Laserkeilauksen laadunvarmistusmenetelmät
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
2024-03-11
Department
Major/Subject
Geoinformatics
Mcode
Degree programme
Master's Programme in Geoinformatics (GIS)
Language
fi
Pages
72 + 3
Series
Abstract
Laserkeilaus on 3D-mittaustekniikka, joka hyödyntää lasersäteitä etäisyyksien mittaamiseen ja pinnan topografian kartoittamiseen. Laadunvarmistusmenetelmät ovat olennainen osa laserkeilauksen prosessia, ja ne kattavat useita vaiheita. Tämän diplomityön tavoitteena on tutkia, mitkä tekijät vaikuttavat pistepilven laatuun, mitä menetelmiä voidaan käyttää laserkeilausaineiston laadunvarmistamiseen, miten tuottajan tulisi raportoida näitä ja mitä tietoja tilaajan tulisi antaa tuottajalle tilauksen yhteydessä. Laserkeilausmenetelmien vaikutuksia laatuun ja laadunvarmistusmenetelmiä selvitetään tutkimalla kirjallisuutta ja olemassa olevia laserkeilauslaadunvarmistusohjeita Maanmittauslaitokselta ja Ruotsin Lantmäterietiltä. Lisäksi suoritetaan esimerkki laadunvarmistuksesta ilma-, drone- ja mobiililaserkeilausaineistolle Terrasolidin ohjelmilla. Työn tulokset osoittavat, että laserkeilausaineiston laatuun vaikuttavat useat tekijät, kuten laserin jalanjälki, keilauskulma, aallonpituus, kalibrointi, ajosuunnat, IMU-yksikkö, tiedostojen pakkaus, mitattava ympäristö, ilmasto, sää, vuodenaika, pulssitaajuus, keilaustaajuus ja georeferointi. Laatumittareina ja laadunvarmistusmenetelminä voidaan käyttää aineiston suhteellista ja absoluuttista tarkkuutta, pistetiheyttä, kohinaa, sivupeittoa, luokittelua, kaikujakaumaa ja intensiteettiä. Laadun raportoimisesta ja asiakkaan antamista tiedoista selvisi, että tuottajan tulisi raportoida metatietoihin kaikki asiakkaan antamat vaatimukset tilauksen yhteydessä. Näitä ovat koordinaattijärjestelmä, suhteellinen ja absoluuttinen tarkkuus, pistetiheys, aineistojen aikaformaatti, kohina-arvot koville pinnoille, tarvittavat luokat, LiDAR-aineistojen tiedostomuoto, ajo- ja lentolinjojen tiedostomuoto, mittaustyösuorituksen ajankohta sekä yhden LiDAR-tiedoston suurin mahdollinen koko. Lisäksi tulisi tuottajan raportoida käytetty laserkeilaussensori, käytetty IMU-yksikkö, keilauskulma, lentokorkeus, lentonopeus, pulssi- ja keilaustaajuus sekä millä menetelmällä maatukipisteet ja tarkistuspisteet ovat mitattu. Työn lopputulos täyttää aukon suomenkielisessä laserkeilausaineiston laadunvarmistusohjeistuksessa huomioimalla ilmalaserkeilauksen lisäksi drone- ja mobiililaserkeilauksen. Tätä työtä voitaisiin jatkossa laajentaa tutkimalla laatumittareita fotogrammetrisille pistepilville ja määrittämällä laatumittareille raja-arvoja tietyille kohteille, jotta niitä voitaisiin mitata laadukkaasti.Laser scanning is a 3D measurement technique that utilizes laser beams for distance measurement and mapping the topography of surfaces. Quality assurance methods are an integral part of the laser scanning process, covering several stages. The aim of this master's thesis is to investigate the factors influencing the quality of point clouds, the methods that can be used to ensure the quality of laser scanning data, how producers should report these, and what information clients should provide to producers when placing orders. The effects of laser scanning methods on quality and quality assurance methods are investigated by reviewing literature and existing laser scanning quality assurance guidelines from the National Land Survey of Finland and the Swedish Lantmäteriet. Additionally, an example of quality assurance is conducted for airborne, drone, and mobile laser scanning datasets using Terrasolid software. The results of the study show that several factors affect the quality of laser scanning data, such as laser footprint, scanning angle, wavelength, calibration, scan directions, IMU-unit, file compression, environment, climate, weather, season, pulse frequency, scanning frequency, and georeferencing. Quality metrics and assurance methods include the relative and absolute accuracy of the data, point density, noise, overlap, classification, echo distribution, and intensity. Regarding quality reporting and client-provided information, it was found that producers should report all client-provided requirements in the metadata. These may include coordinate system, relative and absolute accuracy, point density, time format for the data, noise values for hard surfaces, required classes, LiDAR data file format, file formats for flight- and drivelines, date of surveying, and the maximum allowable size of a single LiDAR-file. Additionally, producers should report the laser scanning sensor used, IMU-unit used, scanning angle, flight altitude, flight speed, pulse- and scanning frequency, and the method used to measure ground and control points. The outcome of this work fills a gap in Finnish-language laser scanning data quality assurance guides by considering not only airborne laser scanning but also drone- and mobile laser scanning. This work could be expanded in the future by investigating quality metrics for photogrammetric point clouds and defining threshold values for certain targets to ensure accurate measurement.Description
Supervisor
Vaaja, MattiThesis advisor
Soukki, KimmoKeywords
laserkeilaus, pistepilvi, laadunvarmistus, UAV, ALS, MLS