Menetelmiä liikkuvan laserkeilauksen aineistojen geometrisen laadun parantamiseen metsäympäristössä

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
Insinööritieteiden korkeakoulu | Master's thesis
Date
2014-11-24
Department
Major/Subject
Fotogrammetria ja kaukokartoitus
Mcode
M3006
Degree programme
Geomatiikan koulutusohjelma
Language
fi
Pages
75 + 20
Series
Abstract
Liikkuvalla laserkeilauksella voidaan mitata sellaisessa ympäristössä, jota muut laserkeilaimet eivät tavoita tai jossa niiden käyttäminen on hidasta. Ilmalaserkeilaus ei tavoita puiden runkoja ja maalaserkeilain on hankala sekä hidas liikuttaa. Laserkeilaimella mitattujen kohteiden pisteiden sijainnit saadaan tallennettua oikein vain, jos laserkeilaimen sijainti mittaushetkellä tunnetaan oikein. Liikkuvassa kartoituksessa laserkeilaimen sijainti määritetään GNSS-satelliittipaikannuksen (Global Navigation Satellite System) ja inertiapaikannuksen yhdistelmän avulla. MLS-keilaimen kulkema laskennallinen reitti eli trajektori tuotetaan GNSS-IMU-paikannuslaitteiston tallentamien havaintojen avulla. Metsäympäristössä GNSS-yhteys satelliitteihin saattaa kadota ajoittain eikä pelkkä inertiapaikannus pysty pitämään paikannustarkkuutta riittävän hyvänä pitkiä aikoja. Tällöin pisteiden sijainti suhteessa todel-liseen sijaintiin vääristyy eli geometrinen laatu heikkenee. MLS-aineiston geometrian parantamiseksi trajektorista etsittiin tutkimuksessa leikkauskoh-tia. Leikkauskohdat olivat kohtia, joissa sama kohta maastosta oli mitattu ainakin kahtena eri ajanhetkenä. Tällaisista leikkauskohdista muodostettiin samasta alueesta kaksi erilaista pistejoukkoa. Leikkauskohtien pistejoukkoja sovitettiin yhteen. Näin pistejoukot siirtyivät lähemmäs toisiaan ja niiden keskinäinen sijaintivirhe saatiin pienennettyä. Tutkimuksen koe-aineistona käytettiin liikkuvalla laserkeilaimella Akhka R2:lla mitattuja pistepilviaineistoja ja trajektoria. Vertausaineistona käytettiin maalaserkeilaimella mitattua pistepilviaineistoa samalta alueelta. Yhteensovittaminen toteutettiin Matlab-ohjelmalla. Pistepilvien käsittely ja tulosten vertailu tehtiin TerraScan-ohjelmalla. Tutkimuksessa havaittiin, että aineistojen geometrista laatua metsäympäristössä voitiin parantaa yhteensovituksella N- ja korkeussuunnissa. Parannusta tapahtui metsäympäristössä sisäisesti PLS-koeaineistossa sekä suhteessa TLS-vertausaineistoon. Korkeussuuntainen parannus metsäympäristössä oli keskiarvoltaan 0,01 m TLS-vertausaineistoon nähden ja 0,12 m PLS-koeaineiston sisäisessä vertailussa. Korkeusuunnassa 71 % metsäalueen pistejoukoista parantui PLS-koeaineiston ja TLS-vertausaineiston välisessä vertailussa ja PLS-koeaineiston sisäisessä vertailussa kaikki metsäalueen pistejoukot parantuivat. N-suuntainen parannus metsäympäristössä oli keskiarvoltaan 0,01 m TLS-vertausaineistoon nähden ja 0,02 m PLS-koeaineiston sisäisessä vertailussa. Yhteensovituksen jälkeen metsäalueella N- ja korkeussuuntainen geometrinen laatu oli parempi koeaineiston sisäisessä vertailussa kuin vertausaineistoon nähden. Yhteensovitus paransi metsäympäristön lisäksi koko alueen geometrista tarkkuutta korkeussuunnassa. Heading-kiertokulmat huonontuivat kaikissa vertailuissa ja alueilla yhteensovituksen myötä. Geometrisen laadun parantaminen on tärkeää, jotta MLS-keilauksia voidaan tehdä luotettavasti metsäympäristössä.

Mobile laser scanner can measure environment, where other laser scanners cannot or where they are hard to use. Airborne laser scanning can’t measure tree stems from above. It is hard and slow to move terrestrial laser scanner. If laser scanner’s position is known, only then points from objects can be saved with correct position. Position of laser scanner can be defined with combining global navigation satellite system and inertia-system in mobile mapping. Computational route of MLS is called trajectory. Trajectory can be defined with GNSS-IMU-observations. GNSS cannot be connected to satellites in forest environment all the time. Inertia-positioning cannot keep correct positioning quality for long. Then it is not possible to reliably know where points should be mapped in a real world. That means that geometric quality of the data decreases. Intersections within the trajectory were sought for improving geometric quality of MLS-point cloud. Intersections were points, where laser scanner measured at least twice in different times. It is possible to find two different set of points around those intersections for mutual matching. By matching the set of points it is possible to reduce positioning error between the set of points. The point cloud and corresponding trajectory for this study were measured by mobile laser scanner Akhka R2. Reference point cloud was measured with terrestrial laser scanner from the same area. Matlab-program was used to implement the matching method. TerraScan-program was used for processing point clouds and comparing results. The geometric quality of the point clouds was improved for forest environment in N- and elevation directions. Improvement took place in forest environment between the test and the reference point clouds. Improvement in the elevation direction was approximately 0,01 m between the test and the reference point clouds and 0,12 m inside the test point clouds in forest environment. In the elevation direction 71 % of the set of points between the test and the reference point clouds and all of the set of points inside the test point clouds were improved in forest environment. Improvement in the N-direction was approximately 0,01 m between the test and the reference point clouds and 0,02 m inside the test point clouds in forest environment. The geometric quality in N- and elevation directions was better inside the test point cloud than between the test and reference point clouds in forest environment by using the implemented matching method. The geometric quality of the whole dataset was improved in elevation direction by using the implemented matching method. The geometric quality of the whole dataset got worse in heading-angles by using the implemented matching method. It is important to improve geometric quality, so that MLS can be used reliably in the forest environment.
Description
Supervisor
Haggrén, Henrik
Thesis advisor
Kukko, Antero
Keywords
laserkeilaus, liikkuva, MLS, PLS, metsien kartoitus, geometrinen laatu
Other note
Citation