De kracht van de gecombineerde puntenwolk

23 mei 2019

ALS- en MLS-data samengevoegd

Een combinatie van mobile laserscanning (MLS)- en airborne laserscanning (ALS)-puntenwolkdata biedt veel nieuwe interessante toepassingen. Doordat een straataanzicht en een bovenaanzicht gecombineerd worden, kan een veel completer beeld van de gebouwde omgeving verkregen worden. In het kader van mijn afstudeerscriptie voor de masteropleiding GIMA van de TU, WUR, UT en UU heb ik onderzocht hoe MLS- en ALS-puntenwolkdata het beste gecombineerd kunnen worden bij de gemeente Rotterdam. 

Door Derek van Bochove

Uitsnede van de airborne laserscan van Rotterdam. 

Puntenwolkdata worden vaak ingewonnen door middel van laserscanning, waarin grofweg drie soorten te onderscheiden zijn: airborne laserscanning (ALS), mobile laserscanning (MLS) en terrestrial laserscanning (TLS). Bij terrestrial laserscanning wordt gescand vanuit statische posities, maar dit wordt in mijn onderzoek buiten beschouwing gelaten. Bij mobile laserscanning wordt een scanner op de bovenkant van een auto gemonteerd en wordt de gebouwde omgeving vanaf straatniveau in kaart gebracht, terwijl bij airborne laserscanning de laserscanner aan een vliegtuig wordt gemonteerd en de gebouwde omgeving vanuit de lucht in kaart wordt gebracht. Dit biedt dus twee verschillende perspectieven die elkaar aanvullen. 
Dit is niet het enige waarin de twee databronnen verschillen: MLS-puntenwolken hebben op straatniveau een veel hogere puntendichtheid in vergelijking met ALS-puntenwolken, terwijl ALS-puntenwolken over het algemeen van zichzelf een hogere absolute nauwkeurigheid hebben. Dat wil zeggen dat in ALS-data de positionele afwijkingen van de gemeten punten ten opzichte van de werkelijkheid kleiner zijn dan in MLS-data.

Uitsnede van de mobile laserscan van bedrijventerrein Waalhaven.

 

Nieuwe toepassingen
Binnen de gemeente Rotterdam worden reeds airborne- en mobile-laserscanpuntenwolken los van elkaar gebruikt voor verschillende toepassingen. Zo wordt het Rotterdam 3D-model elke twee jaar geactualiseerd op basis van onder andere een ALS-puntenwolk. Daarnaast is er in opdracht van de gemeente een MLS-puntenwolk van een bedrijventerrein bij de Waalhaven ingewonnen om de straten op een efficiëntere manier te kunnen herinrichten.
De combinatie van de puntenwolken kan echter nog veel meer nieuwe toepassingen bieden. Ten eerste geeft de combinatie een completer beeld. Bij gebruik van alleen ALS-data mist vooral informatie over zijkanten van gebouwen, die MLS-data dan weer wel hebben. Dit biedt veel mogelijkheden voor het verrijken van het Rotterdam 3D-stadsmodel, bijvoorbeeld voor het gedetailleerder weergeven van de façades van gebouwen. Ten tweede maakt de combinatie met MLS-data het mogelijk om objecten, zoals straatmeubilair, automatisch te herkennen. De puntendichtheid van ALS-data is hier niet hoog genoeg voor. Ook kan de staat van objecten in de buitenruimte automatisch geïnspecteerd worden: is de boom in onze beheerdata nog wel aanwezig of staat een bepaalde lantaarnpaal nog wel recht? Op die manier is het mogelijk om een exact beeld van de staat van de buitenruimte te krijgen zonder naar buiten te hoeven gaan. 
Tot slot zou de combinatie de gebruiker in staat kunnen stellen om gemakkelijker temporele vergelijkingen uit te voeren. Een actuele MLS-dataset zou vergeleken kunnen worden met een oudere ALS-dataset, om te zien of er veranderingen in de gebouwde omgeving hebben plaatsgevonden.

Enkel mobile-laserscandata geven geen informatie over het dakoppervlak.

 

Actieve en passieve combinatie
In het onderzoek dat werd uitgevoerd, worden twee soorten methoden voor de combinatie van puntenwolken onderscheiden: passieve combinatie en actieve combinatie. Passieve combinatie behelst het simpelweg over elkaar leggen van puntenwolken. Deze combinatiemethode leent zich uitstekend voor visuele inspectie. Actieve combinatie behelst de volledige integratie van twee verschillende puntenwolken, waardoor één gecombineerd puntenwolkbestand ontstaat. 
Bij actieve combinatie komen drie zaken kijken: 1) registratie; 2) integratie en 3) ontsluiten. Met registratie wordt het met elkaar uitlijnen van twee puntenwolken bedoeld. Vooral in stedelijk gebied laat het GPS-signaal vaak te wensen over. Hoewel een Inertial Measurement Unit (IMU) vaak goed in staat is om de positiebepaling te verbeteren, is de absolute nauwkeurigheid die hiermee wordt bereikt vaak nog te laag voor bepaalde toepassingen. Afhankelijk van de toepassing die men voor ogen heeft kan ofwel de MLS-puntenwolk naar de ALS-puntenwolk toegerekend worden of omgedraaid. Data-integratie omhelst het uitdunnen van de puntendichtheid. Een ALS-puntenwolk heeft doorgaans een puntendichtheid van hoogstens dertig punten per vierkante meter, terwijl een MLS-puntenwolk een puntendichtheid van tot wel drieduizend punten per vierkante meter kan hebben. Voor veel toepassingen is een hoge en wisselende puntendichtheid onwenselijk. Het maakt berekeningen onnodig langzaam. Voor veel andere toepassingen van puntenwolken is echter juist een hoge puntendichtheid nodig, bijvoorbeeld voor het automatisch extraheren van objecten zoals lantaarnpalen. 
Daarom is ontsluiting van de data een niet onbelangrijk aspect: hoe ontsluit je de puntenwolkdata op een zodanige manier dat deze echt meerwaarde bieden voor de gebruikers? Hierbij is het van belang dat deze op een efficiënte manier worden opgeslagen en dat deze op een toegankelijke manier beschikbaar worden gesteld, bijvoorbeeld in een web viewer.

Mobile-laserscandata gecombineerd met airborne-laserscandata geven een veel completer beeld.

 

Twee soorten gebruikers
De gebruikers van puntenwolkdata kunnen binnen de gemeente Rotterdam grofweg onderverdeeld worden in twee groepen: de basisgebruikers en geavanceerde gebruikers.
Basisgebruikers geven aan dat zij de data graag op een zo simpel mogelijke manier aangeboden willen krijgen, zoals in de vorm van het Rotterdam 3D-model. Voor hen zijn puntenwolkdata te zwaar en te complex. Een groot nadeel van versimpeling is echter dat er veel informatie uit de puntenwolk verloren gaat. Er is geen product dat waarheidsgetrouwer is dan de puntenwolk, maar bij versimpeling gaat dit voordeel grotendeels verloren. Het dilemma hierbij blijft: de puntendichtheid dient zodanig gekozen te worden dat de details waarin men geïnteresseerd is, behouden blijven, maar dat de data aan de andere kant niet te zwaar worden. 
Geavanceerde gebruikers geven echter aan dat zij de puntenwolk in eerste instantie zo ruw mogelijk tot hun beschikking willen hebben, zodat zij zelf de keuzes met betrekking tot versimpeling van de puntenwolkdata kunnen maken. Want hoewel een gecombineerde puntenwolk een compleet en waarheidsgetrouw beeld geeft van de gebouwde omgeving, zien zowel basis- als geavanceerde gebruikers het liefst alleen de informatie die voor hen relevant is. Een beheerder van bomen is bijvoorbeeld niet geïnteresseerd in lantaarnpalen en vice versa.

Conclusie
Een tweeledige oplossing voor het beschikbaar stellen van gecombineerde puntenwolkdata biedt de beste uitkomst. Enerzijds hebben gebruikers baat bij afgeleide producten, zoals het Rotterdam 3D-model of de locaties van automatisch uit de puntenwolk geëxtraheerde objecten. Anderzijds hebben ze baat bij de gecombineerde ruwe puntenwolkdata, om terug te kunnen verwijzen naar de realiteit. Hiervoor is het wel noodzakelijk om te investeren in ICT-infrastructuur en in opleiding van werknemers, om issues over de complexiteit en zwaarte van de puntenwolkdata weg te nemen. Hiermee wordt de gecombineerde puntenwolk zowel tussenproduct als eindproduct. 

Verder onderzoek
Inwinning van laserscanningdata is een dure en complexe aangelegenheid. Op dit moment worden ALS-data periodiek ingewonnen, terwijl MLS-data vaak ingewonnen worden op projectbasis. Omwille van actualiteit heeft het de voorkeur om over te stappen op vraaggestuurde inwinning. Dit zal een uitdaging zijn, waardoor nader onderzoek hiernaar aanbeveling verdient. 

Derek van Bochove is GIMA-student en momenteel bezig met een stage bij de gemeente Zwolle en Geon. Zijn dank gaat uit naar Dennis Franken en Michiel Boelhouwer van de gemeente Rotterdam en naar Edward Verbree en Peter van Oosterom van de TU Delft. 

Comments are closed.