3D-Stadtmodellierung mit TIR-Bildern

Dieser Abschnitt beleuchtet verschiedene Ansätze zum Model-to-Image Matching, die für die präzise Textur-Extraktion aus TIR-Bildern unerlässlich sind. Es wird festgestellt, dass viele bestehende Methoden die Fehler und Unsicherheiten in den 3D-Gebäudemodellen nicht ausreichend berücksichtigen. Die meisten Verfahren konzentrieren sich auf triangulierte Modelle und vernachlässigen die Repräsentation durch beliebige Polygone, wie sie z.B. in CityGML verwendet werden. Ein weiterer Kritikpunkt ist die mangelnde Bewertung der Passgenauigkeit zwischen extrahierten Texturen und 3D-Modellen. Die meisten Methoden zur Fassadenrekonstruktion basieren auf Klassifikations- oder Lernverfahren und benötigen umfangreiche Trainingsdaten, die für TIR-Bilder meist nicht vorhanden sind. Die beschriebenen Limitierungen bestehender Model-to-Image Matching Verfahren betonen die Notwendigkeit für verbesserte Ansätze, die sowohl die Genauigkeit als auch die Robustheit des Verfahrens steigern, besonders im Hinblick auf die spezifischen Eigenschaften von TIR-Bildern. Die Arbeit betont die Notwendigkeit einer genauen und robusten Model-Bild-Zuordnung, welche die Fehlerquellen der 3D-Daten berücksichtigt. Die Verwendung von Linien als Bildmerkmale wird hervorgehoben, da diese für die Beschreibung von künstlichen Strukturen wie Gebäuden besonders geeignet sind.

Die Arbeit konzentriert sich auf linienbasierte Model-to-Image Matching Verfahren als vielversprechende Alternative zu punktbasierten Ansätzen. Linien werden als repräsentativere Merkmale für künstliche Objekte wie Gebäude angesehen. Es werden Methoden entwickelt, welche die Fehler und Ungenauigkeiten in den 3D-Gebäudemodellen und den extrahierten Bildlinien berücksichtigen. Die Berechnung optimaler Parameter der äußeren Orientierung der Kamera wird ermöglicht. Die verbleibende geometrische Diskrepanz zwischen Gebäudemodell und TIR-Bild wird für jede Textur einzeln lokal kompensiert. Dies geschieht durch die Anpassung der Kanten des projizierten 3D-Gebäudemodells an ein Gradientenbild aus dem TIR-Bild. Die Arbeit untersucht außerdem, inwieweit eine Linienverfolgung durch die Bildsequenz die Zuordnung unterstützt und somit die Effizienz des Verfahrens steigert. Die Genauigkeit der Extraktion und die Qualität der Texturen werden durch die linienbasierte Methode verbessert, wobei die Berücksichtigung von Unsicherheiten eine zentrale Rolle spielt.

Ein wichtiger Aspekt der Texturextraktion ist die Sichtbarkeitsanalyse, um verdeckte Bereiche im 3D-Modell zu identifizieren. Es werden zwei Hauptgruppen von Methoden unterschieden: bildbasierte Methoden (z.B. Z-Buffer, Ray Casting) und polygonbasierte Methoden (Polygon Clipping). Die Arbeit beschreibt die Funktionsweise dieser Methoden und diskutiert deren Vor- und Nachteile. Es wird hervorgehoben, dass die meisten existierenden Methoden auf triangulierten Modellen basieren und die Repräsentation durch beliebige Polygone, wie sie in CityGML möglich ist, nicht berücksichtigen. Ein weiterer Punkt ist die Berücksichtigung von dauerhaft verdeckten Flächen, die besonders in dicht bebauten Gebieten relevant sind. Die entwickelten Methoden berücksichtigen sowohl selbst-verursachte als auch durch andere Objekte verursachte Okklusionen und sind auf die spezifischen Herausforderungen der TIR-Bildgebung zugeschnitten, um die Qualität der Texturextraktion zu verbessern. Die Arbeit setzt sich kritisch mit bestehenden Sichtbarkeitsanalysen auseinander und entwickelt Strategien, um die Schwierigkeiten bei der Texturierung dicht bebauter Gebiete zu überwinden.

Dieser Abschnitt untersucht die Auswirkungen von Fehlern in 3D-Gebäudemodellen auf die Qualität der Texturextraktion. Es werden verschiedene Arten von Modellfehlern beschrieben, die die Genauigkeit der Ergebnisse beeinträchtigen können. Dazu gehören beispielsweise fehlerhafte Geometrien, wie z.B. unerwünschte Einbuchtungen oder Lücken zwischen den Gebäudeteilen, sowie ungenaue oder unsystematisch ausgerichtete Normalenvektoren der Flächen. Ein Beispiel ist ein manuell erstelltes 3D-Gebäudemodell im CityGML-Format, welches verschiedene geometrische Ungenauigkeiten aufweist, inklusive fehlerhafter Verbindung von Wandflächen und nicht perfekt ausgerichteten Primitiven. Weitere Beispiele verdeutlichen fehlerhaftes „Snapping“ von Primitiven und Lücken zwischen Gebäuden. Die beschriebenen Fehler zeigen, dass die Genauigkeit des 3D-Modells einen entscheidenden Einfluss auf die Qualität der Texturierung hat und eine sorgfältige Modellierung oder Nachbearbeitung notwendig ist, um präzise Ergebnisse zu erzielen. Die in den Abbildungen 5.2 und 5.3 gezeigten Beispiele verdeutlichen die Problematik von unpräzisen 3D-Modellen, welche die Genauigkeit der Texturextraktion negativ beeinflussen können.

Der Abschnitt beleuchtet die verschiedenen Möglichkeiten der Geometriedarstellung im CityGML-Format, insbesondere im Hinblick auf die Behandlung von Flächen an Gebäudeschnittstellen. Am Beispiel zweier benachbarter Gebäude wird gezeigt, dass es verschiedene Möglichkeiten gibt, die gemeinsamen Flächen darzustellen, z.B. durch ein gemeinsames Polygon oder durch separate Polygone für jedes Gebäude. Es werden die Vor- und Nachteile der verschiedenen Darstellungsweisen diskutiert. Insbesondere wird der Einfluss der Darstellung auf die Texturierung und die Möglichkeit, Topologieinformationen zu modellieren, betrachtet. Das CityGML-Format mit seiner Möglichkeit, mehrere Texturen zu speichern und XLinks für die Verknüpfung geometrischer Elemente zu verwenden, wird als besonders geeignet für die Bearbeitung von komplexen Gebäudegeometrien hervorgehoben. Die verschiedenen Darstellungsweisen haben einen erheblichen Einfluss auf die Effizienz und Komplexität der Texturierung. Die Auswahl der optimalen Repräsentation ist abhängig von den Anforderungen an die Datenverarbeitung und der gewünschten Genauigkeit.

Dieser Abschnitt präsentiert Strategien zur Bewältigung der in 3D-Gebäudemodellen auftretenden Ungenauigkeiten. Eine Strategie besteht in der lokalen Anpassung des Matchings zwischen Bild- und Modellkanten für jede Textur separat. Dies ermöglicht eine Kompensation von Fehlern im Modell durch eine lokale Anpassung an die Bilddaten. Alternativ wird die Verbesserung der Modellgeometrie als weitere Möglichkeit zur Steigerung der Genauigkeit der Texturextraktion vorgeschlagen. Die Arbeit unterstreicht, dass eine hohe geometrische Genauigkeit des 3D-Modells für eine optimale Texturierung unerlässlich ist. Die Auswahl der geeigneten Strategie hängt von der Komplexität der Modellfehler und dem Aufwand für die Modellkorrektur ab. Der Abschnitt unterstreicht die Notwendigkeit, entweder die Modellierungsfehler zu korrigieren oder Methoden zu entwickeln, die robust gegenüber solchen Fehlern sind. Automatische Korrekturen erweisen sich jedoch als komplex, besonders bei komplizierten Gebäudeformen.