Punktwolken interpretieren

Transkript

1 Punktwolken interpretieren Oliver BRINGMANN, Tilo PFLIEGNER Zusammenfassung Die mittels 3D-Scanner erzeugte Punktwolke ist in den seltensten Fällen das vermarktungsfähige Endprodukt einer Dienstleistung. Die Daten müssen im Allgemeinen als 2D- oder 3D-Modell für die Software des Endnutzers strukturiert werden. Durch Einsatz fortschrittlicher Verfahren der Mustererkennung können Teile dieser anspruchsvollen Interpretationsaufgabe automatisiert gelöst werden. Die Möglichkeiten und prinzipiellen Grenzen heutiger Algorithmen werden dargestellt. Von dieser Analyse ausgehend, wird ein Regelwerk zur Differenzierung zwischen schweren und leichten Problemen des 3D-Scannings skizziert. Die unterschiedlichen Zieldaten aus den Bereichen Architektur, Archäologie, Anlagenvermessung und Denkmalpflege werden in dieser Hinsicht klar unterscheidbar. Für die einer automatisierten Auswertung unzugänglichen Aufgaben wird ein hybrider Arbeitsfluss, der Photogrammetrie und Laserscanning verbindet, vorgeschlagen. 1 Tachymetrie und Photogrammetrie Die Gewinnung von 3D-Koordinaten im Nahbereich erfolgte bislang durch Verfahren der Photogrammetrie oder Tachymetrie. Charakteristisch für diese nach wie vor wichtigen Verfahren ist die manuelle Selektion der zu ermittelnden Punkte. Diese wegen des damit verbundenen Aufwands häufig bemängelte Eigenschaft der beiden Verfahren ist gleichzeitig ein Vorteil: Der Operateur wählt genau die Punkte aus, die zur Parametrisierung des relevanten Objektes (z. B. einer Kante) dienlich sind. Das Endergebnis der Dienstleistung entsteht so moderne Software/Hardwarelösungen eingesetzt werden gleich bei der Koordinatenermittlung. Die menschliche Intelligenz erfordernden Generalisierungs- und Abstraktionsleistungen werden in den Prozess schon bei der Auswahl der Punkte eingebracht. 2 3D-Scanner eine neue Datenquelle Laserscanning ermöglicht die automatische Erfassung von 3D-Koordinaten mit Farbinformation. Solche 3D-Koordinaten sind fast nie das endgültige Ziel der Vermessung. Auch wenn spektakuläre Visualisierungen der reinen Punktwolken den Anschein erwecken, dass gescannte Objekt sei ja nun vollständig und digital im Rechner verfügbar, ist der Weg zum vermarktungsfähigen Dienstleistungsprodukt häufig noch weit. Für viele Aufgaben entfällt der Löwenanteil der Bearbeitungszeit auf die manuelle Auswertung der Daten. 3D-CAD Modelle müssen erstellt werden, Grundriss- und Schnittdarstellungen entstehen keinesfalls per Vollautomatik aus den Punktwolken.

2 O. Bringmann, T. Pfliegner Folgende Parallele zur klassischen Photogrammetrie verdeutlicht die Probleme bei der Automatisierung der Auswertung von Punktwolken: Auch bei der Photogrammetrie liegen prinzipiell im Verband der orientierten Fotografien sämtliche Informationen über das abgebildete Objekt digital vor. Jedoch hat sich die Erkenntnis allgemein durchgesetzt, dass erst der menschliche Operateur, die Identifikation der signifikanten Inhalte leisten kann. Neben dieser inhaltlichen Ebene existiert hier das nach wie vor ungelöste Problem der automatischen Identifikation von homologen Punkten in mehreren Bildern die Bedingung für die Ermittlung von 3D-Koordinaten. Insbesondere bei räumlich stark strukturierten Objekten und bestimmten Auswertungsaufgaben kann man die Vorteile des 3D-Laserscannings gegenüber den photogrammetrischen Ansätzen nachweisen. Für die Lösung anderer Problemstellungen bleibt ein hoher manueller Aufwand in absehbarer Zukunft bestehen. 3 Aufgabenklassen Eine Analyse des Automatisierungspotentials der Auswertung von Punktwolken beruht auf einer sinnvollen Zerlegung der typischen Anforderungen in leichte und schwierige Aufgaben. 3.1 Aufgabenklasse Oberflächenmodell (leichte Aufgaben) Aus dem 3D-Scann ist heute meist eine im Rahmen der Auflösung zuverlässige Dreieckvermaschung automatisch ableitbar. Die Unterschiede zwischen einem solchen Oberflächenmodell und der reinen Punktwolke zeigt folgende Übersicht: Tabelle 1: Punktwolke Eigenschaften der Punktwolke und des leicht ableitbaren Oberflächenmodells - Schnitt mit Ebene oder Strahl ist unmöglich, daher sind Profile und Höhenlinien nicht ableitbar. - Keine Möglichkeit zur Volumenberechnung existiert. - Boolesche Operationen (Vereinigung, Schnittmenge) mit anderen Punktwolken sind nicht möglich. + Kollisionsanalyse mit bestehenden CAD- Modellen (Volumina) ist möglich. Vermaschung (Oberflächenmodell) + Profil/Höhenlinien sind ableitbar. + Volumenberechnung ist möglich. Dazu muss die Oberfläche geschlossen sein/werden. + Boolesche Operationen sind möglich. + Kollisionsanalyse mit bestehenden CAD- Modellen (Volumina) möglich. - Oberfläche insbesondere an Kanten und Ecken fehlerhaft.

3 Punktwolken interpretieren Liegen neben der Vermaschung orientierte Fotos vor, können diese leicht automatisch als Textur auf das Oberflächenmodell gelegt werden und somit als Grundlage für Computerbasierte Visualisierungen (Überflüge, virtuelle Spaziergänge etc.) dienen. Auch können aus dem Oberflächenmodell und den orientierten Fotos problemlos neue Bilder z. B. Orthofotos generiert werden. Dazu werden die Bildinhalte zunächst auf die Oberfläche projiziert (Zentralprojektion) und anschließend per Parallelprojektion auf die Ebene des zu erzeugenden Orthofotos abgebildet. Die Zuverlässigkeit dieser Bilder an 3D- Ecken und Kanten hängt von der Scan-Auflösung und der Orientierung der ursprünglichen Aufnahmen ab. Kann die Oberfläche des gescannten Objektes durch einen abwickelbaren Körper (Zylinder, Kegelsstumpf) sinnvoll approximiert werden, sind aus Punktwolke, orientierten Fotos und den Parametern des abwickelbaren Körpers die Abwicklungen zu berechnen. Es ergeben sich folgende wichtige Anwendungsfälle, die vom Einsatz der Scanner-Technik sofort, d. h. ohne systematische Probleme, profitieren können: Bergbau Für Volumenbestimmungen sind Differenzbildungen zwischen den 3D-Oberflächen zu verschiedenen Zeitpunkten gefragt. Bauwerksüberwachung Verformungsanalyse und statische Berechnungen in Tunneln, Staumauern und ähnlichem erfordern Oberfächenmodelle hoher Güte. Kollisionsanalyse CAD-Modelle von geplanten Maschinen und Anlagen werden in die bestehenden Verhältnisse projiziert. Visualisierungen Der räumliche Ist-Zustand kann am Rechner ohne großen Aufwand dargestellt werden, Die Qualität der texturierten Oberflächenmodelle genügt für viele Anwendungen in der Spiele- und Freizeitindustrie. Orthofotos und Abwicklungen sind gängige Produkte in der Denkmalforschung. Insbesondere für die Darstellung von CAD-Modellen und Punktwolken in einem gemeinsamen 3D-Raum, z. B. bei der Kollisionsanalyse, ist es erforderlich, die Scanner-Daten direkt in eine Standard-CAD-Umgebung zu importieren. Dies ist nötig, weil die CAD- Modelle von Maschinen und Anlagen fast immer in Standard-CAD-basierten Applikationen (z. B. als Aufsatz zu AutoCAD oder Microstation) entstehen. Diese oft komplexen Modelle können nicht verlustsfrei in die proprietären Systeme überführt werden, die speziell für die Verwaltung und Anzeige von Punktwolken entwickelt wurden. Der Trend wird daher vermutlich zu zweistufigen Lösungen gehen: 1. Vorverarbeitung und Registrierung der Punktwolken in Scanner-spezifischer Software und 2. Modellierung und Auswertung der Punktwolken in Standard-CAD basierten Applikationen. Das sofortige Vorliegen eines Oberflächenmodells ist der zentrale Vorteil gegenüber photogrammetrischen Lösungen. Letztere leiden insbesondere bei stark räumlich gegliederten Oberflächen unter dem ungelösten Problem der automatischen Identifikation identischer Punkte in mehreren Bildern. Interessieren jedoch nur einzelne räumliche Punkte um z. B. ein Bauteil zu dimensionieren, sind durch Photogrammetrie oder auch Tachymetrie bewährte Techniken gegeben.

4 O. Bringmann, T. Pfliegner 3.2 Aufgabenklasse Bauteilmodell (mittlere und schwierige Aufgaben) Aus dem Scan und dem Oberflächenmodell sind wichtige Modellarten nicht automatisch ableitbar: 2D-Grundrisse und Schnitte z. B. von Gebäuden oder 3D-CAD Modelle z. B. von Anlagen und Maschinen. Abb. 1: Bauteilmodelle und stark abstrahierte Plandarstellungen erfordern eine Interpretation der Daten durch den Menschen. Die Ursache für die prinzipiellen Schwierigkeiten bei der Automatisierung der Lösung dieser Aufgaben ist die Selbe wie beim Auffinden von homologen Punkten in Bildverbänden, bei der Vektorisierung von Gebäudegrundrissen, oder auch bei der Sprach- oder Bilderkennung: Die Daten müssen interpretiert werden. Unter Interpretation kann man vereinfacht folgende beiden (in der Realität untrennbaren) Schritte verstehen: 1. Identifikation von Objekten und deren Klasse (z. B. Tür, Rohr ) 2. Parametrisierung der Objekte (Lage der Tür im Raum, Türbreite) Für einige Aufgaben (z. B. Schrifterkennung) ist das Problem der automatischen Interpretation unter großem Aufwand gelöst worden. Für viele Problemstellungen existieren jedoch nur halbautomatische Werkzeuge oder es ist gar keine befriedigende algorithmische Unterstützung in Aussicht, weil die Interpretationsaufgabe nur unter Einbeziehung eines komplexen Weltbildes lösbar erscheint (z. B. zur Unterscheidung eines guten von einem schlechten Gedicht). Prinzipiell kann aber bereits an dieser Stelle festgestellt werden, dass Produkte die nicht direkt aus einem Oberflächenmodell ableitbar sind, im besten Fall nur halbautomatisch generiert werden können. 4 Automatisierung Die gängige Herangehensweise zur halbautomatischen Modellierung von CAD-Objekten gestaltet sich wie folgt: 1. Der Bearbeiter wählt den Typ und die ungefähre Lage und Parameter eines Objektes.

5 Punktwolken interpretieren 2. Die Software optimiert die Lage und Parameter mittels der realen Punktwolke und z. B. Least Squares Fitting. Die offene Frage lautet: Für welche Objektarten, lässt sich Schritt 2 robust algorithmisch umsetzen? Vereinfachend wird im Folgenden beschrieben, wie ein Kreis in einer 2D-Punktwolke P={p 1...p n } mit n Punkten erkannt wird. Es müssen der Mittelpunkt m=(x,y) und der Radius r des Kreises, zusammen also drei unabhängige Parameter bestimmt werden. Abb. 2: Der Kreis wird an die Punktwolke angepasst. Für jede Konfiguration der Kreis-Parameter wird eine Bewertung des Kreises vorgenommen: 2 abweichung ( m, r) abstand ( kreis( m, r), p) (1) p P ' Diese abweichung muss minimiert werden. P sei der Teil der gesamten Punktwolke, der sich in der geometrischen Umgebung des Kreises befindet. Die Optimierung der abweichung erfolgt beispielsweise mittels sogenannten Simulated Annealings, einem gängigen Verfahren zur Parametervariation. In folgender Abbildung ist die Zielposition des Kreises und das (eigentlich vierdimensionale) Gebirge der Abweichung über den drei Parametern dargestellt. abweichung(m,r) 3D-Parameterraum = (m,r) = (x,y,r)

6 O. Bringmann, T. Pfliegner Abb. 3: Die Summe der Abstände wird minimiert. Probabilistische Verfahren wie Simulated Annealing liefern gute Ergebnisse, wenn das Gebirge wie in der Abbildung eine Himalaja-Struktur, d. h. ausgeprägte Optima aufweist. Betrachtet man das scheinbar nur wenig komplexere Objekt Viereck, kommt man zu einem ganz anderen Resultat: Die Optimierung ist hier wesentlich weniger erfolgreich, weil das Gebirge stark zerklüftet ist. Das globale Optimum wird nicht immer gefunden. Begründet ist die ungünstige Gebirgestruktur durch die hohe Dimension des Merkmalsraums. Für ein Viereck sind die vier Ecken (e 1...e 4 ), also acht freie Parameter zu bestimmen. abweichung(e 1...e 4 ) 8D-Parameterraum = (e 1...e 4 ) Abb. 4: Die Minimierung scheitert wegen der vielen Freiheitsgrade des Modells und der resultierenden schroffen Gebirgsstruktur. Verallgemeinert man diese Beobachtung wird deutlich, warum bei der Analyse von Bauteilmodellen zwischen Rohrleitungs- und Gebäudemodell unterschieden werden muss. Die Freiheitsgrade der Modelle unterscheiden sich fundamental. Ein zylinderisches Rohr wird z. B. durch den Verlauf seiner Achse im 3D-Raum und seinen Radius also durch nur sieben Parameter redundanzfrei beschrieben. Für die verschiedenen Ausprägungen der Klasse Fenster kommt man dagegen leicht auf mehr als 20 Parameter. Die automatische Interpretation der Punktwolke ist daher für geometrisch-standardisierte Domänen wie Industrieanlagen wesentlich leichter möglich, als für variantenreichere Szenerien, wie man sie beispielsweise in Gebäuden vorfindet.

7 Punktwolken interpretieren 5 Hybride Ansätze Für die manuelle Auswertung empfiehlt es sich, Punktwolken- und Bilddaten gemeinsam zu nutzen. Die Vorteile der Fotografie (hohe Auflösung; bessere Interpretierbarkeit durch den Menschen; Kanten und Ecken sind klar identifizierbar) können mit der 3D- (Tiefen)Information der Punktwolke kombiniert werden. Abb. 5: Punktwolke und (Ortho-)Foto in einer Standard-CAD-Umgebung (Hier: AutoCAD und PointCloud). Eine Schicht in der Punktwolke wird selektiert, um anschließend ein Profil zu zeichnen. Abb. 6: Die relativ gering aufgelöste Punktwolke dient zum Abgreifen der Tiefeninformation. Das Foto unterstützt bei der Interpretation der Punktwolke signifikant. Die Punktwolke dient bei der Arbeit mit Fotos häufig nur zur Definition geeigneter temporärer Koordinatensysteme in deren X-Y-Ebene die Auswertung des Fotos erfolgt. In der Kombination mit tachymetrischen Aufmaßlösungen ist ebenfalls ein interessanter Ansatz insbesondere in der Anlagenvermessung zu sehen. Bereiche, die für ein Scanning aus verschiedenen Gründen weniger geeignet sind werden tachymetrisch erfasst: Ein einzelnes Rohr kann ebenso wie der Grundriss einer Werkhalle leicht tachymetrisch eingemessen werden. Die Anzahl der Scannerstandpunkte und der Bearbeitungsaufwand im

8 O. Bringmann, T. Pfliegner Büro wird so reduziert. Auch bei diesem Technologiemix ist als gemeinsame Basis ein Standard-CAD, auf dem beide Applikationen laufen, sinnvoll. 6 Fazit Die Entscheidung über die geeignete Messtechnologie ist nicht trivial. Auch mit dem Laserscanning wird dem Ingenieur kein Allheilmittel geboten, sondern eine interessante Speziallösung. Ist das Endprodukt der Vermessungsdienstleistung ein Oberflächenmodell oder lässt sich das Produkt aus dem Oberflächenmodell trivial ableiten, so ist Laserscanning das Mittel der Wahl. Sind als Zieldaten Bauteile gefragt, die sich als mathematische Regelkörper in der Punktwolke darstellen, können halbautomatische Verfahren einen erheblichen Produktivitätszuwachs bringen. Zu beachten ist, dass die zu messenden Bauteile letztendlich in der speziellen Applikation des Kunden (z. B. Fabrikplanungssoftware oder CAAD) vorliegen müssen. Eine durchgängige Integration aller Programmteile in ein Standard- CAD-System ist deshalb ideal. Sind als Zieldaten Pläne und komplizierte Bauteile gefragt, ist Laserscanning nur als ergänzende Methode für Spezialaufgaben (z. B. wenn vor Ort nur sehr wenig Zeit für das Aufmaß zur Verfügung steht) produktiv. Der Einsatz tachymetrischer oder hybrider Lösungen sollte erwogen werden.