Wird ein dreidimensionales Stadtmodell, das vorwiegend Gebäude und Straßen enthält in einem kleineren Maßstab betrachtet, so werden die Objekte nicht nur kleiner, sondern sie geraten aufgrund des geringen Platzangebots in Konflikt miteinander. Die Generalisierung spielt eine wichtige Rolle, um diese Probleme zu überwinden und die notwendige Lesbarkeit zu erhalten. Verschiedene Operationen werden während der Generalisierung dieser Objekte durchgeführt. Eine der primären Anforderungen an die Generalisierung ist die Strukturerkennung. Dies betrifft nicht nur die Erkennung von Strukturen einzelner Objekte, sondern auch mehrerer benachbarter Objekte und beinhaltet viele räumliche Beziehungen zwischen ihnen. Obwohl über die Bedeutung der Strukturerkennung für die zweidimensionale Generalisierung in der Literatur berichtet worden ist, gibt es bisher nur wenig Forschungen und Publikationen über die dreidimensionale Strukturerkennung. Das Ziel dieser Arbeit ist ein Beitrag zur Erkennung dreidimensionaler Siedlungsstrukturen für die automatische Generalisierung, eine innovative Erweiterung der zweidimensionalen Methoden. Der Ablauf der Erkennung wurde in die drei Stufen mikro, meso und makro unterteilt und bezieht sich auf einzelne Gebäude, Gebäudekomplexe und Gebäudeanhäufungen, welche ähnliche Eigenschaften aufweisen, wie zum Beispiel Siedliungsblöcke sowie psycho-physische menschliche Beobachtungen. Das Erkennungsverfahren wurde in die drei Stufen mikro, meso und makro unterteilt und basiert auf dem individuellen Gebäude, benachbarten Gebäuden und Gebäudeanhäufungen, die ähnliche Eigenschaften haben wie Siedlungsblöcke und psychophysische Beobachtungen von Menschen. Jede dieser drei Stufen der Strukturerkennung setzt umfangreiche Informationen über die Gebäude voraus. Deshalb werden zuerst mit Hilfe eines Bottom-up-Ansatzes unterschiedliche Gebäude aus den vorhandenen Daten identifiziert. Es beginnt mit der Erkennung von Gebäudegrundrissen, die der Reihe nach zusammen mit weiteren Informationen dafür verwendet werden verschiedene Dachtypen zu erkennen und schließlich in ähnlicher Form ganze Gebäude. Im Anschluss an die Erkennung der Gebäude wurde deren Strukturbeschreibung im Detail untersucht, was zu einer Vielzahl messbarer Parameter individueller Gebäude, wie auch benachbarter Gebäude führte. Diese Parameter charakterisieren nicht nur einzelne Gebäude, sondern auch viele räumliche Beziehungen zwischen ihnen. Als nächstes wird die Strukturerkennung von Gebäudeanhäufungen untersucht, die die Erkennung von Häusergruppen als ganzes beinhaltet. Das visuelle System eines Menschen kann viele Häufungen von Mustern und signifikante Anordnungen von Bildelementen detektieren. Perzeptuelles Gruppieren bezieht sich auf die menschliche visuelle Fähigkeit aus, auf einem niedrigen Level befindlichen, primitiven Bildmerkmalen ohne jegliches Vorwissen über den Bildinhalt signifikante Bildbeziehungen zu extrahieren und diese zu gruppieren, um aussagekräftige Strukturen auf einem höheren Level zu erhalten. Verschiedene perzeptuelle Gruppierungsprinzipien wurden zur Identifizierung dieser Gruppenanhäufungen angewendet. Nach einer umfassenden Untersuchung der Strukturerkennung, wurden die Ergebnisse in der dreidimensionalen Generalisierung angewendet. Unter den verschiedenen Generalisierungsalgorithmen wie Aggregierung, Verschiebung, Vereinfachung, Vergrößerung und Typisierung wurde hier die Aggregierung ausgewählt, da sie am umfangreichsten Ergebnisse aus der Strukturerkennung verwendet. Viele Einschränkungen, die aus den räumlichen Beziehungen resultieren sind schon bei der zweidimensionalen Aggregierung gefunden worden. Im Gegensatz zum zweidimensionalen Raum jedoch, in dem es nur eine Betrachtungsebene gibt, führt die dritte Dimension zu vielen zusätzlichen Betrachtungsebenen, die den Ausgangspunkt für weitere Konflikte bilden. Außer durch die verschiedenen Betrachtungsebenen werden die bestehenden Einschränkungen noch durch Farbe, Textur und andere kleine Teile der Gebäude (Fenster, Rauchfang, Balkon, etc.) erweitert. Basierend auf diesen Einschränkungen sind zusätzlich verschiedene Regeln festgelegt worden. Diese Regeln und Ergebnisse der Strukturerkennung wurden zur Aktivierung der Aggregierungsoperation an einem Beispiel verwendet. Am Ende wurde aus den Beobachtungen und Ergebnissen der Strukturerkennung und ihrer Bedeutung für die Generalisierung ein Schluss gezogen. Zusätzlich wurden gegen Ende der Dissertation die unterschiedlichen Nachteile und Probleme, die während der Forschung aufkamen und die zukünftige Arbeit hervorgehoben.
«
Wird ein dreidimensionales Stadtmodell, das vorwiegend Gebäude und Straßen enthält in einem kleineren Maßstab betrachtet, so werden die Objekte nicht nur kleiner, sondern sie geraten aufgrund des geringen Platzangebots in Konflikt miteinander. Die Generalisierung spielt eine wichtige Rolle, um diese Probleme zu überwinden und die notwendige Lesbarkeit zu erhalten. Verschiedene Operationen werden während der Generalisierung dieser Objekte durchgeführt. Eine der primären Anforderungen an die Gener...
»
Login
BibTeX