la, CA, 9-11 Nov. 1999 
n, W.B., Parker G. and Shugart 
emote sensing of basal area and 
sts of eastern Maryland, USA, 
-98. 
on of mean tree height of forest 
dar scanner data, ISPRS J. 
, 32, pp. 49-56. 
Gregoire, T., 1997. Separating 
ser sampling phases to estimate 
olume, and biomass, Rem. Sens. 
bs, D., Everitt, J.H., and Weltz, 
nopy structure with an airborne 
36, pp. 1235-1238. 
] Fox, H.D., 1994. Comparison 
ments of vegetation height and 
Gur. Res., 30, pp. 1311-1319. 
  
uilt in 1995 
requency: 16 Hz 
10 degrees 
5cm 
1 hit/m? 
/2.5 m° 
ec's ALTM 
3PS frequency: 1 Hz 
zeodetic point 
  
  
  
  
  
International Archives of Photogrammetry and Remote Sensing, Vol. 32, Part 3W14, La Jolla, CA, 9-11 Nov. 1999 
ROADS AND BUILDINGS FROM LASER SCANNER DATA WITHIN A FOREST ENTERPRISE 
Rieger, W.l, Kerschner, M”, Reiter, T2 Rottensteiner, F.? 
Institute for Surveying, Remote Sensing and Land Information 
University of Agricultural Sciences Vienna 
“Institute of Photogrammetry and Remote Sensing 
Vienna University of Technology 
Austria 
rieger@edv1.boku.ac.at 
Commission III, Working Group 2 
KEY WORDS: Digital Terrain Models, Feature Extraction, Automatic Break Line Detection, Building Detection. 
ABSTRACT 
Laser scanning with its ability to penetrate vegetation and its extremely high point density allows for a completely new approach to 
semi-automatically delineate man-made features ("objects") in forested areas as a basis for the management of such data in a GIS. In this 
paper, emphasis is laid on the detection of roads and buildings from laser scanning data. The basis of our analysis is the generation of a 
DTM actually representing the earth surface (no tree tops, no building roofs). From a slope model of the terrain, break lines can be 
detected by applying standard edge extraction techniques. However, the slope model is still too noisy to deliver “good” (long, 
continuous) break lines. Thus, a pre-processing step making use of an edge-enhancing filter becomes necessary. From the results of 
break line detection, a new, geomorphologically revised terrain model can be derived. The break lines contain the road edges which can 
be interactively selected by the user. With respect to roads, the line extraction results can be improved using a snake algorithm. Building 
candidate regions can be detected from the differences of surface models derived from the original “last-pulse” and “first-pulse” laser 
data and the rectified ground model. The algorithm is based on a classification of elevation difference models followed by the 
improvement of classification results by a despeckle filter, the main problem being the distinction of tree tops from buildings. In this 
paper the algorithms involved for the solution of the above tasks are described and first test results are presented. 
KURZFASSUNG 
Durch die Môglichkeit, Vegetation zu durchdringen sowie durch die extrem hohe Punktdichte wird es mit Hilfe der Laserabtastung 
môglich, vôllig neue Methoden zur halbautomatischen Erfassung von Kunstbauten (,,Objekten“) in bewaldeten Gebieten als Grundlage 
für die Verwaltung solcher Daten in einem GIS anzuwenden. In dieser Arbeit wird ein Schwerpunkt auf die Erfassung von Straßen und 
Gebäuden aus Laserscannerdaten gelegt. Grundlage unserer Analyse ist die Erzeugung eines digitalen Geländemodelles, das die 
tatsächliche Erdoberfläche repräsentiert (ohne Baumkronen und Dächer). Aus einem Modell der Geländeneigung können unter 
Verwendung von Standardalgorithmen zur Kantenextraktion Geländekanten abgeleitet werden. Da die Neigungsmodelle zu verrauscht 
sind, um ,gute^ (lange, zusammenhängende) Geländekanten liefern zu können, wird ein Vorverarbeitungsschritt mit einem 
kantenverstärkenden Filter nötig. Aus den Ergebnissen der Geländekantenextraktion kann ein geomorphologisch bereinigtes 
Geländemodell abgeleitet werden. In den Geländekanten sind auch die Straßenränder enthalten, die interaktiv als solche selektiert 
werden können. Weiters können in diesem Fall die Ergebnisse der Kantenextraktion durch Anwendung eines Snake-Algorithmus 
verbessert werden. Kandidatengebiete für die Gebäudedetektion können aus den Differenzen der originalen ,last-pulse-* und ,.first- 
pulse-* Daten und des rektifizierten Geländemodelles abgeleitet werden. Der dazu verwendete Algorithmus beruht auf einer 
Klassifizierung von Differenzhóhenmodellen gefolgt von der Verbesserung der Klassifizierungsergebnisse mit einem Despecklefilter, 
wobei das Hauptproblem in der Unterscheidung von weit ausladenden Bäumen und Gebäuden besteht. In der vorliegenden Arbeit 
werden die Algorithmen zur Lösung der oben angesprochenen Aufgaben beschrieben sowie die Ergebnisse eines ersten empirischen 
Tests vorgestellt. 
1 INTRODUCTION photogrammetry nor GPS yield satisfying results in densely 
forested areas. The growing usage of geographical information 
systems (GIS) is another reason for the need of accurate co- 
ordinate determination. Laser scanning with its ability to 
The intensive utilisation of forests leads to fast changes in penetrate vegetation and its extremely high point density allows 
cultivation. Especially the update of forest roads and clearcuts is for a completely new approach to semi-automatically delineate 
Usually very time-consuming and inaccurate, since neither these man-made features, subsequently called “objects”. For the 
1.1 Motivation