[Back]

B. Braumann:
"Objektorientierte Gebäudedetektion in Laserscannerdaten und multispektralen Bildern";
Supervisor: W. Wagner, K. Scipal; Institut für Photogrammetrie und Fernerkundung, 2006.

The goal of this paper is to develop an automated procedure for an object-oriented classification of buildings from Lidar data and multispectral images.
During the last decade Airborne Laserscanning has become a mature and widely accepted technology for capturing 3D data of the topographic surface for generating high resolution DTM's and DSM's. Improvements in Lidar data sampling density rendered possible a number of further applications, herein building detection and the generation of 3D building models.
Beginning with the availability of very high resulution imagery and their characteristics (high level of detail, high spectral variance, etc.) image segmentation techniques have become popular in data interpretation: image objects in remote sensing data appear relatively homogeneous and can be delineated gy segmentation. Thus, the number of elements as a basis for a following classification is reduced enormously. The object-oriented approach to building detection consists of the steps segemntation and classivication. Pixel groups (segments) generated during segmentation are classified by applying specific object features within a developed rule base to the respective object. Beside these object features spatial and semantic relationships between image objects or geometrical properties can be employed for classification.
The results of the developed algorithms for building detection are satisfying, buildings are detected properly. The accomplished validation confirms this conclusion.

Ziel dieser Arbeit ist die Entwicklung eines automatisierten Ablaufs einer objektorientierten Gebäudedetektion aus Laserscannerdaten und multispektralen Bildern. Das flugzeuggetragene Laserscanning entwickelte sich in den letzten Jahren zu einer nicht mehrwegzudenkenden Datenquelle zur Erfassung der Topografie und in Folge zur Erstellung hochauflösender Gelände- und Oberflächenmodelle. Aufgrund der inzwischen stark gestiegenen Punktdichte von Laserscannerdaten haben sich neben diesen "Standardanwendungen" eine Vielzahl weiterer Anwendungsgebiete, darunter die Gebäudedetektion und die Erstellung von 3DGebäudemodellen, aufgetan. Insbesondere wegen der immer höher gewordenen räumlichen Auflösung der Bilddaten (hoher Detaillierungsgrad, hohe spektrale Varianz, etc.) gewinnen Methoden der Bildsegmentierung in der Bildanalyse mehr und mehr an Bedeutung: Bildobjekte in Fernerkundungsdaten erscheinen oft relativ homogen und können durch adäquate Segmentierungsverfahren gut abgegrenzt und dargestellt werden. Damit reduziert sich die Anzahl der zu klassifizierenden Elemente enorm. Der objektorientierte Ansatz zur Gebäudedetektion besteht aus den Teilschritten Segmentierung und Klassifikation. Die bei der Segmentierung erzeugten Pixelgruppen (Segmente) werden mit Hilfe auszuwählender Objektmerkmale innerhalb eines zu erstellenden Regelwerks den einzelnen Klassen zugewiesen. Zusätzlich zu diesen Merkmalen lassen sich räumliche und semantische Beziehungen zwischen den Segmenten oder Objektgeometrien zur Klassifikation einsetzen. Die Ergebnisse der Gebäudedetektion zeigen, dass mit den entwickelten Algorithmen Gebäude zufrieden stellend erkannt und klassifiziert werden können. Die durchgeführte Validierung bestätigt dies.

http://publik.tuwien.ac.at/files/PubDat_120278.pdf