“Extracción semiautomática de polígonos catastrales mediante fotografías aéreas”

Extracción Semiautomática de polígonos catastrales mediante fotografías aéreas Estevan Lerma - 2013

“Extracción semiautomática de polígonos catastrales mediante fotografías aéreas”

Universidad del Valle Facultad de Ingeniería Ingeniería Topográfica Fotogrametría Digital

Estevan David Lerma Cod: 0825270 Diciembre de 2013 [email protected]

0

Extracción Semiautomática de polígonos catastrales mediante fotografías aéreas Estevan Lerma - 2013

Tabla de contenido Resumen……..…………………………………………………………………………………………………………………………………1 Introducción:………………………………………………………………………………………………………………………………….1 Materiales y Métodos:……………………………………………………………………………………………………………………2 Resultados……………………………………………………………………………………………………………………………….…….7 Conclusiones:………………………………………………………………………………………………………………………………...9 Bibliografía:…………………………………………………………………………….………………………………………………….....9

Tabla de Figuras Figura 1: Fotografía Aéreas………..……..………………………………………………………………………………………….2 Figura 2: Cartografía Base Buga…………………………..……………………………………………………………………….3 Figura 3: Foto aérea 022……………….…………..………..……………………………………………………………………….3 Figura 4: Mosaico 5 imágenes……………….………..……………………………………………………………………………6 Figura 5: Mosaico Zona Estudio(optimizado).....…………………………………………………………………………..7 Figura 6: Clasificacion Pixel…………………….………..…………………………………….…………………………………….7 Figura 7: Moasico Segmentado…………………………..……………………………………………………………………….8 Figura 8:Segmentación filtrada probabilidad……….…………………………………………..….….………………….8 Figura 9: Mosaico Vectorizado……….…………….…………………………………………………..….……………………..8

Tabla de Tablas Tabla 1: Información Sistema de Coordenadas ……………………………………………………………..………….3 Tabla 2: Distorsiones Radiales de las lentes…………………………..…………………………………….…………….5

Extracción Semiautomática de polígonos catastrales mediante fotografías aéreas Estevan Lerma - 2013

Resumen: Se presenta una propuesta de implementación de una metodología para la extracción de poligonos catastrales sobre fotografías aéreas, la cual utiliza los dos enfoques de extracción más usados: Basado en pixel y basado en objeto. De manera general la metodología consiste de extracción propuesta consiste en un suavizado de la imagen (preprocesamiento), una clasificación supervisada de pixels, una segmentación parametrizada, procesos morfológicos de erosión y dilatación, restricción de variable de probabilidad, vectorización automatizada, uso de redes Bayesian para flujo de trabajo y aplicación de geoprocesos vectoriales variados. Esta metodología se aplica sobre una zona de estudio en el área urbana del municipio de Guadalajara de Buga.

Introducción: Las herramientas tecnológicas desarrolladas durante las últimas décadas han generado cambios sustanciales en las metodologías de trabajo de diversas áreas de la ciencia, facilitando las labores de personas en muchos campos y mejorando la eficiencia de los proyectos que usan estas herramientas. El catastro actual, como muchas otras áreas; ha venido experimentando transformaciones desde la llegada del computador, y las modernas herramientas para topografía convencional de mayor eficiencia en tiempo y calidad de la información, como el GPS diferencial y la estación total, junto a otras herramientas secundarias como los celulares, y nuevos medios de transporte. Este desarrollo tecnológico ha impulsado una transformación del catastro clásico que solo servía de soporte fiscal (recaudo de impuestos sobre tenencia de tierra) y lo ha convertido en una fuente de información para el ordenamiento territorial, la toma de decisiones, extracción de estadísticas poblacionales, detección de problemas y otros datos diversos, convirtiéndose entonces en una especie de “sistema de información de tierras” (Ramos, 2003) A pesar de esta diversificación de la información que maneja el catastro, la parte fundamental del mismo, es la información de tamaño, forma y posición de sus unidades básicas (predios), los cuales están enmarcados dentro de los llamados a nivel local “polígonos catastrales” (manzanas) que actualmente se miden, posicionan y dibujan a partir de métodos topográficos convencionales como la medición con cinta métrica. Estos métodos topográficos convencionales son bastante costosos en términos de tiempo, precisión y dinero, lo cual se agrega a la gran cantidad de nuevos predios que se construyen todos los días en nuestro país y genera finalmente una gran dificultad para mantener está información actualizada y precisa. Para enfrentar estos problemas hoy día ya existen implementadas soluciones ejemplares en países como España, México y Estados Unidos donde la información catastral está integrada con sistemas [email protected]

1

Extracción Semiautomática de polígonos catastrales mediante fotografías aéreas Estevan Lerma - 2013 de información geográficos y la información se levanta mediante GPS, LiDAR y fotografías aéreas dando como resultado una base de datos catastral robusta, precisa y dinámica. En el caso de este proyecto se pretende justamente siguiendo el ejemplo de esos países líderes en tecnología, hacer uso de una de las herramientas de los sensores remotos más poderosa; la fotogrametría digital para utilizar y aprovechar las fotografías aéreas en el proceso de actualización del catastro colombiano mediante una metodología de extracción semiautomática de la información que conduzca a una mejora de tiempos de ejecución y precisión de la misma. La zona de estudio de este proyecto corresponde a la zona ruri-urbana del municipio de Buga, Valle del Cauca, zona de la que existe información cartográfica y de sensores remotos, además se caracteriza por ser una zona plana y con interacción entre zona urbana y rural.

Materiales, Métodos y Consecución de la información: La propuesta metodológica para abordar el problema se ha planteado en 3 fases generales: 1. Consecución de la información, 2. Documentación frente al problema y soluciones posibles, 3. Proceso Fotogramétrico 4. Postprocesamiento. 1. Consecución de la información: La consecución de la información consistió en la obtención de 5 fotografías aéreas de un área urbano-rural cuyo catastro es manejado por el IGAC, y de la cual se posean fotografías aéreas y su información asociada (distancia focal, altura de vuelo, cámara, puntos principales, certificado de calibración) además de cartografía de la misma zona a una escala cercana a la de las fotografías. De acuerdo a estas condiciones se consiguieron 5 fotografías aéreas de la zona urbana de Buga, a escala 1:12500, y de las cuales se tiene la información de distancia focal (152.91mm) y otros datos relevantes como la altura del vuelo (9465 pies = 2884.9m), además de cartografía en escala 1:10.000 de la misma zona realizada por la alcaldía de Buga, lo que permitirá la realización de la orientación externa e interna de las mismas con el objeto de generar un DEM o una ortofotografía.

Figura 1: Fotografías vuelo FAL 407 Franja 02, tomadas el 9 de Junio de 1998. Se calculó el tamaño de la huella del pixel que luego será necesaria en el proceso fotogramétrico y de análisis: [email protected]

2

Extracción Semiautomática de polígonos catastrales mediante fotografías aéreas Estevan Lerma - 2013 𝑃𝑀 =

𝐸𝑠𝑐𝑎𝑙𝑎 ÷ 39.37 𝑃𝑃

𝑃𝑀 =

12500 ÷ 39.37 = 0.521𝑚 600

Es decir que cada pixel cubre aproximadamente 52 cm o 0.28m2 de terreno.

(11)

Figura 2—3: Cartografía Base Buga (izq), Foto aérea 022 y puntos de control (der) 2. Documentación frente al problema: Documentos sobre marco jurídico del catastro en Colombia, artículos sobre estado del catastro actual, y documentos científicos reseñados en los antecedentes y la bibliografía. Además se consulta sobre las metodologías de actualización catastral utilizadas actualmente. 3. Proceso Fotogramétrico: 3.1 Georeferenciación: Se comenzó realizando la georeferenciación de una cartografía base de la zona urbanda de Buga a escala 1:25000, la cual fue digitalizada en 1998 en el marco del plan de ordenamiento territorial de esa ciudad. Datum:

Origen Bogota Oeste

Tipo Proyección:

Gauss Krueger

Esferoide:

Internacional de Hayford 1924

Origen Oeste:

77 – 04 – 51.30

1.000

Origen Norte:

04 – 35 – 51.30

Factor de escala:

1.000.000 Falso Oeste: 1.000.000 Falso Norte: Tabla 1: Información de sistema de coordenadas Origen Bogotá Oeste [email protected]

3

Extracción Semiautomática de polígonos catastrales mediante fotografías aéreas Estevan Lerma - 2013 Este procedimiento se realiza mediante la herramienta georeferencing de ArcGIS 9.3, a partir de una tabla de puntos creada en formato .dbf (base de datos) en el software OpenOffice 3.4, que contiene las coordenadas Oeste y Norte de los cruces de la grilla de coordenadas del mapa base. En este proceso se utilizaron 9 puntos de control y se obtuvo un RMSE total de 0.21 pixel, el cual está dentro del rango de tolerancia admitido, y se realizó un ajuste de los puntos por medio del método de rectificación por interpolación de vecino más cercano (nearest neighbor). Una vez georeferenciada la cartografía base, se realiza el mismo procedimiento para una de las imágenes aéreas, con la misma rigurosidad en precisión y rectificación del párrafo anterior. A partir de esta primera imagen georeferenciada se realiza la georeferencia de las demás fotografías aéreas (4 fotos), proceso que se destaca porque se deben tomar puntos de referencia cercanos a la zona de menor distorsión de la foto (centro) pero que a la vez este en zona de traslape entre las imágenes, y se deben tomar puntos de control lo mas pequeños y de menor altura posible. Dentro del proceso de esta georeferenciación y extracción de puntos, se obtuvieron siempre RMSE de los puntos inferiores a 0.3 pixel. 3.2 Creación de Puntos de Control: Dentro del mismo software ArcGIS, haciendo uso de sus herramientas ArcToolbox y Editor, se crea un archivo de puntos (.shp) en el que se digitalizan los puntos de control más convenientes: • • •

Puntos de baja altura, Puntos cercanos al centro de la imagen, Puntos en zona de traslape.

De esta manera se digitalizan 21 puntos de control a los cuales se les calculan mediante la tabla de atributos de la capa, las coordenadas Oeste(X) y Norte(Y). Y se les asignan un nombre, una cota (Z) y una descripción de acuerdo a la zona en que se encuentran. Finalmente se crea un documento en el que se describen detalladamente los puntos de control y los parámetros de orientación interna y generales del proyecto. 3.3 Creación de Bloque: Se crea un archivo de bloque mediante la herramienta LPS del software ERDAS 9.2, con las propiedades iniciales de altura de vuelo, modelo de la cámara, marcas fiduciales, y parámetros de distorsión con distorsiones angulares. • • • •

Tipo de Proyección: Nombre de datum Horizontal: Esferoide Horizontal: Factor de Escala Meridiano Central

Transverse Mercator Datum Bogota Oeste (EPSG – Bogotá 1975) Internacional de Hayford 1924 (International 1909) 1.000

[email protected]

4

Extracción Semiautomática de polígonos catastrales mediante fotografías aéreas Estevan Lerma - 2013 • • • • • •

Longitud de meridiano central: Latitud del origen de proyección: Falso Este Falso Norte Esferoide Vertical: Datum Vertical:

77:04:51.30 W 04:35:56.57 N 1000000.000 1000000.000 Wgs84 Wgs84

• • • • • • • •

Cámara: Longitud Focal: Punto Principal: Fiducial 1: Fiducial 2: Fiducial 3: Fiducial 4: Altura del Vuelo:

Wild RC 8 152.444 mm Xo = -0.002 Yo = -0.004 -106.013 -106.001 106.011 105.995 -105.999 105.998 105.991 -106.001 2884.932m ( 9465 pies)

Campo del Ángulo Distorsión (Micras) 7.5 4 15 6 22.7 5 30 0 35 -5 40 -6 Tabla 2: Distorsiones Radiales de los lentes medidas en ángulos vs micras. Coeficientes de Distorsión: Ko = - 0.2099e-3 K1 = 0.3802e-7 K2 = - 0.1377e-11 3.4 Orientación Interna y Externa La orientación interna es el proceso que permite reconstruir el haz de rayos de una imagen para corregir la geometría en el instante de la toma, por lo cual, este procedimiento permite recuperar la geometría original en ese instante ajustando lo más preciso posible a las marcas fiduciales, una en cada esquina. Las coordenadas de los puntos fiduciales insertados se transformaron del Sistema de Coordenadas interno de la cámara al Sistema de Coordenadas píxel utilizando el módulo LPS del software ERDAS. Posteriormente se realiza el ajuste de mínimos cuadrados de las 4 marcas fiduciales en cada una de las fotografías a emplear, para lo cual, se utilizan los datos del certificado de calibración de la cámara ya mencionados y la información focal ya consignada. Los errores se cuidaron que fueran menores a 0.3 pixel en esta fase.

[email protected]

5

Extracción Semiautomática de polígonos catastrales mediante fotografías aéreas Estevan Lerma - 2013 Haciendo uso del módulo LPS del software ERDAS, se realizó el proceso de orientación externa para determinar la posición de las imágenes en el espacio, utilizando los 21 puntos de control, que cubren totalmente el área de las fotos. 3.5 Aerotriangulación y puntos TIE: El proceso de aerotriangulación automática sobre las cinco imágenes aéreas se realizó utilizando el módulo LPS del software ERDAS, y es con el que se amarra física y matemáticamente el bloque de imágenes individuales determinando de forma indirecta sus parámetros de orientación, y asociando todo el proyecto al datum de referencia horizontal y vertical. Desafortunadamente en este procedimiento no se logró conseguir un RMSE inferior a 0.3, obteniendo un error de 0.7, el cual afecta directamente todos los demás procesos que se pretendan hacer con las imágenes. Al realizar el proceso de creación de puntos TIE, el error se propaga y además se suma a que las imágenes tienen fuertes distorsiones hacia los extremos, sobre todo el derecho que corresponde a una montaña. Obteniendo un error insalvable al triangular, sin importar que ajustes se le realicen a la triangulación. 3.6 Mosaicado : Se crea un mosaico a partir de las imágenes aéreas de toda la zona ya orientadas externamente dentro del bloque, y se crea otro mosaico de la zona a extraer (solo zona urbana), entre 5 y 2 imágenes aéreas respectivamente. Esto se hace mediante la herramienta Mosaic Tool de Erdas y aplicando ajuste de color, de histograma y unas líneas de corte ponderadas automáticas. Además se prepara el mosaico de la zona a extraer mediante un recorte con el comando SUBSET. 3.7 Suavizado de Imagen: Se suaviza la imagen mediante la aplicación de un filtro espacial de Expansión del contraste. (adaptative filter). Figura 4: Mosaico Mediante 5 imágenes de Buga 3.8 Clasificación Pixel: Mediante la herramienta objective de ERDAS imagine 2011, se procede a crear una clasificación pixel supervisada de los elementos que corresponden a casas y los que corresponden a fondo. Tomando como características básicas, forma y valor de pixel. [email protected]

6

Extracción Semiautomática de polígonos catastrales mediante fotografías aéreas Estevan Lerma - 2013 3.9 Segmentación: Es el proceso de partir la imagen en segmentos por agrupación de pixeles que tienen valores similares de brillo, textura y color y se realiza mediante la herramienta objective de ERDAS, con parámetros por defecto. 3.10 Operaciones Morfológicas: Dilate – Erode: Se realizan operaciones morfológicas de dilatación y erosión para reducir ruidos de la imagen segmentada. 3.11 Restricción por probabilidad de ocurrencia: Se aplica una restricción por probabilidad de ocurrencia con un umbral de 0.75 (75%), esta probabilidad esta calculada en base a los valores de la clasificación pixel. 4. Postprocesamiento: 4.1 Vectorización: Mediante la herramienta raster to vector de ERDAS 2011, se procede a vectorizar los polígonos que cumplen la restricción de manera automatizada. 4.2 Optimización Bordes: Generalize, Smooth, Dissolve Se aplican geoprocesos vectoriales a la capa vectorial extraída con el fin de generalizar los segmentos, disminuir islas, eliminar fondo, y eliminar segmentos repetidos. 4.3 Optimización final: Aplicación de restricciones de área mínima a la información obtenida de la extracción, y aplicación de más operaciones vectoriales para eliminar falsos positivos y aproximar mejor la forma de los polígonos reales.

Resultados: En la implementación de la metodología la metodología descrita sobre las fotografías de Buga, se obtuvo inicialmente el mosaico de la zona, no ortorectificado debido a los problemas de referenciación que impidieron generar un DEM confiable.

Figuras 5 y 6: Mosaico optimizado y recortado (der), Clasificación Pixel (izq) [email protected]

7

Extracción Semiautomática de polígonos catastrales mediante fotografías aéreas Estevan Lerma - 2013 En la fase de clasificación supervisada por pixel, se obtuvo una imagen bastante grande, que muestra en zonas oscuras, los valores que corresponden a fondo, y en tonnos claros, los valores que corresponden al objeto a extraer. Se observan las vías bien demarcadas.

Figuras 7 y 8: Mosaico Segmentado (izq), Segmentación filtrada por probabilidad (der) El mosaico segmentado realizado con parámetros por defecto, genera una cantidad excesiva de segmentos que no ayudan a definir las figuras de la imagen. La imagen segmentada ya filtrada por probabilidad de ocurrencia calculada sobre la imagen reclasificada, elimina de la imagen segmentada los pixel correspondientes al fondo de la imagen.

Figura 9: Capa de polígonos en formato shape (optimizada) Finalmente la capa vectorizada a partir de los datos de clasificación pixel, y probabilidad de ocurrencia se optimiza con geoprocesos vectoriales y se obtiene la imagen de polígonos final [email protected]

8

Extracción Semiautomática de polígonos catastrales mediante fotografías aéreas Estevan Lerma - 2013 5. Conclusiones: •

Los errores en el proceso de georeferenciación de imágenes aéreas de la CVC se deben principalmente a la distorsión de las imágenes en sus extremos, y las zonas de ladera.

•

El procedimiento general de extracción es totalmente funcional y sus fallas se deben a mala parametrización de los procesos.

•

La diferencia en consumo de tiempo de digitalización automática vs digitalización manual, muestra que en caso de polígonos catastrales es mas eficiente digitalizar manualmente

Bibliografía: [1] Avrahami, Y., Raizman, Y. and Doytsher, Y. (2007), Semi-automatic approach toward mapping of flat-roofed buildings within a non-stereoscopic environment. The Photogrammetric Record, 22: 53–74. doi: http://dx.doi.org/10.1111/j.14779730.2007.00417.x [2] Aycan m. marangoz, Murat o, Serkan k, Hakan ş, (2006), Comparison of Pixel-Based and Object-Oriented Classification Using Ikonos Imagery for Automatic Building Extraction, Fifth International Symposium, Turkish-German Joint Geodetic Days, Berlin Teknik Üniversitesi, Germany, 28-31, [3] Bailang Y, Hongxing L, Jianping W, Yingjie H, Li Z, (2010) Automated derivation of urban building density information using airborne LiDAR data and object-based method, Landscape and Urban Planning, Volume 98, Issues 3–4, 30 December 2010, Pages 210-219, ISSN 0169-2046, http://dx.doi.org/10.1016/j.landurbplan.2010.08.004. [4] El Congreso de Colombia,(1983), Por la cual se fortalecen los fiscos de las entidades territoriales y se dictan otras disposiciones, Ley 14 de 1983, Consultado 25/10/2013 en línea en: http://www.alcaldiabogota.gov.co/sisjur/normas/Norma1.jsp?i=267 [5] El Tiempo, (2013), Hay $298.000 millones para actualizar el catastro rural del país, “Actualizar 3,3 millones de predios de 845 municipios es la meta desde ahora hasta el 2017.” Juan Peña Nieto, director IGAC, (consultado en línea 2013/10/25) http://www.eltiempo.com/politica/ARTICULO-WEB-NEW_NOTA_INTERIOR12882291.html [6] Figueroa, E, (2013), La Actualización Catastral de Cucuta ha sido una tormenta perfecta, Redacción diario la Opinión de Cúcuta 2013, Consultado 25/10/2013 en línea en: http://www.laopinion.com.co/demo/index.php?option=com_content&task=view&id=421 329&Itemid=27 [7] Florent L, Xavier D, Josiane Z, Marc P-D, (2008) Automatic building extraction from DEMs using an object approach and application to the 3D-city modeling, ISPRS Journal of [email protected]

9

Extracción Semiautomática de polígonos catastrales mediante fotografías aéreas Estevan Lerma - 2013 Photogrammetry and Remote Sensing, Volume 63, Issue 3, May 2008, Pages 365-381, ISSN 0924-2716, http://dx.doi.org/10.1016/j.isprsjprs.2007.09.003. [8] IGAC, (2013), Normatividad-Decretos, Historia, El IGAC está listo para la actualización catastral en Colombia, Consultado en línea: 25/10/2013 http://www.igac.gov.co/ [9] IGN, (2011), Bases de datos espaciales, Instituto Geográfico Nacional de España http://www.ign.es/ign/layoutIn/actividadesCartografia.do [10]Khoshelham, K. and Li, Z. (2004), A Model-Based Approach to Semi-Automated Reconstruction of Buildings from Aerial Images. The Photogrammetric Record, 19: 342– 359. doi: http://dx.doi.org/10.1111/j.0031-868X.2004.00290.x [11]Li, H.-Y.; Wang, H.-Q.; Ding, C.-B.,(2006) "A New Solution of Automatic Building Extraction in Remote Sensing Images," Geoscience and Remote Sensing Symposium, . IGARSS 2006. IEEE International Conference, vol., no., pp.3790,3793, July 31 2006-Aug. 4 2006 doi: http://dx.doi.org/10.1109/IGARSS.2006.971 [12]Matikainen, L; Hyyppä, J; Ahokas, E; Markelin, L; Kaartinen, H. (2010), Automatic Detection of Buildings and Changes in Buildings for Updating of Maps, Remote Sens. 2, no. 5: 12171248. doi: http://dx.doi.org/10.3390/rs2051217 [13]Müller, S., & Zaum, D. W. (2005). Robust building detection in aerial images. International Archives of Photogrammetry and Remote Sensing, 143-148. [14]Ok, A. (2009). Automated description of 2-d building boundaries from a single color aerial ortho-image. Proceedings of ISPRS, High Res. Earth Imag. for Geospat. Inf, 1417-1420. [15]Ramos, R L, (2003) , “La Modernización del Catastro Colombiano”, Revista de ingeniería Universidad de los Andes, vol 18, pag 156, , Consultado 17/09/2013 vía web: https://revistaing.uniandes.edu.co/pdf/Rev18-18.pdf, [16]Shorter, N. Kasparis, T. (2009), "Automatic Vegetation Identification and Building Detection from a Single Nadir Aerial Image" Remote Sens. 1, no. 4: 731-757, doi: http://dx.doi.org/10.3390/rs1040731 [17]Sirmacek, B., & Unsalan, C. (2008, October). Building detection from aerial images using invariant color features and shadow information. In Computer and Information Sciences, 2008. ISCIS'08. 23rd International Symposium on (pp. 1-5). IEEE. http://dx.doi.org/10.1109/ISCIS.2008.4717854 [18]Sylvie S, Bruno T, (1997), Updating urban database with aerial photographs: A common structuring methodology, Computers, Environment and Urban Systems, Volume 21, Issue 2, March 1997, Pages 133-145, ISSN 0198-9715, http://dx.doi.org/10.1016/S01989715(97)01007-7 [email protected]

10