Upload
emil-hochberg
View
222
Download
0
Embed Size (px)
Citation preview
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Gewinnung von Landmarks aus Geobasisdaten
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Vortragsgliederung
• Motivation• Landmarks aus 2-D-Geobasisdaten
(Elias u. Sester, Hannover)• Landmarks aus 3-D-Geobasisdaten
(Raubal u. Winter, Wien)• Landmarkbewertung mittels der
Informationstheorie (Galler, Bonn)
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Motivation• Routen- und Navigationssysteme meist nur
Strecken- und Richtungsangaben entspricht nicht menschlichen Bedürfnissen Einführung von Landmarks
- kognitive, strukturelle, visuelle Steigerung der effektiven Orientierung Angaben mit Landmarks anreichern
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Landmarkgewinnung aus 2-D-Geobasisdaten
Datenquellen:• ATKIS Basis-DLM (Realweltmodellierung nach
Objektartenkatalog)• lehnt sich an TK 25 an• einzelne Objekte haben Attribute
• ALK (Erfassung der Objekte nach Objektschlüsselkatalog)• Inhalt: Flurstücke mit Nutzung, Gebäude (Niedersachsen)• Maßstab 1:1000
• Gemeinsamkeiten:• flächendeckend• Daten im Vektorformat
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Erzeugung von Landmarks (I)
1. kürzeste Wegstrecke berechnen2. wegkreuzende, linienhafte ATKIS-
Objekte mit Route verschneiden (Puffer von 100 m)
3. flächenhafte ATKIS-Objekte mit gemeinsamer Kante zur Route herausfiltern
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Erzeugung von Landmarks (II)
4. Beschriftung mit Eigennamen oder Titeln der Objektart (z.B. „Platz“)
5. Auswahl von Gebäuden aus ALK:1. Gebäude mit Schriftzusatz der
Eigenname oder Gebäudefunktion entspricht
2. sichtbar von der Route aus (Puffer 20 m)
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Beispiel (I)
A
B
100 mRathaus
A-Straße
Platz B-Straße
C-Stra
ße
Park
20 m
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Beispiel (II)
A
B
A-Straße
Platz B-Straße
C-Stra
ße Rathaus
Park
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Fazit• zeigt: sinnvolle Extrahierung von Objekten
möglich• Visualisierung: simpel, formtreu• Probleme:
– Visualisierung bei kleinen Endgeräten: semantische u. geometrische Generalisierung
– Schriftplatzierung (Verdeckungen)– keine Filterung der Landmarks, alle werden
dargestellt (z.B. an Kreuzungen Überfrachtung)
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Landmarkgewinnung 3-D-Geobasisdaten
• auch hier Unterscheidung der Landmarks für den geographischen Raum in– visuelle– semantische– strukturelle
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Visuelle Bedeutung
• setzt sich zusammen aus den „messbaren“ Eigenschaften– Fassadenfront– Form– Farbe– Sichtbarkeit
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Fassadenfront
• kann wichtigen Unterschied zur Umgebung darstellen
• je größer im Vergleich zur Umgebung, desto bessere Identifikation in dieser
• Berechnung: Flächenformeln; z.B. bei Quadrat/Rechteck (Breite*Höhe)
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Form (Formfaktor)
• wird bestimmt durch Formfaktor und Abweichung vom kleinsten umschließenden Rechteck
• Formfaktor: Höhe/Breite• Beispiel:
Formfaktor:
8 m/4 m = 2
Formfaktor:
4 m/8 m = 0,5
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Form (kleinstes umschließendes Rechteck)
• Differenz zwischen kleinstem umschließenden Rechteck und wahrer Fassadenfläche
• Wert nicht einzigartig• Beispiel:
Differenz: 32 m² - 20 m² = 12 m²
Differenz: 32 m² - 20 m² = 12 m²
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Farbe
• schwer mess- und vergleichbar• erste Annäherung durch Einordnung ins
RGB-System bei Tageslichtbeleuchtung• somit Herausfilterung möglich• Beispiel:
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Sichtbarkeit
• Annahme 2-D-Sichtbarkeit • „Fußgänger-Sicht“• erstreckt sich über öffentliche und
teilweise private Flächen• Objekt kann sichtbar sein, aber
trotzdem nicht erkennbar Pufferzone 100 m
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Beispiel Sichtbarkeit
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Probleme visueller Eigenschaften
• nicht alles berücksichtigt, z.B. Texturierung und Objektzustand – beide schwer messbar (subjektiv, Mangel an
Formalität)• Allg.: Eigenschaften hängen stark von
zeitlichen Gegebenheiten ab– nachts Farbe schwer erkennbar– Einschränkung der Sichtbarkeit durch z.B. Regen
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Berechnung der visuellen Eigenschaften
Eigenschaft Berechnung Beispiel
Fassadenfläche a(R-Eck)=Breite*Höhe a=25m*15m=375m²
Formfaktor b1=Höhe/Breite b1=15m/25m=0,6
Formabweichung vom umschl. Rechteck (uR)
b2=F(uR)-a B2=400m²-375m²= 25m²
Farbe y=[R,G,B] y=[255,0,0]=rot
Sichtbarkeit d=Fläche in Pufferzone in der Objekt sichtbar
d=2400m²
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Semantische Bedeutung
• berücksichtigt:– kulturelle/historische Bedeutung– explizite Zeichen
• nicht berücksichtigt:– prototypische Eigenschaften– implizite Bedeutung
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Kulturelle Bedeutung u. explizite Zeichen
kulturelle/historische Bedeutung• ob Objekt Bedeutung hat aus Datenbank
herausfilterbar– Kulturgüterkataster (Wien) mit Bildern
• Zuweisung boolscher Wert 1 wenn „ja“, sonst 0• Einordnung in Wichtigkeitsskala 1(hoch) – 5 (niedrig)explizite Zeichen:• sind: Straßennamen, Beschriftungen von Gebäuden• hat Objekt ein explizites Zeichen, dann boolescher
Wert = 1, sonst 0
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Wertzuweisungen der semantischen Bedeutungen
Eigenschaft Berechnung Beispiel
Kulturelle/historische Bedeutung
e Element aus {T,F}e Element aus {1,2,3,4,5}
e=T
e=1 (Sehr wichtig)
Explizite Zeichen g={T,F} g=T (Gebäude hat ein Zeichen)
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Strukturelle Bedeutung
• Landmark dann strukturell wertvoll, wenn herausragende Rolle in der Umgebung
• Verwendung von Knoten und Grenzen um diese zu bestimmen
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Knoten und Grenzen• Knoten sind Kreuzungen• Bewertung nach Konnektivität• Einführung von Gewichtung der
an/abgehenden Kanten– Gewicht von 5 (Autobahn) bis 1 (Fußweg)
• Wahrnehmung der Grenzen gekoppelt an Energie, die aufgewendet werden muss um diese zu überqueren
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Berechnung KnotenBerechnung Beispiel
n=(i+o) i=gewichtete ankommende Kanten zum Knoteno=gewichtete abgehende Kanten vom Knoten
o=(4*2+4*2)= 16Straßen haben Gewicht=2
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Berechnung GrenzenBerechnung Beispiel
O=Zellgröße*FormfaktorFormfaktor=Lange Seite/Kurze Seite
1. O=625*4=25002. O=625*1=625
1.Aufgewendete Energie:
1.625 m²
2.
625 m²
2.
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Gesamtbewertung
• Durch Hypothesentest:– Annahme: Messungen kontinuierlich u.
normalverteilt– Signifikanz der Abweichung von lokaler
Hauptcharakteristik/Standardabweichung• hängt von Definition der Umgebung ab
– für jedes Attribut einzeln festlegbar
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Hypothesentest• signifikante Unterscheidung: große
Abweichung des Merkmals vom Mittelwert• wird Wert angenommen herausragende
Eigenschaft• Fehler:
– Typ I errors: Zurückweisung korrekte Hypothese• Herausragende Eigenschaften nicht erkannt
– Typ II errors: Akzeptieren falsche Hypothese• gefährlich, da extrahiertes Landmark keine Information
liefert
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Gesamtbewertung (II)• Vorgehensweise; Berechnung für alle
Gebäude an einem Entscheidungspunkt :1. Prüfung der einzelnen Eigenschaften auf
Signifikanz (Wertzuweisung: 1 oder 0)2. Zusammenfassung der einzelnen Eigenschaften
in ihre visuelle, semantische, strukturelle Bedeutung und Mittelung/Gewichtung
3. Gesamtwert = Addition der Ergebnisse aus 2.4. Darstellung des Gebäudes mit höchstem
Gesamtwert
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Raubal Beispiel
• Das „Haas-Haus“ in Wien
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
• Visuelle Bedeutung
Eigenschaft Wert Signifikanz (Eigenschaft)
Signifikanz (gesamt)
Gewicht Gewichtete Signifikanz
Fassaden-fläche
17400 1
Formfaktor 0,62 1
Abweichung vom Rechteck
0 0 0,8 1 0,8
Farbe 21/24/38 1
Sichtbarkeit 10600 1
Bewertung des „Haas-Hauses“
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
• Semantische und strukturelle Bedeutung
Eigenschaft Wert Signifikanz (Eigenschaft)
Signifikanz (gesamt)
Gewicht Gewichtete Signifikanz
Kulturelle und historische Be-deutung (Sem.)
T 11 1 1
Explizites Zeichen (Sem.)
T 1
Knoten (Str.) - 00 1 0
Grenzen (Str.) - 0
Bewertung des „Haas-Hauses“
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Bewertung des „Haas-Hauses“• Gesamtwert der Bedeutung:
– visuell Bedeutung: 0,8– semantische Bedeutung: 1,0– strukturelle Bedeutung: 0,0
Gesamtbedeutung:1,8
(wird als Landmark genommen, da:z.B. Bank Austria 1,2)
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Fazit• Vergleich von einzelnen Gebäuden möglich• Frage stellt sich: Warum Puffer 100 m breit?
– manche Gebäude sind weiter sichtbar• Probleme bei der Semantik:
– subjektive Beurteilung der Bedeutung– Gebäude wird hier als Ganzes betrachtet, bei visueller Bedeutung nur die
Fassade• Beurteilung der Gewichtung:
– wer legt Gewichtung fest?• kommt auf den Betrachter an, z.b. Autofahrer (Visuelle Bedeutung wichtiger,
als semantische, da schneller erkennbar)– Abhängigkeiten der einzelnen Kriterien untereinander nicht berücksichtigt
• z.B. Fassadenfläche und Sichtbarkeit
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Landmarkbewertung mittels Informationstheorie
Informationsgehalt rein mathematisch:1. Informationsgehalt I(x) muss größer sein,
je kleiner Wahrscheinlichkeit P(x) ihres Auftretens
2. Nachricht mit P(x)=1 muss Informationsgehalt I(x)=0 haben
3. Informationsgehalt von unabhängigen Nachrichten addieren sich
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Zur Informationstheorie (I)
• m = Anzahl gleich wahrscheinlicher Zeichen
• Einheit ist bit Auftretenswahrscheinlichkeit:
P(x)=1/m
2log ( )I m
2 2( ) log (1/ ( )) log ( ( ))I x P x P x bit
• Maß der Information
• Informationsgehalt:
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Zur Informationstheorie (II)• Informationsgehalt verschiedener Konzepte
eines Landmarks bestimmbar• wenn diese statistisch unabhängig, dann
addierbar i k 2 i k
2 i k
2 i k
I(x x )=-log (P(x x )=-log (P(x )+P(x ))=-log (P(x ))-log2(P(x ))
• Information objektiv bestimmt, gleiche Einheit
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Vorgehensweise1. Referenzmenge sind die Fassaden2. Bestimmung der Informationsgehalte verschiedener
Konzepte, z.B. • Höhe• Farbe• Breite, usw.
3. Addition der Informationsgehalte
Ziel: flächendeckende objektive Bewertung aller Fassaden
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Konzept: Höhe
• Höhe an Traufenhöhe festgemacht• Annahme: 3 Fassaden eines Hauses
sichtbar• Einteilung in Klassen, Berechnung derer
Wahrscheinlichkeit Informationsgehalt
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Gebäudehöhen
– 15 Fassaden– 2 Klassen (Klasse 1: 12 Fassaden,Klasse 2: 3 Fassade)– Wahrscheinlichkeit und Informationsgehalt:
• ein herausragendes Gebäude (8 m)
Kl1 Kl1
Kl2 Kl2
P(F )=12/15=4/5 => I(F )=0,322 bitP(F )=3/15=1/5 => I(F )=2,322 bit
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Gebäudehöhen
– 18 Fassaden– 2 Klassen a 9 Fassaden– Wahrscheinlichkeit und Informationsgehalt:
• 3 Häuser von 4 m, 3 Häuser von 8 m Höhe
Kl1 Kl1
Kl2 Kl2
P(F )=9/18=1/2 => I(F )=1 bitP(F )=9/18=1/2 => I(F )=1 bit
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Gebäudehöhen
– 15 Fassaden– 3 Klassen (Kl.1: 6 Fas.; Kl.2: 6 Fas.; Kl.: 3 Fas.)– Wahrscheinlichkeit und Informationsgehalt:
• je 2 Häuser von 4 u. 6 m, 1 Haus von 8 m
Kl1 Kl1
Kl2 Kl2
Kl3 Kl3
P(F )=6/15=2/5 => I(F )=1,322 bitP(F )=6/15=2/5 => I(F )=1,322 bitP(F )=3/15=1/5 => I(F )=2,322 bit
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Fazit: Konzept Höhe1)sticht ein Gebäude hervor: Informationsgehalt:
groß, unabhängig vom realen Höhenunterschied2)Gebäude mit unterschiedlichen Höhen, aber
gleicher Auftretenswahrscheinlichkeit: Informationsgehalt ist gleich
3)bei drei Klassen: Informationsgehalt der höchsten Häuser kann trotzdem kleiner sein, als in Fall 1)
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Konzept: Farbe• betrachtet:
– durchschnittliche Farbe der Fassade– aus Phototextur berechnet– RGB-Farbe
• Bestimmung eines Farbmaßes am besten über Farbabstände
• L*a*b*-Farbraum:– Farbwahrnehmung des Menschen– erfüllt: visuelle Gleichabständigkeit Transformation in L*a*b*-Farbraum
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
L*a*b*-Farbraum
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Konzept: Farbe
• Farbraum in Cluster aufteilen:– Gebiete die ähnliche Farben beinhalten– große Abstände im Farbraum große
Unterschiede in Fassadenfarbe
Schwellwerte bilden
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Schwellwertbildung
1. erste Kästchen Referenz2. Differenzen im L*a*b*-System berechnen3. Schwellwert bilden über größte Distanz zw.
erstem/zweiten Kästchen und kleinster Distanz zweites/drittes Kästchen; hier: (30 +50)/2 = 40
20
30
50
60
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Konzept Farbe
• Beispiel:– 15 Fassaden– 3 Klassen (Kl.1: 6; Kl.2: 6; Kl.3: 3)– Wahrscheinlichkeit und Informationsgehalt:
Kl1 KL1
Kl2 KL2
Kl3 KL3
P(F ) 2 / 5 I(F )) 1,322bitP(F ) 2 / 5 I(F )) 1,322bitP(F ) 1/ 5 I(F )) 2,322bit
• nach Clusterbildung:– jede Fassade wird Cluster zugeordnet– Berechnung der Wahrscheinlichkeit Informationsgehalt
Gewinnung von Landmarks aus Geobasisdaten Stephan Seiler 05.12.2002
Fazit: Informationstheorie• Vorteile:
– gleichbleibende Bezugsflächen (Fassaden)– rein mathematische Betrachtung, keine
subjektiven Einflüsse• Nachteile:
– Aggregation von Fassadeninformationen zu Gebäudeinformationen
– nicht auf bestimmte Standpunkte bezogen (nur max. 2 Fassaden sichtbar)