Ressourcen zur Berechnung der Geometrie in schrägen Fotografien

Derzeit verwende ich Überwachungsklassifizierungsalgorithmen, um die Landnutzung innerhalb eines bestimmten Bildes zu berechnen. Das Problem besteht darin, dass die Bilder aus der Hochschrägfotografie stammen. Ich kenne die Brennweite und die Abmessungen der verwendeten Kamera sowie die GPS-Position, an der die Fotos aufgenommen wurden.

Ich suche nach Ressourcen, mit denen ich die Flächen der Landnutzung anhand der Informationen berechnen kann, die ich bereits habe. Die Idee ist, dass ich, wenn ich die Geometrie des Fotos kenne, den relativen Abstand zwischen den einzelnen Pixeln berechnen kann. Gedanken?

Der allgemeine Prozess zur Lösung dieses Problems besteht in der Orthorektifikation , um die Daten in einen kartesischen Koordinatenraum umzuwandeln, in dem jede Zelle ungefähr die gleiche räumliche Ausdehnung darstellt. Das OSSIM-Paket bietet Orthorektifikation, ebenso wie GRASS . Sie benötigen Zusatzdaten, um die Korrektur durchzuführen. Dies kann zeitaufwändig sein, führt jedoch zu hervorragenden Ergebnissen. Nach der Umwandlung in einen projizierten Raum sollte der Rechenbereich in jedem GIS eine einfache Operation sein.

Wenn Sie in einer GIS-Umgebung arbeiten können, kann GRASS die Aufgabe übernehmen: Wir haben die Vorgehensweise in unserem Artikel skizziert:

M. Neteler, D. Grasso, I. Michelazzi, L. Miori, S. Merler und C. Furlanello, 2005: Eine integrierte Toolbox für die Registrierung, Fusion und Klassifizierung von Bildern. International Journal of Geoinformatics, 1 (1), S. 51-61 http://www.grassbook.org/neteler/papers/neteler2005_IJG_051-061_draft.pdf

Normalerweise ist es, wie scw vorschlägt, am besten, die Analyse zu korrigieren und anschließend durchzuführen. Glücklicherweise führen zahlreiche GIS-Pakete einen solchen Workflow durch. Für einen kurzen quantitativen Hintergrund zur Orthorektifikation bietet die Webseite Review of Digital Image Orthorectification Techniques von Dr. FI Okeke einen Überblick über mehrere gängige Algorithmen.

Wenn Sie ein automatisiertes oder Augmented-Reality-System erstellen, das solche Analysemaßnahmen durchführt, bieten diese beiden Open-Source-Projekte einige nützliche Grundlagenbibliotheken: NASA Vision Workbench und Photosynths Cousin Bundler .

Ich denke, du brauchst auch ein DEM. Die Verwendung von DEMs zum Registrieren von schrägen Fotos und Webkameras ist interessant.

Update : Wenn Sie mehrere Fotos derselben Szene haben, können Sie eine zweite Punktwolke bekannter Objekte erstellen, ohne über ein DEM zu verfügen, wie dies bei Photosynth der Fall ist . Ich habe noch nie gesehen, dass Photosynthese als GIS-Tool verwendet wird.

Update2 Hier ist eine Photosynthese, die aus Luftbildern erstellt wurde .

Wenn das schräge Foto aus ausreichender Entfernung aufgenommen wurde, könnte die Transformation der zentralen Bereiche der Karte mit einer parallelen Projektion angenähert werden , die viel einfacher zu handhaben ist als die vollständige perspektivische Projektion .

Wie Kirk erwähnt hat, benötigen Sie ein DEM, um die unterschiedliche Neigung der Oberflächen berücksichtigen zu können. Dies liefert natürlich nur ungefähre Ergebnisse. Wenn Sie also genauere Messungen benötigen, verwenden Sie den in der Antwort von scw genannten Orthorektifizierungsansatz .

Schräge Fotos benötigen im Allgemeinen ein DEM, da sonst Georef-Werkzeuge das Bild sehr stark verzerren.

Vielleicht möchten Sie diesen Artikel lesen ... www.uibk.ac.at/geographie/personal/corripio/.../corripio04_ijrs.pdf