Verbesserung der Positionsgenauigkeit von Punktwolken
Global Mapper Pro kann Punktwolken ausdünnen, klassifizieren und Merkmale extrahieren. Bevor Sie beginnen, stellen Sie sicher, dass Sie die erforderlichen Anpassungen der Punktwolkenposition, gemessen an der Positionsgenauigkeit, vornehmen. Fehlerhafte Offsets in oder zwischen Punktwolken können die Analyse und die Oberflächenerzeugung beeinträchtigen. In diesem Zusammenhang bezieht sich die Positionsgenauigkeit darauf, wie nahe die Messungen an den realen Werten liegen. Das Vertrauen in die Positionsgenauigkeit ist eine wichtige Komponente von Punktwolken, da die Wolken häufig die Grundlage für Analysen und abgeleitete Datenprodukte bilden. Die Anpassung einer Punktwolke an die Position von Bodenkontrollpunkten (GCPs), die mit einem hochgenauen GPS-Gerät erfasst wurden, oder der Abgleich mit einer anderen überlappenden Punktwolke mit festgelegter Position kann dazu beitragen, Probleme mit der Positionsgenauigkeit zu mildern. Diese und viele andere Werkzeuge in Global Mapper Pro können nahtlos mit Luft- und Boden-Lidar- oder photogrammetrisch abgeleiteten Punktwolkendaten verwendet werden.
Hier sehen Sie den Übergang zwischen zwei sich überlappenden Punktwolken, die sich farblich voneinander unterscheiden. Das Ausrichten dieser Punktwolken ermöglicht eine nahtlose Oberflächenerzeugung und -analyse.
In diesem Szenario verwendete Daten
Hier haben wir einen terrestrischen Lidar-Datensatz, der auf Bodenhöhe entlang der Hauptstraße von Hallowell, Maine, aufgenommen wurde. Wie Sie auf dem Bild unten sehen können, war diese bodennahe Erfassungsmethode nicht in der Lage, die Oberseiten und Rückseiten der Gebäude zu erfassen. Um diese Lücken in den Daten zu schließen, wird die Punktwolke mit einer Luftbildpunktwolke des USGS zusammengeführt. Diese Luftbildwolke hat eine geringere Auflösung, liefert aber dennoch Kontext und Höhenangaben. Außerdem durchlaufen die USGS-Punktwolken vor der Veröffentlichung ein gründliches Qualitätssicherungsverfahren und sind daher für ihre hohe Lagegenauigkeit bekannt.
Durch die Kombination dieser Datensätze wird eine umfangreichere und möglicherweise genauere Punktwolke erstellt.
In diesem Szenario werden zwei Methoden zur Verbesserung der Positionsgenauigkeit von Punktwolken vorgestellt: ein Vergleich mit einer USGS-Punktwolke und ein Vergleich mit erfassten Bodenkontrollpunkten.
Erfassen von Bodenkontrollpunkten im Feld mit Global Mapper Mobile Pro
Neben der Messung der Genauigkeit durch den Vergleich einer Punktwolke mit einer anderen kann die Positionsgenauigkeit auch durch den Vergleich einer Punktwolke mit im Feld erfassten Passpunkten ermittelt werden. GCPs (Ground Control Points) sind Punktmerkmale mit X-, Y- und Z-Attributen, die zur geografischen Referenzierung anderer Daten verwendet werden. Manchmal werden sie verwendet, um räumliche Referenzinformationen zu nicht referenzierten Daten hinzuzufügen, aber in diesem Fall werden sie verwendet, um die räumliche Genauigkeit eines vorhandenen referenzierten Datensatzes zu verbessern.
Um die Genauigkeit der Daten zu verbessern, müssen die GCPs mit einem Gerät erfasst werden, das genauer ist als die Daten. Das in den meisten Mobiltelefonen eingebaute Ortungsgerät ist beispielsweise nur auf etwa 3 Meter genau und würde einen hochgenauen Datensatz nicht verbessern. In diesem Anwendungsfall wurde der Emlid Reach RX mit RTK mit Global Mapper Mobile gekoppelt, um GCPs im gesamten Datensatz zu messen. Weitere Informationen zu diesem Aufbau finden Sie in diesem Blog über die hochgenaue Datenerfassung mit Global Mapper Mobile Pro und Emlid. Global Mapper Mobile ist mit einer Vielzahl verschiedener GPS- und RTK-Geräte kompatibel; weitere Informationen finden Sie in den vollständigen Listen für Android und iOS.
Punkte sollten in der Punktwolke deutlich sichtbar sein
Horizontale Anpassungen erfordern eine manuelle Positionierung. Achten Sie im Feld darauf, die GCPs auf Merkmale zu legen, die Sie in den Lidar-Daten genau lokalisieren können, wie z. B. die Ecken von Bordsteinen oder Gebäuden.
Laternenmasten sind ein Beispiel für Dinge, die sich nicht gut als horizontale GCPs eignen, da Sie sich genau merken müssen, von welcher Seite des Mastes aus Sie gemessen haben, da es bei der Zentimeterauflösung keinen klaren Mittelpunkt gibt. Das gilt auch, wenn man sich auf andere Datentypen bezieht, z. B. auf Bildmaterial.
Mit Global Mapper Mobile konnten wir unsere Daten mit ins Feld nehmen, um die Datengrenzen zu bewerten und zu überprüfen, ob die kartierten Merkmale in beiden Datensätzen sichtbar waren. Wie wichtig die Sichtbarkeit von Punkten ist, zeigt sich bei der horizontalen Entzerrung, wie später in diesem Szenario beschrieben.
Dieser von der Emlid-Einheit auf einem Pfahl angezeigte Bodenkontrollpunkt wurde an der Ecke eines Gebäudes gemessen und konnte in der Punktwolke leicht identifiziert werden.
Ausrichten von Punktwolken in Global Mapper Pro
Stellen Sie zunächst sicher, dass Sie die Punktwolke(n) klassifizieren, damit ähnliche Punkttypen verglichen werden können. Wir wollen ja nicht Gras mit Bodenpunkten vergleichen! Nach der Klassifizierung kann das Lidar-Filter-Werkzeug verwendet werden, um Klassen auszuschalten, die nicht verwendet werden sollen. Im Allgemeinen basieren die Positionsanpassungen auf Bodenpunkten. Ausgeschaltete Nicht-Bodenpunkte werden mit dem Rest der Punktwolke verschoben, aber bei der Verarbeitung nicht berücksichtigt.
Messen des Abstands zwischen zwei Punktwolken
Die Kenntnis des Offset-Abstandes zwischen zwei Punktwolken oder zwischen der Punktwolke und den GCPs ist nicht erforderlich, zeigt aber mögliche Problembereiche auf, was Klarheit darüber verschaffen kann, wie sie angepasst werden können. Verwenden Sie das Werkzeug Punktwolken vergleichen, um den Offset zwischen den Punktwolken zu messen. Der Offset-Abstand wird für jeden Punkt als Attribut zugewiesen, um die Visualisierung von Offsets in den Datensätzen zu ermöglichen. Da Global Mapper die ursprüngliche Punktwolke nicht verändert, haben Sie auch die Möglichkeit, die Originaldatei erneut von Ihrem Computer zu laden, um nach der Verarbeitung gegen eine verschobene Ebene zu messen.
Das Werkzeug Punktwolken vergleichen misst die Abstände zwischen zwei Punktwolken.
Zwei sich überlappende Punktwolken automatisch ausrichten
Mit dem Werkzeug Punktwolken anpassen wird eine Punktwolke automatisch an einer anderen ausgerichtet, wobei die X-, Y- und Z-Differenzen zwischen den Punktwolken minimiert werden. Im Gegensatz zur Option "Verschieben", die eine gesamte Ebene um denselben Betrag verschiebt, werden mit dem Werkzeug "Punktwolken anpassen" einzelne Punktmerkmale angepasst. Es ist einfach zu bedienen, bietet aber Optionen, wenn Sie lieber selbst in die Einstellungen eingreifen möchten, um zu steuern, wie die Punkte angepasst werden sollen. Um es technisch auszudrücken: Mithilfe einer iterativen Closest-Point-Methode berechnet dieses Werkzeug eine affine 3D-Transformation und findet eine 4X4-Matrix, die am besten zu den Daten passt. Nachdem die Transformation auf die Punkte angewendet wurde, wird der Vorgang wiederholt. Das Ergebnis ist eine Best-Fit-Transformation, die der ICP-Methode auf der Grundlage der vom Benutzer festgelegten Einstellungen am nächsten kommt.
In unserem Beispieldatensatz konnte das Werkzeug "Punktwolken anpassen" die terrestrischen Daten an unseren USGS-Kontrolldatensatz anpassen. Eine weitere mögliche Verwendung ist die manuelle Ausrichtung von Fluglinien, sofern die Punktwolken in separaten Ebenen gespeichert werden.
Streichen Sie über das Bild, um zu sehen, wie das Werkzeug Punktwolken vergleichen das terrestrische Lidar nach unten verschoben hat, um es an das USGS-Lidar anzupassen.
Ausrichten einer Punktwolke an GCPs
Der Unterschied in der Auflösung zwischen den beiden Datensätzen in diesem Beispiel könnte zu Problemen bei der Ausrichtung führen, so dass GCPs eine genauere Methode sein könnten. Die Bodenkontrollpunkte wurden mit einem hochgenauen GPS-Gerät erfasst, und Global Mapper kann die Punktwolke mit zwei Werkzeugen an die GCPs anpassen: Eines für die horizontale Ausrichtung und ein anderes für die vertikale.
Die horizontale Ausrichtung kann etwas komplizierter sein als die vertikale, wenn es um die Ausrichtung an GCPs geht. Global Mapper erfordert einige Benutzereingaben, um passende Merkmale zwischen den Punktwolken festzulegen. Das Werkzeug Punktwolken ausrichten verfügt auch über eine manuelle Option, mit der Sie genau festlegen können, wie die Punktwolke an den Passpunkten ausgerichtet wird. Diese Methode kann auch in 3D statt horizontal angewendet werden, aber ich persönlich ziehe es vor, die Funktionen zu trennen, um die Fehlerquellen zu begrenzen. In der Abbildung unten wird das GCP auf der rechten Seite auf die Punktwolke in der Mitte abgebildet. Bei dieser Methode gibt es keine Iterationen, und die endgültige Ausrichtung kann durch erneutes Öffnen des Werkzeugs leicht nachjustiert werden.
Die manuelle Entzerrung ist zwar etwas aufwändiger als die automatische Option, gibt Ihnen aber die Möglichkeit, genau festzulegen, wie die Punktwolke an den Passpunkten ausgerichtet werden soll.
Die vertikale Ausrichtung ist (relativ) einfach, denn es gibt nur zwei Richtungen: nach oben und nach unten. Das Lidar-QC-Tool von Global Mapper erledigt dies mit Leichtigkeit. Es hat zwei Funktionen: Vergleich der Punktwolke mit den GCPs zur Abschätzung von Entfernung und Fehler und Durchführung eines vertikalen Entzerrungsprozesses für die gesamte Punktwolke auf der Grundlage der Bodenkontrollpunkte. Die vertikale Entzerrung ist ein Vergleich der Höhenwerte von Bodenkontrollpunkten mit den Höhenwerten der Lidar-Punkte in unmittelbarer Nähe jedes Kontrollpunkts.
Das Lidar QC-Tool liefert zunächst eine Liste mit Statistiken, in denen die GCPs mit nahegelegenen Lidar-Punkten verglichen werden. Von hier aus haben Sie die Möglichkeit, die Ausrichtung anzuwenden.
Sobald die Punkte ausgerichtet sind, können sie für die weitere Verarbeitung verwendet werden, z. B. für die Erstellung von Oberflächenmodellen, die Klassifizierung und die Merkmalsextraktion. Weitere Informationen zu Tools für die Qualitätskontrolle von Punktwolkendaten finden Sie in der Global Mapper Knowledge Base.