About Propylaeum-Dok | Viewer | Contact | Imprint |
  1. HOME
  2. Search
  3. Fulltext search
  4. Browse
  5. Recent Items rss
  6. Publish
  7. Englisch

LIDAR based semi-automatic pattern recognition within an archaeological landscape

LIDAR-basierte semiautomatisierte Mustererkennung in einer archäologischen Landschaft

Raun, Karl Hjalte Maack

This is the latest version of this item.

[thumbnail of Raun 2018 LIDAR based semi-automatic pattern recognition.pdf] PDF, English
Download (50MB) | Terms of use
For citations of this document, please do not use the address displayed in the URL prompt of the browser. Instead, please cite with one of the following:

Abstract

LIDAR-Daten bieten einen neuartigen Ansatz zur Lokalisierung und Überwachung des kulturellen Erbes in der Landschaft, insbesondere in schwierig zu erreichenden Gebieten, wie im Wald, im unwegsamen Gelände oder in sehr abgelegenen Gebieten. Die manuelle Lokalisation und Kartierung von archäologischen Informationen einer Kulturlandschaft ist in der herkömmlichen Herangehensweise eine sehr zeitaufwändige Aufgabe des Fundstellenmanagements (Cultural Heritage Management). Um die Möglichkeiten in der Erkennung und bei der Verwaltung des kulturellem Erbes zu verbessern und zu ergänzen, können computergestützte Verfahren einige neue Lösungsansätze bieten, die darüber hinaus sogar die Identifizierung von für das menschliche Auge bei visueller Sichtung nicht erkennbaren Details ermöglichen. Aus archäologischer Sicht ist die vorliegende Dissertation dadurch motiviert, dass sie LIDAR-Geländemodelle mit archäologischen Befunden durch automatisierte und semiautomatisierte Methoden zur Identifizierung weiterer archäologischer Muster zu Bodendenkmalen als digitale „LIDAR-Landschaft“ bewertet. Dabei wird auf möglichst einfache und freie verfügbare algorithmische Ansätze (Open Source) aus der Bildmustererkennung und Computer Vision zur Segmentierung und Klassifizierung der LIDAR-Landschaften zur großflächigen Erkennung archäologischer Denkmäler zurückgegriffen. Die Dissertation gibt dabei einen umfassenden Überblick über die archäologische Nutzung und das Potential von LIDAR-Daten und definiert anhand qualitativer und quantitativer Ansätze den Entwicklungsstand der semiautomatisierten Erkennung archäologischer Strukturen im Rahmen archäologischer Prospektion und Fernerkundungen. Darüber hinaus erläutert sie Best Practice-Beispiele und den einhergehenden aktuellen Forschungsstand. Und sie veranschaulicht die Qualität der Erkennung von Bodendenkmälern durch die semiautomatisierte Segmentierung und Klassifizierung visualisierter LIDAR-Daten. Letztlich identifiziert sie das Feld für weitere Anwendungen, wobei durch eigene, algorithmische Template Matching-Verfahren großflächige Untersuchungen zum kulturellen Erbe ermöglicht werden. Resümierend vergleicht sie die analoge und computergestützte Bildmustererkennung zu Bodendenkmalen, und diskutiert abschließend das weitere Potential LIDAR-basierter Mustererkennung in archäologischen Kulturlandschaften.

Translation of abstract (English)

LIDAR data provides a novel approach for locating and monitoring cultural heritage in the landscape, especially in areas of logistical complications, e.g. forest, rough terrain, and remote areas. Manuel detection and mapping of archaeological information in the landscape is a time-consuming task. To improve and increase the possibilities of cultural heritage detection and management, computational means can offer a solution, and even reveal details that are not possible to detect by human vision and pattern detection. Within an archaeological scope, the motivation for this thesis is to asses archaeological LIDAR for automated and semi-automated procedures by detection of archaeological patterns and monuments in digital LIDAR landscapes. This is done by applying simple and open algorithmic means of segmentation and classification in LIDAR landscapes towards large-scale archaeological monument detection. The thesis gives a thorough account of the archaeological use and potential of LIDAR data; qualitative and quantitatively define the state and development of the field of automatic and semi-automatic archaeological detection for remote sensing; indicate best practice and state of the art; exemplify quality of detection by automated and semi-automated segmentation and classification of data; indicate range of potential application; apply template matching for large-scale cultural heritage investigation; compare human versus computational detection; and lastly discuss and stipulate potentials within the field of LIDAR based pattern recognition within an archaeological landscape.

Document type: Dissertation
Place of Publication: Heidelberg
Date: 2019
Supervisor: Dr. Armin Volkmann
Version: Primary publication
Date Deposited: 04 Dec 2019 06:29
Faculties / Institutes: University, Faculty, Institute
Research Project, Working Group > Individuals
DDC-classification: Alte Geschichte, Vor- und Frühgeschichte, Archäologie
Subject (Propylaeum): Prehistoric Archaeology
Controlled Keywords: Lidar
Subject (classification): History of the ancient world to ca. 499

Available Versions of this Item