AT17219U1 - Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt - Google Patents
Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt Download PDFInfo
- Publication number
- AT17219U1 AT17219U1 ATGM50116/2020U AT501162020U AT17219U1 AT 17219 U1 AT17219 U1 AT 17219U1 AT 501162020 U AT501162020 U AT 501162020U AT 17219 U1 AT17219 U1 AT 17219U1
- Authority
- AT
- Austria
- Prior art keywords
- cells
- local minima
- image
- ground
- cell
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/16—Image acquisition using multiple overlapping images; Image stitching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Astronomy & Astrophysics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt mittels einer Drohne umfassend die Schritte Bewegen der Drohne über den Geländeabschnitt und Erfassen eines Bodenabbildes (1) des Geländeabschnitts mit einem Bodenerfassungsmittel der Drohne; Bestimmen von lokalen Minima (2) eines Geländeniveaus des Geländeabschnitts in dem erfassten Bodenabbild (1) mit einem Bildverarbeitungsmittel und/oder einem Punktwolkenverarbeitungsmittel; und Rastern des Bodenabbilds (1) in eine Mehrzahl von Zellen (3) und Zuordnen der lokalen Minima (2) zu den Zellen (3). Das Verfahren umfasst zudem das Kategorisieren von Zellen (3), welche mehr als einen Schwellenwert an lokalen Minima (2) enthalten, als Bauzelle; und Zuordnen der lokalen Minima (2) in jenen Zellen (3), die nicht als Bauzellen kategorisiert, aber zumindest zu einer Bauzelle benachbart sind, zu jeweils jener Bauzelle, zu deren Mittelpunkt das jeweilige lokale Minimum (2) die geringste euklidische Distanz aufweist.
Description
VERFAHREN ZUM DETEKTIEREN VON BAUTEN EINER NAGETIERPOPULATION AUF ElNEM GELANDEABSCHNITT
[0001] Die Erfindung betrifft ein Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt mittels einer Drohne.
[0002] In der Natur kommen Nagetierpopulationen unterschiedlicher Spezies in verschiedenen Gebieten in unterschiedlicher Dichte und Häufigkeit vor. Während einige Nagetierspezies wie Ratten oder Mäuse in der Regel als Schädlinge erachtet werden, sind andere Nagetiere wie beispielsweise das Ziesel oder das Murmeltier schützenswerte Arten. Hierdurch ergibt sich sowohl im wissenschaftlichen Bereich, als auch im Ingenieurbau beispielsweise auf dem Gebiet der Raumplanung oder der Stadtplanung die Notwendigkeit zu bestimmen ob auf einem bestimmten Geländeabschnitt eine Nagetierpopulation beheimatet ist. Auch im Vorfeld beziehungsweise der Planungsphase von Neubauten ist oftmals eine Bestimmung der Nagetierpopulation auf einem Geländeabschnitt notwendig, um geltenden Naturschutzbestimmungen Rechnung zu tragen.
[0003] Herkömmlicherweise werden Nagetierpopulationen auf Geländeabschnitten durch manuelle oder teilautomatisierte Methoden bestimmt. Diese Methoden umfassen ein manuelles und zeitintensives Abgehen des Geländeabschnittes von Interesse, und eine visuelle Bestimmung der Eingänge von Nagetierbauten. Dieser Vorgang kann durch Spurröhren bzw. auch durch Kamerafallen unterstützt werden, welche bei Unklarheiten bei der Bestimmung auf Artenniveau als Unterstützung zur Kartierung dienen.. Aus diesen Daten wird die Größe der Nagetierpopulation bestimmt (Vollzensus) oder bei Stichproben oder partiellen Transektbegehungen extrapoliert. Diese aus dem Stand der Technik bekannte Methode weist den Nachteil auf, dass hierfür eine große Anzahl an geschultem Personal, sowie ein hoher Zeitaufwand notwendig ist. Zudem ist diese Methode mit einer relativ großen Unsicherheit behaftet, da die Erfassung der Bauten der Nagetierpopulation stark von den individuellen Fähigkeiten, sowie der Tagesverfassung der durchführenden Personen abhängt. Des Weiteren ist im Fall von unwegsamen Geländeabschnitten nicht immer gesichert, dass alle Bereiche des betreffenden Geländeabschnitts für Personen einfach zugänglich sind. Hierdurch wird die Ungenauigkeit dieses Verfahrens gemäß dem Stand der Technik weiter vergrößert.
[0004] Der vorliegenden Erfindung liegt die Aufgabe zugrunde, ein Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt bereitzustellen, welches die Nachteile der Verfahren gemäß dem Stand der Technik vermeidet.
[0005] Erfindungsgemäß wird die Aufgabe durch ein Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt mittels einer Drohne gelöst, das folgende Schritte umfasst:
a) Bewegen der Drohne über den Geländeabschnitt und Erfassen eines Bodenabbildes (1) des Geländeabschnitts mit einem Bodenerfassungsmittel der Drohne;
b) Bestimmen von lokalen Minima (2) eines Geländeniveaus des Geländeabschnitts in dem erfassten Bodenabbild (1) mit einem Bildverarbeitungsmittel und/oder einem Punktwolkenverarbeitungsmittel;
gekennzeichnet durch
c) Rastern des Bodenabbilds (1) in eine Mehrzahl von Zellen (3) und Zuordnen der lokalen Minima (2) zu den Zellen (3);
d) Kategorisieren von Zellen (3), welche mehr als einen Schwellenwert an lokalen Minima (2) enthalten, als Bauzelle;
e) Zuordnen der lokalen Minima (2) in jenen Zellen (3), die nicht als Bauzellen kategorisiert, aber zumindest zu einer Bauzelle benachbart sind, zu jeweils jener Bauzelle, zu deren Mittelpunkt das jeweilige lokale Minimum (2) die geringste euklidische Distanz aufweist.
[0006] Das erfindungsgemäße Verfahren sieht die Verwendung einer Drohne mit einem Bodenerfassungsmittel wie beispielsweise einer optischen Kamera oder einer Light Detection and Ran-
ging, beziehungsweise LiDAR Vorrichtung vor, welche über den Geländeabschnitt bewegt wird. Hierbei wird ein Bodenabbild mit dem Bodenerfassungsmittel erfasst. Das Bodenabbild kann beispielsweise in Form einer Pixelgrafik oder einer Punktwolke erfasst werden. In einem weiteren Verfahrensschritt werden in dem erfassten Bodenabbild lokale Minima eines Geländeniveaus des Geländeabschnitts mit einem Bildverarbeitungsmittel und/oder einem Punktwolkenverarbeitungsmittel bestimmt. Daraufhin wird das Bodenabbild in eine Mehrzahl von Zellen gerastert, und die bestimmten lokalen Minima werden zu den Zellen zugeordnet. Zellen, welche mehr als einen Schwellenwert an lokalen Minima enthalten, werden in einem weiteren Schritt als Bauzelle kategorisiert. Zuletzt werden lokale Minima in jenen Zellen, die nicht als Bauzellen kategorisiert wurden, aber zumindest zu einer Bauzelle benachbart sind, zu jeweils jener Bauzelle, zu deren Mittelpunkt das jeweilige lokale Minimum die geringste euklidische Distanz aufweist zugeordnet.
[0007] Das erfindungsgemäße Verfahren ermöglicht eine rasche und unkomplizierte Erfassung des Geländeabschnitts, sowie der lokalen Minima des Geländeniveaus in diesem Abschnitt. Durch die Anwendung der Drohne in Kombination mit dem Bodenerfassungsmittel wird der Vorteil erreicht, dass auch schwer zugängliche Geländeteile, oder vom Bodenniveau nicht unmittelbar ersichtliche lokale Minima mit dem erfindungsgemäßen Verfahren erfasst werden können. Des Weiteren bietet die in dem erfindungsgemäßen Verfahren angewandte Auswertemethodik den Vorteil, dass die detektierten lokalen Minima automatisiert Bauzellen zugeordnet werden, wodurch ein Abschätzungsfehler für eine Populationsgröße reduziert wird.
[0008] Gemäß einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens umfasst das Verfahren die Schritte:
f) Anwenden eines DBSCAN Algorithmus auf die keiner Bauzelle zugeordneten lokalen Minima und Zuordnen von mittels des DBSCAN Algorithmus ermittelten Clustern von lokalen Minima zu jener Zelle, in welcher ein geometrischer Mittelpunkt des Clusters liegt;
g) Kategorisieren der Zelle, in welcher der geometrische Mittelpunkt des Clusters liegt, als Bauzelle.
[0009] Um den Abschätzungsfehler weiter zu reduzieren wird gemäß der bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens ein DBSCAN Algorithmus, oder auch „DensityBased Spatial Clustering of Applications with Noise“ beziehungsweise eine dichtebasierte räumliche Clusteranalyse mit Rauschen auf die verbleibenden lokalen Minima angewendet. Hierdurch wird der Abschätzungsfehler des erfindungsgemäßen Verfahrens weiter reduziert. Für eine detaillierte Beschreibung des erfindungsgemäßen Verfahrens unter Anwendung des DBSCAN Algorithmus wird auf die Figurenbeschreibung verwiesen.
[0010] Vorzugsweise erfolgt das Erfassen des Bodenabbildes mittels des Bodenerfassungsmittels durch zumindest eines aus einem Bodenradar, einem ALS Laserscan, oder einer fotographischen Methode. Des Weiteren umfasst das erfindungsgemäße Verfahren vorzugsweise das Erfassen des Bodenabbilds durch ein Erfassen von Einzelabbildungen des Geländeabschnittes und kombinieren der Einzelabbildungen zu dem Bodenabbild. Zur Vermeidung der Notwendigkeit einer Interpolation zwischen den Einzelabbildungen sind die Einzelabbildungen vorzugsweise zUmindest teilweise überlappend.
[0011] Gemäß einer alternativen Ausführungsvariante umfasst das erfindungsgemäße Verfahren den zusätzlichen Schritt des Überprüfens der in dem Bodenabbild bestimmten lokalen Minima durch Begehen des Geländeabschnitts.
[0012] Vorteilhafte Ausgestaltungen des erfindungsgemäßen Verfahrens, sowie alternativer Ausführungsvarianten werden in weiterer Folge anhand der Figuren näher erläutert.
[0013] Figur 1 zeigt ein mit dem erfindungsgemäßen Verfahren erfasstes Bodenabbild in Form eines ALS Laserscans mit in dem Bodenabbild bestimmten lokalen Minima.
[0014] Figur 2 zeigt ein in Zellen gerastertes Bodenabbild mit in den Zellen verzeichneten lokalen Minima.
[0015] Figur3 zeigt ein in Zellen gerastertes Bodenabbild mit einem Cluster an in verschiedenen Zellen angeordneten lokalen Minima.
[0016] Das erfindungsgemäße Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt mittels einer Drohne umfasst das Bewegen der Drohne über den Geländeabschnitt und Erfassen eines Bodenabbildes 1 des Geländeabschnitts mit einem Bodenerfassungsmittel der Drohne. Die Drohne ist in einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens in Form eines Quadrocopters bereitgestellt. Alternativ kann beispielsweise auch eine Drohne mit Starrflügelkonfiguration oder eine bodengebundene Drohne in Form eines Bodenfahrzeugs im Rahmen des erfindungsgemäßen Verfahrens verwendet werden. Das Bodenerfassungsmittel der Drohne ermöglicht die Erfassung des Bodenabbildes 1, wobei das Erfassen des Bodenabbildes 1 mittels des Bodenerfassungsmittels vorzugsweise mit einem Bodenradar, einem ALS Laserscan, oder einer fotographischen Methode erfolgt. Das Bodenradar beziehungsweise der ALS Laserscan stellt den Vorteil bereit, dass auf dem Geländeabschnitt vorhandene Vegetation die Erfassung des Bodenabbilds 1 nicht beeinflusst. In einem weiteren Schritt des erfindungsgemäßen Verfahrens werden lokale Minima 2 eines Geländeniveaus des Geländeabschnitts in dem erfassten Bodenabbild 1 mit einem Bildverarbeitungsmittel und/oder einem Punktwolkenverarbeitungsmittel bestimmt. Diese lokalen Minima 2 stellen Eingänge zu Nagetierbauten in Form von Löchern oder Vertiefungen im Boden dar. Das Bildverarbeitungsmittel ist beispielsweise ein auf einer Rechnereinheit ausgeführtes Bildverarbeitungsprogramm, welches anhand der Struktur von Helligkeitsgradienten in dem Bodenabbild 1 die lokalen Minima 2, welche charakteristisch für Nagetierbauten sind, erkennt. Weitere, im Rahmen des erfindungsgemäßen Verfahrens alternativ einsetzbare Methoden zur Strukturerfassung in grafischen oder geometrischen Daten sind dem Fachmann allgemein bekannt. Figur 1 zeigt ein Beispiel eines mit dem erfindungsgemäßen Verfahren erfassten Bodenabbilds 1 eines Geländeabschnitts mit in dem Bodenabbild 1 bestimmten lokalen Minima 2.
[0017] In einem weiteren Verfahrensschritt des erfindungsgemäßen Verfahrens wird das Bodenabbild 1, wie in Figur 2 schematisch dargestellt, in eine Mehrzahl von Zellen 3 gerastert, und die lokalen Minima 2 werden den Zellen 3 zugeordnet. Figur 2 zeigt ein Schema eines gerasterten Bodenabbilds 1 mit nummerierten hexagonalen Zellen 3. Die Wahl von hexagonalen Zellen 3 ist vorteilhaft, da diese eine lückenlose Rasterung des Bodenabbildes 1 ermöglichen. Des Weiteren werden die Zellen 3, welche mehr als einen Schwellenwert an lokalen Minima 2 enthalten als Bauzellen kategorisiert. Wird ein Schwellenwert der Größe zwei festgelegt werden in Figur 2 die Zellen Nummer 17 und Nummer 18 in als Bauzellen kategorisiert. Die Festlegung des Schwellenwerts erfolgt spezifisch für verschiedene Nagetierarten anhand biologischer Kriterien.
[0018] In einem weiteren Verfahrensschritt des erfindungsgemäßen Verfahrens werden die lokalen Minima 2 in jenen Zellen 3, die nicht als Bauzellen kategorisiert, aber zumindest zu einer Bauzelle benachbart sind, zu jeweils jener Bauzelle zugeordnet, zu deren Mittelpunkt das jeweilige lokale Minimum 2 die geringste euklidische Distanz aufweist. In dem in Figur 2 dargestellten Beispiel wird demnach das lokale Minimum 2 in der Zelle 3 mit der Nummer 14, welche zu den Bauzellen 17 und 18 benachbart ist, der Bauzelle mit der Nummer 18 zugeordnet. Gemäß einer alternativen Ausführungsvariante des erfindungsgemäßen Verfahrens werden nur lokale Minima 2 in Zellen 3, die nicht als Bauzellen kategorisiert sind, aber zumindest zu einer Bauzelle benachbart sind, und welche um ein lokales Minimum 2 weniger enthalten als den Schwellenwert, zu jeweils jener Bauzelle zugeordnet, zu deren Mittelpunkt das jeweilige lokale Minimum 2 die geringste euklidische Distanz aufweist.
[0019] Gemäß einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens wird ein DBSCAN Algorithmus auf die keiner Bauzelle zugeordneten lokalen Minima 2 angewandt, und mittels des DBSCAN Algorithmus ermittelte Cluster von lokalen Minima 2 werden zu jener Zelle 3 zugeordnet, in welcher ein geometrischer Mittelpunkt des Clusters liegt. Des Weiteren wird die Zelle 3, in welcher der geometrische Mittelpunkt des Clusters liegt, als Bauzelle kategorisiert. Hierdurch wird der Abschätzungsfehler des erfindungsgemäßen Verfahrens weiter reduziert.
[0020] Der DBSCAN Algorithmus, kurz für „Density-Based Spatial Clustering of Applications with
Noise“, auf Deutsch „Dichtebasierte räumliche Clusteranalyse mit Rauschen“ ist ein Algorithmus zur Clusteranalyse. Der DBSCAN Algorithmus arbeitet dichtebasiert und ist in der Lage, mehrere Cluster zu erkennen. Rauschpunkte werden dabei ignoriert. Die Grundidee des Algorithmus ist der Begriff der Dichteverbundenheit. Zwei Objekte gelten als dichteverbunden, wenn es eine Kette von dichten Objekten, welche Kernobjekte mit mehr als einem Minimum an Nachbarn sind, gibt, die diese Punkte miteinander verbinden. Die durch dieselben Kernobjekte miteinander verbundenen Objekte bilden ein Cluster. Objekte, die nicht Teil eines dichteverbundenen Clusters sind, werden als Rauschen bezeichnet. Der DBSCAN Algorithmus ist auf dem Gebiet der Clusteranalyse einer der meist zitierten Algorithmen. Details des DBSCAN Algorithmus können beispielsweise der Publikation „Martin Ester, Hans-Peter Kriegel, Jörg Sander, Xiaowei Xu: A density-based algorithm for discovering clusters in large spatial databases with noise. In: Evangelos Simoudis, Jiawei Han, Usama M. Fayyad (Hrsg.): Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD-96). AAAI Press, 1996, ISBN 1-577350049, S. 226-23“ entnommen werden.
[0021] Der DBSCAN Algorithmus kann durch folgenden beispielhaften Pseudocode beschrieben werden:
DBSCAN(D, eps, MinPts) C=0 for each unvisited point P in dataset D mark P as visited N = D.regionQuery(P, eps) if sizeof(N) < MinPts mark P as NOISE else C = next cluster expandCluster(P, N, C, eps, MinPts)
expandCluster(P, N, C, eps, MinPts) add P to cluster C for each point P' in N if P' is not visited mark P' as visited N’ = D.regionQuery(P", eps) if siZzeof(N') >= MinPts N = N joined with N' if P' is not yet member of any cluster add P' to cluster C unmark P' as NOISE if necessary
regionQuery(P, eps) return all points within P's eps-neighborhood (including P)
[0022] Wie dem Fachmann allgemein bekannt ist, kann der DBSCAN Algorithmus alternativ auch rekursiv implementiert werden:
DBSCAN(D, eps, MinPts) C=0 for each unvisited point P in dataset D mark P as visited N = getNeighbors(P, eps) if sizeof(N) < MinPts mark P as NOISE else C = next cluster add P to cluster C forP'inN
if P' is not yet member of any cluster recursivekxpandCluster(P', C, eps, MinPts)
recursivekxpandCluster(P, C, eps, MinPts) add P to cluster C if P is not visited mark P as visited N = getNeighbors(P, eps) if siZzeof(N) >= MinPts for P'inN if P' is not yet member of any cluster recursivekxpandCluster(P', C, eps, MinPts)
[0023] Die Anwendung des DBSCAN Algorithmus wird in weiterer Folge anhand von Figur 3 erläutert. Durch die Rasterung, beispielsweise mit hexagonalen Zellen 3, können Situationen entstehen, in welchen lokale Minima 2, wie in Figur 3 dargestellt, in verschiedene Zellen 3 mit den Nummern 9, 10 und 13 fallen, und somit nicht zu einer Bauzelle zugeordnet werden, da der Schwellenwert an lokalen Minima 2 in den einzelnen Zellen 3 nicht überschritten wird. Zur Behandlung derartiger Situationen wird gemäß der bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens der DBSCAN Algorithmus angewandt. Der mittels des DBSCAN Algorithmus ermittelte Cluster von lokalen Minima 2 wird in weiterer Folge zu jener Zelle 3 zugeordnet, in welcher der geometrische Mittelpunkt des Clusters liegt.
[0024] Vorzugsweise erfolgt das erfassen des Bodenabbilds 1 durch ein Erfassen von Einzelabbildungen des Geländeabschnitts und kombinieren der Einzelabbildungen zu den Bodenabbild 1. Zur Vermeidung der Notwendigkeit einer Interpolation zwischen den Einzelabbildungen sind die Einzelabbildungen vorzugsweise zumindest teilweise überlappend.
[0025] Gemäß einer alternativen Ausführungsvariante umfasst das erfindungsgemäße Verfahren den zusätzlichen Schritt des Uberprüfens der in dem Bodenabbild 1 bestimmten lokalen Minima 2 durch Begehen des Geländeabschnitts.
Claims (5)
1. Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt mittels einer Drohne umfassend die Schritte:
a) Bewegen der Drohne über den Geländeabschnitt und Erfassen eines Bodenabbildes (1) des Geländeabschnitts mit einem Bodenerfassungsmittel der Drohne;
b) Bestimmen von lokalen Minima (2) eines Geländeniveaus des Geländeabschnitts in dem erfassten Bodenabbild (1) mit einem Bildverarbeitungsmittel und/oder einem Punktwolkenverarbeitungsmittel;
gekennzeichnet durch
c) Rastern des Bodenabbilds (1) in eine Mehrzahl von Zellen (3) und Zuordnen der lokalen Minima (2) zu den Zellen (3);
d) Kategorisieren von Zellen (3), welche mehr als einen Schwellenwert an lokalen Minima (2) enthalten, als Bauzelle;
e) Zuordnen der lokalen Minima (2) in jenen Zellen (3), die nicht als Bauzellen kategorisiert, aber zumindest zu einer Bauzelle benachbart sind, zu jeweils jener Bauzelle, zu deren Mittelpunkt das jeweilige lokale Minimum (2) die geringste euklidische Distanz aufweist.
2, Verfahren gemäß Anspruch 1, gekennzeichnet durch die Schritte:
f) Anwenden eines DBSCAN Algorithmus auf die keiner Bauzelle zugeordneten lokalen Minima (2) und Zuordnen von mittels des DBSCAN Algorithmus ermittelten Clustern von lokalen Minima (2) zu jener Zelle (3), in welcher ein geometrischer Mittelpunkt des Clusters liegt;
g) Kategorisieren der Zelle (3), in welcher der geometrische Mittelpunkt des Clusters liegt, als Bauzelle.
3. Verfahren gemäß einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, dass das Erfassen des Bodenabbildes (1) mittels des Bodenerfassungsmittels durch zumindest eines aus einem Bodenradar, einem ALS Laserscan, oder einer fotographischen Methode erfolgt.
4. Verfahren gemäß einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass das Erfassen des Bodenabbilds (1) durch ein Erfassen von Einzelabbildungen des Geländeabschnitts und kombinieren der Einzelabbildungen zu dem Bodenabbild (1) erfolgt.
5. Verfahren gemäß Anspruch 4, dadurch gekennzeichnet, dass die Einzelabbildungen zumindest teilweise überlappend sind.
Hierzu 2 Blatt Zeichnungen
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ATGM50116/2020U AT17219U1 (de) | 2020-06-02 | 2020-06-02 | Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt |
PCT/AT2021/060179 WO2021243387A1 (de) | 2020-06-02 | 2021-05-26 | Verfahren zum detektieren von bauten einer nagetierpopulation auf einem geländeabschnitt |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ATGM50116/2020U AT17219U1 (de) | 2020-06-02 | 2020-06-02 | Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt |
Publications (1)
Publication Number | Publication Date |
---|---|
AT17219U1 true AT17219U1 (de) | 2021-09-15 |
Family
ID=77663159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ATGM50116/2020U AT17219U1 (de) | 2020-06-02 | 2020-06-02 | Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt |
Country Status (2)
Country | Link |
---|---|
AT (1) | AT17219U1 (de) |
WO (1) | WO2021243387A1 (de) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015132208A1 (en) * | 2014-03-03 | 2015-09-11 | Avia-Gis | Method for the profiling of pests and for the determination and prediction of associated risks and means for adapted pest control |
US9984455B1 (en) * | 2017-06-05 | 2018-05-29 | Hana Resources, Inc. | Organism growth prediction system using drone-captured images |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110132238B (zh) * | 2019-05-09 | 2021-12-17 | 抚顺市规划勘测设计研究院有限公司 | 用于地形影像数字高程模型的无人机测绘方法 |
CN110223386B (zh) * | 2019-06-10 | 2022-09-23 | 河南科技大学 | 一种基于多源无人机遥感数据融合的数字地形建模方法 |
-
2020
- 2020-06-02 AT ATGM50116/2020U patent/AT17219U1/de unknown
-
2021
- 2021-05-26 WO PCT/AT2021/060179 patent/WO2021243387A1/de active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015132208A1 (en) * | 2014-03-03 | 2015-09-11 | Avia-Gis | Method for the profiling of pests and for the determination and prediction of associated risks and means for adapted pest control |
US9984455B1 (en) * | 2017-06-05 | 2018-05-29 | Hana Resources, Inc. | Organism growth prediction system using drone-captured images |
Also Published As
Publication number | Publication date |
---|---|
WO2021243387A1 (de) | 2021-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112012001984B4 (de) | Integrieren von Video-Metadaten in 3D-Modelle | |
EP1637838B1 (de) | Verarbeitung von Fernerkundungsdaten | |
DE102017115997A1 (de) | Tiefgreifendes maschinelles Lernen zur Vorhersage und Verhinderung ungünstiger Zustände bei baulichen Anlagen | |
EP2353146B1 (de) | Vermessung des wachstums von blattscheiben von pflanzen | |
DE202012013403U1 (de) | Erfassen und Verarbeiten adaptiver Bilder mit Bildanalyse-Rückmeldung | |
EP3195250B1 (de) | Verfahren zum erzeugen eines ergebnisbilds und optische vorrichtung | |
AT511265A1 (de) | Einrichtung zur ermittlung eines hautentzündungswertes | |
DE112021000243T5 (de) | Bestimmung von kulturpflanzentyp und/oder aussaattermin | |
DE112013005993T5 (de) | Verfahren, Vorrichtung und computerlesbares Medium für eine optimale Bestimmung von Daten-Teilmengen | |
DE102019114459A1 (de) | Verfahren zum Scannen von Teilbereichen einer Probe mittels eines Rastermikroskops, Computerprogrammprodukt, computerlesbares Medium und System zum Scannen von Teilbereichen einer Probe mittels eines Rastermikroskops | |
DE102018220892A1 (de) | Vorrichtung und Verfahren zur Generierung von Labelobjekten für die Umgebung eines Fahrzeugs | |
DE10017551C2 (de) | Verfahren zur zyklischen, interaktiven Bildanalyse sowie Computersystem und Computerprogramm zur Ausführung des Verfahrens | |
EP0700544B1 (de) | Verfahren und einrichtung zur raumfilterung | |
DE60026732T2 (de) | Zellenreihen-extraktionsverfahren | |
DE102019105293A1 (de) | Schätzung der Bewegung einer Bildposition | |
DE69205811T2 (de) | Verfahren zur Bildanalyse. | |
DE102020211843A1 (de) | Verfahren und Vorrichtung zur Analyse von Histopathologiebilddaten | |
DE112009005102T5 (de) | Aufspaltung mehrteiliger Objekte | |
AT17219U1 (de) | Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt | |
DE102023113166A1 (de) | Bildverarbeitungsverfahren und -einrichtung | |
WO1997002499A1 (de) | Erdbebenüberwachung | |
DE102017122554A1 (de) | Informationenverarbeitungsvorrichtung, informationenverarbeitungsverfahren und speichermedium | |
DE60206927T2 (de) | Verfahren zur verarbeitung von numerischen bildern, insbesondere satellitenbildern | |
EP3214602A1 (de) | Verfahren zur dreidimensionalen erfassung von objekten | |
DE102020202973A1 (de) | Verfahren und Vorrichtung zum Verarbeiten von Bildern |