aalto1 untyped-item.component.html
Optimizing drone data workflow to cloud-based construction software for sustainable infrastructure projects
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Insinööritieteiden korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
Department
Major/Subject
Mcode
Degree programme
Language
en
Pages
61 + 44
Series
Abstract
This thesis aims to optimize the drone surveillance workflows in infrastructure construction sites. The thesis focuses solely on small-scale surveillance conducted at a specific site and does not focus on large-scale aerial surveillance, which have been typically conducted by airplanes. The experimental part of this thesis has been split into two parts. The first part aims to determine the current applications and typical data formats utilized within infrastructure construction through a case study. The second part aims to optimize the workflow of orthomosaic imagery from drone processing tools to construction specific web applications.
For the first part of the study, various construction firms were interviewed. The participants working within the construction industry were first asked to disclose the frequency in which they utilize various data formats from drones (i.e., orthomosaic imagery, point clouds, videos, 360- and standard imagery). Secondly, the participants were asked about the various use cases they may have for the data. Based on the results, orthomosaic data is the most widely used data format within contruction sites. The most typical use case for drone surveillance data is work progress monitoring, where 7 of the 13 of the responders claimed to use drone surveillance data for this purpose at least weekly. The most significant limitations of the study were a limited number of responders (N = 15) and the fact that all participants had substantial previous experience at drone surveillance, thus not accurately representing the entire workforce within the construction industry.
For the second part of the thesis, a feasible processing pipeline used to convert raster data to a web-optimized format for BIM and CAD software was built. The pipeline relies heavily on the Geospatial Data Abstraction Library (GDAL) used through python bindings. The pipeline has been split into two parts. The first part sanitizes data to the correct format. The second part converts the raster data into web-optimized tiled file format. The usability of it is evaluated through data compressibility, and processing speed.
Tämä diplomityö pyrkii optimoimaan drone-kuvauksen prosessia rakennustyömailla. Työ keskittyy yksinomaan pienimuotoiseen valvontaan tietyllä työmaalla eikä käsittele laajamittaista ilmakuvausta, joka on tyypillisesti suoritettu lentokoneilla. Työn kokeellinen osa on jaettu kahteen osaan. Ensimmäinen osa pyrkii määrittämään nykyiset sovellukset ja yleisimmin käytetyt dataformaatit kyselyn perusteella. Toinen osa pyrkii optimoimaan datan kulkua drone-prosessointityökaluista selainpohjaisiin BIM-työkaluihin.
Tutkimuksen ensimmäisessä osassa haastateltiin rakennusalalla toimivia henkilöitä. Osallistujat pyydettiin ensin ilmoittamaan, kuinka usein he käyttävät erilaisia dronesta tulevia dataformaatteja - ortomosaiikkikuvat, pistepilvet, videot, 360- ja tavalliset valokuvat. Tämän jälkeen osallistujilta kysyttiin, mitä käyttötarkoituksia heillä saattaa olla tiedostoille. Tulosten perusteella ortomosaiikki-ilmakuvat ovat laajimmin käytetty dataformaatti rakennustyömailla. Tyypillisin käyttötarkoitus drone-aineistolle on työn edistymisen seuranta, jossa 7/13 vastaajista väitti käyttävänsä drone-aineistoa tähän tarkoitukseen vähintään viikoittain. Tutkimuksen merkittävimmät rajoitukset olivat vastaajien rajoitettu määrä (N = 15).
Tutkimuksen toisessa osassa esitellään funktio, jota voi hyödyntää rasteridatan muuntamiseen web-optimoiduksi formaatiksi. Funktio hyödyntää GDAL-kirjastoa, jota käytetään Python rajapinnan kautta. Funktio on jaettu kahteen osaan. Ensimmäinen osa muuntaa datan oikeaan formaattiin. Toinen osa muuntaa rasteridatan tiilitetyksi XYZ-karttataso formaatiksi. Funktioita arvioidaan datan tiivistettävyyden ja prosessoinnin nopeuden perusteella.