E V A P. Geo-Informationssysteme (GIS) E V A P. Aktuelle und praxisnahe GIS- Forschungsprojekte. Übersicht über Präsentation

Transkript

1 Geo-Informationssysteme (GIS) Geo-Informationssysteme sind computergestützte Systeme zur Aktuelle und praxisnahe GIS- Forschungsprojekte Monika Sester Institut für Kartographie und Geoinformatik Universität Hannover E V A P Erfassung und Fortführung Speicherung und Abfrage (Verwaltung) Analyse und Simulation sowie Ausgabe und Präsentation raumbezogener Daten [Bill & Fritsch, ] Trennung von Speicherung, Analyse und Visualisierung räumlicher Daten GIS-Komponenten und Aufgabengebiete Übersicht über Präsentation E V A P Erfassung Modellierung Datenstrukturen Datenbanken Analyse, thematisch geometrisch D-, D-Visualisierung Geod. Meßverfahren, GPS, Photogrammetrie Automatischer Datenfluss GDI Metadaten, Webservices Verteilte Datenbanken, MRDB Datenintegration, Datenfusion Analysemethoden, Dateninterpretation, Data Mining Karten, Bildschirm, Internet, mobile Kleincomputer, Virtual / Augmented Reality Konzentration auf Arbeiten am Institut für Kartographie und Geoinformatik, Universität Hannover Fokus auf weitgehende Automatisierung Bereiche Datenintegration Automatische Auswertung: Dateninterpretation, Datenerfassung: D, D Visualisierung Generierung von Daten in unterschiedlichen Auflösungen Datenintegration Datenauswertung, Dateninterpretation Datenbestände werden überall erhoben Erhebung aufgrund Aufgabenziel Messmethode Datenmodell -> unterschiedliche Datenbestände Integration erfordert Semantische Integration Geometrische Integration Gemeinsame Nutzung der Daten Wiederverwendung Auffinden, Extrahieren und Rekonstruieren von Information aus digitalen Datenbeständen, die nicht explizit gespeichert ist Beispiel: Aus Bildern Aus Vektordatenbeständen Aus Oberflächendaten Anwendungen: Bestimmung von D-Gebäudeformen aus Laserscanning Bestimmung von D-Straßenkörper aus Laserscanning Extraktion von Landmarken aus Vektordatenbeständen Extraktion impliziter Information ( schönes Wohngebiet, guter Standort für Kaufhaus,...)

2 Visualisierung D-Darstellung in unterschiedlichen Maßstäben Generalisierungsoperationen D-Generalisierung Von Gebäuden Von digitalen Oberflächenmodellen Datenintegration Nutzung einer MRDB vorgeneralisierte Datenbestände Aufgaben GiMoDig - Anfrage Entwicklung automatischer Ansätze für Datenintegration Semantische Integration: Vergleichbarkeit von Begriffen aus unterschiedlichen Fachdisziplinen (unterschiedliche Ontologien) Geometrische Integration: Verfahren zur Erstellung von Korrespondenzen von Geoobjekten auf der Basis von geometrischen und thematischen Eigenschaften Zwei Projekte: GiMoDig Geotechnologien Sendet Anfrage zum Portal Bekommt Übersichtskarte Sendet. Anfrage zum Portal Bekommt SVG Karte (Daten aus der Datenbank in Echtzeit generiert) Welche Geodaten? Die meisten Elemente werden online harmonisiert Datenbanken der Landesvermessungen Harmonisierung Modellgeneralisierung globales Schema GiMoDig Datenbank

3 Datenintegration Vergleich - BK und GK mit ATKIS Zusammenführen von Datenbeständen aus unterschiedlichen Quellen, die für unterschiedliche Zwecke erfasst wurden Probleme: Unterschiedliche Sprachen, Begriffswelten, Ontologien zur Beschreibung möglicherweise ähnlicher Sachverhalte Unterschiedliche Geometrien gleicher Objekte Beispiel: Integration von Topographischen Daten Geologischen Daten Bodenkundlichen Daten Ziel: gemeinsame Nutzung unterschiedlicher Datenbestände ATKIS (rot), BK (blau), GK (grün) Vergleich - BK und GK Superimposition of heterogenous data sets Geometric differences Different types of geometric representations -ATKIS (points, lines, polygons) - Geoscientific maps (polygons) ATKIS River symbolized as line ATKIS River symbolized as polygon Geoscientific map BK (blau), GK (grün) Automatische Auswertung Dateninterpretation Erkennen von Strukturen in den Daten Extraktion impliziter Information, impliziter Zusammenhänge Automatische Datenanalyse Spatial Data Mining Automatische Interpretation / Extraktion von Informationen aus verschiedenen Datenquellen

4 Wilhelm-Busch-Museum Georgenpalais A Sozialgericht 0 Ke. Städt. Werkhof D A B A Univ. Hannov er Instiut Uni vers itä t H ann over Institute 0 A A 0A Univers ität H annover Institute 0C B 0B 0 Mensa Ki ndertages stä tte 0 A B A A Universität Hannover Chemisches Institut 0 A Univers ität H annover B A A 0A Stadtteilzentrum- Nordstadt A A A B 0 0 A Fabrik A Post 0 C 0 0 A 0 0 Uni. Inst. Ak ademisc hes Auslandsamt 0 Universität Institut A 0 0A 0 A 0 0 A 0 Luther kirche 0 0 Berufsbildende Schule Anna- Siemsen- Sch ule 0 0 Ke. 0 No rd - st adt - Städt. Ordnungs amt Städt. büc herei Gesundhe itsamt Nebenst. Nebenst. 0 Jugendzent rum Feu erwache Universität Hannover, Institut für makromolek u- lare C hemie 0 0 A 0 A 0 A Sporthalle 0 A A 0 0 A A A Navigationsaufgabe - TK 0 Hannover Persönliche Navigation mit Landmarken Routenbeschreibung mit Landmarken Wegbeschreibung mittels Landmarken Vahrenwalder Bad Mensa Prinzengarten Welfengarten Universität Hannover Christuskirche Georgengarten Mensch: Hinter der Lutherkirche links... Unter der Brücke durch und dann rechts... Hinter dem Rathaus abbiegen... Am Spielplatz vorbei... Navigationssystem: Folgen Sie der Straße m Nach 0 m rechts ab Abbiegen in 000 m Landmarken Universität Hannover Ziel: Anpassen von Wegbeschreibungen an die menschlichen Bedürfnisse [Birgit Elias] Landmarken Extraktion Landmarken - Beispiel Nordstadt, Mensa Identifikation von Landmarken Objekte in der Nähe von Entscheidungspunkten Kreuzungen Längere gerade Wegstrecken (Bestätigung) Objekte, die in ihrer lokalen Umgebung selten bzw. einzigartig sind Datenbasis Gebäude aus der ALK Ziel: Automatische Identifikation von seltenen Objekten Objekte, die seltene Attribute haben, d.h. Attribute, die signifikant vom Mittelwert abweichen Methoden: Maschinelles Lernen, Data Mining, Klassifizierung 0 A 0 0

5 0 A A 0A Universität Hannover Institute 0C B 0B 0 Men sa 0 A B Ki ndertagesstätte A A Universität Hannover Chemisches Institut 0 A B A Kindertagess tätte A 0A Stadtteilzentrum- Nord st ad t A A A useum s A Sozialgericht 0 Ke. Städt. Werkhof D A B A Univ. Hannover Instiut Univers ität H annover Institute 0 A A 0A Univ ersität H annov er Institute 0C B 0B 0 Mens a 0 A B A A Univ ersität H annover Chemisches Institut 0 A A Univers ität H annover B A 0A Stadtteilzentrum- Nordstadt A A A B A Fa bri k A Pos t C A 0 0 Uni. Inst. Akademisc hes Auslandsamt 0 Uni versität Institut A 0 0A 0 A 0 0 A 0 Lutherkirche 0 0 Berufs bildende Schule Anna- Siemsen- Schule 0 0 Nordstadtbücherei Städt. Städt. Ordnungsamt Ges undheitsamt Nebens t. Nebens t. Ke Jugendzen trum Feuerwac h e Uni v e rs ität Ha nno v er, Institut für mak romolekulare C hemie 0 A 0 A 0 A Sp orthalle 0 A A A 0 A 0 A Virtueller Sichtkegel Mögliche Landmarken 0 A 0 Umfang der Sichtbarkeit Bewertung Berechnet Eignung als Landmarke aus aktuell vorliegenden Attributen Nr. Sichtbarkeit Entfernung [m] Beschreibung Transformator 0 Mensa Kindergarten Kann sich daher an wechselnde Gegebenheiten anpassen Z.B. wenn Farbe bei Nacht nicht beobachtbar ist, wird diese auch nicht zur Berechnung herangezogen einzelnes grünes Haus unter roten Häusern Landmarken sind wichtig für Fußgängernavigation, aber auch zur Unterstützung der Fahrzeugnavigation Feststellen, wo konkret abgebogen werden muss zusätzlich zur Angabe in Metern. Luftscan: Hannover, Oper D-Dateninterpretation

6 Primitivbasierte Rekonstruktion von Gebäuden Virtuelles Stadtmodell Hannover π 0 π 0 π π π π π π π π π π π π π π Flach Pult Sattel Walm Grundrisszerlegung, Wahl eines D-Primitivs, Parameterschätzung [Claus Brenner] Komplexere Dachformen Semiautomatische Verfahren Terrestrisches Laserscanning Terrestrischer Scan: Hannover, Oper

7 Indoor, Facility Management Manuelle Extraktion einfacher geometrischer Formen Manuelle Extraktion einfacher geometrischer Formen (Modelliert mit Cyclone) (Modelliert mit Cyclone) Dreiecksvermaschung Ausdünnen von dreiecksvermaschten Oberflächen < % möglich

8 D-Vereinfachung I D-Vereinfachung II BRep mit vielen Flächen Maschenvereinfachungsverfahren Entscheidung aufgrund der Größe BRep mit wenigen Flächen einfaches Weglassen von Kanten nicht möglich zusätzliche Bedingungen einhalten rechtwinklig, parallel, senkrecht, horizontal,... Ein regelbasierter Ansatz Segmentierung Schritte:. Segmentierung in sinnvolle Bestandteile Abschneiden von vorspringenden Teilen Füllen von Löchern. Analyse und Generalisierung. Erzeugen einer differentiellen Multi-Resolution-Datenstruktur [Frank Thiemann] Analyse Generalisierung / Vereinfachen Interpretation -> Bedeutung der Objekte identifizieren Größe und relative Lage Ähnliche Größe und Form Bezug zur gleichen Fläche Einzigartigkeit: Einziges Element in einer Ebene, einzigartig bezogen auf Größe, Form, sequentielles Testen aller Teile Vereinfachung kleine Teile weglassen Klassifizierungsvorgänge Markantes betonen (Skalieren) Symbolisieren (Ersetzen) Gleichartiges Aggregieren oder Typifizieren (Verschmelzen / Weglassen und Skalieren) Verdrängen

9 Visualisierung auf kleinen Displays Optimale Visualisierung Einzoomen Mehr Details Ideal: Flexibles Zoomen in Echtzeit von geringster zu höchster Auflösung und umgekehrt! Daten in unterschiedlichen Maßstäben Echtzeit Generalisierung zwei Möglichkeiten Echtzeit Generalisierung des nötigen LOD s aus dem gegebenen (detailliertesten) Datenbestand Nutzen vor-generalisierter LOD s in MRDB: benachbarten LOD auswählen Interpolation bzw. Echtzeit Generalisierung von nächst detaillierteren LOD Aufgabe f(anwendung, Display, Nutzer, ) Fluss Straße Bahn Fluss Straße Bahn: signaturiert Bahn Straße

10 Ergebnis nach Verdrängung mit PUSH See Straße See Straße Gebäude + Straßen teilweise überlagert... Nach der automatischen Verdrängung Originalgebäude :000

11 :.000 :0.000 :.000 Zusammenfassung Viele Anwendungsgebiete interdisziplinäre Fragestellungen Bedeutung der Automation Wissen und Techniken aus Geodäsie und Informatik sind von großer Bedeutung