Titel:
Ansätze zur automatischen Detektion und Lokalisierung von Bodenbrütern aus Farb- und Wärmebildaufnahmen
Betreuer:
Dr.-Ing. Patrick Westfeld, Dipl.-Ing. Florian Etterer (Professur für Landschaftsplanung)
Beschreibung:
Einleitung
Tendenziell steigende Bevölkerungszahlen in Deutschland, aber auch global, stellen die Gesellschaft vor immer neue Herausforderungen. Der Bedarf an Lebensmitteln wächst, sowie die Notwendigkeit entsprechender Grundfläche. Um die vorhandenen Ressourcen auszuschöpfen, ist unter anderem eine Intensivierung und Monotonisierung der Landwirtschaft nötig. Dies führt jedoch zu einem Rückgang der Artenvielfalt.
Die Kernaufgabe dieser Arbeit leitet sich aus dem Forschungsvorhaben „stadtPARTHEland“ ab. Hauptakteur des Vorhabens ist das Lehr- und Forschungsgebiet Landschaftsplanung der Technischen Universität Dresden (Projektkoordination).
In der heutigen Zeit ist daher dem Kulturlandschaftsmanagment eine besondere Bedeutung beizumessen. Es ist wichtig, die Biodiversität zu erhalten und gleichzeitig den Bedürfnissen der Gesellschaft nach Siedlungs- und Erholungsflächen, sowie Anbauflächen der Landwirtschaft, gerecht zu werden.
Diese Masterarbeit befasst sich mit einer besonderen Methode zum Schutz von Bodenbrütern, insbesondere der Feldlerche, dem sogenannten Lerchenfenster. Dieses Verfahren wurde in England entwickelt und wird bereits von vielen Landwirten angewandt. Mit Hilfe moderner Flugrobotik und optischer Sensoren soll die Effektivität der Maßnahme nachgewiesen werden. Bei diesem Verfahren wird bei der Aussaat durch Anheben der Sämaschine eine künstliche Fehlstelle im Feld erzeugt. Die Größe beträgt dabei meist ca. 20 m². In diesem Bereich können sich nun Feldlerchen ansiedeln, da sie dort geeignete Bedingungen für Brut und Jagd vorfinden.
Sensortechnik
Zur Realisierung der Experimentalkonfiguration wurden folgende Kameras verwendet:
Mako G-419 C
Sensortyp CMOSIS CMV4000
Auflösung 2048x2048 Pixel
Zellgröße 5,5 µm
Spannungsversorgung PoE
Abmessungen in mm 60,5mm × 29mm × 29mm (L x B x H)
Gewicht 80g
Farbtiefe
Verschluss Global Shutter
Brennweite 12,5mm
Spektralbereich 350 – 1000nm
FLIR A65
Sensortyp Ungekühlter Vanadiumoxid-Mikrobolometer
Auflösung 640x512 Pixel
Zellgröße 17 µm
Spannungsversorgung PoE
Abmessungen 106mm × 40mm × 43mm (L x B x H)
Gewicht 200 g
Farbtiefe 14 Bit
Thermische Empfindlichkeit
Praktische Arbeit
(1) Experimentalkonfiguration umsetzen
Die Aufnahmen für die Simulation wurden auf einer Brachfläche im Wohngebiet in Radeberg durchgeführt. Die Vegetation in diesem Gebiet zeigte viele Ähnlichkeiten mit der eines Feldes. Der Bewuchs war ca. 50-80cm hoch und dicht.
-
Objektpunkte besitzen räumliche Anordnung
-
Bekannte Strecken sind durch Maßstäbe enthalten
-
Codierte Marken mit bekannten Objektkoordinaten sind vorhanden
-
Schwarzer Filzbelag heizt sich schnell auf, Reflektormarken bleiben eher kalt. Dadurch besitzt das Testfeld günstige Eigenschaften um signalisierte Punkte auch automatisiert im TIR Bild zu erkennen.
Die untersuchten Parameter geben Aufschluss über die Qualität der internen Genauigkeit der Ausgleichung. Nach Beachtung all dieser Kriterien lässt sich schlussfolgern, dass die Ausgleichungsergebnisse befriedigend sind und es keine groben Fehler gab. Allerdings ist die Verteilung der Bildpunkte in vielen Bildern nur sehr mittig erfolgt. Dies ist auf folgende Probleme bei der Kalibrierung zurückzuführen: Die Bilder konnten durch die Sonneneinstrahlung kaum auf dem Display verifiziert werden. Desweiteren gab es häufige Abbrüche der Live-Bildübertragung, was auf zu geringe Datenübertragungsraten seitens der genutzten Rechentechnik zurückzuführen ist. Außerdem konnten durch die Arretierung auf dem geodätischen Stativ keine idealen Strahlenwinkel aufgenommen werden. Insgesamt ist die Geometrie der Kalibrierungsaufnahmen eher schwach.
Für die Ermittlung des Vektors und der Rotation zwischen Mako und Flir Kamera wurde ein MatLabSkript genutzt. Dieses führt auf Basis der 3D Helmerttransformation eine vermittelnde Ausgleichung der mit AICON 3D Studio ermittelten Werten durch.
(3) Skaliertes 3D Geländemodell mit thermischen Attributen
Mit dem Programm Photoscan wurde aus den Farbbildern eine dreidimensionale Punktwolke erzeugt. Zur Skalierung wurden eindeutig identifizierbare Strecken gemessen und nachträglich in das Modell eingetragen. Die Punktwolke besitzt eine hohe Dichte (ca. 600 000 Punkte).
Die exportierten Punkte werden in einer *.txt Datei gespeichert und mit dem Matlabskript „sResampling“ weiterverarbeitet. Dieses Skript ordnet jedem Objektpunkt den dazugehörigen Temperaturwert zu.
Mit Hilfe des Programmes CloudCompare kann die Ergebnisdatei visualisiert werden.
(4) Fusionierung/Visualisierung der Ergebnisse aus 2D-/3D-Auswertung
Um die aufgenommenen Bilder geeignet darzustellen, wird ein Orthophoto erstellt. Als Hilfsmittel dient wiederrum das Programm „PhotoScan“. Mit Hilfe dessen wird ein digitales Geländemodell aus allem Farbbildern erstellt. Daraufhin ist es bereits möglich, ein Farb-Orthophoto automatisch zu erstellen. Um ein gleichartiges temperaturcodiertes Bild zu erstellen, müssen die Aufnahmen der Flir in das Programm eingeladen werden. Hierfür wird eine *.xml Importdatei erzeugt. Nun können die Bilder der thermischen Kamera im KSSfM dargestellt werden. Wenn man alle Farbbilder deaktiviert, kann zudem ein thermisches Orthophoto exportiert werden.
(5) Ansätze zur Detektion freier und besetzter Lerchenfenster aus Bilddaten
Es kann angenommen werden, dass ein besetztes Nest wärmer ist als die Umgebung. Selbst wenn die Elterntiere das Nest verlassen, strahlen die Eier eine Restwärme ab. Diese erscheint dann in der Wärmebildaufnahme heller als der Hintergrund. Somit sollte dieser Unterschied auch in einem Histogramm ersichtlich sein. Man kann einen Schwellenwert be-stimmen und alle Werte unterhalb dieses Wertes schwarz sowie alle oberhalb weiß einfärben. Dadurch lässt sich ein quasi-binäres Bild generieren. Daraufhin kann ein Filteroperator zur Kantendetektion angewandt sowie das Nest erkannt werden und ist anhand seiner Position im georeferenzierten Bild lokalisierbar.
Um den Ansatz des Schwellenwertes zu untersuchen, wurde das Bildbearbeitungsprogramm Gimp genutzt. Wie in Abbildung 6 zu sehen, wird bei einem Wert von 140 ein binäres Bild erstellt. Diese enthält nur noch den Hintergrund und das zu detektierende Nest.
Fazit
In dieser Arbeit wurde eine Verarbeitungskette für die Detektion von bebrüteten Nestern in einem Feld erarbeitet. Hierfür wurden terrestrische Aufnahmen verwendet. Es hat sich gezeigt, dass eine Fusionierung der Daten und die anschließende Detektion der Bodenbrüter realisierbar ist. Für die praktische Anwendung dieser Arbeitsschritte sind jedoch einige Besonderheiten zu beachten. Zunächst einmal muss auf eine genaue Kalibrierung des Kamerasystems geachtet werden. Wird dies nicht umgesetzt, sind alle weiteren Handlungen nicht durchführbar. Des Weiteren ist auf eine ausreichende Rechenkapazität während der Aufnahme als auch bei der Verarbeitung der Bilder zu achten. Unter Beachtung all dieser Merkmale kann die Arbeitsweise in die Praxis übertragen werden. Es ist denkbar, dass die einzelnen Arbeitsschritte in Zukunft weitgehen automatisiert ablaufen können. Diese Arbeit liefert grundlegende Ansätze, welche für eine Befliegung mittels eines UAV genutzt werden können. Um ein großes Untersuchungsgebiet flächendeckend zu Erfassen, werden zusätzlich eine genaue Bildflugplaung und weitreichende Überlegungen bezüglich der Datenspeicherung und Übertragung nötig sein. Des Weiteren wurde der Aspekt der gleichzeitigen Auslösung beider Kameras in dieser Arbeit nicht beachtet, da sich die Szene während der Experimentalaufnahmen nicht schnell geändert hat. Zusätzlich zu dem Nutzen für das Kulturlandschaftsmanagement ist in Zukunft auch eine Anwendung ähnlicher Arbeitsschritte zur Wildtierrettung, beispielsweise vor der Mahd, denkbar.