Historische Bilder bieten uns einen einzigartigen Einblick in die Vergangenheit. Als solche sind sie zu wichtigen Quellen für die Dokumentation von Landschaftsveränderungen geworden. Unter den historischen Bildern werden Schrägaufnahmen von Forschenden weniger genutzt als andere Quellen, wie beispielsweise Luft-oder Satellitenbilder. Da sie von Amateuren u. Amateurinnen mit unbekannten Kameras völlig unstrukturiert aufgenommen wurden und über mehrere Archive ohne gemeinsame Metadaten verteilt sind, ist ihre Integration in räumliche Analysen schwierig und zeitaufwändig. Um diese Herausforderungen zu bewältigen und somit das volle Potenzial dieser Bilder auszuschöpfen, spielt die Photogrammetrie eine zentrale Rolle. Insbesondere die unbekannte innere und äußere Orientierung der Bilder verhindert eine weitere Nutzung in zweierlei Hinsicht: Erstens können Bilder in Archiven nicht räumlich gesucht werden. Zweitens erfordert die genaue Schätzung der inneren und äußeren Orientierung mittels räumlichen Rückwärtsschnitts, eine Voraussetzung für die Dokumentation von Landschaftsveränderungen anhand einzelner Schrägaufnahmen durch Monoplotting, Passpunkte, deren Suche zeitaufwändig ist. Daher ist die exakte Schätzung der unbekannten Kameraparameter mit minimalem manuellem Aufwand eine der zentralen Herausforderungen, um diese spannende Ressource für die Forschung einfacher nutzbar zu machen. Mit den bekannten Kameraparametern können einzelne Pixel monogeplottet werden. Bei keiner der verfügbaren Monoplotting-Lösungen kann jedoch die Unsicherheit der monogeplotteten Objektpunkte abgeschätzt werden. Während durch den überbestimmten räumlichen Rückwärtsschnitt auch die Unsicherheit der Kameraparameter geschätzt wird, ist es nach wie vor unklar, wie sich diese Unsicherheiten auf die monogeplotteten Objektpunkte auswirken. Nur mit dieser zusätzlichen Informationen ist eine Integration der monogeplotteten Strukturen in räumliche Analysen möglich. Andernfalls ist es unklar, ob die Genauigkeit der monogeplotteten Punkte überhaupt ausreicht, um beobachtete Landschaftsveränderungen zu quantifizieren. In dieser Arbeit haben wir uns speziell mit diesen beiden Herausforderungen befasst, welche unserer Meinung nach die größten Hindernisse für die effiziente Nutzung dieser einzigartigen Ressource darstellen. Um die unbekannten Kameraparameter für ganze Bildersammlungen effizient zu schätzen, haben wir einen automatischen Ansatz entwickelt, welcher auf dem sichtbaren Horizont basiert. Dieser hat sich, im Gegensatz zu den übrigen Teilen der Bilder, im letzten Jahrhundert weniger stark verändert und kann daher als stabiles Feature angesehen werden. Dieser Ansatz erfordert jedoch umfangreiche Prozessierungen, welche nicht in Relation zum Aufwand stehen, welcher für die Orientierung einiger weniger Bilder aufgebracht werden muss. Daher haben wir einen halbautomatischen Ansatz entwickelt, der auf Deep Learning basierten Deskriptoren basiert, um korrespondierende Punkte zwischen historischen Schrägaufnahmen und gerenderten 3D-Szenen zu finden. Um das nachfolgende Monoplotting zu erweitern, haben wir einen Ansatz zur Schätzung der Unsicherheit von monogeplotteten Objektpunkten entwickelt und Fälle (z.B.: Silhouetten) untersucht, in denen die Schätzung der Unsicherheit keine validen Schätzungen liefert. Schließlich haben wir beide Ansätze in unser Monoplotting-Tool moniQue integriert, das direkt in QGIS integriert wurde, um die Verarbeitung von Schrägbildern so nah wie möglich an die potenziellen Nutzer zubringen. Wir sind überzeugt davon, dass diese Arbeit dazu beitragen wird, die Integration historischer Schrägaufnahmen in räumliche Analysen zu erleichtgern und damit die derzeitige Beobachtungslücke in der Erforschung von Landschaftsveränderungen teilweise zu schließen.
Sebastian Mikolka-Flöry (Wed,) studied this question.