Sprache

Water classification using 3D airborne laser scanning point clouds

Michael Vetter, Innsbruck; Bernhard Höfle, Vienna; Martin Rutzinger, Enschede

Zusammenfassung

Airborne Laser Scanning (ALS), auch bekannt als LiDAR (Light Detection And Ranging), liefert Daten der
Erdoberfläche in einer hohen Genauigkeit und Punktdichte. Seit den 1990er Jahren entwickelte sich ALS zum
Standardverfahren zur Erfassung von Objekten sowie deren Veränderungen, wie beispielsweise Gebäuden,
Vegetation oder Straßen. Für Anwendungen in der Hydrologie oder der Geomorphologie wird die Lage der
Wasseroberfläche benötigt, die zur Überwachung von Braided-River-Strukturen, der Überflutungskartierung oder für die Berechnung von Erosionsraten von Flüssen herangezogen werden kann. In diesem Artikel wird eine auf der 3D Punktwolke basierende Methode vorgestellt, mit der es möglich ist anhand der geometrischen und radiometrischen Informationen der ALS Daten mit Hilfe von fehlenden Punkten (dropouts), Wasserpunkte zu identifizieren und diese zu klassifizieren. Diese Klassifikationsergebnisse können herangezogen werden um Wasserflächen zu kartieren, bestehende Filteralgorithmen zur Geländemodellerstellung zu verbessern oder um Wasserpunkte aus der Punktwolke zu entfernen und diese durch berechnete Flusssohlenpunkte zu ersetzen.
Die Methode besteht aus einer schwellenwertbasierten Klassifikation der Höheninformation und der Radiometriedaten der 3D Punktwolke. Die Methode ist in fünf Hauptschritte aufgeteilt. Als erstes werden die Radiometriedaten (Amplituden) korrigiert, um diese von atmosphärischen und geometrischen Einflüssen zu bereinigen. Anschließend werden diese korrigierten Amplituden verschiedener ALS-Flüge zueinander radiometrisch angepasst, um die Vergleichbarkeit der Datensätze herzustellen. Der zweite Schritt ist die Modellierung von dropouts, welche für die Ableitung von Wasserflächen essentiell sind. Als drittes und viertes wird die Standardabweichung der Höhenwerte und das Amplitudendichteverhältnis für jede Reflexion und jeden dropout berechnet. Diese werden bei Schritt fünf zur Unterscheidung von Wasser- und Nicht-Wasserpunkten herangezogen. Zur Ableitung der Schwellenwerte für die Klassifikation wird ein terrestrisches Orthophoto und mit dGPS gemessene Linien verwendet, welche zeitgleich zur ALS Kampagne erhoben wurden.
Ein wichtiger Schritt dieser Methode ist das Einbeziehen der berechneten dropouts in die Klassifikation, durch die eine Unterscheidung von Wasser und Nicht-Wasserpunkten ermöglicht wird. Mit der vorgestellten Methode ist auch eine Ableitung von vegetationsüberdeckten Wasserflächen möglich, was bei Sensoren die Vegetation nicht penetrieren können nicht möglich ist. Die Genauigkeit der Klassifikation liegt bei ca. 95% richtig klassifizierten Wasserpunkten. Durch die Korrektur und die Anpassung der Amplitudenwerte wird eine Berechnung der Flusslaufveränderung zwischen den verschiedenen Flügen ermöglicht.

Abstract

Airborne laser scanning (ALS), also referred to as airborne LiDAR (Light Detection And Ranging), provides highly accurate measurements of the Earth surface. In the last twenty years, ALS data has been established as a standard technique for delineating objects (e.g. buildings, trees, roads) and mapping changes. Studies on hydrology or geomorphology such as monitoring of braided river structures, calculation of erosion and accumulation potential in watercourses, or floodplain mapping all require the precise location of the water surface. This paper shows a 3D point cloud based method, which allows an automatic water surface classification by using geometric and radiometric ALS information and the location of modeled lost reflections, which are called laser shot dropouts. The classification result can be used to map the watercourse, improve DTM filtering routines or replace water points with river bed heights for hydraulic modeling etc.
The method relies on a threshold based classification using geometry as well as radiometric information of the 3D point cloud. The method is divided into five major steps. First, we correct the amplitude values by reducing the atmospheric and geometric influences to the laser shots. A radiometric adjustment was applied to the amplitude values of the data sets, which allows a multi-temporal analysis of the amplitude values. The second step is the interpretation of the coordinates of the laser shot dropouts, which are the most important input to delineate water surfaces. In step three and four the two attributes (standard deviation of the height and the amplitude density ratio value) are calculated at a fixed distance to each reflection and dropout. These are used in step five to distinguish water and dry land points. The exploration of the attributes for the classification and the evaluation of the classification results are done by comparing them to a terrestrial orthophoto mosaic, which was taken simultaneously to the ALS campaign.
One of the major tasks is the use of modeled laser shot dropouts within the threshold based classification method for distinguishing water and non-water echoes. The method is also suited to detect water under riverine vegetation, which is problematic by using data from sensors, which are not able to penetrate vegetation. The classification accuracy is about 95%. The amplitude correction and the radiometric adjustment makes the data sets comparable and allows to calculate changes in the channel flow paths over the different flights.

News
07.02.2017 14:38

Stellenausschreibung TU Graz

Am Institut für Ingenieurgeodäsie und Messsysteme an der TU Graz ist eine freie Stelle,...


13.12.2016 21:17

OVG Vortrag - Thomas Wunderlich - Zwei mal Scannen und dann?

Am 30. November 2016 hat Prof. Dr. Wunderlich einen Vortrag an der TU Wien im Rahmen der...


21.07.2016 13:08

Ableben DVW Präsident Prof. Dr.-Ing. Karl-Friedrich Thöne

Wir möchten Sie über das Ableben des Präsidenten des DVW, Prof. Dr.-Ing. Karl-Friedrich Thöne,...