Na konferenci UNISEC Gobal na Japonskem, novembra 2014, je predlog satelita za opazovanje višine oblakov prejel prvo nagrado. Predlagana je konstalacija majhnih satelitov, ki s steroskopskim opazovanjem omogoča izdelavo 3D modela vulkanskih ali drugih oblakov. Ideja je prepričala ugledno mednarodno komisijo zaradi velike uporabnosti in razvite tehnične rešitve.
E.02 Mednarodne nagrade
Doktorska disertacija je bila opravljena deloma v okviru projekta, avtor je član projektne skupine, somentor naloge pa je vodja projekta. V disertaciji smo razvili popolnoma samodejen postopek za ortorektifikacijo optičnih satelitskih posnetkov. Ortorektificiran posnetek je v državnem koordinatnem sistemu in predstavlja primerno podlago za prostorske analize. Izdelan izviren postopek povezuje več različnih metod v enoten in robusten sistem za samodejno izdelavo ortoposnetkov. Doktorska disertacija opisuje celoten postopek samodejne ortorektifikacije, ki ga sestavljajo štirje osnovni moduli: modul za branje in pripravo metapodatkov, modul za samodejno določanje oslonilnih točk, modul za izračun parametrov geometričnega modela in modul za izvedbo ortorektifikacije. Poleg modulov so predstavljeni tudi poskusi s posnetki RapidEye in WorldView-2. Opravljeni poskusi so omogočili ovrednotenje delovanja samodejnega postopka določanja točk, geometričnega modela, izločanja grobih napak in oceno položajne točnosti ortoposnetkov. Rezultati testov kažejo, da lahko samodejni postopek izdela ortoposnetke s položajno točnostjo okrog dveh pikslov ali manj, tudi če je med samodejno določenimi oslonilnimi točkami prisotnih več grobih napak.
D.09 Mentorstvo doktorandom
COBISS.SI-ID: 7257697Predlagani izum se nanaša na postopek določitve koordinat vsaj ene oslonilne točke na daljinsko zaznanih podatkih, na primer na satelitskem posnetku, s primerjavo koordinat druge točke, na primer cestnega križišča, na referenčnem viru. S postopkom po izumu se pridobljeni posnetek najprej izbiroma pretvori v digitalen posnetek z več sloji, nakar se iz omenjenega večslojnega digitalnega posnetka izbere vsaj en delovni sloj. Zatem se na omenjenem delovnem sloju digitalnega posnetka filtrira objekte, da se dobi informacijo omenjenega digitalnega posnetka v binarni obliki. Omenjene filtrirane objekte se shrani v binarno datoteko, ki se jo doda referenčnemu viru kot dodaten sloj. Referenčni vir se pretvori iz vektorske oblike v rastrsko sliko oddaljenosti. Sledi približna umestitev digitalnega posnetka v binarni obliki na rastrski referenčni vir in temu še natančna umestitev slike v binarni obliki na rastrski referenčni vir, s čimer se pridobi seznam koordinat oslonilnih točk.
F.33 Patent v Sloveniji
COBISS.SI-ID: 38047237Krištof Oštir je bil med letoma 2015 in 2017 vodja mednarodnega projekta Sentinel2Agri4Slovenia – Application of Sentinel-2 Time-Series Data for Crop Identification and Crop Stress Monitoring, ki so ga projektni partnerji Center odličnosti Vesolje-SI, Sinergise in Fakulteta za računalništvo in informatiko Univerze v Ljubljani pridobili v okviru programa PECS, programa Evropske vesoljske agencije (ESA) za sodelujoče države. V projektu je raziskovalna skupina preučevala časovne vrste satelitskih posnetkov Sentinel-2 za pridobivanje sloja maske poljščin, sloja različnih poljščin in stresa na poljščinah. Zaključno poročilo projekta zajema opis različnih visokoločljivih satelitskih posnetkov (RapidEye, SPOT5 in Sentinel-2) ter referenčne in pomožne podatke, pridobljene iz različnih virov, in njihovo integracijo. Poročilo se nadaljuje z opisom šestih glavnih vrst poljščin (pšenica, koruza, oljna ogrščica, ječmen, tritikala in oljna buča), ki smo jih analizirali v projektu, s posebnim poudarkom na razumevanju vpliva korelacije različnih vegetacijskih indeksov na ločevanje poljščin v rastni sezoni. Preučevali smo pet vrst osnovnih enot kartiranja: piksel, vnaprej določena mreža, segment, grafična enota rabe zemljišča kmetijskega gospodarstva (GERK) ter presek GERK-a in segmenta. Ugotovili smo, da je GERK optimalna kartografska enota. Za prikaz rezultatov in njihovo morebitne praktično uporabo smo v okviru projekta poleg implementacije različnih pristopov klasifikacije (klasična nadzorovana klasifikacija in statistično modeliranje) razvili orodje za diseminacijo rezultatov. Poročilo navaja, da je skupna natančnost klasifikacije, ki temelji na časovnih vrstah Sentinel-2 za leto 2016, 97 % za masko poljščin in 89 % za posamezne poljščine.
D.06 Zaključno poročilo o tujem/mednarodnem projektu
Dostopnost časovnih vrst visoko prostorsko in časovno ločljivih satelitskih posnetkov je omogočila razvoj metod veččasovne klasifikacije pokrovnosti, ki naj bi – zaradi časovne informacije – izboljšale kakovost klasifikacije. V disertaciji sta obravnavani dve veččasovni klasifikaciji: kvazi veččasovna klasifikacija in klasifikacija na osnovi časovnih vrst. Pri prvi posnetke časovne vrste uporabimo kot atribute enočasovne klasifikacije, pri drugi pa primerjamo razvoj določenih spektralnih karakteristik v času. Klasifikacije petih osnovnih razredov pokrovnosti (gozd, travnik, njiva, voda, urbano) in šestih osnovnih poljščin (koruza, pšenica, ječmen, buča, oljna ogrščica, tritikala) so bile izvedene z različnimi vhodnimi podobami, atributi, osnovnimi enotami ter posnetki različnih senzorjev. Velik poudarek je na preučitvi postopkov segmentacije, saj izkušenj o uporabnosti segmentov kot osnovnih enot veččasovne klasifikacije v svetovnem merilu skoraj ni. Poleg same učinkovitosti omenjenih metod je podrobno analiziranih več možnih vplivov na rezultat klasifikacije. Namen je izboljšati trenutno zelo skromne usmeritve za pridobitev visoke natančnosti pri kratkem času procesiranja. Dobljeni rezultati kažejo, da je – poleg spektralnih vrednosti – čas zajema satelitskega posnetka najpomembnejši atribut pri klasifikaciji. Kvazi veččasovna klasifikacija povprečno omogoča pridobitev mnogo višje skupne natančnosti kakor enočasovna klasifikacija (+8 % osnovni razredi, +16 % poljščine), s čimer se s povprečno skupno natančnostjo 90 % (osnovni razredi) in 88 % (poljščine) dotika uporabne operativne vrednosti. Rezultati klasifikacije na osnovi časovnih vrst so od rezultatov kvazi veččasovne klasifikacije slabši (-1 % osnovni razredi, -25 % poljščine), pri čemer je čas izvajanja izredno dolg, kar metodo uvršča med trenutno nesprejemljivo za praktično uporabo. Pomembna ugotovitev naloge je, da za veččasovno klasifikacijo segmenti niso najustreznejše osnovne enote. Ne glede na postopek pridobitve namreč prinašajo slabšo natančnost klasifikacije od referenčnih poligonov (-5 % osnovni razredi, -18 % poljščine) in pikslov (-5 % osnovni razredi, -16 % poljščine).
D.09 Mentorstvo doktorandom