Benchmarking para generación DSM basada en imágenes

En vista del rápido avance de la tecnología fotogramétrica y software para la reconstrucción 3D, la Organización Europea de Investigación Espacial de Datos (EuroSDR) inició un proyecto de referencia en la generación basada en imágenes de Modelos Digitales de Superficie (DSM). Esta evaluación comparativa proporciona una plataforma para que los desarrolladores de software demuestren el potencial de su trabajo. Además, puede ayudar a los usuarios como en la cartografía nacional y las agencias catastrales responsables de la generación de DSM de alta calidad en todo el submundo de aplicaciones de estas herramientas. Los resultados comparativos de 10 participantes que se presentan a continuación proporcionan una visión integral en el paisaje de algoritmos densos y muestran la preexistencia del potencial actual de la recopilación de datos fotogramétricos basado en imágenes.


Figura 2. Perspectiva del conjunto de datos reconstruido de Munich, GSD es de 10 cm

Para limitar el esfuerzo del procesamiento de datos requeridos por los posibles participantes, la prueba se limitó a los subconjuntos de vuelos de imágenes aéreas. De este modo, se prepararon dos conjuntos de datos representativos que consisten en dos imágenes con sub-bloques aéreos con diferentes geometrías de la cubierta terrestre y bloque. El primer conjunto de datos Vaihingen/Enz , es representativo de los datos por lo general recolectados durante la generación de DSM en todo el estado en áreas con diferentes coberturas de la tierra. Cubre un área semi-rural de terreno ondulado. Tanto la distancia de muestreo del suelo y la superposición de imagen son más bien moderadas. El sub-bloque seleccionado para el índice de referencia se compone de tres líneas, cada una con 12 imágenes, lo que resulta en cuatro o nueve imágenes por punto (Figura 1). El DSM tuvo que ser generado por el centro de bloques de 7,5 x 3 km. El ancho de cuadrícula predefinida es de 0,2 m y corresponde a la distancia del muestreo terrestre (GSD) de las imágenes aéreas utilizadas. El segundo conjunto de datos de prueba es más típico para aplicaciones en áreas urbanas densamente pobladas, donde las imágenes son capturadas por lo general a un mayor recubrimiento y resolución. El conjunto de datos Munich cubre la parte central de la ciudad y fue capturado en un GSD de 10 cm, con un 80% en vuelo y 80% de recubrimiento transversal. Esto se traduce en un máximo de 15 puntos cruzados y por lo tanto una redundancia considerable. El sub-bloque de imagen para ser procesada se compone de tres franjas, cada una con cinco imágenes. El área a ser procesada es de 1,5 x 1,7 km (Figura 2).

sen00524
Figura 1. Bloque de Vainhingen/Enz, orthofoto, GSD es de 20 cm.

Fácil de utilizar el procedimiento de prueba

Para permitir un mayor número de participantes de diferentes orígenes, el test fue diseñado para ser sencillo de aplicar al tiempo que proporciona una base para la generación de conjuntos de datos comparables. Todos los participantes tuvieron que utilizar los parámetros de orientación puestos a disposición de los bloques de imágenes sin modificaciones. No hay nubes de puntos 3D, en la evaluación se limitó a una trama DSM en tamaño y resolución predefinida. El proyecto se inició en febrero de 2013, y a los participantes se les dio hasta mayo de 2013 para presentar sus resultados. Como un primer examen, éstos fueron presentados y discutidos durante el segundo taller EuroSDR en “High Density Image Matching para DSM”, que se celebró en la Oficina Federal de Topografía y Metrología en Viena, Austria, en junio de 2013. Los sistemas de software presentados en el taller eran SocetSet 5,6 (NGATE) de BAE Systems, Microsoft UltraMap V3.1, Match-T DSM 5.5 de Trimble/inpho , ImageStation ISAE-Ext desde Leica GeoSystems, Pixel Factory de Astrium, la herramienta de DSM de la Real Academia militar (RMA) de Bruselas, el pack de software de teledetección de Joanneum Research, MicMac develped en IGN , SURE del Instituto de Fotogrametría (IFP) de la Universidad de Stuttgart y la implementación FPGA del algoritmo SGM desde el Centro Aeroespacial alemán (DLR)

Evaluación de la Calidad de DSM

Dado que es difícil de recuperar superficies de referencia de alta calidad a partir de mediciones independientes, los participantes utilizaron para generar mediano DSM para fines de evaluación. Si bien este medio no puede considerarse como verdadera forma terrestre independiente, las diferencias entre las respectivas soluciones, sin embargo, se pueden capturar.

sen00525
Figura 3. Ortho (Izquierda) y mediana DSM con diferencias RMS (Derecha) para todas las soluciones para una sub-sección de Vaihingen/Enz

La Figura 3 muestra una imagen orto de un subconjunto y una representación de relieve sombreado de este medio DSM para una parte de la zona de pruebas Vaihingen/Enz. Una representación por colores RMS de todos los DSM. Como también se puede ver desde la imagen ortho correspondiente en la Figura 3 (derecha), las diferencias más grandes ocurren en el área sombreada de la cantera, en la zona del río, en las proximidades de tres parches y en la zona de los viñedos.

sen00526
Figura 4. Diferencias DSM ejemplares de Vaihingen/Enz, con código de color entre sen00531

La Figura 4 muestra las diferencias DSM separados para un número de soluciones individuales. Estas diferencias entre los -2 m y +2 m se codifican-color de forma diferente del RMS en la Figura 3. Para un análisis cuantitativo, perfiles de elevación se extrajeron adicionalmente, Estas líneas se superponen sobre la imagen orto en la Figura 3 (izquierda). Los perfiles de elevación para la línea 0 se representan en la Figura 5. Mientras que todas las elevaciones son muy similares para el área bien iluminada de la cantera, hay diferencias más grandes para algunas soluciones en la sombra. Para las superficies de objetos que no están sujetos a los problemas de imagen de coincidencia, las diferencias entre casi todas las soluciones de área del orden de 20 cm, es decir, en este caso, igual a la GSD.

De manera parecida, los resultados para la zona de pruebas de Múnich se presentan en la Figura 6. Las diferencias entre las respectivas soluciones son principalmente visible en los pequeños detalles y bordes abruptos que se producen los edificios. Por otra parte, las sombras parecen dar lugar a diferencias más grandes y mayor ruido para las superficies reconstruidas.

Las elevaciones del perfil a modo de ejemplo 0, que también está superpuesta a la imagen orto de la Figura 6, se representan en la Figura 7. La primera parte del perfil está siendo cubierta por una sombra proyectada. Especialmente en esta zona algunas soluciones aparecen relativamente ruidosas, y con grandes diferencias para otras soluciones que ocurren en el borde definido por la fachada. Una vista más cercana del perfil en dos dormers se da en la figura 7 (a la derecha). Como en soluciones visibles siguen la forma de estas estructuras correctamente, mientras que la diferencia es en el orden de 10 cm, que a su vez es igual a la GSD de ese conjunto de datos.

sen00527
Figura 5. Perfiles DSM de Vaihingen/ENz

sen00528
Figura 6. Diferencias DSM a la superficie mediana de Munich, códigos de color entre sen00532

Tiempo Ejecución

Además de la calidad geométrica del DSM, la calidad de la solución del software también depende del tiempo de procesamiento requerido. Esto no es sólo la influencia del algoritmo implementado, sino también resulta del entorno del hardware utilizado. Debido a la gran cantidad de operaciones de escritura y lectura, la captación de datos, que depende del sistema de almacenamiento disponible y el entorno de red, es otro factor de influencia. Por lo tanto, se pidió a los participantes que proporcionen información sobre su entorno de hardware, el procesamiento de los datos de referencia. El entorno de hardware varía de PCs de escritorio estándar, multi-core o múltiples tarjetas gráficas de gama alta en la aplicación de los clusters de ordenadores más grandes. Por lo tanto los tiempos de procesamiento documentados no permiten una clasificación clara, sino más bien muestran la preexistencia de la capacidad general de los algoritmos de la imagen de coincidencia para la recolección de DSM – área que cubre. En términos generales, se alcanzaron aceptables tiempos de ejecución de la serie de sistemas de softwares, incluso se utilizó un entorno de hardware estándar. Este es el procesamiento del conjunto de datos Munich con 15 imágenes a 220MP/imagen y Vaihingen/Enz con 36 imágenes y 136MP/imagen nube se realizará en aproximadamente 4 horas.

sen00529

sen00530
Figura 7. Perfiles DSM de Munich. +2 m.

Conclusión

Aunque el stereo-matching para la generación automática de los datos de elevación a partir de imágenes aéreas se presentó originalmente hace más de dos décadas, se han logrado avances considerables recientemente. Cámaras digitales aéreas proporcionan imágenes de una buena y  dinámica relación señal-ruido. Por otra parte, se acerca como matching semi-global (SGM) permite la implementación eficiente de limitaciones adicionales, por ejemplo, las preferencias de superficies lisas. Estos avances permiten una elevación de estimación por píxel, incluso para escenarios difíciles como áreas de baja textura.

El Proyecto de referencia EuroSDR muestra un número creciente de herramientas de software para obtener información detallada y fiable de generación de DSM basada en imágenes disponibles. Procesamiento no sólo se beneficia de algoritmos mejorados sino también se aprovecha de la gran imagen que se superpone con el fin de eliminar eficazmente coincidencias erróneas, Esto proporciona una gran fiabilidad del DSM de precisión vertical o el nivel sub-pixel. Sin embargo, algunos escenarios todavía pueden causar problemas durante la reconstrucción de la superficie basado en imágenes. Algunas soluciones mostraron disminución de precisiones cuando se proyectan sombras. Las diferencias entre los respectivos resultados también aumentaron para estructuras de objetos finos o la resolución de las imágenes disponibles.

El desarrollo de software actual para una imagen coincidente está avanzando a un ritmo considerable. Este no es el principal objetivo para clasificar los sistemas, sino que se intentó demostrar su capacidad para la recolección de datos de calidad del área de cobertura. Además, las mejoras continuas que se pueden esperar, tanto para la búsqueda de precisión y el rendimiento computacional. De esta manera se continuará el proyecto de referencia para futuras actualizaciones.

Fuente:

Gim-International

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Solve : *
10 + 13 =