Från laserdata till kvalitetsäkrad höjdmodell Christofer Grandin christofer.grandin@blomasa.com
Blom i Europa Blom-kontor (22st, ca 1 000 anställda ) Länder med Blom Pictometry snedbilder
Från laserdata till kvalitetsäkrad höjdmodell Christofer Grandin
Mätprincipen och mätsystem
Laserskanning mätprincipen Funktion 1. Laserpulsen skjuts ut och klockan startas 2. Ljuset reflekteras på olika objekt 3. Digitizern läser av det inkommande ljuset varje nanosekund (10-9 sek) 4. Intensitetsvärdena sparas tillsammans med tiden de avlästes. = Vågformen 5. Ur vågformen kan ekon (träffavstånd) extraheras Int Tid
Orientering med GNSS och TN GNSS satellitpositionering (GPS och GLONASS) TN tröghetsnavigering (med IMU Inertial Measurement Unit)
Skanningmönster From Airborne and Terretrial Laser Scanning by Vossleman and Maas
Optech Gemini Orion Orion Schoals
Skanningsystem - Exempel Leica Optech RIEGL AHAB (Topeye)/Hawkeye/Dragoneye)
Olika flyghöjder Hög höjd > 2000 m - Flygplan (Fixed wing) - < 1punkt/m 2 - Träffyta (0.23 mrad): > 0.5 m - Typiska noggrannheter: XY 50cm, Z 20cm Medelhöjd 800 2000 m - Flygplan - 1-5 punkter/m 2 - Träffyta (0.23 mrad): 0.2-0.5 m - Typiska noggrannheter: XY 25cm, Z 10cm Låg höjd 200 800 m - Helikopter (Rotary wing) - 5-40 punkter/m 2 - Träffyta (0.5 mrad): 0.1-0.5 m - Typiska noggrannheter: XY 15cm, Z 5cm (Som lägst XY 10cm, Z 2cm) Helikopter eller flygplan beroende på omständigheterna
Punkttäthet - Låg upplösning
Punktäthet hög upplösning Tätare med punkter betyder lättare att tolka informationen i punktmolnet
Fotavtryck (footprint, träffyta) Laserpulsens utbredning i sidled påverkas av bl.a. flyghöjd Högre flyghöjd Lägre flyghöjd
Träffytans betydelse Rött större träffyta
Returstyrka på hög flyghöjd Falun: 2000 m kontra 1000 m flyghöjd
Fotogrammetri kontra laserskanning Fotogrammetri Laserskanning 2 s XY > s Z > 5 s XY 2 s Z > s XY > 5 s Z
Fotogrammetri kontra laserskanning Fotogrammetri Laserskanning Hög upplösning i plan - 5 cm RGB Låg upplösning i plan - 25 cm 15 points / m 2 nir
Flygfoto och laserskanning Hög höjdnoggrannhet Hög noggrannhet och upplösning i plan Lätt att tolka bilden Kombinationen ger bäst resultat
Genomförande av ett laserskanningprojekt
Genomförande Från planering till leverans 1. Planering - Definiera funktions- och noggrannhetskrav - Flygplanering: flyghöjd, hastighet, överlapp, etc.. - Markstöd 2. Datainsamling - Säkerställa god satellitkonfiguration - Initialisering och kontroll av tröghetsdata - Extra flyglinjer för kvalitetskontroll
Genomförande 3. Primär processering (ta fram punktmoln) - GPS/INS-beräkning - Beräkning av laserpunktmoln - Kontroll av överlappande stråk - stråkutjämning - efterkontroll - Inpassning mot stöd 4. Sekundär processering (ta fram produkter) - Filtrering markklassning - Klassning av byggnader, träd, etc.. - Modellering, t ex höjdmodell, byggnader 5. Leverans - Rapport (täckning, noggrannhet, etc) - Metadata - Data i rätt format och koordinatsystem
Kvalitetssäkring
Typiska felkällor Felkällor i orienteringen av systemet: - GNSS (Satellitpositionering, GPS + Glonass +.) - TN (Tröghetsnavigering = eng. INS) -> Ger systematiska fel i punktmolnets geometri Lasermätningsprecision - Signal/Brus-förhållandet sämre på högre flyghöjder Dåligt kalibrerade system ger systematiska fel Turbulens ger en oregelbunden punkttäthet på marken Vissa ytor ger dålig reflektion - Vatten - Nylagd asfalt - Svarta tak, etc Väderförhållanden (t ex moln, dis, dimma) kan orsaka omflygning av vissa stråk/områden
Kontroller efter flygning Täckningskontroll - punkttäthet - områdestäckning Geometrisk kontroll - internt mellan överlappande stråk - externt mot kända punkter på marken
Täckningsanalys Exempel från NNH: Statistik för varje 10x10 m ruta 95% av alla rutor skall ha > 0.5 punkter/m 2 Vattenytor undantagna (GGD vattenmask) Blått: minst 1 punkter/m 2 Grönt: minst 0.5 punkter/m 2 Gult: minst 0.4 punkter/m 2 Rött: mindre än 0.4 punkter/m 2
Täckningsanalys typiska problem Lasersystemen ej gyrostabiliserade gör att punkttätheten lokalt blir lägre pga flygplanets rörelse Vattenmaskerna överensstämmer ej med aktuellt läge Byggnader kan ge dåligt med returer
Intern kontroll - Avvikelser mellan stråk Exempel från NNH: Blått: Grönt: Gult: Rött: RMS(dZ) < 0.10 m RMS(dZ) 0.10-0.25 m RMS(dZ) 0.25 0.50 m RMS(dZ) > 0.50 m
Avvikelser typiska effekter Kuperad skogsterräng ger få punkter på marken och därmed större avvikelser mellan stråken Kvarvarande orienteringsfel ger systematiska avvikelser mellan stråken
Stråkutjämning förbättrar intern noggrannhet
Stråkutjämning minimerar avvikelserna
Stråkutjämning
Stråkutjämning roll
Stråkutjämning Z
Stråkutjämning före och efter
Ursprungligt
Stråkutjämning globala korrigeringar
Stråkutjämning stråkvisa korrigeringar
Höjdstöd Metria T ex 6x6 punkter på distinkt, öppen yta
Planstöd Profiler i kuperad terräng Takkonstruktioner Objekt synliga i laserdata Objekt synliga i flygbilderna om sådana samlas in samtidigt
NNH Statistik (t o m 2010) Parameter Resultat Krav Min Max Punkttäthet (> 0.5 punkter/m 2 ) Avvikelser mellan stråk Avvikelser mellan intilliggande skanningområden 98 % av alla 10x10 m delareor RMS = 0.09 m i 10x10 m delareor 95 % 92 % 100 % 0.10 m 0.04 m 0.12 m RMS = 0.09 m 0.10 m 0.05 m 0.12 m Stödpunkter RMS [m] Krav Max [m] Antal Höjd (Z) 0.046 0.15 0.092 494 Plan (XY) 0.241 0.50 0.460 493 Kontrollpunkter RMS [m] Krav Max [m] Antal Höjd (Z) 0.047 0.20 0.093 686 Plan (XY) 0.211 0.60 0.404 490
NNH Extern utvärdering Marktyp Medel dz [m] Standardavvikelse dz [m] RMS dz [m] Antal punkter Asfalt -0.014 0.030 0.033 72 Gräs +0.005 0.021 0.022 120 Barrträdsskog +0.035 0.053 0.063 109 Kalhygge +0.072 0.104 0.126 109 Lövträdsskog +0.124 0.088 0.152 109 Lundgren, J., Owemyr P., 2010. Gävle Universitet
Klassificering av laserdata Oklassat punktmoln Klassificering av lowpoints Klassificering av mark Editering av mark Grov vegetationsklassning Klassificering av byggnader Vektorisering och modellering Edtiering av byggnadsklass
Klassificering av lowpoints Lowpoints Punkter som ligger under markytan. Man försöker klassa bort dessa i möjligaste mån innan själva marklassningen eftersom de annars alltid kommer att bli markklassificerade.
Klassificering av mark Iterativ process där fler och fler punkter adderas till markklassen. Markmodellen byggs nerifrån och upp så länge gränsvärdena på iterationsparametrarna uppfylls. Grunden för all vidare klassning, såsom vegetation och byggnader, men även för vidare bearbetning som höjdkurvor, TIN, ortofoto etc.
Klassificering av mark - Parametrar Parametrar
Klassificering av mark - parametrar Initial points Max building size styr hur stort rutnätet skall vara för att den lägsta punkten i varje ruta är en markträff
Klassificering av mark - parametrar Terrain angle Maximal lutning av markytan
Klassificering av mark - parametrar Iteration angle Varje punkt jämförs med den triangel den ligger i Iteration angle är triangelplanets vinkel till potentiell markpunkt räknat från det närmsta triangelhörnet
Klassificering av mark - parametrar Iteration distance Iteration distance är det vinkelräta avståndet till triangelplanet Motverkar vertikala språng i marklassificeringen
Klassificering av mark - parametrar Reduce iteration angle Minskar benägenheten att klassificera in ytterligare markpunkter när trianglarna blir mindre Iterationsvinkeln närmar sig noll när den längsta triangelsidan är kortare än edge length parametern.
Klassificering av mark - parametrar Stop triangulation when Trianguleringen stoppas när längsta triangelsidan är kortare än inställt värde
Markklassning Hur bra det går att göra en markklassning är beroende av en mängd olika parametrar som tex: Terräng (höjdvariationer och vegetationstyper) Skanner Årstid (vegetation) Punkttäthet
Markeditering
Markeditering Vegetation före editering Tät låg vegetation som vass, grödor på åkrar samt täta buskage blir ofta delvis markklassade.
Markeditering Vegetation efter editering
Markeditering Vegetation före och efter editering
Markeditering Kuperad terräng - före
Markeditering Kuperad terräng - efter
Markeditering Brant terräng/bergskärningar Kräver oftast mer tillåtande parametrar än man kan köra på hela datasetet för att bli rätt klassificerade
Markeditering Stadsmiljö Broar, viadukter, stödmurar och byggnader. Ibland svårtolkat och oftast mycket som behöver editeras. Stor fördel om det finns tillgång till bildmaterial.
Markeditering Före markeditering
Markeditering Efter markeditering
Markeditering Med brytlinjer
Klassning av vegetation
Klassning av vegetation - Grov Låg vegetation Medelhög vegetation Hög vegetation Klassificeras enligt höjd över mark - tex <0.5 m, 0.5-2 m, >2 m
Klassning av vegetation Enstaka träd Modellering och klassning i ett steg
Byggnadsklassificering
Klassning av byggnader Utgår från - hög vegetation eller - preliminär byggnadsklass (t ex hög vegetation innanför 2D-polygoner) Letar efter hål i marken Letar efter plana ytor
Klassning av byggnader + =
Editering av byggnader
Punkttäthet
Punkttäthet NNH 0.5 pkt/m2
Punkttäthet Högupplöst skanning 25 pkt/m2
Punkttäthet Grid 50m
Punkttäthet NNH 0.5 pkt/m2
Punkttäthet Differansmodell 5pkt/NNH
Punkttäthet Differansmodell 5pkt/NNH
Flyghöjd
Flyghöjd Bortfall av returer från byggnader
Flyghöjd Bortfall av returer från byggnader
Frågor?