MAA-C2001 Ympäristötiedon keruu Luento 1b Petri Rönnholm, Aalto-yliopisto 1 Laserkeilauksen, fotogrammetrian ja kaukokartoituksen harjoituksista Laserkeilausharjoitus Tarkempi aikataulu julkaistaan lähiaikoina Fotogrammetrian harjoitus Kuvien otto, stereokuvien valmistus, stereomittaus (deadline on 19.5.) Matlab (sisältää oman ohjelmointiosuuden) Kaukokartoitusharjoitus Satelliittikuvien luokittelu (deadline on 30.5.) ArcGIS 2 1
Fotogrammetria, laserkeilaus ja kaukokartoitus Tarjoavat aineistoa, joka on pohjana usean muun alan tutkimuksessa ja sovelluksissa Aineiston hankintaan tarvittavat instrumentit ja mittausjärjestelmät ovat usein kalliita Usein valtiolliset, kunnalliset tai kaupalliset tahot tarjoavat avoimia aineistoja tietyllä tarkkuudella Esimerkiksi matkapuhelinvalmistajat käyttävät suuria summia ajantasaisen karttatiedon hankintaan Kuluttaja saa helposti väärän kuvan aineiston hankintakustannuksista, kun aineistoja on helposti saatavilla Jos sovellus tarvitsee avointa aineistoa tarkempaa dataa, mittaukset tyypillisesti ostetaan mittaus- ja konsulttiyrityksiltä 3 Fotogrammetria, laserkeilaus ja kaukokartoitus Yhdessä geodeettisten mittausten kanssa luovat perustan mm. kiinteistöjärjestelmille ja yhdyskuntasuunnittelulle Mittauksia tarvitaan karttoihin, kaavoitukseen, kiinteistörekisterien ylläpitoon, rakennetun ympäristön tekniseen suunnitteluun jne. Avainasemassa maanpuolustuksessa ja sotilastiedustelussa (strategisesti tärkeää aineistoa) Tarjoavat lähtötietoa päätöksentekoon ja ennusteiden laatimiseen Tarve maanmittaukselle on suuri ja tulee entisestään kasvamaan, kun sovellukset vaativat yhä tarkempaa aineistoa (Maanmittaus on koettu jo vuosituhansia tärkeäksi. Esim. Egyptistä on säilynyt mainintoja maanmittauksesta jo 7000 vuotta sitten) 4 2
Avainteknologioita viimeaikaisten suurten kehitysaskeleiden takana Tietokoneistuminen Tietokoneet ovat mahdollistaneet ennennäkemättömiä aineiston keruu- ja käsittelytapoja On mahdollistanut automaattisten menetelmien kehittämisen Satelliittiteknologian kehittyminen ja hyödyntäminen Satelliittikuvaus on mahdollistanut globaalit sovellukset Satelliittipaikannus on mullistanut lähes kaikkia mittausmenetelmiä 5 Mittaamisen kehittyminen Aikaisemmin pyrittiin mittaamaan hyvin tarkkoja yksittäisiä havaintoja (hidasta) ja usein mittaukseen sidottiin myös tieto siitä, miten se kerättiin ja mikä on arvioitu tarkkuus Osa mittauksista on yhä tehtävä näin (esim. kiintopisteiden mittaus) Nykyään pyritään usein keräämään mahdollisimman paljon mittaushavaintoja (eivät ehkä ole edes aivan tarkkoja) ja niiden perusteella muodostetaan lopulliset mallit Parhaimmillaan sama alue mitataan useita kertoja ja mahdollisesti eri menetelmillä, jolloin saadaan eliminoitua huonot havainnot ja näin tarkennettua lopullista mallia Suurten aineistojen käsittely vaatii automaattisia menetelmiä 6 3
Aineiston jatkosoveltaminen Esim. Google Earth onnistui tekemään satelliitti- ja ilmakuvista koko maapallon kattavan kartaston, jonka olemassaolo poikii jatkuvasti uusia sovelluksia tarjotun aineiston päälle Kuvat tai 3D mallit voivat siis toimia pohjana, jonka avulla voidaan helposti liittää kokonaisuuteen ja visualisoida lähes mitä tahansa paikkaan sidottua tietoa Olemme nähneet vasta pienen välähdyksen kaikista mahdollisuuksista, mitä tällaiset järjestelmät tulevat tarjoamaan Tulevaisuudessa aineistot ja menetelmät integroituvat ubiikeiksi (joka paikan tietotekniikka) sovelluksiksi kaikkialle ympärillemme (esim. kahvikuppi tietää sijaintinsa talossa ja sen sijainnin sekä täyttöasteen voi käydä katsomassa 3D sovelluksesta) 7 Ryhmätehtävä: Virtuaalimallin lähdeaineistot 2-3 hengen ryhmissä koettakaa päätellä/arvata, mitä kaikkea tähän malliin on pitänyt mitata, mistä aineistoista ja millä instrumenteilla 8 4
Fotogrammetria lyhyesti Miten usean 2D kuvan avulla voidaan mitata 3D tietoa? (X 1, Y 1, Z 1 ) (X 2, Y 2, Z 2 ) Kameroiden sisäiset orientoinnit on tunnettava tai ratkaistava Kuvien ulkoiset orientoinnit on tunnettava tai ratkaistava Kuvilta on mitattava vastinpisteitä 9 Kameran sisäinen orientointi Negatiivikuva Projektiokeskus Pääpiste Positiivikuva c =kameravakio c Kohteesta kameraan saapuva valonsäde. Toisin päin ajateltuna sama suora on kuvahavainnon virittämä havaintovektori. Mitkä parametrit määrittävät kameran sisäisen orientoinnin? Kameravakio (vastaa suunnilleen polttoväliä) Pääpiste (projektiokeskuksen kohtisuora projektio kuvatasolle) Linssivirheet 10 5
Kameran ulkoinen orientointi Mitkä parametrit määrittävät kameran ulkoisen orientoinnin? Kamerakoordinaatiston origon P 0 sijainti suhteessa kohdekoordinaatistoon (3 siirtoa X, Y ja Z) Kamerakoordinaatiston kierto suhteessa kohdekoordinaatistoon (3 toisistaan riippumatonta kiertoa valittavissa useammalla eri tavalla) Nämä tiedot saadaan joko epäsuorasti havaitsemalla kuvilta tunnettuja maastonpisteitä tai suoran georeferoinnin sensoreilla (suorasta georeferoinnista lisää myöhemmin) Kamerakoordinaatisto P 0 Kohdekoordinaatisto p P 11 Fotogrammetrian yksi tärkeimpiä malleja: Kollinearisuusehto Kamerakoordinaatisto Projektiokeskus P 0, kuvapiste p ja kohdepiste P ovat samalla suoralla Jos ehto toteutuu, kohteessa oleva suora näyttää kuvatasollakin suoralta P 0 p P Kohdekoordinaatisto 12 6
Laserkeilaus lyhyesti (pulssi ja vaihe-eroon perustuvat keilaimet) Aktiivinen vai passiivinen? Aktiivinen, koska lähettää itse laservalon Mitä on tiedettävä? 13 Etäisyys kohteeseen (laseretäisyysmittaus) Mihin suuntaan laseretäisyysmittaus tehtiin keilaimen sisäisen koordinaatiston suhteen Keilaimen sijainti ja asento suhteessa kohdekoordinaatistoon (ei tarvita, jos paikallinen koordinaatisto riittää) Laserkeilain (keilaimen oma koordinaatisto) Laseretäisyysmittaus Kohdekoordinaatisto X, Y, Z Ilmalaserkeilaus ja mobiililaserkeilaus vaativat suoran georeferoinnin! Mitä ovat suoran georeferoinnin sensorit? Satelliittipaikannusjärjestelmä - Global Navigation Satellite System (GNSS) (antaa sijainnin, esim. GPS, Galileo, GLONASS ja BeiDou) Inertiamittausjärjestelmä - Inertial Measurement Unit (IMU) (antaa laitteen sijainnin sekä kallistukset) GNSS vaatii joko fyysisen tukiaseman tai virtuaalisen tukiaseman ollakseen riittävän tarkka 14 7
Maalaserkeilaus Maalaserkeilauksessa mitataan staattisilta mittausasemilta Jokainen keilaus on laitteen omassa koordinaatistossa Kun samasta tilasta tehdään useampia (osin päällekkäisiä) keilauksia, aineistot eri keilausasemilta ovat siis eri koordinaatistojärjestelmissä Mikä on ongelman ratkaisu ja miten se tehdään käytännössä? Aineistot rekisteröidään toisiinsa, käyttämällä tähyksiä tai maaston luonnollisia piirteitä (esim. pintoja) 15 Satelliittikaukokartoitus lyhyesti Satelliittikaukokartoitus perustuu maasta heijastuneen tai lähettämän elektromagneettisen säteilyn havaitsemiseen ja hyödyntämiseen Passiiviset satelliittisensorit optiset instrumentit (kamerat), radiometrit Aktiiviset satelliittisensorit kuvaavat tutkat, satelliittiin sijoitetut laserkeilaimet Mikä aiheuttaa lisähaasteen kaukokartoitukselle (verrattuna esimerkiksi ilmakuvaukseen)? Ilmakehä 16 8
Satelliittikuvat Mihin perustuu se, että voimme erottaa erilaisia maankäyttöluokkia satelliittikuvilta? Erilaiset kohteet sitovat ja heijastavat sähkömagneettista säteilyä eri tavoin eli näkyvät kuvilla eri tavoin Optisissa satelliittikuvissa on useita kanavia. Minkä tyyppisestä resoluutiosta silloin puhutaan ja mitä eri kanavissa on? Puhutaan spektraalisesta resoluutiosta Eri kanavat ovat keränneet informaatiota kapeilta säteilyn aallonpituusalueilta 17 Säteilyn aallonpituudet 18 http://9-4fordham.wikispaces.com/electro+magnetic+spectrum+and+light Esimerkkinä Landsat 8 kanavat http://www.nasa.gov/images/content/736042main_onion-skin-still-detail.jpg (Kanava 8 puuttuu: pan, 0.503-0.676) 9
Eri kanavat ovat harmaasävykuvia. Miten niistä saa värikuvia? Tyypillisesti tietokoneella esitetään kuvat 3:lla värikanavalla: R=punainen, G=vihreä, B=sininen Satellittikuvien lukuisista kanavista voi valita näihin RGBvärikanaviin mitä tahansa kanavia Jos valitsee R=punainen, G=vihreä, B=sininen, saa tavallisen värikuvan, muuten saadaan väärävärikuva Voidaan käyttää myös kanavista johdettuja kuvia kuten normalisoitu kasvillisuusindeksi NDVI 19 http://publiclab.org/notes/cfastie/04-26-2014/mobius-ndvi Mitä korjauksia satelliittikuvalle pitää tehdä? Radiometrinen korjaus Korjataan vääristymät kanavien harmaasävyarvoissa Geometrinen korjaus Poistetaan geometrisia vääristymiä kuvatasolla Ilmakehäkorjaus Poistetaan ilmakehän aiheuttamia vääristymiä 20 http://scanex.ru/imgs/data-processing-sample1.jpg 10
Miten kohteen heijastuskäyrät vaikuttavat valittaviin satelliittikanaviin? Alla on terveen kasvillisuuden ja palaneen kasvillisuuden heijastuskäyrät. Mitä Landsat 8 satelliittikuvan kanavia kannattaa käyttää, jotta nämä alueet erottuvat toisistaan kuvalla? Heijastuskäyrät: Landsat 8 kanavat: Landsat 7 kanavat: 21 http://wiki.landscapetoolbox.org/doku.php/remote_sensing_ methods:burned_area_reflectance_classification_barc Satelliittikuvien luokittelu Valitsemalla satelliittikuvilta sopivat kanavayhdistelmät tai kanavista johdetut kuvatuotteet (joilla eri luokat erottuvat toisistaan), voidaan luokitella eri maankäyttöluokkia Tätä koetetaan käytännössä kurssin kaukokartoitusharjoituksessa 22 http://geography.sdsu.edu/research/projects/ IPC/research/ids.html 11