Experiencias GP-F&VC en la extracción de formas en imágenes digitales y datos de Barredora con Láser

Varias investigaciones en extracción de formas viene siendo realizadas, en los últimos 6 años, por investigadores que actúan en el Programa de Postgrado en Ciencias Cartográficas de la UNESP – Campus de Presidente Prudente, en especial los del Grupo de Investigación en Fotogrametría y Visión Computacional (GP-F&VC). El GP-F&VC realiza principalmente investigaciones en extracción automática y semiautomática de formas viales en imágenes aéreas y de satélite. Varias metodologías semiautomáticas fueron desarrolladas, incluyendo los trazadores secuénciales basados en prueba activa, análisis de bordes y correlación, además de los trazadores globales basados en programación dinámica y snakes.


El GP-F&VC también viene desarrollando una metodología totalmente automática para la extracción de carreteras. Esa metodología extrae inicialmente semillas de carretera, viniendo después la complementación automática de la malla varia.
Además de las metodologías mencionadas arriba, otras fueron desarrolladas a partir de ellas, pudiéndose citar como ejemplo una metodología para la extracción automática de carreteras georreferenciadas usando programación dinámica.
Recientemente el grupo inició las investigaciones con extracción de edificios y malla viaria urbana usando datos de barredora láser. Este trabajo presenta un panorama de las investigaciones desarrolladas y en desarrollo por el GP-F&VC, incluyéndose aún ejemplos de resultados por las metodologías desarrolladas.

1.- Introducción

El problema de extracción de formas en imágenes digitales viene siendo blanco de intensa investigación desde la década del 60. Más recientemente se intensificaron también las investigaciones con datos de barredora láser, hecho recurrente de la maduración del sistema que integra Sensor Láser con el GPS (Global Positioning System) y el IMU (Inercial Navigation Unit). Varias investigaciones en extracción de formas viene siendo realizadas, en los últimos 6 años, por investigadores que actúan en el Programa de Postgrado en Ciencias Cartográficas de la UNESP – Campus de Presidente Prudente, en especial los del Grupo de Investigación de Fotogrametría y Visión Computacional (GP-F&VC). El GP-F&VC realiza principalmente investigaciones en extracción automática y semiautomática de formas viales en imágenes aéreas y de satélite.

Este trabajo presenta un panorama de las investigaciones desarrolladas y en desarrollo por el GP-F&VC, incluyéndose aún algunos ejemplos de resultados obtenidos por las metodologías desarrolladas.
La Sección 2 presenta las metodologías desarrolladas para la extracción de carreteras. Metodologías específicas para el tratamiento de datos de barredora Láser son brevemente presentadas en la Sección 3. El artículo es finalizado en la Sección 4 con la presentación de algunas consideraciones finales.

2.- Metodologías para la extracción de carreteras desarrolladas por el GP-F&VC.

Los modelos y estrategias para la extracción de carretera dependen en esencia de los siguientes factores:
1) 1) Tipo de escena: rural o urbana;
2) Resolución de la imagen alta-resolución (píxel menores que 0,7 m o carreteras con anchura superior a 7 píxel), media resolución (píxel en el intervalo [0,7 m; 2,0 m] o carreteras con anchuras entre 4 y 6 píxel) y baja resolución (píxel mayores que 2,0 m o carreteras con anchuras entre 1 y 3 píxel); y
3) Uso de datos externos:

Mapas preexistentes y puntos semillas suministrados por un operador. A continuación es presentada la experiencia del GP-F&VC en el desarrollo de metodologías para la extracción semiautomática y automática de carreteras en imágenes digitales, clasificación que se basa en el tercer factor previamente mencionado.

2.1 Metodologías semi-automáticas

Las metodologías semiautomáticas son caracterizadas por la interferencia de un operador que reconoce la carretera de interés y mide sobre las mismas algunos puntos semillas, necesarios para la iniciación del proceso de extracción. Por lo tanto, la tarea de delineamiento geométrico, que normalmente es tardada y agotadora, se queda a cargo del algoritmo computacional. El algoritmo de delineamento puede ser secuencial, caso en que el operador necesita suministrar la posición y la dirección en un punto inicial, o global, cuando el operador necesita suministrar puntos semillas distribuidos groseramente a lo largo de la carretera.

2.1.1 Control secuencial

El GP-F&SR desarrolló dos metodologías con control secuencial. Una de esas metodologías se basa en técnicas de correlación y la otra en los principios de prueba activa y análisis de bordes anti-paralelas.

2.1.1.1 Delineador basado en técnicas de correlación

Como muestra la figura 1, el método es inicializado a través de dos puntos semillas (P1 y P2), medidos en un tramo aproximadamente recto de la carretera.
El delineamiento combina técnicas de extrapolación lineal y correlación entre perfiles de tonos de gris extraídos transversalmente a la carretera. Otro punto semilla es usado para informar donde el proceso de delineamiento debe parar.

sen00030
Fig 1: Principio del método

Los dos puntos iniciales permiten definir un segmento de inicialización, a lo largo de lo cuál son extraídos varios perfiles transversales de tonos de gris. A partir de estos perfiles medio, denominado perfil modelo. El delineamiento del tramo desconocido de la forma lineal inicia al punto a un pequeño paso adelante, resultando en una posición aproximada.

Esta posición es refinada a través de una técnica de correlación, valiéndose de un nuevo perfil de tonos de gris extraído transversalmente al pequeño segmento extrapolado. Este último perfil es denominado perfil medio y debe ser un poco mayor para posibilitar la aplicación de la técnica de correlación (figura 2). El perfil modelo medido por la línea llena. El objetivo del proceso de correlación es encontrar la mejor correspondencia entre ambos perfiles.

sen00031
Fig 2: Principio del proceso de correlación

Como muestra la figura 2, el refinamiento del punto extrapolado es realizado a través de un procedimiento de correlación unidimensional, valiéndose de alguna función de correlación. En Mendes (2005), se utilizó la función de error cuadrático, que tiene como característica deseable el suministro de la posición de mejor correlación con mayor exactitud, siendo expresa matemáticamente por:

sen00032

Donde:
” Aes un vector con 2nmod + 1 elemento representando el perfil modelo, siendo nmod el número de puntos mostrados en cada lado de la forma lineal;
” B es un vetor con 2.nmed + 1 elemento representando el perfil medido, siendo nmed el número de puntos mostrados en cada lado de la forma lineal;
” 0 = j = 2 (nmed – nmod) es un contador que permite la realización de las 2 (nmed – nmod) + 1 posibles comparaciones entre ambos perfiles.

La posición de mejor correlación entre ambos perfiles es encontrada cuando el coeficiente de correlación S(j) que sea mínimo. La posición corregida del eje de la carretera es dada por las coordenadas del elemento del perfil medido correspondiente al punto céntrico del perfil modelo (figura 2).

sen00033
Fig 3: Ejemplo del resultado obtenido por el método en
una imagen de baja resolución

La estrategia descrita es repetida hasta que el punto de parada sea alcanzado. Un ejemplo es mostrado en la figura 3, en la cual se puede ver una imagen de baja resolución con una carretera en forma lineal.
El método es inicializado en la parte superior por dos puntos y el proceso de delineamiento es finalizado con un punto localizado en el borde inferior de la imagen.

2.1.1.2 Delineador basado en prueba activa y análisis de bordes

Esta metodología (Dal Poz y Silva, 2002, 2003) tiene el mismo principio básico de la metodología descrita en la subsección anterior, diferenciándose por los mecanismos empleados en la etapas de extrapolación y extracción de un punto del eje de carretera. La extrapolación de un punto del eje de carretera un paso adelante es realizada a través de una estrategia conocida como prueba activa. La estrategia de prueba activa puede ser definida como el proceso en que una imagen es explorada secuencialmente para extraer informaciones que posibiliten la identificación de uno o más objetos, cuyos modelos se encuentran almacenados en una biblioteca de objetos (por ejemplo, carreteras, viaductos, edificios, etc) (Dal Poz y Silva, 2003). El punto extrapolado es entonces usado por un modelo de bordes para obtener una posición más depurada para el mismo punto. En caso de falla, el modelo de trayectoria es nuevamente usado para mover el punto extrapolado más un paso adelante, donde nueva tentativa de extracción es realizada por el modelo de bordes. En el caso de que las fallas excedan un umbral redefinido, el proceso de extracción es interrumpido. Las causas para la ocurrencia de fallas son varias, como, por ejemplo: grandes obstáculos o sombras, bajo contraste de la carretera en relación las adyacentes y, incluso, el final de la carretera.

sen00034
(a) Definición de la plantilla T

sen00035
(b) Principio para calcular la mejor dirección local de la carretera ( Vb)
Fig. 4 – Proceso de extrapolación

Bajar PDF – Portugués (1 Mb)

Fuente:

Aluir Porfírio Dal Poz – Universidade Estadual Paulista – Departamento de Cartografia, Brasil

Deja un comentario

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

Solve : *
30 × 2 =