Effiziente Verarbeitung und Visualisierung von Mobile Mapping Daten

摘要

Eine in den letzten Jahren zunehmend an Bedeutung gewonnene Methode zur Erfassung von Geodaten stellt das Mobile Mapping dar. Mobile Mapping bezeichnet dabei die Erfassung von Geodaten mittels einer beweglichen Plattform. Im Gegensatz zu statischen Erfassungssystemen ermöglichen bewegliche Plattformen die effiziente Erfassung größerer Bereiche. Dies erfordert jedoch in der Regel eine aufwendige Registrierung und Integration der Daten (hier Kamerabilder und Scanpunkte bzw. -linien) und führt darüber hinaus zu umfangreichen Datenbeständen. Mit diesem Umfang gehen entsprechende Herausforderungen für die Speicherung, Organisation, Verarbeitung und Visualisierung der Daten einher. Neben diesen Herausforderungen spielt die Integration der verwendeten Sensoren eine entscheidende Rolle für die Qualität der Daten. Ist die Zuordnung der Daten der einzelnen Sensoren zueinander von schlechter Genauigkeit oder gar fehlerhaft, so spiegelt sich dies auch in den Analyse- und Verarbeitungsresultaten wieder. Dies birgt die Gefahr von qualitativ schlechten Resultaten und möglichen Fehlinterpretationen von Analyseergebnissen, oder macht die Analyse als solches gar unmöglich. Die vorliegende Arbeit adressiert die genannten Aspekte im Kontext von Mobile Mapping mittels folgender Zielsetzungen: a) Schaffung einer modularen Verarbeitungskette, b) Effizienzbetrachtung, inklusive der Entwicklung und Umsetzung von hoch-parallelen Prozessierungsmodulen und Daten-trukturen für effizienten Zugriff auf die Daten, c) Erhöhung der Qualität der Sensordatenintegration am Beispiel der Kamera- und Laserscanner-Sensoren und d) die Entwicklung skalierbarer Visualisierungskonzepte. Nach der Identifikation möglicher Anknüpfungspunkte bezüglich der existierenden proprietären Herstellerlösungen wurde im Rahmen dieser Arbeit ein modulares Framework zur Verarbeitung der besagten Mobile Mapping Daten geschaffen. Mittels dieses Frameworks lassen sich nahezu beliebige Verarbeitungsketten abbilden. Im Rahmen einer Effizienzbetrachtung einzelner Verarbeitungsschritte wurden Konzepte zur Parallelisierung der Verarbeitung untersucht und in den Varianten Mehrkern-CPU, GPGPU und Rechencluster/Hadoop umgesetzt. Eine Qualitätssteigerung der Sensordatenintegration wurde über die Entwicklung eines neuen Verfahrens zur Feinkalibrierung der Kamerapositionen und -Orientierungen erreicht. Das realisierte Verfahren beruht dabei auf dem automatischen Finden von korrespondierenden Scan- und Bildpunkten und einem anschließenden Rückwärtsschnitt zur Ermittlung der genauen Kameraposition und -Orientierung. Anhand mehreren Beispieldatensätzen konnte dabei eine signifikante Reduktion der Residuen, als Pixelabstand zwischen Soll- und Ist-Koordinaten, gezeigt werden. Im Rahmen der Entwicklung skalierbarer Visualisierungskonzepte für die erfassten Mobile Mapping Daten wurden, ausgehend von unterschiedlichen Szenarien, zwei Visualisierungsansätze umgesetzt. Zunächst wurde eine Webbasierte 3D Visualisierung umgesetzt, welche die Darstellung nahezu beliebig umfangreicher Mobile Mapping Daten in hybrider Repräsentation, bestehend aus eingefärbten Scanpunkten und texturierten Flächen, in einem gewöhnlichen Internetbrowser erlaubt. Kern der Skalierbarkeit dieser Visualisierungtechnik bildet eine, für die gewählte Umgebung entworfene, kontinuierliche Level-Of-Detail Technik. Der zweite Visualisierungsansatz beruht auf der Parallax Scrolling Technik. Diese stark komprimierte Form der Darstellung in Kombination mit einer intuitiven Gestenbasierten Steuerung ermöglicht das schnelle Erkunden von umfangreichen Mobile Mapping Daten.%Mobile mapping represents an increasingly popular technique to acquire geodata. In the context of mobile mapping a mobile platform is utilized in order to obtain information of the surrounding area. In contrast to common static data acquisition systems, mobile platforms are able to cover bigger areas more effectively. This, however, demands a comprehensive data registration and integration process and results in voluminous data repositories. This of course yields various challenges regarding the storage, organization, processing and visualization of the recorded data. Furthermore the quality of the data integration is crucial for the quality of derived data products. Bad accuracies and precisions may result in bad, misleading or even futile processing and analysis results.In order to address the shown challenges in the context of mobile mapping this thesis pursues the following goals: a) the design of a modular framework to allow the definition of arbitrary scientific processing and analysis workflows, b) analyze the efficiency of applied processing modules and the design of highly parallel module implementations, c) improve the quality of the required sensor-fusion of the involved laserscanner and camera sensors, as well as d) the development of scalable concepts for the visualization of comprehensive mobile mapping data repositories.Based on the identification and analysis of possible interfaces to the existing proprietary solutions provided by the hardware manufacturers a modular processing framework for mobile mapping data was designed. This framework enables users to assemble arbitrary processing and analysis workflows to answer a wide range of practical and scientific questions. In order to allow the fast processing of big mobile mapping data repositories this thesis investigates various concepts for parallel processing and provides and compares module implementations utilizing multi-core CPU, GPGPU and computer cluster. Concerning the integration of multiple sensors a new approach to accurately calibrate the position and orientation of the involved cameras, in respect to the laserscanners, was developed. Based on the automatic identification of corresponding scan- and image-points an iterative resection process is applied to determine the position and orientation of each camera. Multiple experiments prove that the presented approach reduces the residuals significantly. Finally, two scalable visualization approaches are presented, addressing different scenarios. First, a web-based 3D visualization technique was designed and implemented. This technique allows the visualization of extensive mobile mapping data repositories in a common internet browser. Based on the generation of hybrid data models, consisting of textured planes and bare scan-points, a novel continuous Level-Of-Detail technique is presented. The second scalable visualization approach utilizes the parallax scrolling technique. This highly compressed data representation in combination with an intuitive gesture-based navigation allows the fast browsing and exploration of huge mobile mapping data repositories.