Satelity o wysokiej rozdzielczości mogą dostarczać pośrednich informacji o wysokości budynków i innych obiektów. Wszystko na podstawie analizy jednego zobrazowania satelitarnego. Naukowcy z WAT opracowali uniwersalny algorytm, który na podstawie pozyskanych w ten sposób danych pozwala m.in. szybko i tanio monitorować przeszkody w pobliżu lotnisk.
Przetwarzanie pojedynczych obrazów satelitarnych o wysokiej rozdzielczości może dostarczyć wielu ważnych informacji na temat krajobrazu. Niestety, bezpośrednie wyznaczanie wysokości obiektów może być trudne, ponieważ określana jest ona na podstawie wielu zmiennych: ekstrakcji cieni z obrazu oraz innych metadanych, takich jak kąt elewacji słońca i azymutu satelity.
„Celem naszych badań było opracowanie metodyki wyznaczania ekstrakcji cienia metodami automatycznymi za pomocą zaawansowanych metod cyfrowego przetwarzania obrazu. Do tego celu zastosowaliśmy sztuczną inteligencję AI. Opracowaliśmy zestaw algorytmów umożliwiających w pełni automatyczne wykrywanie obiektów i cieni na zobrazowaniach satelitarnych oraz analizę relacji między nimi w celu obliczenia wysokości antropogenicznych obiektów i naturalnych elementów wystających ponad powierzchnię gruntu” – mówi dr hab. inż. Damian Wierzbicki, prof. WAT, z Wydziału Inżynierii Lądowej i Geodezji WAT.
Metoda będzie mogła zostać wykorzystana do podniesienia funkcjonalności systemów informacji geograficznej. Znajdzie m.in. zastosowanie w opracowywaniu map drzew służących automatycznej detekcji potencjalnych przeszkód lotniczych czy symulacji oświetlenia infrastruktury, która pozwoli m.in. stwierdzić, czy jedne budynki nie przesłaniają nadmiernie innych, a ich mieszkańcy mają dostęp do światła o wystarczającym natężeniu.
„Na potrzeby niniejszego artykułu użyliśmy terminu „obiekty pokrycia terenu”. Oznacza on zarówno antropogeniczne, jak i naturalne elementy wystające ponad powierzchnię gruntu. Są to często występujące w terenie zurbanizowanym obiekty, takie jak budynki i nietypowe, jak turbiny wiatrowe, maszty telekomunikacyjne czy wysokie kominy przemysłowe” – wyjaśnia prof. Damian Wierzbicki.
Segmentacja cieni jest dość częstym zjawiskiem, ale jest ona zazwyczaj rozpatrywana w kontekście zwykłych obrazów. W przypadku teledetekcji cienie przeszkadzają w obliczaniu wskaźników teledetekcyjnych i wymagają usunięcia lub zastąpienia. Wyniki badań udowadniają, że mogą być również wykorzystane do wydobywania cennych informacji z obrazów. W tym kontekście celem jest dokładne wyznaczenie i analiza obszarów cienia dla konkretnych zastosowań.
Nową metodę testowano na obszarze Warszawy. Jako pomiar referencyjny przyjęto dane geoprzestrzenne z lotniczego skaningu laserowego (ALS), jak również pomiary wykonane klasycznymi technikami geodezyjnymi. Uzyskane efekty nie są jeszcze zbyt dokładne, ale zdaniem naukowca wielu przypadkach wystarczające do uzyskania wiarygodnych informacji na temat wysokości wybranych grup obiektów.
„Przy podjęciu badań kierowaliśmy się również aspektem ekonomicznym. Pozyskując jedną scenę satelitarną, na przykład dla obszaru miasta możemy wykonać szybką analizę wysokości budynków i innych obiektów. To bardzo wydajne rozwiązanie. Pozyskanie zdjęć lotniczych i ich fotogrametryczne opracowanie pozwala na uzyskanie znacznie dokładniejszych danych, ale jest znacznie droższe i potrzeba na to więcej czasu” – tłumaczy naukowiec.
W ramach prac badawczych opracowano autorską bazę cieni, która umożliwiła naukę sztucznej sieci neuronowej. Na podstawie dostarczonych próbek sztuczna inteligencja może dokonywać ekstrakcji wysokości różnych obiektów.
„Planujemy dalsze prace nad udoskonaleniem naszej metody. W tej chwili bazowaliśmy na wysokorozdzielczych zobrazowaniach satelitarnych pozyskiwanych z dużych systemów obrazowania satelitarnego. W przyszłości chcielibyśmy opracowaną przez nas metodykę przenieść na zobrazowania z systemów mikro i nanosatelitarnych. Będziemy również pracować nad poszerzeniem naszej bazy cieni, aby uzyskiwane dokładności były wyższe” – mówi prof. Damian Wierzbicki.
Wyniki badań ukazały się w czasopiśmie „Sensors” pod tytułem: „The Use of Deep Learning Methods for Object Height Estimation in High Resolution Satellite Images”. W badaniach udział wzięli: dr hab. inż. Damian Wierzbicki, prof. WAT, mgr inż. Kinga Karwowska i płk prof. dr hab. inż. Michał Kędzierski oraz spoza WAT Szymon Glinka i Jarosław Bajer z Creotech Instruments S.A.
Artykuł otrzymał 100 punktów, wskaźnik cytowań dla czasopisma (IF) to 3,4.
Marcin Wrzos
Grafika: autorzy artykułu