[Back]


Books and Book Editorships:

F. Rottensteiner:
"Automatic Extraction of Buildings from Airborne Laserscanner Data and Aerial Images";
in series "Geowissenschaftliche Mitteilungen, Heft 83", series editor: W. Wagner; issued by: Studienrichtung Vermessung und Geoinformation, Technische Universität Wien; Geowissenschaftliche Mitteilungen, Wien, 2008, ISSN: 1811-8380, 148 pages.



English abstract:
This habilitation presents a collection of papers dealing with the automatic extraction of buildings from Airborne Laserscanner (ALS) data, supported by aerial imagery. Building extraction consists of two stages: the detection of buildings, essentially a classification task, and the geometrical reconstruction of buildings in previously detected regions of interest. Both stages are dealt with in this work.
First, a rule-based method for building detection is presented. This method can use both ALS data and multi-spectral information in the form of a normalised difference vegetation index (NDVI). This method can be applied in a hierarchical framework of coarse generation of a digital terrain model by morphological filtering. The second method for building detection presented in this work is based on the Dempster-Shafer theory for data fusion. It uses a heuristic model for the distribution of evidence to the classes of the classification process. A thorough evaluation of that method has shown that this model is appropriate and that most of its parameters can be determined relatively easily from "meaningful" entities such as a minimal building height or the approximate percentage of trees in a scene. It was shown that buildings larger than about 120 m2 can be reliably detected using ALS data of a resolution of 1 m and an NDVI image. Buildings between 50 m2 and 120 m2 can still largely be detected. The major influence of the NDVI was a reduction of false positive detections of buildings smaller than 100 m2 by up to 15%.
Building reconstruction as presented in this work starts with the extraction of roof planes from the ALS data. After that, a classification of the mutual geometrical relations between neighbouring roof planes is carried out, with the aim of determining the boundary polygons of these roof planes. This includes a method for the precise location of step edges in ALS data. In this process, decisions are based on statistical tests rather than on simple thresholding operations, thus increasing the robustness of the approach. These tests require rigorous modelling of the stochastic properties of the geometric entities involved. The roof boundary polygons can be grouped to form polyhedral building models. Finally, the parameters of these polyhedral models are estimated in a consistent parameter estimation process that considers geometrical regularities. In this way, building models with a planimetric accuracy in the range of the original point spacing and with a height accuracy in the range of a few centimetres can be generated. However, the quality of the results is limited by the sensor resolution, since the planar segmentation requires a certain minimum number of ALS points on each plane of the roof.

German abstract:
In dieser Habilitationsschrift sind mehrere wissenschaftliche Arbeiten zusammengefasst, die sich mit der automatischen Extraktion von Gebäuden aus flugzeuggestützten Laserscannerdaten befassen. Der Prozess der Gebäudeextraktion umfasst dabei zwei Arbeitsschritte: die Detektion von Gebäuden, imWesentlichen eine Klassifizierungsaufgabe, und die geometrische Rekonstruktion von Gebäuden in den zuvor detektierten Interessensgebieten. Beide Themen werden in dieser Arbeit behandelt.
Zunächst wird eine regelbasierte Methode zur Gebäudedetektion präsentiert. Diese Methode kann sowohl Laserscannerdaten als auch multispektrale Information über den "normalised difference vegetation index" (NDVI) berücksichtigen. Sie kann auch in einem hierarchischen Kontext zur Erzeugung eines digitalen Geländemodells durch morphologische Filterung angewandt werden. Die zweite Methode zur Gebäudedetektion, die in dieser Arbeit vorgestellt wird, beruht auf der Theorie von Dempster-Shafer zur Datenfusion. In dieser Methode wird ein heuristisches Modell für die Verteilung der in den Daten enthaltenen Evidenz bezüglich der im Klassifizierungsprozess zu unterscheidenden Klassen verwendet. Eine sorgfältige Evaluierung dieser Methode hat gezeigt, dass dieses Modell gut für die Klassifizierungsaufgabe geeignet ist und dass die meisten Parameter dieses Modelles auf relativ einfache Weise aus "sinnvollen" Größen wie z. B. der minimalen Gebäudehöhe oder einem geschätzten Prozentsatz von Bäumen in der Szene abgeleitet werden können. Es konnte weiters gezeigt werden, dass Gebäude größer als ca. 120 m2 zuverlässig aus Laserscannerdaten mit einer Auflösungvon etwa 1 m und einem NDVI-Bild abgeleitet werden können. Gebäude mit einer Fläche zwischen 50 m2 und 120 m2 können ebenfalls weitgehend detektiert werden. Der wesentliche Einfluss des NDVI war eine Reduktion der Anzahl der fälschlich detektierten Gebäude mit einer Fläche kleiner als 100 m2 um bis zu 15%.
Die Rekonstruktion von Gebäuden, wie sie in dieser Arbeit verstanden wird, beginnt mit der Extraktion von Dachflächen aus den Laserscannerdaten. Danach wird eine Klassifizierung der geometrischen Relationen zwischen benachbarten Dachflächen durchgeführt, die das Ziel hat, die Randpolygone dieser Dachflächen zu bestimmen. Dies inkludiert eine Methode für die genaue Lokalisierung von Höhensprüngen in den Laserscannerdaten. In diesem Prozess werden Entscheidungen auf Grund von statistischen Tests getroffen anstatt auf der Basis von einfachen Schwellwertbildungen, wodurch die Robustheit der Methode erhöht wird. Um diese statistischen Tests durchführen zu können, ist eine strenge Modellierung der stochastischen Eigenschaften der involvierten geometrischen Grö¨ssen von Nöten. Die Dachrandpolygone können zu Polyedermodellen gruppiert werden. Schlie¨sslich werden die Parameter dieser Polyedermodelle auf konsistenteWeise geschätzt, wobei im Schätzprozess auch geometrische Bedingungen zur Regularisierung der Modelle berücksichtigt werden. Auf diese Weise können Gebäudemodelle mit einer Lagegenauigkeit erzeugt werden, die in etwa dem ursprünglichen Punktabstand entspricht, während ihre Höhengenauigkeit im Bereich von wenigen Zentimetern liegt. Allerdings wird die Qualität der Ergebnisse stark durch die Sensor-Auflösung limitiert, weil die Segmentierung der Dachebenen eine gewisse minimale Anzahl von Laserpunkten in jeder Dachebene benötigt.


Electronic version of the publication:
http://publik.tuwien.ac.at/files/PubDat_228889.pdf


Created from the Publication Database of the Vienna University of Technology.