AT17219U1

AT17219U1 - Method for the detection of structures of a rodent population on a section of land

Info

Publication number: AT17219U1
Application number: ATGM50116/2020U
Authority: AT
Original assignee: Wien Energie Gmbh
Priority date: 2020-06-02
Filing date: 2020-06-02
Publication date: 2021-09-15
Also published as: WO2021243387A1

Abstract

Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt mittels einer Drohne umfassend die Schritte Bewegen der Drohne über den Geländeabschnitt und Erfassen eines Bodenabbildes (1) des Geländeabschnitts mit einem Bodenerfassungsmittel der Drohne; Bestimmen von lokalen Minima (2) eines Geländeniveaus des Geländeabschnitts in dem erfassten Bodenabbild (1) mit einem Bildverarbeitungsmittel und/oder einem Punktwolkenverarbeitungsmittel; und Rastern des Bodenabbilds (1) in eine Mehrzahl von Zellen (3) und Zuordnen der lokalen Minima (2) zu den Zellen (3). Das Verfahren umfasst zudem das Kategorisieren von Zellen (3), welche mehr als einen Schwellenwert an lokalen Minima (2) enthalten, als Bauzelle; und Zuordnen der lokalen Minima (2) in jenen Zellen (3), die nicht als Bauzellen kategorisiert, aber zumindest zu einer Bauzelle benachbart sind, zu jeweils jener Bauzelle, zu deren Mittelpunkt das jeweilige lokale Minimum (2) die geringste euklidische Distanz aufweist.A method for detecting structures of a rodent population on a terrain section by means of a drone, comprising the steps of moving the drone over the terrain section and capturing a ground image (1) of the terrain section with a ground capturing means of the drone; Determining local minima (2) of a terrain level of the terrain section in the captured soil image (1) with an image processing means and / or a point cloud processing means; and rasterizing the ground image (1) into a plurality of cells (3) and assigning the local minima (2) to the cells (3). The method also comprises categorizing cells (3) which contain more than one threshold value of local minima (2) as a construction cell; and assigning the local minima (2) in those cells (3) that are not categorized as building cells, but are at least adjacent to one building cell, to each building cell to the center of which the respective local minimum (2) has the smallest Euclidean distance.

Description

description

VERFAHREN ZUM DETEKTIEREN VON BAUTEN EINER NAGETIERPOPULATION AUF ElNEM GELANDEABSCHNITT METHOD OF DETECTING BUILDINGS OF A RODENT POPULATION ON A SECTION OF SITE

[0001] Die Erfindung betrifft ein Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt mittels einer Drohne. The invention relates to a method for detecting structures of a rodent population on a section of land by means of a drone.

[0002] In der Natur kommen Nagetierpopulationen unterschiedlicher Spezies in verschiedenen Gebieten in unterschiedlicher Dichte und Häufigkeit vor. Während einige Nagetierspezies wie Ratten oder Mäuse in der Regel als Schädlinge erachtet werden, sind andere Nagetiere wie beispielsweise das Ziesel oder das Murmeltier schützenswerte Arten. Hierdurch ergibt sich sowohl im wissenschaftlichen Bereich, als auch im Ingenieurbau beispielsweise auf dem Gebiet der Raumplanung oder der Stadtplanung die Notwendigkeit zu bestimmen ob auf einem bestimmten Geländeabschnitt eine Nagetierpopulation beheimatet ist. Auch im Vorfeld beziehungsweise der Planungsphase von Neubauten ist oftmals eine Bestimmung der Nagetierpopulation auf einem Geländeabschnitt notwendig, um geltenden Naturschutzbestimmungen Rechnung zu tragen. In nature, rodent populations of different species occur in different areas in different densities and abundances. While some rodent species such as rats or mice are usually considered pests, other rodents such as the ground squirrel or the groundhog are species worthy of protection. This results in the need to determine whether a particular section of the site is home to a rodent population, both in the scientific field and in civil engineering, for example in the field of spatial planning or town planning. In the run-up to or the planning phase of new buildings, it is often necessary to determine the rodent population on a section of the site in order to comply with applicable nature conservation regulations.

[0003] Herkömmlicherweise werden Nagetierpopulationen auf Geländeabschnitten durch manuelle oder teilautomatisierte Methoden bestimmt. Diese Methoden umfassen ein manuelles und zeitintensives Abgehen des Geländeabschnittes von Interesse, und eine visuelle Bestimmung der Eingänge von Nagetierbauten. Dieser Vorgang kann durch Spurröhren bzw. auch durch Kamerafallen unterstützt werden, welche bei Unklarheiten bei der Bestimmung auf Artenniveau als Unterstützung zur Kartierung dienen.. Aus diesen Daten wird die Größe der Nagetierpopulation bestimmt (Vollzensus) oder bei Stichproben oder partiellen Transektbegehungen extrapoliert. Diese aus dem Stand der Technik bekannte Methode weist den Nachteil auf, dass hierfür eine große Anzahl an geschultem Personal, sowie ein hoher Zeitaufwand notwendig ist. Zudem ist diese Methode mit einer relativ großen Unsicherheit behaftet, da die Erfassung der Bauten der Nagetierpopulation stark von den individuellen Fähigkeiten, sowie der Tagesverfassung der durchführenden Personen abhängt. Des Weiteren ist im Fall von unwegsamen Geländeabschnitten nicht immer gesichert, dass alle Bereiche des betreffenden Geländeabschnitts für Personen einfach zugänglich sind. Hierdurch wird die Ungenauigkeit dieses Verfahrens gemäß dem Stand der Technik weiter vergrößert. [0003] Conventionally, rodent populations are determined on sections of the terrain by manual or partially automated methods. These methods include a manual and time-consuming walk around the area of interest and a visual determination of the entrances to rodent burrows. This process can be supported by tracking tubes or by camera traps, which serve as support for mapping in the event of uncertainties in the determination of the species level. The size of the rodent population is determined from this data (full census) or extrapolated from random samples or partial transect inspections. This method known from the prior art has the disadvantage that it requires a large number of trained personnel and a high expenditure of time. In addition, this method is fraught with a relatively high degree of uncertainty, since the recording of the structures of the rodent population depends heavily on the individual skills and the daily constitution of the person carrying out the work. Furthermore, in the case of impassable terrain, it is not always ensured that all areas of the relevant terrain are easily accessible to people. This further increases the inaccuracy of this method according to the prior art.

[0004] Der vorliegenden Erfindung liegt die Aufgabe zugrunde, ein Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt bereitzustellen, welches die Nachteile der Verfahren gemäß dem Stand der Technik vermeidet. The present invention is based on the object of providing a method for detecting structures of a rodent population on a section of land which avoids the disadvantages of the methods according to the prior art.

[0005] Erfindungsgemäß wird die Aufgabe durch ein Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt mittels einer Drohne gelöst, das folgende Schritte umfasst: According to the invention, the object is achieved by a method for detecting structures of a rodent population on a section of terrain by means of a drone, which comprises the following steps:

a) Bewegen der Drohne über den Geländeabschnitt und Erfassen eines Bodenabbildes (1) des Geländeabschnitts mit einem Bodenerfassungsmittel der Drohne; a) moving the drone over the terrain section and capturing a ground image (1) of the terrain section with a ground capturing means of the drone;

b) Bestimmen von lokalen Minima (2) eines Geländeniveaus des Geländeabschnitts in dem erfassten Bodenabbild (1) mit einem Bildverarbeitungsmittel und/oder einem Punktwolkenverarbeitungsmittel; b) determining local minima (2) of a terrain level of the terrain section in the captured soil image (1) with an image processing means and / or a point cloud processing means;

gekennzeichnet durch marked by

c) Rastern des Bodenabbilds (1) in eine Mehrzahl von Zellen (3) und Zuordnen der lokalen Minima (2) zu den Zellen (3); c) rasterizing the ground image (1) into a plurality of cells (3) and assigning the local minima (2) to the cells (3);

d) Kategorisieren von Zellen (3), welche mehr als einen Schwellenwert an lokalen Minima (2) enthalten, als Bauzelle; d) categorizing cells (3) which contain more than one threshold value of local minima (2) as a construction cell;

e) Zuordnen der lokalen Minima (2) in jenen Zellen (3), die nicht als Bauzellen kategorisiert, aber zumindest zu einer Bauzelle benachbart sind, zu jeweils jener Bauzelle, zu deren Mittelpunkt das jeweilige lokale Minimum (2) die geringste euklidische Distanz aufweist. e) Assigning the local minima (2) in those cells (3) that are not categorized as building cells, but are at least adjacent to one building cell, to that building cell in each case from the center of which the respective local minimum (2) has the smallest Euclidean distance .

[0006] Das erfindungsgemäße Verfahren sieht die Verwendung einer Drohne mit einem Bodenerfassungsmittel wie beispielsweise einer optischen Kamera oder einer Light Detection and Ran-The inventive method provides for the use of a drone with a ground detection means such as an optical camera or a light detection and range

ging, beziehungsweise LiDAR Vorrichtung vor, welche über den Geländeabschnitt bewegt wird. Hierbei wird ein Bodenabbild mit dem Bodenerfassungsmittel erfasst. Das Bodenabbild kann beispielsweise in Form einer Pixelgrafik oder einer Punktwolke erfasst werden. In einem weiteren Verfahrensschritt werden in dem erfassten Bodenabbild lokale Minima eines Geländeniveaus des Geländeabschnitts mit einem Bildverarbeitungsmittel und/oder einem Punktwolkenverarbeitungsmittel bestimmt. Daraufhin wird das Bodenabbild in eine Mehrzahl von Zellen gerastert, und die bestimmten lokalen Minima werden zu den Zellen zugeordnet. Zellen, welche mehr als einen Schwellenwert an lokalen Minima enthalten, werden in einem weiteren Schritt als Bauzelle kategorisiert. Zuletzt werden lokale Minima in jenen Zellen, die nicht als Bauzellen kategorisiert wurden, aber zumindest zu einer Bauzelle benachbart sind, zu jeweils jener Bauzelle, zu deren Mittelpunkt das jeweilige lokale Minimum die geringste euklidische Distanz aufweist zugeordnet. went, or LiDAR device, which is moved over the section of the terrain. In this case, a floor image is recorded with the floor recording means. The soil image can be captured in the form of a pixel graphic or a point cloud, for example. In a further method step, local minima of a terrain level of the terrain section are determined in the captured soil image with an image processing means and / or a point cloud processing means. The soil image is then rasterized into a plurality of cells, and the determined local minima are assigned to the cells. Cells that contain more than one threshold value of local minima are categorized as building cells in a further step. Finally, local minima in those cells that have not been categorized as building cells, but are at least adjacent to one building cell, are assigned to each building cell from whose center the respective local minimum has the smallest Euclidean distance.

[0007] Das erfindungsgemäße Verfahren ermöglicht eine rasche und unkomplizierte Erfassung des Geländeabschnitts, sowie der lokalen Minima des Geländeniveaus in diesem Abschnitt. Durch die Anwendung der Drohne in Kombination mit dem Bodenerfassungsmittel wird der Vorteil erreicht, dass auch schwer zugängliche Geländeteile, oder vom Bodenniveau nicht unmittelbar ersichtliche lokale Minima mit dem erfindungsgemäßen Verfahren erfasst werden können. Des Weiteren bietet die in dem erfindungsgemäßen Verfahren angewandte Auswertemethodik den Vorteil, dass die detektierten lokalen Minima automatisiert Bauzellen zugeordnet werden, wodurch ein Abschätzungsfehler für eine Populationsgröße reduziert wird. The inventive method enables a quick and uncomplicated detection of the terrain section, as well as the local minima of the terrain level in this section. The use of the drone in combination with the ground detection means has the advantage that even difficult-to-access parts of the terrain or local minima that are not directly visible from the ground level can be detected with the method according to the invention. Furthermore, the evaluation method used in the method according to the invention offers the advantage that the detected local minima are automatically assigned to building cells, whereby an estimation error for a population size is reduced.

[0008] Gemäß einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens umfasst das Verfahren die Schritte: According to a preferred embodiment of the method according to the invention, the method comprises the steps:

f) Anwenden eines DBSCAN Algorithmus auf die keiner Bauzelle zugeordneten lokalen Minima und Zuordnen von mittels des DBSCAN Algorithmus ermittelten Clustern von lokalen Minima zu jener Zelle, in welcher ein geometrischer Mittelpunkt des Clusters liegt; f) applying a DBSCAN algorithm to the local minima not assigned to any building cell and assigning clusters of local minima determined by means of the DBSCAN algorithm to that cell in which a geometric center of the cluster is located;

g) Kategorisieren der Zelle, in welcher der geometrische Mittelpunkt des Clusters liegt, als Bauzelle. g) Categorizing the cell in which the geometric center of the cluster is located as a construction cell.

[0009] Um den Abschätzungsfehler weiter zu reduzieren wird gemäß der bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens ein DBSCAN Algorithmus, oder auch „DensityBased Spatial Clustering of Applications with Noise“ beziehungsweise eine dichtebasierte räumliche Clusteranalyse mit Rauschen auf die verbleibenden lokalen Minima angewendet. Hierdurch wird der Abschätzungsfehler des erfindungsgemäßen Verfahrens weiter reduziert. Für eine detaillierte Beschreibung des erfindungsgemäßen Verfahrens unter Anwendung des DBSCAN Algorithmus wird auf die Figurenbeschreibung verwiesen. In order to further reduce the estimation error, according to the preferred embodiment of the method according to the invention, a DBSCAN algorithm, or “Density-Based Spatial Clustering of Applications with Noise” or a density-based spatial cluster analysis with noise is applied to the remaining local minima. This further reduces the estimation error of the method according to the invention. For a detailed description of the method according to the invention using the DBSCAN algorithm, reference is made to the description of the figures.

[0010] Vorzugsweise erfolgt das Erfassen des Bodenabbildes mittels des Bodenerfassungsmittels durch zumindest eines aus einem Bodenradar, einem ALS Laserscan, oder einer fotographischen Methode. Des Weiteren umfasst das erfindungsgemäße Verfahren vorzugsweise das Erfassen des Bodenabbilds durch ein Erfassen von Einzelabbildungen des Geländeabschnittes und kombinieren der Einzelabbildungen zu dem Bodenabbild. Zur Vermeidung der Notwendigkeit einer Interpolation zwischen den Einzelabbildungen sind die Einzelabbildungen vorzugsweise zUmindest teilweise überlappend. The ground image is preferably captured by means of the ground capturing means by at least one of a ground radar, an ALS laser scan, or a photographic method. Furthermore, the method according to the invention preferably comprises the acquisition of the ground image by capturing individual images of the terrain section and combining the individual images to form the ground image. To avoid the need for interpolation between the individual images, the individual images are preferably at least partially overlapping.

[0011] Gemäß einer alternativen Ausführungsvariante umfasst das erfindungsgemäße Verfahren den zusätzlichen Schritt des Überprüfens der in dem Bodenabbild bestimmten lokalen Minima durch Begehen des Geländeabschnitts. According to an alternative embodiment variant, the method according to the invention comprises the additional step of checking the local minima determined in the ground image by walking on the terrain section.

[0012] Vorteilhafte Ausgestaltungen des erfindungsgemäßen Verfahrens, sowie alternativer Ausführungsvarianten werden in weiterer Folge anhand der Figuren näher erläutert. Advantageous embodiments of the method according to the invention, as well as alternative design variants are explained in more detail below with reference to the figures.

[0013] Figur 1 zeigt ein mit dem erfindungsgemäßen Verfahren erfasstes Bodenabbild in Form eines ALS Laserscans mit in dem Bodenabbild bestimmten lokalen Minima. FIG. 1 shows a floor image captured with the method according to the invention in the form of an ALS laser scan with local minima determined in the floor image.

[0014] Figur 2 zeigt ein in Zellen gerastertes Bodenabbild mit in den Zellen verzeichneten lokalen Minima. FIG. 2 shows a floor image rasterized in cells with local minima recorded in the cells.

[0015] Figur3 zeigt ein in Zellen gerastertes Bodenabbild mit einem Cluster an in verschiedenen Zellen angeordneten lokalen Minima. [0015] FIG. 3 shows a floor image rasterized in cells with a cluster of local minima arranged in different cells.

[0016] Das erfindungsgemäße Verfahren zum Detektieren von Bauten einer Nagetierpopulation auf einem Geländeabschnitt mittels einer Drohne umfasst das Bewegen der Drohne über den Geländeabschnitt und Erfassen eines Bodenabbildes 1 des Geländeabschnitts mit einem Bodenerfassungsmittel der Drohne. Die Drohne ist in einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens in Form eines Quadrocopters bereitgestellt. Alternativ kann beispielsweise auch eine Drohne mit Starrflügelkonfiguration oder eine bodengebundene Drohne in Form eines Bodenfahrzeugs im Rahmen des erfindungsgemäßen Verfahrens verwendet werden. Das Bodenerfassungsmittel der Drohne ermöglicht die Erfassung des Bodenabbildes 1, wobei das Erfassen des Bodenabbildes 1 mittels des Bodenerfassungsmittels vorzugsweise mit einem Bodenradar, einem ALS Laserscan, oder einer fotographischen Methode erfolgt. Das Bodenradar beziehungsweise der ALS Laserscan stellt den Vorteil bereit, dass auf dem Geländeabschnitt vorhandene Vegetation die Erfassung des Bodenabbilds 1 nicht beeinflusst. In einem weiteren Schritt des erfindungsgemäßen Verfahrens werden lokale Minima 2 eines Geländeniveaus des Geländeabschnitts in dem erfassten Bodenabbild 1 mit einem Bildverarbeitungsmittel und/oder einem Punktwolkenverarbeitungsmittel bestimmt. Diese lokalen Minima 2 stellen Eingänge zu Nagetierbauten in Form von Löchern oder Vertiefungen im Boden dar. Das Bildverarbeitungsmittel ist beispielsweise ein auf einer Rechnereinheit ausgeführtes Bildverarbeitungsprogramm, welches anhand der Struktur von Helligkeitsgradienten in dem Bodenabbild 1 die lokalen Minima 2, welche charakteristisch für Nagetierbauten sind, erkennt. Weitere, im Rahmen des erfindungsgemäßen Verfahrens alternativ einsetzbare Methoden zur Strukturerfassung in grafischen oder geometrischen Daten sind dem Fachmann allgemein bekannt. Figur 1 zeigt ein Beispiel eines mit dem erfindungsgemäßen Verfahren erfassten Bodenabbilds 1 eines Geländeabschnitts mit in dem Bodenabbild 1 bestimmten lokalen Minima 2. The inventive method for detecting structures of a rodent population on a terrain section by means of a drone comprises moving the drone over the terrain section and capturing a ground image 1 of the terrain section with a ground detection means of the drone. In a preferred embodiment of the method according to the invention, the drone is provided in the form of a quadrocopter. Alternatively, for example, a drone with a fixed wing configuration or a ground-based drone in the form of a ground vehicle can also be used within the scope of the method according to the invention. The ground detection means of the drone enables the ground image 1 to be captured, the ground image 1 being captured by means of the ground detection means preferably with a ground radar, an ALS laser scan, or a photographic method. The ground radar or the ALS laser scan provides the advantage that vegetation present on the terrain section does not influence the recording of the ground image 1. In a further step of the method according to the invention, local minima 2 of a terrain level of the terrain section in the captured soil image 1 are determined with an image processing means and / or a point cloud processing means. These local minima 2 represent entrances to rodent burrows in the form of holes or depressions in the ground. The image processing means is, for example, an image processing program executed on a computer unit, which uses the structure of brightness gradients in the soil image 1 to determine the local minima 2, which are characteristic of rodent burrows, recognizes. Further methods, which can be used alternatively within the scope of the method according to the invention, for detecting structures in graphic or geometric data are generally known to the person skilled in the art. FIG. 1 shows an example of a ground image 1 of a terrain section captured using the method according to the invention with local minima 2 determined in the ground image 1.

[0017] In einem weiteren Verfahrensschritt des erfindungsgemäßen Verfahrens wird das Bodenabbild 1, wie in Figur 2 schematisch dargestellt, in eine Mehrzahl von Zellen 3 gerastert, und die lokalen Minima 2 werden den Zellen 3 zugeordnet. Figur 2 zeigt ein Schema eines gerasterten Bodenabbilds 1 mit nummerierten hexagonalen Zellen 3. Die Wahl von hexagonalen Zellen 3 ist vorteilhaft, da diese eine lückenlose Rasterung des Bodenabbildes 1 ermöglichen. Des Weiteren werden die Zellen 3, welche mehr als einen Schwellenwert an lokalen Minima 2 enthalten als Bauzellen kategorisiert. Wird ein Schwellenwert der Größe zwei festgelegt werden in Figur 2 die Zellen Nummer 17 und Nummer 18 in als Bauzellen kategorisiert. Die Festlegung des Schwellenwerts erfolgt spezifisch für verschiedene Nagetierarten anhand biologischer Kriterien. In a further method step of the method according to the invention, the floor image 1, as shown schematically in FIG. 2, is rasterized into a plurality of cells 3, and the local minima 2 are assigned to the cells 3. FIG. 2 shows a diagram of a rasterized floor image 1 with numbered hexagonal cells 3. The choice of hexagonal cells 3 is advantageous since these enable the floor image 1 to be rasterized without gaps. Furthermore, the cells 3 which contain more than one threshold value at local minima 2 are categorized as building cells. If a threshold value of size two is specified, cells number 17 and number 18 in FIG. 2 are categorized as building cells. The threshold value is determined specifically for different rodent species on the basis of biological criteria.

[0018] In einem weiteren Verfahrensschritt des erfindungsgemäßen Verfahrens werden die lokalen Minima 2 in jenen Zellen 3, die nicht als Bauzellen kategorisiert, aber zumindest zu einer Bauzelle benachbart sind, zu jeweils jener Bauzelle zugeordnet, zu deren Mittelpunkt das jeweilige lokale Minimum 2 die geringste euklidische Distanz aufweist. In dem in Figur 2 dargestellten Beispiel wird demnach das lokale Minimum 2 in der Zelle 3 mit der Nummer 14, welche zu den Bauzellen 17 und 18 benachbart ist, der Bauzelle mit der Nummer 18 zugeordnet. Gemäß einer alternativen Ausführungsvariante des erfindungsgemäßen Verfahrens werden nur lokale Minima 2 in Zellen 3, die nicht als Bauzellen kategorisiert sind, aber zumindest zu einer Bauzelle benachbart sind, und welche um ein lokales Minimum 2 weniger enthalten als den Schwellenwert, zu jeweils jener Bauzelle zugeordnet, zu deren Mittelpunkt das jeweilige lokale Minimum 2 die geringste euklidische Distanz aufweist. In a further step of the method according to the invention, the local minima 2 in those cells 3 that are not categorized as building cells, but are at least adjacent to one building cell, are assigned to that building cell at the center of which the respective local minimum 2 is the lowest Euclidean distance. In the example shown in FIG. 2, the local minimum 2 in the cell 3 with the number 14, which is adjacent to the building cells 17 and 18, is assigned to the building cell with the number 18. According to an alternative embodiment of the method according to the invention, only local minima 2 in cells 3 that are not categorized as building cells but are at least adjacent to one building cell and which contain a local minimum 2 less than the threshold value are assigned to that building cell in each case. to the center of which the respective local minimum 2 has the smallest Euclidean distance.

[0019] Gemäß einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens wird ein DBSCAN Algorithmus auf die keiner Bauzelle zugeordneten lokalen Minima 2 angewandt, und mittels des DBSCAN Algorithmus ermittelte Cluster von lokalen Minima 2 werden zu jener Zelle 3 zugeordnet, in welcher ein geometrischer Mittelpunkt des Clusters liegt. Des Weiteren wird die Zelle 3, in welcher der geometrische Mittelpunkt des Clusters liegt, als Bauzelle kategorisiert. Hierdurch wird der Abschätzungsfehler des erfindungsgemäßen Verfahrens weiter reduziert. According to a preferred embodiment of the method according to the invention, a DBSCAN algorithm is applied to the local minima 2 not assigned to any building cell, and clusters of local minima 2 determined by means of the DBSCAN algorithm are assigned to that cell 3 in which a geometric center of the cluster is located . Furthermore, cell 3, in which the geometric center of the cluster is located, is categorized as a construction cell. This further reduces the estimation error of the method according to the invention.

[0020] Der DBSCAN Algorithmus, kurz für „Density-Based Spatial Clustering of Applications with The DBSCAN algorithm, short for "Density-Based Spatial Clustering of Applications with

Noise“, auf Deutsch „Dichtebasierte räumliche Clusteranalyse mit Rauschen“ ist ein Algorithmus zur Clusteranalyse. Der DBSCAN Algorithmus arbeitet dichtebasiert und ist in der Lage, mehrere Cluster zu erkennen. Rauschpunkte werden dabei ignoriert. Die Grundidee des Algorithmus ist der Begriff der Dichteverbundenheit. Zwei Objekte gelten als dichteverbunden, wenn es eine Kette von dichten Objekten, welche Kernobjekte mit mehr als einem Minimum an Nachbarn sind, gibt, die diese Punkte miteinander verbinden. Die durch dieselben Kernobjekte miteinander verbundenen Objekte bilden ein Cluster. Objekte, die nicht Teil eines dichteverbundenen Clusters sind, werden als Rauschen bezeichnet. Der DBSCAN Algorithmus ist auf dem Gebiet der Clusteranalyse einer der meist zitierten Algorithmen. Details des DBSCAN Algorithmus können beispielsweise der Publikation „Martin Ester, Hans-Peter Kriegel, Jörg Sander, Xiaowei Xu: A density-based algorithm for discovering clusters in large spatial databases with noise. In: Evangelos Simoudis, Jiawei Han, Usama M. Fayyad (Hrsg.): Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD-96). AAAI Press, 1996, ISBN 1-577350049, S. 226-23“ entnommen werden. Noise ", in German" Density-based spatial cluster analysis with noise "is an algorithm for cluster analysis. The DBSCAN algorithm works on a density basis and is able to recognize several clusters. Noise points are ignored. The basic idea of the algorithm is the notion of density connectedness. Two objects are considered to be densely connected if there is a chain of dense objects, which are core objects with more than a minimum of neighbors, connecting these points together. The objects linked by the same core objects form a cluster. Objects that are not part of a close-knit cluster are known as noise. The DBSCAN algorithm is one of the most cited algorithms in the field of cluster analysis. Details of the DBSCAN algorithm can be found, for example, in the publication “Martin Ester, Hans-Peter Kriegel, Jörg Sander, Xiaowei Xu: A density-based algorithm for discovering clusters in large spatial databases with noise. In: Evangelos Simoudis, Jiawei Han, Usama M. Fayyad (Eds.): Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD-96). AAAI Press, 1996, ISBN 1-577350049, pp. 226-23 “.

[0021] Der DBSCAN Algorithmus kann durch folgenden beispielhaften Pseudocode beschrieben werden: The DBSCAN algorithm can be described by the following exemplary pseudocode:

DBSCAN(D, eps, MinPts) C=0 for each unvisited point P in dataset D mark P as visited N = D.regionQuery(P, eps) if sizeof(N) < MinPts mark P as NOISE else C = next cluster expandCluster(P, N, C, eps, MinPts) DBSCAN (D, eps, MinPts) C = 0 for each unvisited point P in dataset D mark P as visited N = D.regionQuery (P, eps) if sizeof (N) <MinPts mark P as NOISE else C = next cluster expandCluster (P, N, C, eps, MinPts)

expandCluster(P, N, C, eps, MinPts) add P to cluster C for each point P' in N if P' is not visited mark P' as visited N’ = D.regionQuery(P", eps) if siZzeof(N') >= MinPts N = N joined with N' if P' is not yet member of any cluster add P' to cluster C unmark P' as NOISE if necessary expandCluster (P, N, C, eps, MinPts) add P to cluster C for each point P 'in N if P' is not visited mark P 'as visited N' = D.regionQuery (P ", eps) if siZzeof ( N ')> = MinPts N = N joined with N' if P 'is not yet member of any cluster add P' to cluster C unmark P 'as NOISE if necessary

regionQuery(P, eps) return all points within P's eps-neighborhood (including P) regionQuery (P, eps) return all points within P's eps-neighborhood (including P)

[0022] Wie dem Fachmann allgemein bekannt ist, kann der DBSCAN Algorithmus alternativ auch rekursiv implementiert werden: As is well known to those skilled in the art, the DBSCAN algorithm can alternatively also be implemented recursively:

DBSCAN(D, eps, MinPts) C=0 for each unvisited point P in dataset D mark P as visited N = getNeighbors(P, eps) if sizeof(N) < MinPts mark P as NOISE else C = next cluster add P to cluster C forP'inN DBSCAN (D, eps, MinPts) C = 0 for each unvisited point P in dataset D mark P as visited N = getNeighbors (P, eps) if sizeof (N) <MinPts mark P as NOISE else C = next cluster add P to cluster C forP'inN

if P' is not yet member of any cluster recursivekxpandCluster(P', C, eps, MinPts) if P 'is not yet member of any cluster recursivekxpandCluster (P', C, eps, MinPts)

recursivekxpandCluster(P, C, eps, MinPts) add P to cluster C if P is not visited mark P as visited N = getNeighbors(P, eps) if siZzeof(N) >= MinPts for P'inN if P' is not yet member of any cluster recursivekxpandCluster(P', C, eps, MinPts) recursivekxpandCluster (P, C, eps, MinPts) add P to cluster C if P is not visited mark P as visited N = getNeighbors (P, eps) if siZzeof (N)> = MinPts for P'inN if P 'is not yet member of any cluster recursivekxpandCluster (P ', C, eps, MinPts)

[0023] Die Anwendung des DBSCAN Algorithmus wird in weiterer Folge anhand von Figur 3 erläutert. Durch die Rasterung, beispielsweise mit hexagonalen Zellen 3, können Situationen entstehen, in welchen lokale Minima 2, wie in Figur 3 dargestellt, in verschiedene Zellen 3 mit den Nummern 9, 10 und 13 fallen, und somit nicht zu einer Bauzelle zugeordnet werden, da der Schwellenwert an lokalen Minima 2 in den einzelnen Zellen 3 nicht überschritten wird. Zur Behandlung derartiger Situationen wird gemäß der bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens der DBSCAN Algorithmus angewandt. Der mittels des DBSCAN Algorithmus ermittelte Cluster von lokalen Minima 2 wird in weiterer Folge zu jener Zelle 3 zugeordnet, in welcher der geometrische Mittelpunkt des Clusters liegt. The use of the DBSCAN algorithm is explained below with reference to FIG. Due to the rasterization, for example with hexagonal cells 3, situations can arise in which local minima 2, as shown in FIG the threshold value at local minima 2 in the individual cells 3 is not exceeded. According to the preferred embodiment of the method according to the invention, the DBSCAN algorithm is used to handle such situations. The cluster of local minima 2 determined by means of the DBSCAN algorithm is then assigned to that cell 3 in which the geometric center of the cluster is located.

[0024] Vorzugsweise erfolgt das erfassen des Bodenabbilds 1 durch ein Erfassen von Einzelabbildungen des Geländeabschnitts und kombinieren der Einzelabbildungen zu den Bodenabbild 1. Zur Vermeidung der Notwendigkeit einer Interpolation zwischen den Einzelabbildungen sind die Einzelabbildungen vorzugsweise zumindest teilweise überlappend. The ground image 1 is preferably captured by capturing individual images of the terrain section and combining the individual images to form the ground image 1. To avoid the need for interpolation between the individual images, the individual images are preferably at least partially overlapping.

[0025] Gemäß einer alternativen Ausführungsvariante umfasst das erfindungsgemäße Verfahren den zusätzlichen Schritt des Uberprüfens der in dem Bodenabbild 1 bestimmten lokalen Minima 2 durch Begehen des Geländeabschnitts. According to an alternative embodiment, the method according to the invention comprises the additional step of checking the local minima 2 determined in the ground image 1 by walking on the terrain section.

Claims

Expectations

1. A method for detecting structures of a rodent population on a site section by means of a drone, comprising the steps:

a) moving the drone over the terrain section and capturing a ground image (1) of the terrain section with a ground capturing means of the drone;

b) determining local minima (2) of a terrain level of the terrain section in the captured soil image (1) with an image processing means and / or a point cloud processing means;

marked by

c) rasterizing the ground image (1) into a plurality of cells (3) and assigning the local minima (2) to the cells (3);

d) categorizing cells (3) which contain more than one threshold value of local minima (2) as a construction cell;

e) Assigning the local minima (2) in those cells (3) that are not categorized as building cells, but are at least adjacent to one building cell, to that building cell in each case from the center of which the respective local minimum (2) has the smallest Euclidean distance .

2, method according to claim 1, characterized by the steps:

f) applying a DBSCAN algorithm to the local minima (2) not assigned to any building cell and assigning clusters of local minima (2) determined by means of the DBSCAN algorithm to that cell (3) in which a geometric center of the cluster is located;

g) Categorizing the cell (3) in which the geometric center of the cluster is located as a construction cell.

3. The method according to any one of claims 1 or 2, characterized in that the ground image (1) is captured by means of the ground capturing means by at least one of a ground radar, an ALS laser scan, or a photographic method.

4. The method according to any one of claims 1 to 3, characterized in that the recording of the floor image (1) takes place by recording individual images of the terrain section and combining the individual images to form the floor image (1).

5. The method according to claim 4, characterized in that the individual images are at least partially overlapping.

For this purpose 2 sheets of drawings