BROADCASTS.com

RaySAR ist ein open source Simulationsprogramm f\xfcr Synthetic Aperture Radar (SAR),\neine hochaufl\xf6sende Form von bildgebendem Radar.\nSAR Bilder sind von gro\xdfem Wert in der Katastrophenhilfe um direkt nach\neinem Katastrophenfall eine Einsch\xe4tzung des entstandenen Schadens zu gewinnen -\nsie k\xf6nnen auch nachts und durch eine Wolkendecke aufgenommen werden.\n\nIn diesem Vortrag wird RaySAR vorgestellt, sowie Ans\xe4tze, wie RaySAR bei der\nDetektion von Geb\xe4udesch\xe4den eingesetzt werden k\xf6nnte.\n\nIm Katastrophenfall, zum Beispiel nach einem Erdbeben, Tsunami oder Sturm, m\xfcssen Entscheidungen getroffen werden, wie die Ressourcen der Katastrophenhilfe eingesetzt werden. Daf\xfcr ist es notwendig, dass Entscheidungstr\xe4ger m\xf6glichst gut \xfcber den entstandenen Schaden und dessen r\xe4umliche Verteilung informiert werden.\n\nFernerkundungsmethoden spielen eine wichtige Rolle in dieser Aufgabe, da sie gro\xdffl\xe4chige Aufnahmen zur Verf\xfcgung stellen ohne dass sich Gutachter vor Ort in Gefahr bringen m\xfcssen.\nBesonders attraktiv sind Synthetic Aperture Radar (SAR) Aufnahmen, weil diese unabh\xe4ngig von Lichtverh\xe4ltnissen und Wetterbedingungen aufgenommen werden k\xf6nnen und hochaufl\xf6sende Daten liefern.\n\nRadardaten bringen aber auch einige Schwierigkeiten mit sich. Die Funktionsweise eines Radarsensors unterscheidet sich entscheidend von dem eines optischen Sensors, weshalb SAR Bilder schwieriger\nzu interpretieren sind als optische Bilder. Au\xdferdem fehlen oft hochaufl\xf6sende Aufnahmen, die kurze Zeit vor einer Katastrophe aufgenommen wurden, denn der Sensor muss f\xfcr die Aufnahme von Bildern mit h\xf6chster Aufl\xf6sung l\xe4ngere Zeit auf das Ziel ausgerichtet bleiben und eine dauerhafte, fl\xe4chendeckende Aufnahme ist nicht m\xf6glich. F\xfcr sogenannte change detection Methoden, die Unterschiede zwischen Aufnahmen von vor der Katastrophe und nach der Katastrophe festellen, fehlen deshalb Referenzdaten, die im Fall optischer Bilder deutlich \xf6fter vorhanden sind.\n\nSimulationsprogramme k\xf6nnen eingesetzt werden um synthetische Daten zu generieren und so die fehlenden Daten k\xfcnstlich zur Verf\xfcgung stellen. Simulationen erm\xf6glichen es, change detection Methoden einzusetzen, auch wenn keine SAR Aufnahmen von vor der Katastrophe zum Vergleich vorliegen. Machine Learning basierte Methoden ben\xf6tigen oft gro\xdfe Mengen Trainingsdaten. Hier k\xf6nnen Simulationen n\xfctzlich sein, da simulierte Daten g\xfcnstiger und besser kontrollierbar im Bezug auf n\xf6tige Parameter, verschiedene Ansichten des gleichen Objektes und weiterer Merkmale sind. \n\nIn diesem Vortrag wird der Simulator RaySAR vorgestellt, welcher von Stefan Auer in seiner Dissertation [1] an der TU M\xfcnchen entwickelt und sp\xe4ter zusammen mit dem Quellcode frei ver\xf6ffentlicht wurde.\nDamit ist RaySAR eine attraktive Alternative zu kommerziellen und anderen akademischen Simulatoren und erlaubt es den Nutzern den Quellcode zu lesen und zu bearbeiten. Es werden au\xdferdem Ans\xe4tze betrachtet, wie RaySAR in der Detektion von Geb\xe4udesch\xe4den zum Einsatz kommen kann und wie der Simulator im Rahmen der Masterarbeit des Vortragenden weiterentwickelt wird.\n\n[1] Auer, Stefan Josef. 3D synthetic aperture radar simulation for interpreting complex urban reflection scenarios. Diss. Technische Universit\xe4t M\xfcnchen, 2011.\nabout this event: https://pretalx.com/fossgis2024/talk/YGJKYH/