SINERGIA ENTRE DADOS DE VARREDURA A LASER E IMAGENS
AÉREAS DE ALTA RESOLUÇÃO NA RECONSTRUÇÃO DE EDIFÍCIOS
Aluir Porfírio Dal Poz
Universidade Estadual Paulista - UNESP
Faculdade de Ciências e Tecnologias - FCTDepartamento de Cartografia Presidente Prudente - SP
aluir@fct.unesp.br
RESUMO
O problema de extração automática de edificações a partir de dados capturados remotamente (especificamente imagens e dados de varredura a laser aerotransportado - VLA) é bastante complexo, devido, por exemplo, à própria complexidade destes objetos e às obstruções existentes na própria cena (provocadas por exemplo por sombra e vegetação) ou causadas pela geometria do sensor empregado. Normalmente o processo de reconstrução tridimensional de edificações, a partir de imagens ou dados de VLA, envolve, pela ordem, os procedimentos padrão de detecção/delineamento (ou extração) do contorno, reconstrução do telhado e a reconstrução tridimensional da edificação como um todo. A combinação de ambas as fontes de dados (de VLA e imagens aéreas ou de satélite) implica na necessidade de lançar mão de outras estratégias. Em geral, os dados de VLA possibilitam a extração de planos de telhados e linhas de cumeeiras com melhor qualidade que os que seriam obtidos via dados de imagem. Portanto, é recomendável que as etapas padrão de extração de edificações sejam, de alguma forma, combinadas para que a sinergia entre dados de VLA e de imagem seja apropriadamente aproveitada. Neste artigo é discutida a integração de dados de VLA com imagens aéreas de altíssima resolução no contexto de reconstrução de edifícios. Serão estudadas as propriedades de ambas as fontes de dados, visando identificar os aspectos favoráveis e desfavoráveis delas na reconstrução do modelo poliédrico de edificações.
Palavras chaves: Varredura a Laser, Imagem Aérea, Extração de Edifício.
ABSTRACT
The automated building extraction from remotely captured data (specifically optical images and airborne laser scanning - ALS - data) is a complex task, due to e.g. the inherent complexity of such objects and obstructions that exists in the real scene (caused e.g. by vegetation and shadow) or caused by the geometry of the employed sensor. Usually, the three-dimensional building reconstruction process from images or ALS data involves the following sequential procedures: boundary detection/delineation (or extraction); roof reconstruction; and the complete three-dimensional reconstruction of the building. Other detection or reconstruction strategies are necessary when combining both data source (ALS data and satellite or aerial images). In general, ALS data allow the extraction of roof planes and lines of ridge with better quality when compared to results obtained from images. Therefore, in order to take advantage of the synergy between image and ALS data, it is recommended that the aforementioned steps of building extraction should be combined in some way. In this paper the integration of ALS data with very high-resolution aerial images is discussed in the context of building reconstruction. The properties of both data sources will be studied, aiming at identifying the favorable and unfavorable aspects of them in building detection, roof contour extraction, roof reconstruction, and building polyhedral model reconstruction.
Keywords: Laser Scanning, Aerial Image, Building Extraction. 1. INTRODUÇÃO
Os métodos de extração de edificações são relevantes no contexto de aquisição e atualização de bases de dados cartográficos em escala grande. Estes métodos de extração podem ser classificados em três classes diferentes, de acordo
com o tipo de dado utilizado, isto é, dados de imagem ou de varredura a laser aerotransportado (VLA) ou resultantes da combinação de ambas as fontes de dados.
O problema de extração de edifícios vem sendo estudado desde a década de 1980, com a utilização de imagens aéreas digitalizadas, a exemplo do trabalho de FUA e HANSON (1987). Trabalhos mais recentes versando sobre a extração de edifícios a partir de dados de imagem, aérea e de satélite, podem ser encontrados em FERRAIOLI (2010), SIRMAÇEK e ÜNSALAN (2011) e FAZAN e DAL POZ (2013). Com o advento dos sistemas de VLA na segunda metade da década de 1990, surgiram uma vasta gama de métodos baseados nesses dados. Incluem-se nessa classe os métodos designados para a detecção de edifícios (MATIKAINEN et al., 2003; TÓVARI e VÖGTLE, 2004; TARSHA-KURDI et al., 2006), a extração de contornos de telhados (SAMPATH e SHAN, 2007; WEI, 2008), a extração de telhados (ROTTENSTEINER et al., 2005; SAMPATH e SHAN, 2010) e a reconstrução tridimensional de edificações (HAALA e KADA, 2010).
Os métodos de extração de edifícios que se baseiam na combinação de dados de VLA com imagens procuram tirar proveito da sinergia entre ambas as fontes de dados. HAALA e BRENNER (1999) combinaram, com o intuito de separar edificações de vegetação, uma imagem multiespectral com informações altimétricas (MDS – Modelo Digital de Superfície) obtidas a partir de dados de VLA. SOHN e DOWMAN (2003) extraíram separadamente edificações em imagem Ikonos e em um MDS derivado de dados de VLA, com posterior combinação de ambos os resultados de extração para remover inconsistências. Um método para a extração de edificação em 3D combinando dados de VLA, planta baixa de edificações e imagens aéreas de alta resolução é encontrado em VOSSELMAN (2002). Em JAW e CHENG (2008) os contornos de edifícios eram primeiramente extraídos em dados de VLA e posteriormente refinados usando uma imagem aérea. CHENG et al. (2011) propuseram um método para a extração tridimensional de edifícios, usando dados de VLA e imagens aéreas em cobertura estéreo. Finalmente, TIAN et al. (2014) utilizaram um par estereoscópico de imagens de satélite e um MDS para detectar mudanças em áreas edificadas.
Neste artigo é discutida a integração de dados de VLA com imagens aéreas de altíssima resolução no contexto de reconstrução de edifícios. Serão estudadas as propriedades de ambas as fontes de dados, visando identificar os aspectos favoráveis e desfavoráveis delas na extração de edifícios. Este artigo está organizado em 4 seções principais. A Seção 2 discute a sinergia entre dados de VLA e de imagem no contexto de reconstrução de edificações. Uma solução fotogramétrica para refinar modelos tridimensionais extraídos de dados de VLA é apresentada na Seção 3. O artigo é finalizado na Seção 4 com algumas considerações finais.
2. SINERGIA ENTRE DADOS DE VLA E DE IMAGEM NO CONTEXTO DE RECONSTRUÇÃO DE EDIFICAÇÕES
2.1 Paradigmas de VLA e Aerofotogrametria
A Fig. 1 mostra, de uma forma geral, as características mais relevantes dos paradigmas de VLA e de aerofotogrametria. O paradigma de VLA (Fig. 1(a)) caracteriza-se por usar um feixe de vetores no espaço, cada qual com origem num ponto de emissão laser (E) e com ponto terminal (P) sobre a superfície física (SF). O termo superfície física refere-se tanto ao terreno quanto aos objetos sobre ele. O objetivo de sistemas de VLA é a determinação de pontos terminais do feixe de vetores, visto que em quantidade e distribuição adequada permite descrever a superfície física da Terra, bem como objetos sobre ela. Cada vetor é uma representação simplificada de um feixe laser altamente colimado, aproximando-se de um cone com abertura angular bastante pequena. Um dado vetor fica totalmente determinado através dos seguintes parâmetros geométricos do respectivo feixe laser:
• Ponto origem (E) do feixe laser determinado por um sistema de posicionamento GNSS (Global Navigation
Satellite System);
• Orientação do feixe laser determinada por uma IMU (Inertial Nevegation Sistem);
• Distância determinada via sensor ativo laser, consistindo basicamente na determinação do tempo de propagação do feixe laser entre os pontos E e P.
Os parâmetros geométricos do feixe laser permitem determinar as coordenadas 3D do ponto P, entretanto sem nenhuma redundância. Isto significa que erros cometidos nas medidas dos parâmetros geométricos do feixe não podem ser verificados internamente. As coordenadas 3D de pontos sobre a superfície física são determinadas no sistema de coordenadas GNSS, implicando na necessidade de determinação de parâmetros de posição e orientação entre os sistemas de coordenadas associados aos sensores GNSS, IMU e laser. Outro ponto importante é a sincronização entre os três sistemas sensores, visto que a orientação e a posição do feixe laser devem ser conhecidas no exato momento de medida da respectiva distância laser.
P GNSS/IMU SF E Sensor ativo E1 P (GNSS/ IMU) SF E2 Sensor passivo (a) (b)
Fig. 1 - Princípios. (a) VLA; e (b) Aerofotogrametria.
O paradigma de aerofotogrametria (Fig. 1(b)) é centenário e, diferente do paradigma de VLA, baseia-se em dois feixes de raios perspectivos que se interceptam na superfície física. Ambos os feixes perspectivos são gerados por um sensor passivo de imageamento em duas estações (E1 e E2) de exposição. Cada ponto P da superfície física é
definido pela intersecção de dois raios homólogos, que passam pelas estações de exposição E1 e E2. A solução deste
problema implica na necessidade de determinação da orientação dos dois feixes de raios perspectivos, que pode ser de forma direta usando os sistemas GNSS e IMU ou indireta usando pontos de apoio. Portanto, os sistemas GNSS e IMU são opcionais (mas convenientes) na aerofotogrametria, mas são indispensáveis nos sistemas de VLA. Outro aspecto que diferencia ambos os paradigmas é a redundância nas determinações fotogramétricas de pontos sobre a superfície física, o que não é possível com o paradigma de VLA.
2.2 Vantagens e desvantages de ambos os paradigmas na reconstrução de edifício
O uso de dados de VLA, na forma de um MDS ou de uma estrutura TIN (Triangulated Irregular Network), ou de dados fotogramétricos na extração de edifícios, apresenta vantagens e desvantagens. A Tabela 1 apresenta os principais elementos para a análise dos pontos fracos e fortes de cada paradigma no contexto de extração de edifícios. As linhas de descontinuidade geralmente ocorrem ao longo dos contornos de telhados. Como os dados de VLA fornecem baixa qualidade posicional para estas entidades, os dados fotogramétricos devem ser utilizados para se obter contornos de telhados com alta qualidade. A situação se inverte quando se deseja medir pontos em regiões homogêneas, que é geralmente o caso de faces de telhados. O paradigma fotogramétrico baseia-se na determinação de correspondência entre pontos de duas imagens, tarefa difícil de ser realizada em áreas homogêneas, até mesmo por um operador. Como os pontos determinados por VLA são abundantes e de alta qualidade altimétrica em regiões homogêneas, o paradigma de VLA é apropriado para a extração acurada de faces planas de telhado de edifício. Em decorrência, os dados de VLA também possibilitam extrair acuradamente as cumeeiras de telhados via intersecção de planos de telhados. Por último, a qualidade da informação semântica nas duas fontes de dados é bem diversa. Embora vários sistemas de VLA possibilitem o registro da intensidade de retorno do pulso laser, que depende basicamente do tipo de material do alvo, seu uso é limitado na extração de edifícios. Efetivamente os dados de VLA são de caráter posicional, apresentando portanto pouca qualidade semântica. Ao contrário, os dados de imagem possibilitam a atribuição de significado semântico com alto grau de detalhamento.
TABELA 1 - COMPLEMENTARIDADE DOS PARADIGMAS NA EXTRAÇÃO DE EDIFÍCIOS. Elementos de
comparação
Paradigmas
VLA Aerofotogrametria
Linhas de descontinuidade Baixa qualidade posicional Alta qualidade posicional Regiões homogêneas Densa informação posicional Pouca informação posicional
Precisão posicional Melhor em altimetria Melhor em planimetria
Informação semântica Baixa Alta
KAARTINEN et al. (2005) avaliaram 11 metodologias para a extração de edifícios, tendo por referência edifícios selecionados em mapas cadastrais. Estas metodologias baseiam-se no paradigma de VLA ou no paradigma fotogramétrica ou na combinação entre ambos, possuindo diferentes graus de refinamento e automação. Os resultados obtidos são teoricamente os esperados, mas trazem outras informações, principalmente qualitativas, que complementam a análise acima. As principais conclusões dos autores foram:
• Qualidade dos contornos dos telhados: como previsto, as metodologias baseadas nos dados fotogramétricos possibilitaram a extração de contornos de telhado com qualidade claramente superior. Os
principais fatores que influenciaram a qualidade dos resultados foram: a densidade de pontos, as sombras de árvores e a complexidade das estruturas dos edifícios;
• Qualidade de distâncias medidas entre dois pontos: como esta medida está também ligada à qualidade de definição de pontos, a conclusão é parecida com a obtida no item anterior;
• Qualidade altimétrica: os resultados confirmaram que os dados de VLA são superiores na determinação de elevações. O uso dos dados de VLA para modelar superfícies planas de telhado é influenciado principalmente pelos seguintes fatores: a densidade de pontos; a inclinação do telhado e as dimensões do telhado;
• Qualidade planimétrica versus grau de automação das metodologias baseadas no paradigma de VLA: os graus de automação e de acurácia são inversamente relacionados;
• Qualidade altimétrica versus grau de automação das metodologias baseadas no paradigma de VLA: praticamente nenhuma correlação foi encontrada, mostrando que a determinação de faces de telhados pode ser feita automaticamente e de forma robusta.
3. REFINAMENTO DE REPRESENTAÇÃO POLIÉDRICA DE EDIFÍCIO USANDO IMAGENS AÉREAS 3.1 Solução fotogramétrica
A Fig. 2 mostra o princípio do modelo fotogramétrico para projetar segmentos de reta, extraídos numa imagem aérea, sobre as correspondentes faces do modelo poliédrico de um edifício previamente extraído de dados de VLA. Seja o lado poliédrico A'B' (linha tracejada na Fig. 2), que é correspondente ao segmento de reta ab extraído da imagem. Consequentemente, o segmento de reta ab representa parcial ou totalmente um lado de contorno de um edifício; este edifício representaria na imagem o modelo poliédrico que contém o lado A'B'. O segmento de reta ab necessita ser extraído da imagem, podendo ser através da derminação de seus pontos extremos ou dos parâmetros da reta que o contém. Em ambos os casos estas determinações podem se apoiar em procedimentos manuais ou algorítmicos. Já a projeção do segmento de reta ab sobre a correspondente face do modelo poliédrico, resultando no segmento de reta refinado AB, é baseada na intersecção entre dois planos (Fig. 2):
• Plano definido pelo centro de perspectiva (CP) e o segment de reta ab ; • Plano contendo os pontos da face poliédrica A’, B’, C e D.
Como mostra a Fig. 2, a intersecção entre ambos os planos define a reta r, na qual estão contidos os pontos A e B. Vale ressaltar que o segmento de reta A'B' representa a entidade a ser refinada e AB é o resultado do procedimento fotogramétrico de refinamento. B A’ a b + CP B’ A C D s r
Fig. 2 – Princípio do modelo fotogramétrico para projeção de retas.
A determinação dos vértices do contorno refinado do telhado selecionado é realizada via intersecção de retas projetadas, correspondentes aos lados do telhado, com os respectivos planos objeto. Cada plano objeto é definido pelo centro de perspectiva (CP) e uma reta na imagem. Por exemplo (Fig. 2), o vértice B é determinado pela intersecção da reta que contém os pontos B´ e D (isto é, a reta projetada s na Fig. 2) com o plano objeto que contém os pontos a e b na imagem.
3.2 Exemplo
No exemplo a ser apresentado os dados utilizados são da cidade de Curitiba-Pr, compreendendo: 1) um par estereoscópico de imagens aéreas de alta resolução (GSD~ 0,2 m), juntamente com os parâmetros de orientação interior e exterior; e 2) dois modelos poliédricos de um mesmo edifício (Fig. 3), sendo um gerado a partir de dados de VLA e outro a partir do par estereoscópico. Este último poliedro será utilizado como referência para avaliar o poliedro a ser refinado pelo método apresentado na Seção 3.1.
Fig. 3 – Edifício teste.
A Tabela 2 mostra as coordenadas dos vértices dos contornos de telhado do edifício extraídas previamente dos dados de VLA e do estéreo par de imagens aéreas, bem como extraídas pelo método de refinamento proposto neste artigo. Os contornos extraídos do estéreo par de imagens serão denominados contornos de referência. Em todos os casos as coordenadas dos vértices dos contornos de telhado de edifício estão em UTM (Universe Transverse Mercator) (E, N) com altitude ortométrica (h).
TABELA 2 - COORDENADAS DOS VÉRTICES (EM METROS) DO CONTORNO DE TELHADO EXTRAÍDO DE DADOS DE VLA, DO CONTORNO DE TELHADO REFINADO E DO CONTORNO DE TELHADO DE
REFERÊNCIA.
Coordenadas dos vértices do contorno de telhado extraído dos dados de VLA
E N H
V1 675896,5 7188210,7 921,2
V2 675902,9 7188201,9 923,2
V3 675910,1 7188207,9 925,8
V4 675903,7 7188215,9 923,1
Coordenadas dos vértices do contorno refinado
E N h
V1 675896,3 7188209,9 922,0
V2 675902,6 7188202,3 923,2
V3 675909,8 7188207,8 925,0
V4 675903,5 7188215,4 923,9
Coordenadas dos vértices do contorno de referência
E N h
V1 675896,5 7188210,1 922,4
V2 675902,7 7188202,3 922,8
V3 675909,6 7188207,6 924,4
V4 675903,3 7188215,1 924,2
A Tabela 3 mostra as discrepâncias entre o contorno de telhado extraído de dados de VLA e o correspondente contorno de referência e entre o contorno de telhado extraído pelo método proposto e o correspondente contorno de
referência. A métrica de discrepância é definida como a distância euclidiana entre os vértices correspondentes (neste experimento são os vértices V1, V2, V3 e V4) dos contornos de telhado sendo numericamente comparados. As
discrepâncias obtidas neste exemplo mostram que o método proposto permitiu uma clara melhoria na qualidade geométrica do contorno de telhado extraído usando dados de VLA. Nota-se também que o RMSE (Root Mean Square
Error) das discrepâncias mostra que o contorno de telhado refinado é significantemente (quase três vezes) mais acurado
que o correspondente contorno extraído de dados de VLA.
TABELA 3 – DISCREPÂNCIAS (EM METROS) ENTRE O CONTORNO DE TELHADO EXTRAÍDO DE DADOS DE VLA E O CORRESPONDENTE CONTORNO DE REFERÊNCIA E ENTRE OS CONTORNOS REFINADO E
DE REFERÊNCIA. Discrepâncias nos
vértices do contorno de telhado extraído dos
dados de VLA Discrepâncias nos vértices do contorno de telhado refinado V1 1,3 0,5 V2 0,6 0,4 V3 1,5 0,7 V4 1,4 0,5 RMSE 1,3 0,5 4. CONSIDERAÇÕES FINAIS
A combinação de contornos de edificações extraídos previamente de dados de VLA e de imagens aéreas de altíssima resolução visa aproveitar a sinergia entre ambas as fontes de dados. Neste artigo foi discutida a integração de dados de VLA com imagens aéreas de altíssima resolução no contexto de reconstrução de edifícios. Foram estudadas as propriedades de ambas as fontes de dados, principalmente no que se refere à identificação dos aspectos favoráveis e desfavoráveis delas na detecção de edifícios, na extração de contornos de telhado e na reconstrução de telhados. Foi também apresentado um método fotogramétrico para o refinamento de poliedros de edifícios extraídos previamente de dados de VLA. Um exemplo de aplicação desse método foi apresentado com o intuito de verificar o potencial de integração de ambas as fontes de dados na reconstrução de edifícios.
AGRADECIMENTOS
Este trabalho contou com suporte do CNPq (Processo no. 304879/2009-6) e FAPESP (Processo no. 2014-13138-0).
REFERÊNCIAS BIBLIOGRÁFICAS
AKÇAY, H. G.; KSOY, S. Automatic Detection of Geospatial Objects Using Multiple Hierarchical Segmentations. IEEE Transaction on Geosciences and Remote Sensing, v. 46, n. 7, p. 2097–2111, 2008.
CHENG, L.; GONG, J.; LI, M.; LIU, Y. 3D Building Model Reconstruction from Multi-view Aerial Imagery and Lidar Data. Photogrammetric Engineering and Remote Sensing, v. 77, n. 2, p. 125-138, 2011.
FAZAN, A. J.; DAL POZ, A. P. Rectilinear building roof contour extraction based on snakes and dynamic programming. International Journal of Applied Earth Observation and Geoinformation (former ITC Journal), v. 25, p. 1 - 10, 2013.
FERRAIOLI, G. Multichannel InSAR Building Edge Detection. IEEE Transaction on Geosciences and Remote Sensing, v. 48, n. 3, p. 1224–1231, 2010.
FUA, P.; HANSON, A. J. Resegmentation Using Generic Shape: Locating General Cultural Objects. Pattern Recognition Letters, v. 5, p. 243-252, 1987.
HAALA, N.; BRENNER, C. Extraction Of Buildings And Trees In Urban Environments. ISPRS Journal of Photogrammetry and Remote Sensing, v. 54, p. 130-137, 1999.
HAALA, N.; KADA, M. An Update on Automatic 3D Building Reconstruction. ISPRS Journal of Photogrammetry and Remote Sensing , v. 65, n. 6, p. 570–580, 2010.
JAW, J. J.; CHENG, C. C. Building Roof Reconstruction by Fusing Laser Range Data and Aerial Images. In Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Proceedings. 2008.
KAARTINEN, H.; HYYPPÄ, J.; GÜLCH, E.; VOSSELMAN, G. et al. Accuracy of the 3D City Model: EuroSDR Comparison. In Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Proceedings. 2005.
MATIKAINEN, L.; HYYPPÄ, J,, AND HYYPPÄ, H. Automatic Detection of Buildings from Laser Scanner Data for Map Updating. In Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Proceedings. 2003.
ROTTENSTEINER, F.; TRINDER, J.; CLODE, S.; KUBIK, K. Automated Delineation of Roof Planes from LiDAR Data. In Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Proceedings. 2005.
SAMPATH, A.; SHAN, J. Building Boundary Tracing and Regularization from Airborne LiDAR Point Clouds. Photogrammetric Engineering and Remote Sensing, v. 73, n. 7, p. 805–812, 2007.
SAMPATH, A.. SHAN, J. Segmentation and Reconstruction of Polyhedral Building Roofs from Aerial LiDAR Point Clouds. IEEE Transaction on Geosciences and Remote Sensing, v. 48, n. 3, p. 1554–1567, 2010.
SIRMAÇEK, B.; ÜNSALAN, C. A. Probabilistic Framework to Detect Buildings in Aerial and Satellite Images. IEEE Transaction on Geosciences and Remote Sensing, v. 49, n. 1, p. 211-221, 2011.
SOHN, G.; DOWMAN, I. J. Building Extraction Using Lidar DEMs and Ikonos Images. In Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Proceedings. 2003.
TARSHA-KURDI, F.; LANDES, T.; GRUSSENMEYER, P.; SMIGIEL, E. New Approach for Automatic Detection of Buildings in Airborne Laser Scanner Data Using First Echo Only. In Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Proceedings. 2006.
TIAN, J.; CUI, S.; REINARTZ, P. Building Change Detection Based on Satellite Stereo Imagery and Digital Surface Models. IEEE Transactions on Geoscience and Remote Sensing, v. 52, n. 1, p. 406-417, 2014.
TÓVARI, D.; VÖGTLE, T. Object Classification in Laserscanning Data. In Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences,. Proceedings. 2004.
VOSSELMAN, G. Fusion of Laser Scanning Data, Maps, and Aerial Photographs for Building Reconstruction. In Proceedings of the IEEE International Symposium on Geosciences and Remote Sensing, Toronto, Canadá, 2002. WEI, S. Building Boundary Extraction Based on LiDAR Point Clouds Data. In Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Proceedings. 2008.
