HOW_TO.md

Drohnenbild-Analyse - Bedienungsanleitung

🚀 Schnellstart

# Installation
cd examples/10_drone_image_analysis
pip install -r requirements.txt
python download_models.py

# Starten
python main.py

📋 Hauptfunktionen

Mission erstellen

1. Neue Mission:

   • Tab "Missionen" → "Neu"
   • Name, Beschreibung, Gebiet eingeben
   • Start/End-Koordinaten auf Karte markieren
   • Flughöhe und -geschwindigkeit setzen
   • Speichern

2. Drohne konfigurieren:

   • Kamera-Einstellungen
   • Aufnahme-Intervall
   • Überlappung (für Photogrammetrie)
   • GPS-Genauigkeit

Bilder erfassen

Simulation:

1. Tab "Erfassung" → "Simulation starten"
2. Virtuelle Drohne fliegt Route
3. Bilder werden automatisch generiert
4. Echtzeit-Vorschau auf Karte

Live-Drohne (wenn verfügbar):

1. Drohne verbinden (USB/WiFi)
2. Kalibrierung durchführen
3. Mission hochladen
4. Start → Automatischer Flug

Bildanalyse

Automatische Analyse:

• System analysiert Bilder automatisch
• Objekt-Erkennung läuft im Hintergrund
• LLM generiert Beschreibungen
• Embeddings für Suche erstellt

Manuelle Analyse:

1. Bild aus Galerie auswählen
2. "Analysieren" → Verschiedene Modi:
   • Objekt-Erkennung: Autos, Gebäude, Bäume
   • Szenen-Klassifikation: Urban, Rural, Forest
   • LLM-Beschreibung: Detaillierte Caption
   • Ähnliche Bilder: Vector Search

Dashboard

Karten-Ansicht:

• Alle Bildpositionen als Marker
• Klick auf Marker → Thumbnail
• Farbcodierung nach Analyse-Status
• Zeitfilter für Animation

Timeline:

• Chronologische Bildabfolge
• Scrubbing durch Zeit
• Vergleichs-Modus (vorher/nachher)
• Auto-Play für Video-ähnliche Ansicht

Statistiken:

• Anzahl Bilder, Objekte, Events
• Abdeckungs-Heatmap
• Objekttyp-Verteilung
• Analyse-Performance

Suche und Filter

Textsuche:

• Natürliche Sprache: "Zeige alle Bilder mit Autos"
• LLM-generierte Beschreibungen durchsuchen
• Fuzzy-Matching

Bildsuche:

• Bild hochladen → Ähnliche finden
• Vector-basierte Suche
• Threshold anpassbar

Filter:

• Zeitraum
• Geo-Bereich (Polygon auf Karte)
• Objekttypen
• Qualitäts-Score
• Wetterbedingungen

Ereignis-Erkennung

Automatische Events: System erkennt automatisch:

• Veränderungen: Neue Gebäude, Straßen
• Anomalien: Schäden, ungewöhnliche Objekte
• Aktivitäten: Bauarbeiten, Verkehr

Event-Management:

1. Tab "Ereignisse"
2. Liste aller erkannten Events
3. Event auswählen → Details und Bilder
4. Bestätigen oder Verwerfen
5. Export für Berichte

LLM-Integration

Bildbeschreibungen:

• Automatisch bei Analyse
• Oder manuell: "Beschreibe dieses Bild"
• Detailgrad einstellbar
• Sprache wählbar (DE/EN)

Interaktive Queries:

1. Bild auswählen
2. Frage eingeben: "Was ist das für ein Gebäude?"
3. LLM antwortet basierend auf Bildinhalt

Batch-Processing:

• Mehrere Bilder gleichzeitig
• Fortschrittsanzeige
• Resultat-Export

Export und Reports

Bilder exportieren:

• Original oder verarbeitet
• Mit/ohne Annotations
• Format: JPG, PNG, GeoTIFF

Report generieren:

1. Zeitraum und Gebiet wählen
2. Template auswählen:
   • Executive Summary
   • Detailbericht
   • Change Detection
3. Format: PDF, HTML, DOCX
4. Generieren → Download

⌨️ Tastenkombinationen

Navigation

• Tab - Zwischen Panels wechseln
• Ctrl+M - Karte fokussieren
• Ctrl+T - Timeline fokussieren
• Ctrl+G - Galerie öffnen

Aktionen

• Space - Play/Pause Timeline
• ←/→ - Vorheriges/Nächstes Bild
• Ctrl+A - Bild analysieren
• Ctrl+S - Suche öffnen
• Ctrl+E - Event erstellen
• Ctrl+R - Report generieren

Ansicht

• +/- - Zoom Karte
• F11 - Vollbild
• Ctrl+1/2/3 - Panel-Layouts
• H - Hilfe anzeigen

💡 Best Practices

Bilderfassung

1. Überlappung: 70-80% für Photogrammetrie
2. Lichtverhältnisse: Vormittags oder spätnachmittags
3. Flughöhe: Je nach Ziel (höher = Überblick, niedriger = Details)
4. Geschwindigkeit: Langsamer = schärfere Bilder
5. Batterie: Immer Reserve einplanen

Analyse

1. Modell wählen: YOLO für Objekte, CLIP für Szenen
2. Batch-Size: Größer für GPU, kleiner für CPU
3. Confidence-Threshold: 0.5-0.7 für Balance
4. LLM-Prompts: Spezifisch formulieren
5. Caching: Aktivieren für wiederholte Analysen

Performance

1. GPU nutzen: Deutlich schneller
2. Bilder vorverarbeiten: Einmal, cache dann
3. Parallelisierung: Thread-Count anpassen
4. Speicher: Thumbnails für UI, Originale für Analyse
5. Indexes: Spatial + Vector Indexes anlegen

Sicherheit

1. Zugriff beschränken: Sensible Gebiete
2. Verschlüsselung: Bilder at-rest
3. Anonymisierung: Gesichter/Kennzeichen
4. Audit: Alle Zugriffe loggen
5. Backup: Regelmäßig Missionen sichern

🔍 Erweiterte Features

Change Detection

Vergleicht Bilder über Zeit:

1. Gebiet wählen: Polygon auf Karte
2. Zeitpunkte: t1 und t2 auswählen
3. Analyse starten: System findet Unterschiede
4. Visualisierung: Overlay mit Änderungen
5. Report: Automatisch generiert

Erkannte Änderungen:

• Neue/entfernte Gebäude
• Vegetation-Veränderungen
• Straßen/Wege
• Temporäre Strukturen

Photogrammetrie-Integration

Erstellt 3D-Modelle aus Bildern:

1. Bildset auswählen: Mit Überlappung
2. Kalibrierung: Kamera-Parameter
3. Processing: Externe Software (OpenDroneMap)
4. Import: 3D-Modell in System
5. Visualisierung: In separatem Viewer

Machine Learning

Eigene Modelle trainieren:

1. Daten annotieren: Bounding Boxes zeichnen
2. Dataset erstellen: Export für Training
3. Training: Mit YOLO/TensorFlow
4. Import: Neues Modell in System
5. Evaluation: Auf Test-Set

API-Integration

Externe Systeme anbinden:

# REST API
POST /api/v1/images/analyze
{
  "image_id": "uuid",
  "models": ["yolo", "clip", "llm"],
  "options": {...}
}

Webhooks:

• Bei neuen Bildern
• Bei Events
• Bei Analyse-Completion

🐛 Troubleshooting

Problem: Analyse sehr langsam

• Lösung: GPU aktivieren, Batch-Size erhöhen

Problem: LLM antwortet nicht

• Lösung: ThemisDB mit LLM-Support starten

Problem: Bilder nicht georeferenziert

• Lösung: GPS-Daten in EXIF prüfen

Problem: Objekt-Erkennung ungenau

• Lösung: Confidence-Threshold anpassen

Problem: Speicher voll

• Lösung: Alte Missionen archivieren

---

Weitere Dokumentation:

• ARCHITECTURE.md - System-Design
• LLM_INTEGRATION.md - LLM-Setup
• IMAGE_PROCESSING.md - CV-Pipeline
• PERFORMANCE_TUNING.md - Optimierung
• TROUBLESHOOTING.md - Ausführliche Fehlersuche

Support: GitHub Issues