infraBASE

Laufzeit: 04/2018 - 09/2019
ProjektmitarbeiterInnen: David Koch, Miroslav Despotovic, Sascha Leiber, Mario Döller
Kooperationspartner: GeoVille Information Systems and Data Processing GmbH, St. Pölten University of Applied Science

Genaue und aktuelle Geoinformationen über Lage, Form, Größe und Typ von Gebäuden sind grundlegende Informationen für unterschiedlichste EntscheidungsträgerInnen (bspw. Politik, Katastrophenschutz, Versicherung, Entwicklung von Infrastrukturen etc.). Diese sogenannten Gebäudeumrisse (engl. Building Footprints – BFPs) werden aktuell manuell digitalisiert oder über teilautomatisierte Bildsegmentierung aus sehr hochauflösenden Luft- oder Satellitenbildern extrahiert. Eine vollständige automatisierte Bildsegmentierung scheitert aktuell an der Genauigkeit der Ergebnisse, weshalb eine teure manuelle Nacharbeitung unabdingbar ist.

BFPs sind deshalb nur für etwa 12% der globalen bebauten Siedlungsfläche kartiert und über Plattformen wie Open Street Map verfügbar. Ziel des Projektes infraBASE ist es zu evaluieren, inwieweit ein vollautomatisierter Zugriff auf Copernicus Daten und ein vollautomatisiertes Erkennen von BFPs den Anforderungen hinsichtlich Genauigkeit und Geschwindigkeit entspricht.

infraBASE fokussiert sich dabei vorerst auf die Erforschung eines IT getriebenen einheitlichen Zuganges und Aufbereitung der verfügbaren Daten. Darauf aufbauend erfolgt die Entwicklung eines maschinellen Lernverfahrens basierend auf mehrschichtiger neuronaler Netze (Deep Learning) zur Erkennung von BFPs. Die laufenden Erkenntnisse fließen in die kontinuierliche Weiterentwicklung des lernenden Algorithmus ein. Aktuell schaffen bestehende Extraktionsmethoden eine Genauigkeit von 60%. Erst durch die manuelle Nacharbeitung wird eine Genauigkeit von 85-90% erreicht. Diese Genauigkeit wird als Benchmark für die Evaluierung herangezogen.