Automatische Georeferenzierung von Altkarten

Abstract

Geographische Informationen aus vergangener Zeit sind auch heute noch eine wertvolle Informationsquelle für verschiedene Forschungsgebiete. Mit ihnen können die Entwicklung von Flächennutzung und Siedlungen analysiert werden, vielversprechende Orte für archäologische Grabungen gefunden oder historische administrative Grenzen nachvollzogen werden. Durch zunehmende Digitalisierung von Beständen der Archive werden immer mehr Karten zugänglich gemacht, die aber ohne eine Georeferenzierung nicht gut identifiziert und verarbeitet werden können. Eine manuelle Georeferenzierung ist den Archiven und Nutzern aber nicht zuzumuten. Bisherige automatische Verfahren sind in ihrer Anwendbarkeit und Robustheit stark eingeschränkt und erfordern viel Vorwissen über das verarbeitete Kartenmaterial. Außerdem wurden sie selten mit repräsentativen Datensätzen evaluiert. Daher wird hier ein neuartiges Verfahren entwickelt, große Mengen an Altkarten automatisch zu georeferenzieren. Der Vorgeschlagene Ansatz ist, die Geometrie der Signaturen selbst für eine Zuordnung mit Referenzkarten in der Bilddomäne zu ermöglichen. Dabei wird erstmals werden erstmals Gewässersignaturen mittels Bildmerkmalen repräsentiert, sodass in einem Image-Retrieval-Ansatz effizient korrespondierende Passpunkte in OpenStreetMap gefunden werden können. Der vorgeschlagene Ansatz wird erst mit synthetischen Karten validiert und dann am Beispiel der Karte des Deutschen Reiches 1:100000 und weiteren topographischen Kartenwerken demonstriert. Dabei konnten 83 % der Blätter erfolgreich mit einer mittleren Lagegenauigkeit von 105 m georeferenziert werden. Der Prozess benötigt dabei unter 6\,s auf einem handelsüblichen PC. Damit ist das Verfahren geeignet, in Anwendungssoftware integriert zu werden und stellt eine erhebliche Zeitersparnis gegenüber manueller Georeferenzierung dar. Mit einer detaillierten Fehleranalyse wurden die größten Herausforderungen für eine gute Anwendbarkeit ausgemacht: unzureichende Segmentierungsqualität, der Bedarf an Vorwissen über den Blattschnitt und die Entwicklung einer Nutzerschnittstelle für Parametrisierung und Fehlerkorrektur. Somit bildet Das entwickelte prototypische Verfahren eine vielversprechende Grundlage für die weitere Erforschung von robusten und generalisierbaren Verfahren für die automatische Georeferenzierung.

Historical Maps are of immense value to researchers of many disciplines to answer questions about the past, such as: How has the land cover changed? Where can we expect regions of archaeological interest? Where were the former settlements, roads and administrative boundaries and what were their names? Archives and libraries are undertaking great effort to digitise their stock of maps, but scanning alone is not enough to make them easily available and to be able to access the geographical information within: The maps need to be georeferenced. However, manual georeferencing of maps is very time consuming. Current approaches for automated map georeferencing using margin information, grid lines or toponyms are not applicable to a wide variety of map types or at least require detailed prior knowledge about map design and layout. Furthermore they use delicate algorithms with unclear generalisability and have not been evaluated on large data sets or complete map series with edge cases. Here, the use of map symbols themselves is proposed to extract ground control points. To this end, tried-and-tested computer vision methods are applied for robust and scalable map image representation, matching and registration. Geometry of map symbols is encoded by extracting image features from segmented map images. These can be matched efficiently to a large reference map by querying an approximate nearest neighbour index to obtain a reference map with known spatial reference which depicts the same area. After registration of the query map, it can be georeferenced by applying the spatial reference of the reference map. The proposed approach is demonstrated to be feasible with a prototypical implementation and systematic validation on large datasets of synthetic and historical maps. With this approach 83 % of the historical maps where successfully georeferenced with median georeferencing error of 105 m. The whole process runs in under 6 s per map on a consumer PC and therefore is viable for integration into desktop applications. While there is still some room for improvement with this approach, the detailed analysis of sources of errors highlights the most promising directions of future research and development. The most pressing improvements are UX for parameter settings and error correction, improved segmentation and reduction of the need for prior knowledge of map quadrangles.