Motivation des DRIVE-Projektes (Derivation of Vector Models)

Transkript

1 Automatische Ableitung von Stadtplänen aus großmaßstäbigen Geodaten im Kontext des Projekts DRIVE Ingo Petzold, Dirk Burghardt Universität Zürich, Schweiz Matthias Bobzien Axes Systems, Deutschland/Schweiz Motivation des DRIVE-Projektes (Derivation of Vector Models) Gefördert durch die Kommission für Technologie und Innovation Schweiz (KTI) Fördert angewandte Forschung; Credo: Science to Market Technologiepartner: Axes Systems AG Ausbau von axpand Erweiterung der Generalisierungsfunktionalität Forschungspartner: Universität Zürich, Geogr. Institut Aufwerfen relevanter Forschungsfragen Umsetzen theoretischer Lösungen in die Praxis 1

2 axpand Anwendungsbeispiele Vermessungsdaten Kartographisches Produkt Ausgangslage Ziel Generalisierung Signaturierung Multirepräsentation Fortführung Vermessungsdaten Geodaten für Kartenprodukte 2

3 Generalisierungsprozess Datenanalyse (horizontale Relationen) Meta- Informationen (vertikale Relationen) Evaluation Konfliktlösung Auswahl der Operatoren Konflikterkennung Generalisierungsprozess Datenanalyse (horizontale Relationen) Meta- Informationen (vertikale Relationen) Evaluation Konfliktlösung Auswahl der Operatoren Konflikterkennung 3

4 Generalisierungsprozess Datenanalyse (horizontale Relationen) Meta- Informationen (vertikale Relationen) Evaluation Konfliktlösung Auswahl der Operatoren Konflikterkennung Generalisierungsprozess Datenanalyse (horizontale Relationen) Meta- Informationen (vertikale Relationen) Evaluation Konfliktlösung Auswahl der Operatoren Konflikterkennung 4

5 Generalisierungsprozess Datenanalyse (horizontale Relationen) Meta- Informationen (vertikale Relationen) Evaluation Konfliktlösung Auswahl der Operatoren Konflikterkennung Datenanalyse (horizontale Relationen) Horizontale Relationen: Beziehungen zwischen Objekten im gleichen Maßstab. z.b.: Nachbarschaftsbeziehungen, Gruppierungen (Alignment), etc. Unser Ansatz: Restriktive Annahme: die meisten Gebäude sind an linienhaften Objekten (Strassen, Bahnen, Flüsse) ausgerichtet Vorselektion durch Bufferoperation Evaluierung der Homogenität basierend auf Ähnlichkeitsmaßen (Größe, Form, Orientierung, Nachbarschaft) 5

6 Datenanalyse (horizontale Relationen) Horizontale Relationen: Beziehungen zwischen Objekten im gleichen Maßstab. z.b.: Nachbarschaftsbeziehungen, Gruppierungen (Alignment), etc. Unser Ansatz: Restriktive Annahme: die meisten Gebäude sind an linienhaften Objekten (Strassen, Bahnen, Flüsse) ausgerichtet Vorselektion durch Bufferoperation Evaluierung der Homogenität basierend auf Ähnlichkeitsmaßen (Größe, Form, Orientierung, Nachbarschaft) Homogenität von Gebäude-Alignments hohe Homogenität niedrige Homogenität 6

7 Generalisierungsprozess Datenanalyse (horizontale Relationen) Meta- Informationen (vertikale Relationen) Evaluation Konfliktlösung Auswahl der Operatoren Konflikterkennung Generalisierungsoperatoren Linienhafte Objekte Vereinfachung Glättung Verdrängung Flächenhafte Objekte Vereinfachung Skalierung (Proportionen, Minimalgrösse) Verdrängung Zusammenfassung Typisierung Elimination Gebäudevereinfachung Typreduktion: Fläche zu Linie 7

8 Generalisierungsoperatoren Linienhafte Objekte Vereinfachung Glättung Verdrängung Flächenhafte Objekte Vereinfachung Skalierung (Proportionen, Minimalgrösse) Verdrängung Zusammenfassung Typisierung Elimination Gebäudevereinfachung Typreduktion: Fläche zu Linie Gebäudevereinfachung Algorithmus für Gebäudevereinfachung Datenaufbereitung (Vorverarbeitungsphase) - Entfernung kurzer Kanten (kürzer als 1/10 der Minimaldistanz) - Entfernung unnötiger Stützpunkte Algorithmus arbeitet abhängig von der Kantenform S-Form (Winkel 45º) rechtwinklige Form (45º < Winkel 135º) U-Form (135º < Winkel) 8

9 iterativer Prozess iterativer Prozess Screenshot 9

10 iterativer Prozess Screenshot Typreduktion: Fläche zu Linie Daten hohe Auflösung attributiert und klassifiziert 10

11 Typreduktion: Fläche zu Linie Daten hohe Auflösung attributiert und klassifiziert Generalisierungsoperatoren: Zusammenfassung Polygon Connectivity Graph Skelettierung Skeleton Graph Typreduktion: Fläche zu Linie Daten hohe Auflösung attributiert und klassifiziert Generalisierungsoperatoren: Zusammenfassung Polygon Connectivity Graph Skelettierung Skeleton Graph Netzwerkgraph - Knoten Kreuzungen - Kanten Wege 11

12 Topologie bestimme Topologie der fl. Objekte und generiere PolygonConnectivityGraph Vorverarbeitung bestimme Topologie der fl. Objekte und generiere PolygonConnectivityGraph erkenne spezielle fl. Objekte (einzeln und Paare) Identifikation von speziellen flächenhaften Objekten: klein (Geometrie) lange gemeinsame Kante (Topologie und Geometrie) 12

13 Vorverarbeitung bestimme Topologie der fl. Objekte und generiere PolygonConnectivityGraph erkenne spezielle fl. Objekte (einzeln und Paare) fasse spezielle fl. Objekte zusammen PolygonConnectivity Graph Vorverarbeitung bestimme Topologie der fl. Objekte und generiere PolygonConnectivityGraph erkenne spezielle fl. Objekte (einzeln und Paare) fasse spezielle fl. Objekte zusammen PolygonConnectivity Graph 13

14 Geometrietypwechsel bestimme Topologie der fl. Objekte und generiere PolygonConnectivityGraph erkenne spezielle fl. Objekte (einzeln und Paare) fasse spezielle fl. Objekte zusammen PolygonConnectivity Graph berechne Skelette der fl. Objekte Geometrietypwechsel bestimme Topologie der fl. Objekte und generiere PolygonConnectivityGraph erkenne spezielle fl. Objekte (einzeln und Paare) fasse spezielle fl. Objekte zusammen PolygonConnectivity Graph berechne Skelette der fl. Objekte 14

15 Geometrietypwechsel bestimme Topologie der fl. Objekte und generiere PolygonConnectivityGraph erkenne spezielle fl. Objekte (einzeln und Paare) fasse spezielle fl. Objekte zusammen PolygonConnectivity Graph berechne Skelette der fl. Objekte generiere SkeletonGraph für fl. Objekte Entfernung unschöner Enden Geometrietypwechsel bestimme Topologie der fl. Objekte und generiere PolygonConnectivityGraph erkenne spezielle fl. Objekte (einzeln und Paare) fasse spezielle fl. Objekte zusammen PolygonConnectivity Graph berechne Skelette der fl. Objekte generiere SkeletonGraph für fl. Objekte 15

16 Zusammenfassung bestimme Topologie der fl. Objekte und generiere PolygonConnectivityGraph erkenne spezielle fl. Objekte (einzeln und Paare) fasse spezielle fl. Objekte zusammen berechne Skelette der fl. Objekte generiere SkeletonGraph für fl. Objekte baue Links zwischen Knoten und Kanten von benachbarten SkeletonGraphs auf T-Kreuzungen gerade Verbindungen SkeletonGraph PolygonConnectivity Graph Netzwerkgraph bestimme Topologie der fl. Objekte und generiere PolygonConnectivityGraph erkenne spezielle fl. Objekte (einzeln und Paare) fasse spezielle fl. Objekte zusammen berechne Skelette der fl. Objekte generiere SkeletonGraph für fl. Objekte baue Links zwischen Knoten und Kanten von benachbarten SkeletonGraphs auf SkeletonGraph PolygonConnectivity Graph generiere Netzwerkgraph Network Graph 16

17 Netzwerkgraph abgeleitet aus: SkeletonGraph PolygonConnectivityGraph Netzwerkgraph abgeleitet aus: SkeletonGraph PolygonConnectivityGraph Knoten Kreuzungen Kanten Wege attributiert mit Polylinien verlinkt mit: -SkeletonGraph - flächenhafte Objekte kann für Routenplanung etc. genutzt werden 17

18 Vergleich zu anderen Systemen Polygon to Line Creates a new line feature class from a polygon feature class Quelle: ArcGIS 9 Hilfe Vergleich zu anderen Systemen Polygon to Line Creates a new line feature class from a polygon feature class Create Centerline (Maximum Width, Minimum Width) You may have to experiment to find suitable widths. The tool is designed to work with fairly regular casings, representing streets. Irregularly shaped features, such as streams and rivers, can produce unsatisfactory results. If your data contains casings of distinct widths, we recommend that you assign different codes to the features and process them separately with the relevant widths. Quelle: ArcGIS 9 Hilfe 18

19 Vergleich zu anderen Systemen original Objekt Vergleich zu anderen Systemen original Objekt ArcGIS 19

20 Vergleich zu anderen Systemen original Objekt ArcGIS Skelett Skelett (innere Kanten) Generalisierungsprozess Datenanalyse (horizontale Relationen) Meta- Informationen (vertikale Relationen) Evaluation Konfliktlösung Auswahl der Operatoren Konflikterkennung 20

21 MRDB vertikale Relationen Auflösung A MRDB vertikale Relationen Auflösung A Generalisierung (operativ) Auflösung B 21

22 MRDB vertikale Relationen Auflösung A Generalisierung (operativ) Auflösung B vertikale Relationen: Beziehungen zwischen Objekten in unterschiedlichen Auflösungen. (Datenmodell) MRDB vertikale Relationen Auflösung A Generalisierung (operativ) Auflösung B vertikale Relationen: Beziehungen zwischen Objekten in unterschiedlichen Auflösungen. (Datenmodell) 22

23 MRDB vertikale Relationen Auflösung A Generalisierung (operativ) Auflösung B vertikale Relationen: Beziehungen zwischen Objekten in unterschiedlichen Auflösungen. (Datenmodell) MRDB & Updating Auflösung A Update Generalisierung Auflösung B 23

24 MRDB & Updating Auflösung A Update Generalisierung Auflösung B MRDB & Updating Auflösung A Update Generalisierung Re-Generalisierung Auflösung B 24

25 MRDB & Updating Auflösung A Update Generalisierung Re-Generalisierung mit Informationen aus ResolutionRelation Auflösung B MRDB & Updating Auflösung A Update Generalisierung Re-Generalisierung mit Informationen aus ResolutionRelation Auflösung B 25

26 Vermessungsdaten Kartographisches Produkt Ausgangslage Ziel Generalisierung Signaturierung Multirepräsentation Fortführung Vermessungsdaten Geodaten für Kartenprodukte Resümee DRIVE - Kooperation Universität Zürich und Axes Systems Hier am Beispiel: Automatische Ableitung von Stadtplänen aus großmaßstäbigen Geodaten Datenmodell, Datenanalyse, Generalisierungsoperatoren, Steuerung, MRDB, Fortführung, etc. hier: Homogenität von Gebäude-Alignments, Gebäudevereinfachung, Typreduktion: Fläche zu Linie, MRDB und Fortführung offene, plattformunabhängige Systemarchitektur Erweiterbar (auch) von Dritten insb. Universitäten und Landesvermessungsämter mit eigener Entwicklungsabteilung 26

27 Vielen Dank für Ihre Aufmerksamkeit! Fragen? 27