AKTUELT Kombinert laserpunktsky og hyperspektrale bilder
Spektrale signaturer av ulike overflater
Laser- og hyperspektrale data for automatisert oppdatering av kart Et nytt forskningssamarbeid forsøker å automatisere produksjonen av kartdata ved hjelp av maskinlæring. Tekst: Åsmund Yiu Hegnar, Bærum Kommune og Vetle Jonassen, Terratec AS
V
åren 2019 startet et nytt forskningssamarbeid mellom Bærum kommune, Terratec AS, Norsk Regnesentral, NMBU og Geovekst, representert gjennom Kartverket og NIBIO. Målet med prosjektet er å automatisere produksjonen av kartdata til Felles Kartdatabase og temadatasett ved hjelp av maskinlæring. Datamaskiner skal læres opp til å gjenkjenne ulike kartobjekter fra laserpunktsky og hyperspektrale bilder. Bruk av laserdata Det har vært store fremskritt innen utviklingen av disse dataene de senere årene, og det er svært viktig å teste metoder for å utnytte potensialet i datagrunnlaget bedre. Punktskyer fra laserskanning er allerede et mye brukt verktøy for 3D-analyser og visualisering. Utviklingen og erfaringene rundt laserdata har økt nytteverdien for disse dataene
16
POSISJON NR 2 - 2020
betraktelig de senere årene, og i dag er nesten hele Norge kartlagt med detaljerte høydemodeller. Likevel ligger det fortsatt informasjon i laserpunktskyer som burde kunne utnyttes til videre kartlegging. Eksempler på slik informasjon er data om pulsreturer og intensitet på målingene. Hyperspektrale bilder For enda grundigere analyse av intensitet og refleksjon kan hyperspektrale kameraer brukes. I motsetning til et tradisjonelt RGB-kamera, som måler intensitet i tre fargekanaler, måler et hyperspektralt kamera intensitet over flere hundre fargekanaler. Dette gir flere målinger enn
et tradisjonelt kamera, også utover det som kan oppfattes med menneskeøyet, og dermed økt informasjonsgrunnlag for analyse. Med helt korrekte koordinater i dataene kan bildeog laserpunktdata kombineres. Maskinlæring Denne store informasjonsmengden danner et svært godt
grunnlag for maskinlæring og automatisk kartlegging. Derfor er maskinlæring en sentral del av prosjektet. Det er gjort en rekke vitenskapelig studier rundt laserdata eller hyperspektrale data til bruk i maskin læring, og dette er kunnskap som vil bli bygget videre på i dette prosjektet. Likevel er det enda stort potensiale for