• Zielgruppen
  • Suche
 

Automatisierte Geometrische Registrierung von Katasterkarten

Bild Automatisierte Geometrische Registrierung von Katasterkarten

Derzeit gibt es verschiedene Verfahren die, auf Basis von genauen und zuverlässigen Referenzdaten, zur Verbesserung und Erweiterung von analogen Katasterkarten eingesetzt werden. Die Mehrzahl dieser Verfahren beinhalten allerdings verschieden manuelle oder halb-automatische Arbeitsschritte, beispielweise zur Georeferenzierung oder Auswahl von eindeutigen korrespondierenden Objekten, die für die geometrische Registrierung erforderlich sind.

 

Analoge gescannte Katasterkarte als Quelle

 

 

Digitale topographische Datenbank als Ziel

 

Ziel der Forschungsarbeit ist daher die Entwicklung eines neuen Ansatzes, der die voll-automatische Georeferenzierung von Katasterkarten mit Hilfe von Referenzdaten erlaubt. Dieser Schritt ist erforderlich um eine robuste und genaue Lösung in späteren Aufgabenstellungen, vor allem  Anpassung und Erweiterung der Katasterkarten, zu erreichen. 

Die Registrierung basiert auf der Anwendung einer gegenseitigen Punkt-basierten (Objekt)-Registrierung zur Ermittlung einer ersten näherungsweisen starren räumlichen Transformation, welche die Quelldaten, d.h. die digitalisierte Katasterkarte, am besten an die „real-world“ Referenz anpasst. Im Registrierungsverfahren wird nach der besten Lösung der räumlichen Transformation für beide Datensätze gesucht. Korrespondierende Objekte in beiden Datensätzen ermöglichen die Berechnung der geometrischen Transformation und stellen so eine Objekt- basierte Korrespondenz zwischen den beiden Datensätzen her. 

Die Methode der gegenseitigen Registrierung basiert auf einer Klassifizierung (Rangfolge) des generalisierten Hausdorff-Maßes mit dem Ziel, die pixelbasierte Objektkorrespondenz zu lösen. In einem iterativen Prozess, welcher verschiedene qualitative und statistsche Maße beinhaltet, wird die Übereinstimmung zweier Datensätze im metrischen Raum ausgewertet,  wobei jeweils das gewählte Distanzmaß nur auf eine Teilmenge der Daten angewendet wird. Anhand dieser „Distanz“, bestehend aus Translation, Rotation und Maßstab,  wird die Ähnlichkeit – bzw. der minimalen Unterschied – zwischen korrespondierenden Objekten abgeschätzt. Die Validierung erfolgt mittels eines relativen Fehlermaßes, welches auf der Euklidischen Distanz zwischen der erwarteten (Ziel) und der berechneten Punktlage (transformierte Ursprungsdaten) basiert. Dies wird zusammen mit einer minimalen Anzahl von korrespondierenden Punkten zur Validierung genutzt, dass der Prozess zu einem globalen Minimum konvergiert. Dieser Prozess zielt darauf ab, die beiden Hauptschwierigkeiten – die Existenz von Ausreißern in den Daten und von lokalen Verzerrungen in den Ursprungsdaten – zu lösen. 

Schnelle und genaue Konvergenz des auf dem Hausdorff-Maß basierenden Algorithmus

 

erste Iteration

 

 

zweite Iteration

 

Durch die beschriebene Methode kann die bisher vorausgehende fehleranfällige manuelle Georeferenzierung der Daten ersetzen, da zuverlässig eine Näherungslösung für ähnliche Datensätze ermittelt wird und damit Mehrdeutigkeiten, welche möglicherweise bei der manuellen Bearbeitung der Daten auftritt, vermieden werden.  Dies führt zu einer höheren Lagegenauigkeit der Katasterkarte, sodass diese als Geodateninfrastruktur, z.B. zur Nutzung bei Gesetzgebungsverfahren, in der Verwaltung oder der Privatwirtschaft, eingesetzt werden kann.

Registrierung von Quelldatensatz (grau) und Zieldatensatz (schwarz)

 

Manuelle Registrierung

 

 

Automatische Registrierung mittels Hausdorff-Maß

 

Bisherige Untersuchungen zeigten die Machbarkeit und Wirtschaftlichkeit des Verfahrens im Vergleich zum derzeit genutzten manuellen Ansatz. Eine weitere Optimierung ist erforderlich, um den Einfluss der initialen Schätzwerte zu verringern und den Ansatz gegenüber Datenfehlern stabiler zu machen. Die vorgestellte Methode ist ein wichtiger Schritt zur Schaffung einer automatisierten computergestützten Grundlage für die Weiterentwicklung von analogen Geodaten  und zeigt auf, welches Potential die Integration dieses Datentyps für die Nutzung als genaue und zuverlässige Dateninfrastruktur bietet.

 

 

Übersicht