zmínit využití informace o intenzitě odrazu a počtu odrazů v rámci jednou vyslaného paprsku.

 

Na obr.6 je patrné zobrazení rozhraní programového systému Carlson Point Cloud, který je nadstavbou AutoCAD Civil 3D. Na obr.7 je zobrazen dialog zadání parametrů pro určení bodů povrchu terénu. Program vysílá z určeného bodu kruhové výseče (slices), které postupně ve směru hodinových ručiček podle parametrů, jako jsou zejména max. sklon, max. výškový odskok, krok analýzy vytvoří nové bodové mračno bodů povrchu terénu.

 

Obr.6. Naskenovaná situace v intravilánu v prostředí Carlson Point Cloud

 

Obr.7 . Nastavení parametrů pro určení bodů terénu v prostředí Carlson Point Cloud

 

Obr.8. Odseparované body terénu křižovatky v intravilánu


Možná úskalí při využití softwarových filtrů pro identifikaci bodů reprezentujících zemský povrch

 

Obecně lze konstatovat, že automatický výběr bodů z bodových mračen ( toto analogicky platí i při automatickém sběru dat za použití metody digitální fotogrammetrie) přináší určitá úskalí. Existuje určitá skupina objektů, jejichž identifikace je pro software, prostřednictvím kterého jsou tyto operace prováděny obtížnější. Proto je vždy namístě manuální kontrola s následnou korekcí takto vzniklých chyb.

 

Mezi obtížněji identifikovatelné objekty patří [5]:

 

  • vegetační kryt nízkého vzrůstu (nízké keře a traviny s výškou do 1m)
  • časté střídání typů terénního krytu
  • obrubníky a velmi nízké stavební objekty (s výškou do 30 cm)
  • mostní objekty a zakryté objekty (např. skalní převisy)
  • objekty s proměnlivým tvarem, velikostí a výškou
  • střídání nízkých a vysokých objektů

Klasifikace LIDAR podle intenzity odrazu laserového paprsku

Důležitým parametrem pro klasifikaci digitálního modelu povrchu (obsahuje povrch terénu a nadzemní objekty) je intenzita odrazu laserového paprsku. Intenzita odrazu je závislá na tom, z jakého materiálu se klasifikovaný objekt skládá. Je známo, že např. vegetace poskytuje větší intenzitu odrazu paprsku než např. asfaltový povrch vozovky nebo zemský povrch tvořený jílovitým povrchem.

Mračna bodů LiDAR jsou často dostupná ve formátu LAS (LiDAR Aerial Survey) nebo ASCII (.xyz). Tento datový formát LAS byl vytvořen americkou společností American Society of Photogrammetry and Remote Sensing [11].

 

Obr.9. Ukázka identifikace budov, zeleně a terénu z bodového mračna podle klasifikace LIDAR

Jedním ze základních parametrů, který je obsažen v datovém souboru typu LAS je právě intenzita odrazu. Prostřednictvím tohoto parametru je možné klasifikovat objekty z mračna bodů (obr.11).

 

Obr.10. Prostředí AutoCAD Civil3D – nastavení parametrů intenzity podle klasifikace LIDAR

 

Soubor ve formátu LAS přináší tyto základní informace:

  • X, Y, Z
  • Intensity
  • Return Number
  • Number of Returns (given pulse)
  • Classification
  • GPS Time

 

Obr.11. Schematické znázornění závislosti odrazu paprsku a následné hodnoty intenzity u dlažby, zemské půdy a vegetace [3]

Výstupem laserového skenování je záznam o prostorové poloze bodů vyjádřené jejich polohou v souřadnicích, informace o intenzitě odrazu od měřeného objektu, informace o barvě daného bodu (ve většině případů je současně s pořizováním těchto dat vytvářen digitální fotosnímek) a také počet návratů vyslaného paprsku. Vyslaný paprsek se postupně odráží od jednotlivých vrstev objektů na zemském povrchu. Výrazně se tato vlastnost projevuje na vzrostlé vegetaci a na hranách výškových budov. Takto lze získat odraz nejen od koruny stromu ale i od jeho jednotlivých výškových pater včetně zemského povrchu. Obvykle platí, že první odraz byl pořízen od vrchu nadzemních objektů (budovy, stromy, vedení vysokého napětí apod.), poslední odraz pak odrazem od terénu [5].

 

Obr.12.Schematické zobrazení průchodu laserového paprsku vegetací [5]

 

Obr.13. Interpretace leteckého laserového skenování prostřednictvím mračna bodů s barevným vyjádření intenzity [2]

 

Obr.14,15. Identifikace - detekce hran stavebních objektů pomocí vyjádření intenzity

Manuální a poloautomatická identifikace hran terénu (breaklines)

Hrany terénu jsou důležitým prvkem pro vytvoření výsledné interpretace digitálního modelu reliéfu terénu. Proto je jejich správná identifikace a interpretace velmi důležitá [6].

Pro vytváření vektorové interpretace objektů z mračen bodů používá nástroje společností CARLSON [9] a KUBIT [10], které jsou nadstavbami AutoCADu. Programový systém Carlson ve svém modulu Point Cloud nabízí funkce pro vytváření 3D linií, které jsou jsou podkladem pro vytvoření hran terénu.. Při jejich tvorbě, nabízí úchopové režimy (obr. 14), které umožňují uživateli prokládat tyto křivky mračny bodů tak, aby reprezentovaly například horní hranu nebo dolní hranu terénu (např. obrubník, spodní nebo horní hranu svahu apod.) Princip stanovení polohy těchto linií spočívá ve vytváření pomocných profilů (obr. 15), podle kterých vyhledá počátek a konec změny ve výšce (horní a dolní hrana).

 

Obr.16. Sada funkcí pro interpretaci hran terénu a vytvoření objektů vegetace v prostředí Carlson Point Cloud

 

Pokud operátor vyhodnocuje například situaci v intravilánu, kdy jeho úkolem je zpracování digitálního modelu terénu povrchu náměstí jako podkladu pro projekt vybudování jeho nového silničního povrchu včetně chodníků, pak s výhodou využije možnosti vytváření parametrických objektů jako např. obrubníků. Při vytváření např. situace stávajícího stavu výsadby je výhodné využívat funkce pro prokládání bodů mračna reprezentující jednotlivé stromy nebo keře tzv. bloky. Bloky patří mezi základní výkresové objekty AutoCADu a uživatelé mají k dispozici celé knihovny objektů např. stromů a keřů. Jejich základní vlastností je to, že jsou definovány jako parametrické. Při výběru mračna, které reprezentuje daný objekt je tento automaticky proložen daným blokem podle správných rozměrů (obr. 14).

 

Obr. 17. Poloautomatický sběr hran terénu pro DMT

 

Obr. 18. Automatická extrakce hran terénu v Carlson Point Cloud

Automatické vytváření hran terénu je současnými specializovanými softwary nabízeno v různých variacích. Principem je vytvoření trojúhelníkové sítě z bodů do formy tzv. objektu Mesh. Následně proběhne výpočet interpretace směrů normál jednotlivých trojúhelníkových plošek. Operátor poté nastaví pomocí RGB souřadnic barevnou výplň plochy (obr.17), na jejíž hranici bude položena 3D polylinie tvořící hranu terénního reliéfu. Výsledek je patrný na obr. 16.

 

Obr.19. Nastavení parametrů extrakce terénních hran v Carlson Point Cloud

Před krátkým časem autor příspěvku zařadil do portfolia svých softwarových nástrojů program Kubit Point Cloud. Jeho hlavní přínos spočívá v tom, že pro identifikaci prostorových útvarů z bodových mračen používá kombinaci klasických metod a průsekové metody fotogrammetrie. Operátor tak při své práci využívá vodítko ve formě průsekových paprsků. To nabízí výbornou možnost vytvoření kvalitních výstupů a zkrácení operačních časů. Obdobné řešení nově nabízí původní český programový systém PhoTopol. Základní rozdíl v řešení spočívá ve skutečnosti, že metoda průsekové fotogrammetrie je nahrazena jinou variantou, a to stereofotogrammetrií.

 

Závěr

Závěrem je možné konstatovat, že neexistuje jedno univerzální řešení pro zpracování dat laserového skenování. Vždy je nutné vzít v úvahu skutečnost, jakému účelu bude výsledek projektu sloužit a následně zvolit odpovídající postup práce. Jeho dobrý výsledek je zásadním způsobem ovlivněn již jeho přípravou a parametry samotného snímkování. Vždy je však nutné vzít v úvahu skutečnost, že určitou část projektu bude nutné zpracovat manuálním způsobem včetně pečlivé manuální kontroly. Zásadní roli při zpracování dat z laserového skenování hraje zkušenost a zručnost zpracovatele. Na samotný závěr nelze než konstatovat, že laserové skenování a metody zpracování jeho produktů prochází prudkým vývojem a možnosti jeho uplatnění narůstají i v dalších oborech lidské činnosti.

Literatura a zdroje informací

[1] George Sithole, George Vosselman: Experimental comparison of filter algorithms for bare-Earth extraction from airborne laser scanning point clouds, 2004.

[2] Russell Faux: LiDAR Classification and Vegetation Analysis, Sacramento, 2010.

[3] Xuelian Meng, Nate Currit and Kaiguang Zhao: Ground Filtering Algorithms for Airborne LiDAR Data: A Review of Critical Issues, 2010.

[4] J. Dash , E. Steinle, R.P. Singh , H.P. Bahr: Automatic building extraction from laser scanning data: an input tool for disaster management, 2004.

[5] Hufeng Chen: Digital Terrain Models from Airborne LiDAR Point Clouds Using A Multi-scale Terrain Filtering Method, Ontario, 2012.

[6] Christian Briese : Three-Dimensional Modelling of Breaklines from Airborne Laser Scaner Data, Viena, 2008.

[7] Christian Briese, Gottfried Mandlburger, Cammilo Ressl : Automatic Break Line Determination for The Generation of a DTM along The Revier Main, 2009.

[8] Marek Gaisor : Laserové skenování pro tvorbu 3D modelu vybrané části NP České Švýcarsko, Ústí nad Labem, 2009.

[9] Kubit [online], 2013, .

[10] Carlson [online], 2013, .

[11] LAS Specification [online],2008, < http://www.asprs.org/a/ society /committees/standards/asprs_las_format_v11.pdf>.

[12] Sithole, G., and Vosselman, G. : Bridge detection in airborne laser scanner data,

ISPRS Journal of Photogrammetry and Remote Sensing, 61/1, 2006, str. 33-46.

[13] Meng, X., Currit, N., and Zhao, K. : Ground filtering algorithms for airborne

LiDAR data: A review of critical issues. Remote Sensing, (2), str. 833-860, 2010.

[14] Zhang, K.: A progressive morphological filter for removing non-ground

measurements from airborne LIDAR data. IEEE Transactions on Geoscience and

Remote Sensing, 41(4), str. 872-882, 2003.