Mätosäkerhet vid digital terrängmodellering med handhållen laserskanner

AKADEMIN FÖR TEKNIK OCH MILJÖ Avdelningen för industriell utveckling, IT och samhällsbyggnad Mätosäkerhet vid digital terrängmodellering med handhållen laserskanner Undersökning av den handhållna laserskannern ZEB-REVO Amanda Gustafsson & Olov Wängborg 2018 Examensarbete, Grundnivå (kandidatexamen), 15 hp Lantmäteriteknik Lantmätarprogrammet, teknisk inriktning Handledare: Yuriy Reshetyuk Examinator: Stig-Göran Mårtensson Bitr. examinator: Ulrika Ågren

Förord I och med detta examensarbete avslutar vi våra tre år på Högskolan i Gävles Tekniska Lantmätarprogram, vilket har varit tre intensiva men lärorika år. Vi vill med detta förord passa på att tacka alla personer som hjälpt oss under det omfattande examensarbetet. Först och främst vill vi tacka Yuriy Reshetyuk för värdefull handledning och stöttning vid stunder av tvivel. Även övriga lärare tillhörande programmet som ställt upp extra när det behövts. Vi vill även rikta ett stort tack till Bengt Lindell och Susanna Gavhed på Norsecraft Geo som gjorde detta examensarbete möjligt genom att låna ut instrumentet ZEB-REVO. Även Tommy Segerkvist, ägare av Segerkvist Mätteknik, ska tackas för att ha bistått med andra viktiga instrument. Till sist men inte minst vill vi tacka våra respektive familjer och vänner som stöttat oss under examensarbetet som såväl under hela studietiden. Gävle, maj 2018 Amanda Gustafsson & Olov Wängborg i

Sammanfattning En digital terrängmodell (DTM) är en representation av enbart själva markytan. Det finns flera metoder för att framställa DTM:er, där laserskanning har blivit en alltmer vanlig metod. Inom laserskanning är flygburen laserskanning (FLS) en flitigt använd metod, då metoden har fördelen av att kunna täcka stora områden på kort tid. Det finns dock nackdelar med FLS då datainsamlingen kan bli bristfällig i t.ex. skogsområden, där laserstrålar inte kan tränga igenom tät vegetation. Här kan handhållen laserskanning (HLS) vara ett bra alternativ då HLS går snabbt och inte behöver samma omfattande planering. Tidigare studier visar att HLS har många fördelar, men som dock inte kan hålla samma låga osäkerhet som terrester laserskanning (TLS). Det saknas däremot studier om hur HLS ställer sig mot mätningar med FLS. Syftet med studien är därför att utvärdera möjligheten att använda och tillämpa mätningar med HLS för framställning av DTM i skogsterräng gentemot FLS. Detta görs genom att jämföra respektive DTM:s lägesosäkerhet. I studien användes instrumentet ZEB-REVO för insamlingen av data för metoden HLS. Medan för FLS användes laserdata från Lantmäteriet. Från insamlad laserdata skapades därefter DTM:er. Dessa jämfördes mot ett antal kontrollprofiler som mättes in med totalstation. För respektive metod, HLS och FLS, beräknades medelvärde för höjdavvikelserna mot kontrollprofilerna där även standardavvikelse beräknades. Resultatet visar att DTM:en skapad av data från FLS beräknades ha en höjdavvikelse för hela området på 0,055 m som medelvärde gentemot inmätta kontrollprofiler. Standardavvikelsen för denna höjdavvikelse beräknades till 0,046 m för FLS. För DTM:en med data från HLS beräknades en höjdavvikelse på 0,043 m i medelvärde som bäst, där standardavvikelse beräknades till 0,034 m. Studien visar att metoderna HLS och FLS gav likvärdiga resultat gentemot de inmätta kontrollprofilerna, dock gav HLS generellt mindre standardavvikelse i jämförelse mot FLS. Vidare ansågs ZEB-REVO och dess tillhörande databearbetningsprogram GeoSLAM vara väldigt användarvänligt, där själva skanningen med instrumentet tog endast 10 minuter för studiens område på ca 2000 m 2. Utifrån studiens resultat drogs slutsatsen att mätningar med HLS kan ge en likvärdig DTM, sett till osäkerheten, som FLS-mätningar. HLS kan därmed vara en kompletterande metod men att FLS är en fortsatt effektiv metod. Nyckelord: Digital terrängmodell (DTM), Flygburen laserskanning (FLS), Handhållen laserskanning (HLS), Simultaneuos localization and mapping (SLAM), ZEB-REVO iii

Abstract A digital terrain model (DTM) represent exclusively the earth surface. There are several methods which can be utilized to create DTMs, where laser scanning have become a common used method. Airborne laser scanning (ALS) is often used since the method can cover a large area in a relatively short time. However a disadvantage with ALS is that the data collection, for a wooded area, can be inadequate due to penetration difficulties for some laser beams. For that reason a handheld laser scanner (HLS) can be an alternative since measurements can be done fast and does not need the same extensive planning. Earlier studies mention HLS to have several advantages but can still not yet be compared with terrestrial laser scanning (TLS) concerning the measurements uncertainty. There are, however, no studies that investigates how measurements with HLS stands against FLS. The purpose with the study is to evaluate the ability to use measurements from HLS to create a DTM for a wooded area in comparison with ALS. This is done by comparing the different uncertainties for each DTM. In the study the acquisition of HLS laser data was collected with the instrument ZEB-REVO and the ALS laser data was received from Lantmäteriet (cadastral mapping and surveying authority in Sweden). After the data acquisition a DTM were created from each data set (method). The DTMs were then compared to control profiles, which have been measured with total station. From the comparison with the control profiles average height deviation and standard deviation were calculated for each DTM. The result shows that the DTM created from ALS data received an average height deviation of 0,055 m for the whole area with a standard deviation of 0,046 m. Corresponding result for the DTM created from HLS data were calculated, at best, to 0,043 m in average height deviation and 0,034 m in standard deviation. The study shows that the methods HLS and ALS gave equivalent result regarding the comparison with the control profiles, however HLS gave a generally lower value for standard deviation. Furthermore ZEB-REVO with its processing program GeoSLAM was considered to be very easy and user friendly. The area (approx. 2000 m 2 ) for the study was scanned within only 10 min. The conclusion which were drawn from the obtained result was that measurements with HLS can generate an equivalent DTM, concerning the uncertainty, as measurements with FLS. Thereby HLS can be a complementing method but still FLS is seen as an effective method. Key words: Airborne laser scanning (ALS), Digital terrain model (DTM), Handheld laser scanning (HLS), Simultaneuos localization and mapping (SLAM), ZEB-REVO v

Innehållsförteckning 1 Introduktion... 1 1.1 Bakgrund... 1 1.1.1 Digital terrängmodell... 1 1.1.2 Laserskanning... 1 1.2 Syfte... 2 1.3 Tidigare studier... 3 1.3.1 Mobil laserskanning... 3 1.3.2 Simultaneous localization and mapping (SLAM)... 4 1.3.3 Handhållen laserskanning... 4 2 Teoretisk bakgrund... 6 2.1 Terminologi för höjdmodeller... 6 2.2 Olika metoder för laserskanning... 6 2.3 SLAM... 8 2.4 RUFRIS... 8 2.5 Kontrollprofiler... 8 3 Metod och material... 10 3.1 Instrument... 10 3.1.1 ZEB-REVO... 10 3.1.2 Övriga instrument och utrustning... 11 3.2 Studieområde... 12 3.3 Laserskanning... 12 3.4 Mätning... 13 3.4.1 Stationsetablering... 13 3.4.2 Inmätning av sfärer... 14 3.4.3 Kontrollprofiler... 14 3.5 Bearbetning... 15 3.5.1 Georeferering... 15 3.5.2 Skapa DTM som TIN... 16 3.6 Jämförelse av DTM:er mot kontrollprofiler... 16 4 Resultat... 18 5 Diskussion... 23 5.1 Vidare studier... 25 5.2 Hållbar utveckling och etiska aspekter... 26 6 Slutsats... 27 Referenser... 28 Bilaga A... A1 Bilaga B... B1 Bilaga C... C1 vii

Bilaga D... D1 Bilaga E... E1 Bilaga F... F1 Bilaga G... G1 viii

1 Introduktion 1.1 Bakgrund 1.1.1 Digital terrängmodell Digital terrängmodell (från engelskans digital terrain model) kan förkortas DTM och är en modell som enbart representerar markytan utan vegetation eller andra objekt som finns på marken (INSPIRE Thematic Working Group Elevation [TWG-EL], 2012). DTM kan även kallas för markmodell (SIS-TS 21144:2016 avsnitt 3.6). Höjddata, i form av exempelvis DTM:er, har många olika användningsområden och används därför ofta (Hubacek, Kovarik & Kratochvil, 2016; INSPIRE TWG-EL, 2012). Det är därför viktigt att utforska hur framställning av DTM:er kan utvecklas och förbättras, vilket är anledningen till denna studie. Det finns flera olika metoder för insamling av data vid framställning av DTM. En allmän beskrivning av möjliga framställningsmetoder för en DTM framgår i SIS-TS 21144:2016 avsnitt 7.1, där bland annat fotogrammetrisk-, geodetisk mätning (terrester eller satellitbaserad) samt laserskanning (mark- eller flygbaserad) listas som några användbara metoder. Då mätning utförs med exempelvis totalstation eller global navigation satellite system (GNSS) gör användaren ett urval av indata redan ute i fält genom de faktiskt inmätta punkterna, vilket leder till generaliserad data som sedan kan genereras till en DTM. Vid användning av terrester laserskanning (TLS) som insamlingsmetod mäts i stort sett allt in och generaliseringen (filtreringen) av data får bearbetas i efterhand för att skapa en DTM. I och med att TLS kan samla in betydligt mer data än exempelvis totalstation eller GNSS är en DTM skapad genom TLS, teoretiskt sett, mer noggrann (Lantmäteriet m.fl., 2013; Mårtensson, 2016; Reshetyuk, 2017). 1.1.2 Laserskanning Enligt HMK-Höjddata (2017) och Hubacek et al. (2016) är laserdata det vanligaste utgångsmaterialet för höjddata, där flygburen laserskanning (FLS) beskrivs som en effektiv metod för att samla in höjddata över större områden som kan användas vid framställning av både yt- och markmodeller. HMK-Höjddata (2017) förtydligar att när avståndet till sensorn ökar, avtar punkttätheten, vilket genererar högre mätosäkerhet. TLS eller annan geodetisk mätning kan användas för mindre områden eller där det ställs högre krav på lägesosäkerheten och det är inte ovanligt att metoderna kombineras för att uppnå önskat resultat (HMK-Höjddata, 2017). 1

Sveriges höjdmodell är framtagen med hjälp av FLS (Lantmäteriet, 2016). För en varierad terräng kan höjdmodellen förväntas ge en osäkerhet i höjd på omkring 0,2 m, där osäkerheten bland annat kan bero på att vegetation hindrar laserstrålarna från att nå ända ner till marken (Lantmäteriet, 2011). Osäkerheten kan jämföras med Tjeckiens nya nationella höjdmodell (DMR 5G), som även den tagits fram genom FLS och där Hubacek et al. (2016) utförde en studie för att verifiera angivna osäkerheter (0,18 m för öppen terräng och 0,30 m för skogsterräng). Genom geodetiska mätningar kom författarna fram till att höjdmodellens osäkerhet överensstämde med de angivna, till och med gav testerna något bättre resultat för skogsterräng. Med handhållen laserskanner (HLS) bör mer data kunna samlas in på ett hållbart sätt för ett mindre område och dessutom på kortare tid i jämförelse med mätningar utförda med TLS eller totalstation som kräver fler uppställningar för att få motsvarande data. Från tidigare studier (avsnitt 1.3) framgår det att HLS verkar vara en lovande metod med många fördelar men som ännu inte kan mätas med den låga osäkerhet som TLS kan åstadkomma. Däremot saknas det studier om hur mätningar med HLS ställer sig mot mätningar med FLS. Därför är det av högsta intresse att göra en fördjupning för i vilken utsträckning HLS kan användas och om HLS i vissa skeden kan ersätta eller komplettera mer tidskrävande metoder som t.ex. FLS, vilket kommer undersökas i och med denna studie. 1.2 Syfte Syftet med studien är att utvärdera möjligheterna att använda och tillämpa mätningar från HLS för framställning av en digital terrängmodell (DTM) i skogsterräng. Främsta fokus är att se hur låg osäkerhet en DTM kan erhålla med hjälp av mätningar med en HLS i jämförelse med FLS. Studien begränsas till praktiskt utförande och kvantitativ metod. Området för studien, vilken är beläget strax utanför Gävle, begränsades till ett ca 2000 m 2 stort område för att undvika påverkan av kringliggande snö och säkerställa att den bestämda tidsramen för arbetet inte överskrids. För att kunna jämföra de båda metoderna och de framställda DTM:ernas osäkerheter gjordes mätningar med totalstation som referensdata. Forskningsfrågor som har behandlats i studien: Hur låg osäkerhet kan erhållas för en DTM skapad genom mätningar med HLS i jämförelse med FLS-mätningar? Vilka för- respektive nackdelar finns det med användandet av HLS i jämförelse med FLS? Förhoppningen innan studiens utförande var att HLS-mätningarna med simultaneuos localization and mapping (SLAM) algoritmer kunde generera en likvärdig DTM, sett till osäkerheten, som FLS-mätningarna. 2

1.3 Tidigare studier 1.3.1 Mobil laserskanning Tyagur och Hollaus (2016) skriver att laserskanning har blivit en allt mer använd teknik för att samla in tredimensionell data, vilket ofta används för att skapa DTM:er eller andra ytmodeller. Författarna skriver även att FLS har mer eller mindre blivit en standardmetod för att samla in topografisk data för skapandet av DTM:er. Dock menar författarna att det finns begränsningar med FLS när det kommer till att fånga de många detaljerna för t.ex. ett skogsområden. I studien använder författarna mobil laserskanning (MLS), i form av en laserskanner monterad på en bil. Författarna beskriver MLS som en snabb och noggrann metod för att samla in data för ett område, i detta fall för ett skyddat naturreservat. Genom några kontrollpunkter inmätta med totalstation kunde den genomsnittliga vertikala osäkerheten sättas till omkring 0,1 m för DTM skapad med MLS mätningar. I likhet med studien av Tyagur och Hollaus (2016) användes MLS även i denna studie för att samla in detaljrik data för ett skogsområde på ett effektivt sätt som sedan genererades till en DTM. Till skillnad från Tyagur och Hollaus (2016) användes HLS istället för en laserskanner monterad på ett fordon, för att samla in ytterligare data från fler vinklar och på så vis täcka hela området av intresse. Lehtola et al. (2017) menar även de att MLS är en lovande teknik och gör i studien jämförelser mellan flera olika mobila laserskanningssystem för att därefter göra en sammanställning av samtliga systems styrkor respektive svagheter. Liang et al. (2014) använder en viss typ av MLS, närmare bestämt personburen laserskanner (PLS). Författarna beskriver att största fördelen med MLS är att metoden kan samla in data på kortare tid i jämförelse med TLS. PLS kan även komma åt mer svårtillgängliga platser och samla in ytterligare data av intresse (Liang et al., 2014). Författarna skriver att bortsett ifrån en laserskanningsenhet ingår även GNSS och inertial measurment unit (IMU) i PLS-enheten. Studien visade på goda möjligheter att i framtiden använda PLS som metod för skogsinventering men att TLS fortfarande ger lägre osäkerhet (Liang et al., 2014). Främsta orsaken till PLS:ens osäkerhet tros bero på bristande GNSS-signaler som försämrar resultatet och är något som måste utvecklas för framtida användning (Liang et al., 2014). Författarna ger förslag på andra tillämpningar av PLS än bara skogsinventering, t.ex. dokumentering av skogsområden som vandringsleder för rekreation. Istället för att fokusera på inventering har denna studie koncentrerat på framställning av DTM. På grund av svagheterna med GNSS-mätning i skog användes SLAM-algoritmer för punktmolnsregistrering. 3

1.3.2 Simultaneous localization and mapping (SLAM) Qian et al. (2017) har undersökt hur en integration av tekniken SLAM med GNSS/inertial navigation system (INS) kan göras för att positionera instrument i svårtillgängliga områden såsom skog. I studien användes MLS för att kartera ett skogsområde. Positionering med GNSS/INS anses i dessa fall vara otillräckligt på grund av förlorade signaler och flervägsfel, men en integrering av SLAM anses vara både en effektiv och hållbar metod utan extra kostnader för hårdvaruteknik. I studien av Qian et al. (2017) testas två olika metoder för SLAM-integration, en som stödjer sig på rörelsens riktning samt en metod baserad på rörelsens riktning och hastighet. Studien visar att den första SLAM-metoden som endast stödjer sig på rörelsens riktning ger en horisontell postitionsnoggrannhet på 0,13 m, vilket är en förbättring med 70% mot traditionell positionsmätning med GNSS/INS. För den andra SLAM-metoden som stödjer sig på både rörelsens riktning och hastighet, så kunde en positionsnoggrannhet på 0,06 m beräknas, vilket är en förbättring på 86% mot traditionell positionsmätning med GNSS/INS (Qian et al., 2017). 1.3.3 Handhållen laserskanning I likhet mellan studierna (Bauwens, Bartholomeus, Calders & Lejeune, 2016; James & Quinton, 2014; Ryding, Williams, Smith & Eichhorn, 2015) har MLS i form av HLS använts utomhus. James och Quinton (2014) beskriver TLS som en vanlig metod för att samla in topografisk data men att metoden har begränsningar när det kommer till att samla in täckande data för mer komplexa miljöer på ett effektivt sätt. Författarna skriver att geomorfologiska studier ofta hanterar någon typ av höjddata och när det gäller kilometervisa områden används ofta FLS men för mindre områden (tio, hundratals meter) används idag ofta TLS som kan vara en tidskrävande metod för att samla in önskad data. Författarna uttrycker att HLS verkar vara en lovande metod för att samla in önskad data för ett mindre men komplext område. I studien jämfördes bl.a. mätningar med HLS (ZEB1) mot mätningar med TLS (Riegl VZ-1000) för ett mer komplext utformat område. Utifrån mätningarna kunde författarna konstatera att HLS är en betydligt snabbare metod vad gäller insamling av data. Enligt författarna tar SLAM-registreringen ungefär lika lång tid som datainsamlingen men punktmolnet kan behöva vidare bearbetning. Än så länge kan HLS inte generera en DTM med lika låg osäkerhet som TLS men kan ändå användas och möjliggöra för fler typer av geomorfologiska tillämpningar, dessutom kan det vara ett kostnadseffektivt alternativ (James & Quinton, 2014). Bauwens et al. (2016) skriver att det finns begränsningar med att använda GNSS i skogen men att en HLS inte är beroende av GNSS då en HLS använder SLAM-algoritmer som ger en bättre registrering av punktmolnet. För att optimera SLAM-registreringen utfördes mätningar efter ett planerat mönster för att täcka hela området med god punkttäthet och avsluta mätningen med att sluta slingan (Bauwens et al., 2016). 4

Författarna (Dewez et al., 2017; James & Quinton, 2014) framhäver dock att även SLAM-registrering har vissa begränsningar. Metoden kräver väldefinierade objekt för att registreringen ska vara möjlig, om objekten är glest utspridda kan SLAMregistreringen ha för få objekt att registrera punktmolnet efter. Bauwens et al. (2016) menar att en annan svaghet är att HLS har en högre stråldivergens som leder till något osäkrare resultat, strålarna kan t.ex. inte penetrera låg vegetation på samma sätt som TLS gör. Dewez et al. (2017) konstaterar att HLS:en ZEB-REVO använder SLAM-algoritmer för att navigera utan att behöva tillgången till GNSS. Författarna har testat instrumentet både inomhus och utomhus där resultatet renderade i att skannern inte kunde skanna ett avstånd på mer än 7,5 m utomhus för 99 % av punkterna. Inomhus kunde skanningsavståndet dock uppnå specifikationerna från tillverkaren på 30 m. Dewez et al. (2017) redogör även att punktmoln skannade från ZEB-REVO har en median punkttäthet på 1 punkt per 21 mm och att ZEB-REVO har en relativ osäkerhet på 1/10000 (3 mm/30,20 m). Ytterligare tekniska specifikationer för instrumentet finns i avsnitt 3.1.1 i denna rapport (tabell 1). 5

2 Teoretisk bakgrund Mer detaljerade beskrivningar kring betydande begrepp och moment som ingår i denna studie kommer tas upp här i teoridelen. Avsnitt 2.1 och 2.2 är en allmän fördjupning för att separera begrepp och förtydliga studiens omfattning. Medan avsnitt 2.3 översiktligt behandlar tekniken bakom SLAM. Slutligen ger avsnitt 2.4 och 2.5 en mer djupgående beskrivning av två viktiga delmoment som ingår i studiens mätningsmetod. 2.1 Terminologi för höjdmodeller Utöver DTM finns det ytterligare två benämningar på tredimensionella modeller av jordens yta. Nämligen DEM, som är en förkortning av engelskans digital elevation model (digital höjdmodell) och DSM som också kommer från engelskans digital surface model (digital ytmodell). Efterföljande stycke kommer därmed att sortera i begreppen och ange de vanligt förekommande definitionerna av dem. DEM fungerar som ett samlingsbegrepp för höjder som digitalt eller matematiskt presenteras i en modell motsvarande en topografisk yta. DSM innehåller information om marken samt andra fasta objekt som finns på marken som exempelvis vegetation, byggnader m.m. DTM däremot avser endast själva markytan utan information om övriga objekt. Höjddata och därmed modellerna kan lagras på olika sätt. Antigen som raster, vektor eller triangular irregular network (TIN) (INSPIRE TWG-EL, 2012; Mårtensson, 2016). Där TIN utgår från kontrollpunkter, brytlinjer och stopplinjer som placeras på ett representativt sätt för terrängen. Mellan inmätta punkter skapas därefter trianglar (INSPIRE TWG-EL, 2012; SIS-TS 21144:2016 avsnitt 9.2) I och med denna studie kommer ett utsnitt av laserdata, som ligger till grund för Sveriges höjdmodell, att användas för att skapa en DTM i form av en TIN-modell. Detta för att möjliggöra kontroll och jämförelsen mellan resultaten från flygburen respektive handhållen laserskanning. Då fokus för denna studie är att utvärdera användningen av HLS jämfört med FLS för skapandet av DTM. 2.2 Olika metoder för laserskanning Laserskanning går ut på att en sändare i instrumentet skickar ut en laserstråle, närmare bestämt en elektromagnetisk energi. Om laserstrålen träffar ett objekt reflekteras en del av strålen tillbaka till instrumentets mottagare som då registrerar den returnerade signalen. Resultatet av mätningarna blir ett punktmoln som kan få koordinater i ett referenssystem genom georeferering (Reshetyuk, 2017). Laserskanningstekniken kan tillämpas på flera olika sätt genom olika metoder. 6

Med terrester laserskanning (TLS) menas markburen laserskanning, vilket går ut på att en laserskanner placeras på ett stativ som är placerad över önskad position på marken. Vid skanning med TLS kan det behövas fler uppställningar av instrumentet för att kunna täcka hela objektet av intresse. Vid varje uppställning skapas ett eget punktmoln med internt koordinatsystem, för att möjliggöra georeferering av dessa punktmoln måste de först sättas ihop till ett punktmoln, vilket kallas för registrering (Reshetyuk, 2017). Principen att använda laser för att göra avståndsmätningar är densamma oberoende och laserskanningen är flygburen eller terrester. Dock kan FLS användas för mer omfattande mätningar än TLS som är mer lämplig för skanning av mindre, specifika objekt som t.ex. byggnader, tunnlar. Ett FLS-system består av en laserskanner, en GNSS, ett tröghetssystem samt en kontrollenhet som monteras i/på ett flygplan eller helikopter. Laserskanningssystemets uppgift är att skicka ut och registrera returnerade laserstrålar. Med hjälp av GNSS och tröghetssystemet bestäms laserskannerns position och läge när skanningen ägde rum. Det är mycket viktigt att alla enheter är noggrant synkroniserade för att undvika fel, vilket är en av kontrollenhetens uppgift att se över, dessutom lagras all data i kontrollenheten (Lantmäteriet m.fl., 2013). Tröghetssystemet mäter ständigt accelerationer och vinkelhastigheter för att bestämma laserskanningssensorns position och riktning. Både acceleration och vinkelmätningarna görs i tre riktningar vinkelrätt mot varandra. Detta för att inmätta punkter ska få korrekta koordinater (Lantmäteriet m.fl., 2013). En laserskanner kan även monteras på andra rörliga (mobila) föremål än flygplan som till exempel på fordon (Tyagur & Hollaus, 2016), eller de kan också vara personburna i en ryggsäck (Liang et al., 2014). De kan också vara handhållen (Bauwens et al., 2016; Dewez et al., 2017; James & Quinton, 2014; Ryding et al., 2015). Mobila laserskannrar innehåller förutom själva laserskannern även ett system för att positionering och orientering. Detta system kommer vanligen i form av GNSS och IMU (Ryding et al., 2015). Positions- och orienteringssystemet är i likhet med tröghetssystemet FLS använder. Den handhållna laserskannern ZEB-REVO använder istället tekniken SLAM och IMU för positionering (GeoSLAM Ltd., 2017). 7

2.3 SLAM SLAM är en förkortning av engelskans simultaneous localization and mapping och är en process (algoritm) som har till syfte att skapa en karta över ett okänt område i vilken en mobil robot (enhet) samtidigt vistas i. Detta görs genom att enheten tar hjälp av olika landmärken som finns i området och utifrån dessa landmärken görs andra observationer. Mätningar i tid, lokalisering och orientering av enheten under dess rörelse genom området sker relativt landmärkena. Förhållandena mellan varje landmärke måste stämma överens. SLAM använder främst två typer av matematiska filter, extended Kalman filter (EKF) och Rao-Blackwellised filter, vilka har till uppgift att förse observationsekvationerna för SLAM med data (Durrant-Whyte & Bailey, 2006). 2.4 RUFRIS Stationsetablering med metoden realtidsuppdaterad fri station (RUFRIS) kan vara ett alternativ då kända stompunkter inte finns tillgängliga för ett område och mätning med real time kinematic (RTK) inte anses ge tillräckligt låg osäkerhet. Med fri station menas att stationen kan etableras över valfri uppställningspunkt. Metoden för RUFRIS går ut på att en mätstång kombineras med både GNSS och prisma för att på så vis kunna göra två mätningar samtidigt. Genom etablering med RUFRIS kan GNSS-mätningar därefter övergå till traditionella mätningar med totalstation (Vium Andersson, 2012). Vid fri stationsetablering med RUFRIS beskriver Vium Andersson (2012) att gemensamma punkter (inmätta med både GNSS och totalstation) bör placeras utspridda, minst 200 gon, runt stationen där minst 20 % av punkterna bör placeras vid mätområdets gräns. Osäkerheten på stationsetableringen styrs av antalet gemensamma punkter som mäts in, men desto fler punkter desto lägre osäkerhet, antalet ska dock vara minst 15 stycken. Dessa tre riktlinjer för placering av gemensamma punkter görs för att förbättra skattningen av stationens läge i: plan (spridning i 200 gon), höjd ( 15 punkter) och orientering (20 % av punkterna i ytterområdet). 2.5 Kontrollprofiler Kontroll av DTM (markmodell) görs enligt tekniska specifikationer i SIS-TS 21144:2016 kap. 10 med underliggande avsnitt. Syftet med kontrollen är att se om eventuella systematiska eller grova fel finns i modellen och dessutom göra en utvärdering av modellens lägesosäkerhet i höjd. 8

Det finns två olika nivåer för kontroll, 1 och 2. Val av kontrollnivå beror bland annat på vad avsikten är med användandet av DTM:en. Beroende på val av kontrollnivå finns det tre olika kontrollutföranden (A, B och C). För kontrollnivå 1 gäller utförande A, vilket ger en översiktlig kontroll. För kontrollnivå 2 gäller utförande B och C. Där utförande B har som syfte att ge större säkerheten av modellens bedömda kvalitet. Utförande C gäller för kontroll av undantagsytor. Kontrollen består i att profiler (punkter på rak linje) mäts in. Antalet profiler som ska mätas in beror på valt utförande, hur stort område modellen täcker och hur många marktyper som finns för området. Kontrollprofilerna ska placeras utspridda över modellen och på ett sådant sätt att de representerar den faktiska marken för området. Antalet kontrollprofiler för utförande A respektive B beräknas enligt ekvation 1 respektive 2: 3N + A (1) 5N + 2 A (2) Där N är antalet marktyper och A är områdets area i hektar. Utförande C kräver minst 4 profiler per objekt, därefter tillkommer fler profiler beroende på objektets utbredning. Därefter jämförs profilerna med den skapade DTM:en för att se hur väl de stämmer överens (se avsnitt 3.6 för denna studies beräkningar). Utifrån kontrollberäkningarna kan en DTM klassas efter toleranser gällande användningsområde samt markslag enligt SIS-TS 21144:2016 avsnitt 8.2, tabell 6 respektive 7 (avsnitt 4). 9

3 Metod och material 3.1 Instrument 3.1.1 ZEB-REVO Instrumentet ZEB-REVO tillsammans med en bärbar dator lånades av företaget Norsecraft Geo. Instrumentet bestod huvudsakligen av två delar, skanningsenheten (1,0 kg) och dataloggern. Där all utrustning, tillhörande skannern inklusive laddare m.m, rymdes i ryggsäcken och vägde då totalt kring 4,1 kg (Figur 1). Med instrumentet ingick en licens till bearbetningsprogrammet GeoSLAM som processade insamlad data till ett registrerat punktmoln som gavs i filformaten.las/.laz (Figur 6). Dessutom erhölls en.ply-fil som innehöll det utförda gångstråket (Figur 7-8). Figur 1. Utvalda delar från den handhållna laserskanningsutrusningen, från vänster: huvudkabel, datalogger, laserskanningsenhet, överföringskabel och ryggsäck. Bakgrundsmaterial från Norsecraft Geo. Tabell 1. Utvalda tekniska specifikationer för handhållna laserskannern ZEB-REVO (GeoSLAM Ltd., 2017). Laserklass 1 Skannade punkter per sekund 43200 Räckvidd 30 m* Relativ osäkerhet Absolut positionsosäkerhet 1-3 cm 3-30 cm Vinkel siktfält 270 x 360 * Maximalt avstånd inomhus mot objekt med 90 % reflektans. Avstånd utomhus kan reduceras till 15-20 m beroende på miljö. 10

3.1.2 Övriga instrument och utrustning För att möjliggöra georeferering av det laserskannande punktmolnet användes sfärer (figur 3) monterade på stativ. Stativen var försedda med cirkulärprismor Leica GPR121 (figur 4) i sfärernas ställe. Dessa placerades ut i området och mättes in med totalstation MS60 (serienummer: 882619). Inför skanningen byttes cirkulärprismorna ut till sfärerna. För att etablera totalstationen användes en GNSS, icon (serienummer: 2677577) med stång och 360-prisma Leica MPR 122. Ytterligare utrustning som användes för att mäta kontrollprofiler var en stång försedd med plan fot samt prisma Geodimeter 571126111 (figur 2). Genom digital avvägning höjdbestämdes även en kontrollpunkt i området, där instrumentet Leica DNA03 (serienummer: 341852) användes tillsammans med digital avvägningsstång, flyttpunkter och stativ. Programvaror som använts för bearbetning och beräkning i studien var Geo Professional School (version 2016.1.952.67), Terrascan (version 08.11.09.292) och CloudCompare (version 2.9.1). Figur 2. Stång med prisma och plan fot som användes vid inmätning av kontrollprofiler. Figur 3. Halvsfär (till vänster) och helsfär (till höger). Figur 4. Cirkulärprisma som användes för att mäta in sfärernas position. 11

3.2 Studieområde För att skanna in marken för ett skogsområde behövde området vara fritt från snö. Antal eventuella områden för studien begränsades därför på grund av snömängden som fanns i landet under tillfället. Området som valdes för studien var ett mindre skogsparti i Valbo utanför Gävle och bestod mestadels av barrskog med något enstaka lövträd. Vidare bestod landskapet av en större slänt med en brant lutning intill en asfalterad landsväg. I området fanns även ett större elskåp och en skogsväg som nyttjades som fasta objekt när skanningen utfördes. Området som skannades in hade en yta på omkring 2000 m 2 (figur 5). Figur 5. Studieområdet där mätningarna utfördes. 3.3 Laserskanning Vid insamlingen av data för metoden HLS gjordes först en rekognosering av hur gångstråket skulle utformas för att täcka området med data. Stativ med sfärer (figur 3) placerades utmed det planerade gångstråket för att möjliggöra georeferering av punktmolnet. Slingan skapades på ett sådant sätt att början och slut utgick från samma ställe. Innan mätningens början och avslut placerades skanningsenheten på ett stabilt underlag där den fick rotera ca 5 varv för att initialisera respektive verifiera mätningen. Själva skanningen av området tog ca 10 min. För att skapa punktmolnet över området överfördes insamlad data från instrumentets datalogger, via en kabel och ett externt USB-minne, till en dator. Data laddades sedan upp till datorprogrammet GeoSLAM som processade det till ett registrerat punktmoln, innehållande ca 8,8 miljoner punkter (figur 6). Det tog ungefär lika lång tid för programmet att processa data som det tog att samla in data. 12

Figur 6. Exempel på det registrerade punktmolnet (HLS) från olika perspektiv. Figur 7. Gångstråk från början (röd färg) till slut (blå färg). Figur 8. Gångstråk som visar hur mycket data som samlats in. Röd färg indikerar sämre datainsamling och blå indikerar god datainsamling. För FLS laddades laserdata över det aktuella området ner från Lantmäteriet (2015) från produkten Laserdata vektor. Laserskanningen av området ägde rum mellan 2015-05-04 och 2015-05-09.. 3.4 Mätning 3.4.1 Stationsetablering RUFRIS användes som stationsetableringsmetod (avsnitt 2.3), där totalstationen placerades på önskad plats för att möjliggöra fri sikt till samtliga objekt och samtidigt försäkra att GNSS-mottagaren hade täckning. För att kunna göra jämförelser med Lantmäteriets data etablerades stationen i samma referenssystem, SWEREF 99 TM och RH 2000 i höjd. Mätningarna för stationsetableringen med RUFRIS som metod finns i bilaga E. Under mätningen sattes även reflextejpar upp i området som mättes in för att kunna förflytta stationen längre upp i området och med hjälp av dessa etablerades stationen genom fri stationsetablering (bilaga E). 13

En egen kontroll av stationsetableringen gjordes genom att en utmarkerad punkt mättes in, med ett 360-prisma som fästes på en prismastång, före respektive efter utförd mätning. Då stationsetableringen gjordes genom metoden RUFRIS krävdes ytterligare kontroll av höjden på kontrollpunkten. Detta då GNSS, som metoden RUFRIS använder, endast har en lägesosäkerhet på 10 mm i höjd enligt HMK- Teknisk rapport 2018:1 (2018). För att kontrollera punktens och därmed även stationsetableringens höjd gjordes därför en digital avvägning (i form av en slinga) från en känd höjdfix, via en annan, till den markerade punkten (bilaga F). Genom att gå från en känd höjdfix till en annan gjordes även en allmän kontroll av de kända fixarnas höjd innan höjden för den utmarkerade punkten togs fram. Eftersom avvägningen gjordes vid ett senare tillfälle än resterande mätning gjordes även en extra inmätning av kontrollpunkten med totalstation, som etablerades efter de tidigare inmätta reflextejparna i studieområdet. Inmätningen gjordes för att upptäcka eventuell förflyttning av kontrollpunkten. Resultatet av avvägningen och kontrollmätningarna redovisas i tabell 6. 3.4.2 Inmätning av sfärer Utplacerade stativ med sfärer mättes in genom att cirkulärprismor monterades i sfärens ställe (figur 3 och 4) för att kunna få koordinater över sfärens position. Höjderna för varje signal (cirkulärprisma samt sfär) mättes också för att kunna få korrekt höjd inför georefereringen. Detta gjordes med måttband som placerades på trefoten. Höjden från trefoten till signalens centrum mättes också med måttband därefter. 3.4.3 Kontrollprofiler Enligt SIS-TS 21144:2016 avsnitt 10.4.2 och avsnitt 2.5 i denna rapport, beräknades antalet kontrollprofiler för området till 7 st. Detta genom användandet av ekvationen för utförande A, där antalet beräknades utifrån två markslagstyper (skogsmark blandskog och slänt jämn) och en area på 0,2 ha. Kontrollprofilerna placerades på ett sådant sätt att de var inom räckhåll för totalstationen och rymdes i området, samtidigt som de representerade markens utformning (figur 9). Mätningen gjordes genom att prismat (Geodimeter 571126111) sattes fast på stången med plan fot, på en känd höjd. Därefter mättes 8 raka linjer (en extra profil) in med totalstationen, vardera minst 20 m långa och innehållande minst 20 punkter. 14

Figur 9. Hur de olika profilerna var placerade över DTM:en. P1-P8 utgör profilerna 1 till 8. 3.5 Bearbetning 3.5.1 Georeferering Georefereringen av det registrerade punktmolnet gjordes i CloudCompare, vilket gjordes genom att först modellera varje sfär i punktmolnet. Modelleringen gick till på så sätt att mittpunkten av varje sfär inledningsvis fastställdes. För helsfärerna kunde programmet själv hitta mittpunkten genom att först låta programmet modellera sfären, för att sedan ändra radien för denna och passa in sfären i centralt läge. För halvsfärerna var det dock tvunget att göra en egen bedömning var mittpunkten av sfären var, då CloudCompare inte hade möjlighet att modellera dessa. Halvsfärerna skapades som helsfärerna efter bestämd radie och den bedömda mittpunktens koordinater för sfären fastställde sfärens position. De modellerade sfärerna gjordes sedan om till punktmolnsdata, som sammanfogades till det egentliga punktmolnet från HLS-mätningarna. Efter sammanfogningen importerades en koordinatfil för det inmätta sfärerna till programmet i form av punkter. Därefter valdes var och en av sfärerna i punktmolnet ut, för varje markerad sfär i punktmolnet valdes motsvarande inmätta punkt ut från koordinatfilen. Programmet beräknade även ett root mean square (RMS) värde över georefereringen (bilaga G). 15

3.5.2 Skapa DTM som TIN Det första steget för att skapa DTM:enra var att filtrera bort punkter som fanns ovanför det som representerade marken. Lantmäteriets laserdata för FLS DTM:en hade redan klassificerat punktmolnet och de aktuella punkterna för endast marken kunde lätt plockas ut med hjälp av programvaran Terrascan. Då detta punktmoln har en punkttäthet på 2 m behövdes ingen vidare reducering av punkterna. Därefter skapades själva DTM:en i form av TIN i programmet Cloudcompare. Punktmolnet från HLS mätningarna behövde bearbetas mer för att filtrera punktmolnet, tills det endast avsåg själva marken. För detta användes tillägget med algoritmen cloth simulation filtering (CSF) i CloudCompare (Zhang et al, 2016). Algoritmen definierade punkterna som representerade marken och filtrerade bort resterande punkter. Enligt Zhang et al. (2016) använder algoritmen en inverterad form av punktmolnet där ett tänkt täcke passas in efter punktmolnets yta och användarens valda parametrar. De delar av punktmolnet som av tillägget fortfarande felaktigt ansågs vara markpunkter kunde sedan manuellt avlägsnas. Därefter reducerades antalet punkter i det filtrerade punktmolnet genom att bestämma avståndet mellan punkterna, vilket fastställdes till 0,5 m, 1 m och 2 m för HLS. Detta gjordes för att skapa en DTM med ett relevant antal trianglar men som fortfarande representerade markytans utformning. Anledningen till att tre olika DTM:er, med varierande punkttäthet testades, var att utreda huruvida mängden data påverkade resultat för respektive DTM från HLS. Detta i likhet med Klang och Burman (2006) som testade hur osäkerheten av höjdmodellen påverkades av olika punkttäthet. Tillsist gjordes trianguleringen av modellen genom att använda en av programvarans funktioner för Delauney triangulering som gjorde en bästa anpassning i alla dimensioner. 3.6 Jämförelse av DTM:er mot kontrollprofiler Kontrollberäkningen av respektive DTM utfördes enligt SIS-TS 21144:2016 avsnitt 10.8, med underliggande avsnitt. Resultatet från kontrollberäkningarna utgjorde jämförelsen mellan DTM:erna som har sammanställts i tabell 2-5. Beräkningarna gjordes stegvis och DTM:erna var för sig. Första steget var att beräkna höjdskillnaden (Ah) mellan den genererade DTM:en (Th) och de inmätta punkterna i varje enskild profil (Kh), enligt ekvation (3). Då profilens värde anses vara den sanna värdet för marken utgör höjdskillnaden en avvikelse. Programvaran Geo användes för att beräkna fram höjdavvikelserna för samtliga DTM:er (Bilaga A-D). Ah = Th Kh (3) 16

Nästa steg var att beräkna medelavvikelsen (Ah m ) enligt ekvation 4. Där summan av höjdavvikelserna (Ah i ), från ekvation 3, dividerades med antalet inmätta punkter i profilen (n). Ah m = n i=1 Ah i n Därefter beräknades höjdavvikelsernas standardavvikelse (S p ) enligt ekvation 5. I beräkningen ingick värden för varje enskild höjdavvikelse (Ah i ) som subtraherades med medelavvikelsen (Ah m ). Differensen kvadrerades och summerades, därefter dividerades summan med antalet mätpunkter i profilen (n). (4) S p = n i=1 (Ah i Ah m ) 2 n 1 (5) Resultatet sammanställdes manuellt i tabell 2-5 där värden för min, max, medelsamt standardavvikelse för varje enskild profil framgår. För att få en helhet över DTM:ernas avvikelse mot profilerna beräknades även medelavvikelse (Map t ) och standardavvikelse (S pt ) för varje markslagstyp enligt ekvation 6 och 7. Den totala medelavvikelsen (Map t ) för en viss marktyp beräknades genom att samtliga höjdavvikelser (Ah i ) för respektive profil (tillhörande marktypen) summerades och dividerades med antalet mätpunkter (n). Map t = n i=1 Ah i n Medelavvikelsen (Map t ) för respektive marktyp användes vid beräkningen av standardavvikelsen för respektive marktyp (S pt ) tillsammans med varje profils höjdavvikelser (Ah i ) och antalet mätpunkter (n), allt enligt ekvation 7. S pt = n i=1 (Ah i Map t ) 2 n 1 (6) (7) Samma ekvationer (6 och 7) användes för att beräkna medel- och standardavvikelse för hela området för ytterligare jämförelse (tabell 2-5 och figur 10). 17

4 Resultat I detta avsnitt visas resultatet av de jämförelser som gjorts mellan kontrollprofilerna och DTM:erna som skapats från flygburen respektive handhållen laserskanning. För varje enskild profil anges minsta (Min) respektive största (Max) avvikelsen som DTM:en hade gentemot profilerna. Även medelvärdet (Ah m ) och standardavvikelsen (S p ) för höjdavvikelserna anges för varje enskild profil. RMS beräknades också fram för varje enskild profil, vilket är en annan typ av statistiskt spridningsmått som bättre visar systematiska fel än standardosäkerhet. Map t1 visar medelvärdet för höjdavvikelserna för hela området, medan S pt1 visar standardavvikelsen för hela området. Därefter beräknades höjdavvikelsernas medelvärde (Map t2 ) och standardavvikelse (S pt2 ) ut för varje marktyp. Där profil 1 till 3 var belägna på ett område som ansågs vara slänt (marktyp 15p) och profil 4 till 8 på skogsmark (marktyp 5), val av marktyper utgick ifrån SIS-TS 21144:2016, avsnitt 6.1, tabell 3. Området som ansågs vara av marktypen slänt var dock fortfarande beläget i skogsområdet. Resultatet av jämförelsen mellan DTM:en för FLS och kontrollprofilerna visas i tabell 2. För FLS beräknades ett medelvärde på 0,055 m i höjdavvikelse för hela området med en standardavvikelse på 0,046 m. Höjdavvikelsens medelvärde för profil 1 till 3 beräknades till 0,057 m där standardavvikelsen var 0,056 m. För profil 4 till 8 beräknades höjdavvikelsen till 0,054 m med en standardavvikelse på 0,041 m. DTM:en skapad från FLS-data klarar klass 3 enligt SIS-TS 21144:2016 avsnitt 8.2 tabell 6, samt uppfyller kraven för klass E, jämn skogsmark, enligt tabell 7 i samma avsnitt. Klass 3 avser att markmodellen klarar en maximal avvikelse i höjd på 0,10 m. Tabell 2. Resultatet från jämförelsen mellan kontrollprofilerna och DTM:en från flygburen laserskanning med data inhämtad från Lantmäteriet (2015). Resultatet redovisas i meter. Profil 1 Profil 2 Profil 3 Profil 4 Profil 5 Profil 6 Profil 7 Profil 8 Min 0,002-0,002 0,003 0,005 0,000 0,008 0,050-0,005 Max 0,123 0,110 0,218 0,081 0,116 0,109 0,184 0,151 Ah m 0,054 0,044 0,069 0,033 0,046 0,058 0,078 0,055 S p 0,049 0,043 0,067 0,019 0,037 0,032 0,043 0,053 RMS 0,072 0,060 0,096 0,038 0,059 0,066 0,088 0,076 Map t2 0,057 0,054 S pt2 0,056 0,041 Map t1 0,055 S pt1 0,046 18

För DTM:erna som skapades av laserdata från HLS, med varierande punkttätheter på 0,5 m, 1 m respektive 2 m, beräknades tre olika resultat fram. I tabell 3 visas resultaten för DTM:en med en punkttäthet på 0,5 m, där höjdavvikelsens medelvärde för hela området beräknades till 0,043 m med en standardavvikelse på 0,034 m. För profil 1 till 3 beräknades höjdavvikelsernas medelvärde till 0,047 m, med en standardavvikelse på 0,032 m för. Profil 4 till 8 fick ett medelvärde på 0,044 m för höjdavvikelserna och en standardavvikelse på 0,036 m. DTM:en klarar klass 2 enligt SIS-TS 21144:2016 avsnitt 8.2 tabell 6, samt uppfyller klass E, i tabell 7. Klass 2 avser en maximal medelavvikelse på 0,05 m i höjd. Tabell 3. Resultatet från jämförelsen mellan kontrollprofilerna och DTM:en från handhållen laserskanning där en punkttäthet på 0,5 m användes. Resultatet redovisas i meter. Profil 1 Profil 2 Profil 3 Profil 4 Profil 5 Profil 6 Profil 7 Profil 8 Min -0,001 0,001 0,001 0,000-0,001 0,010-0,002 0,000 Max 0,104 0,107 0,106 0,045 0,088 0,092 0,116 0,158 Ah m 0,039 0,046 0,054 0,012 0,040 0,056 0,046 0,067 S p 0,034 0,034 0,031 0,014 0,027 0,025 0,028 0,049 RMS 0,051 0,055 0,062 0,019 0,048 0,061 0,053 0,083 Map t2 0,047 0,044 S pt2 0,032 0,036 Map t1 0,043 S pt1 0,034 Tabell 4 visar resultatet av HLS DTM:en baserad på reducerad punkttäthet, från 0,5 m till 1 m. Höjdavvikelsernas medelvärde ökade till 0,058 m med en standardavvikelse på 0,046 m för hela området. Likaså ökade även höjdavvikelsen för de olika marktyperna. Där profil 1 till 3 fick ett medelvärde på 0,065 m med en standardavvikelse på 0,051 m, medan medelvärdet för profil 4 till 8 beräknades till 0,056 m med en standardavvikelse på 0,043 m. DTM:en skapad från HLS-data med 1 m punkttäthet klarar samma toleranskrav, enligt SIS-TS 21144:2016 avsnitt 8.2 tabell 6 och 7, som DTM:en skapad från FLSdata. 19

Tabell 4. Resultatet från jämförelsen mellan kontrollprofilerna och DTM:en från handhållen laserskanning där en punkttäthet på 1 m användes. Resultatet redovisas i meter. Profil 1 Profil 2 Profil 3 Profil 4 Profil 5 Profil 6 Profil 7 Profil 8 Min -0,006 0,006-0,003 0,000 0,003 0,012 0,020 0,012 Max 0,128 0,132 0,198 0,085 0,105 0,137 0,110 0,170 Ah m 0,054 0,062 0,076 0,034 0,050 0,068 0,051 0,080 S p 0,037 0,050 0,061 0,025 0,035 0,031 0,035 0,066 RMS 0,065 0,077 0,096 0,041 0,060 0,075 0,061 0,102 Map t2 0,065 0,056 S pt2 0,051 0,043 Map t1 0,058 S pt1 0,046 Ytterligare reducering av punkttätheten för DTM:en med data från HLS gjordes för att jämföra 2 m punkttäthet gentemot DTM:en med data från FLS, som även den hade 2 m punkttäthet. Följande resulterade i ytterligare växande avvikelser som visas i tabell 5. Höjdavvikelsen för DTM:en med 2 m punkttäthet från HLS beräknades till 0,087 m i medelvärde med en standardavvikelse på 0,102 m. Även här växte höjdavvikelsen för de olika marktyperna, där profil 1 till 3 fick en höjdavvikelse på 0,104 m som medelvärde och en standardavvikelse på 0,116 m. För profil 4 till 8 beräknades höjdavvikelsernas medelvärde till 0,078 m med standardavvikelse på 0,094 m. Resultatet klarar klass 4 enligt SIS-TS 21144:2016 avsnitt 8.2 tabell 6, samt uppfyller klass E, tabell 7. Tabell 5. Resultatet från jämförelsen mellan kontrollprofilerna och DTM:en från handhållen laserskanning där en punkttäthet på 2 m användes. Resultatet redovisas i meter. Profil 1 Profil 2 Profil 3 Profil 4 Profil 5 Profil 6 Profil 7 Profil 8 Min 0,029-0,011 0,002 0,000 0,009 0,069-0,009 0,010 Max 0,293 0,335 0,489 0,303 0,216 0,166 0,163 0,222 Ah m 0,114 0,099 0,105 0,149 0,049 0,107 0,078 0,022 S p 0,107 0,100 0,136 0,099 0,092 0,039 0,041 0,113 RMS 0,154 0,139 0,169 0,177 0,103 0,113 0,088 0,113 Map t2 0,104 0,078 S pt2 0,116 0,094 Map t1 0,087 S pt1 0,102 20

Meter FLS HLS 0,5 m HLS 1 m HLS 2 m 0,25 0,2 0,15 0,1 0,05 0-0,05 Mapt1 (skogsmark, hela området) Mapt2 (skogsmark, stark lutning) Mapt2 (skogsmark, svag lutning) Figur 10. Sammanställning av samtliga DTM:ers beräknade medel samt standardavvikelse gentemot kontrollprofilerna för hela området och för varje marktyp för sig. Resultatet redovisas i meter. I Figur 11-12 visas skillnaden mellan DTM:erna skapade med data från FLS med 2 m punkttäthet respektive HLS med 0,5 m punkttäthet, i en grafisk 3D-vy. HLS-datat med 0,5 m visar på en mer detaljrik modellering av DTM. Figur 11. DTM skapad med FLS-data från Laserdata vektor Lantmäteriet (2015) med 2 m punkttäthet. Framtagen i Geo. 21

Figur 12. DTM skapad från HLS-data med 0,5 m punkttäthet. Framtagen i Geo. Skillnaden i höjd var 13 mm mellan första stationsetableringen med RUFRIS och den digitala avvägningen. Vid mätningen av kontrollpunkten mellan första stationsetableringen och kontrollen beräknades en skillnad på 8 mm fram, vilket inte säkert kan fastställas som en förflyttning av punkten då skillnaden är inom mätosäkerheten för RUFRIS. Tabell 6. Resultat från inmätningen av kontrollpunkten (K1). Den digitala avvägningen gav endast resultat i höjdled. Referens- och höjdsystem, SWEREF 99 TM och RH 2000. N E H (m) Typ Datum 6 727 073,014 612 938,682 28,452 Efter stationsetablering 2018-04-17 6 727 073,017 612 938,684 28,451 Efter mätning 2018-04-17 6 727 073,017 612 938,680 28,448 Efter stationsetablering 2018-04-18 6 727 073,019 612 938,679 28,447 Efter mätning 2018-04-18 - - 28,439 Avvägning 2018-05-15 6 727 073,016 612 938,678 28,444 Kontroll 2018-05-16 22

5 Diskussion Genomförd studie visar att mätningar med HLS kan jämställas med FLS-mätningar som mätningsmetod, sett till respektive DTM:s avvikelse mot kontrollprofilerna. Från både HLS och FLS som mätningsmetod skapades DTM:er med en medelsamt standardavvikelse på centimeternivå, där skillnaden dem emellan var små. Det som är viktigt att ha i åtanke när resultatet analyseras är att laserskanningen med FLS gjordes för tre år sedan, medan skanningen med HLS och inmätningen av kontrollprofilerna gjordes vid samma tillfälle i och med studien. Men då skillnaderna mellan DTM:erna är små anses det inte ha någon betydelse i detta fall. Skanningen av området gjordes utefter rådande väderförhållanden, vilket gjorde att området begränsades i yta för att undvika att kvarliggande snö skannandes in. Dock kan tjäle ha funnits kvar i marken och påverkat resultatet, men vid sådant fall förmodligen ytterst lite. Denna eventuellt påverkande faktor bör också beaktas gällande kontrollen av höjden på kontrollpunkten som gjordes genom digital avvägning. Kontrollen gjordes vid ett senare tillfälle efter att den först mättes in, vilket ger en viss osäkerhet i och med att kontrollpunkten kan ha rört sig. Men kontrollen gav ändå ett tillfredsställande värde då skillnaden för kontrollpunkten inte var mer än 8 mm från första tillfället. Tidsaspekten mellan mätningarna anses därför inte ha haft någon större påverkan på resultatet. Ett orosmoment inför skanningen var om miljön var tillräckligt detaljrik för att få en lyckad registrering med SLAM-algoritmen, vilket inte blev något problem. Under skanningen var det svårt att avgöra vilka delområden som blivit skannande och inte. Det blev inte synliggjort förrän punktmolnet var registrerat av bearbetningsprogrammet, vilket ansågs vara en nackdel. Önskvärt var att ha en slinga likt Bauwens et al. (2016) men vilket försvårades väl ute i fält. Vid bedömning av punktmolnet i efterhand upptäcktes vissa brister och mindre hål i punktmolnet, där bl.a. vissa sfärer var något ovala eller hade allmänt få punkter. Detta hade kunnat undvikas genom en bättre planering av skanningens utförande. Där sfärerna förslagsvis skulle kunna rundas för att få heltäckande data att modellera sfärerna efter. Detta hade underlättat placeringen av de modellerade sfärerna och eventuellt resulterat i en bättre georeferering. Insamlad laserdata anses ändå vara tillfredsställande med tanke på det erhållna slutresultatet. 23

Fördelarna med HLS gentemot FLS är bland annat att skanningen och registreringen av punktmolnet kan göras mycket snabbt utan omfattande planering. Instrumentet ZEB-REVO med bearbetningsprogrammet GeoSLAM var dessutom mycket användarvänligt där mindre förkunskaper krävdes. I likhet med James och Quinton (2014) kan denna studie endast bekräfta att HLS verkar vara en lovande metod som är mycket snabb. För denna studie skannandes omkring 2000 m 2 på strax under 10 min och bearbetningen till ett registrerat punktmoln gjordes på ungefär lika lång tid. Om punktmolnet däremot också ska georefereas krävs det en hel del arbete, både före och efter skanningen, vilket kan vara tidskrävande (speciellt för ett område i skogsmiljö). Det omfattande arbetet med georeferering av punktmolnet anses vara en nackdel men som kanske skulle kunna lösas genom att integrera SLAMalgoritmerna med GNSS, som Qian et al. (2017). RUFRIS som stationsetableringsmetod kunde användas i denna studie då studieområdet låg intill en öppen yta, i form av en landsväg. Då RUFRIS använder GNSS-mätningar krävs det att instrumenten kan få signaler från satelliterna, vilket kan förhindras av t.ex. träd eller höga byggnader. Detta gör att etableringsmetoden inte kan tillämpas överallt. Därmed kan mer svårtillgängliga områden behöva göra mer omfattande mätningar inför skanningen än vad denna studie behövde göra. Riktlinjerna som anges i avsnitt 2.1, om att använda bl.a. brytlinjer vid framställning och representation av DTM, var ogenomförbart för denna studie. Anledningen till detta var att bearbetningen gjordes i CloudCompare, där brytlinjer inte går att skapa i efterhand. I resultatet har även profilpunkterna 3-4 i profil 1 och punkterna 2-4 i profil 2 tagits bort från samtliga mätningar. I jämförelsen mellan FLS DTM:en och kontrollprofilerna hade dessa punkter höga negativa värden som avvek markant från övriga höjdavvikelser. De höga negativa värdena bidrog till att i profil 1 och 2 fick höjdavvikelserna ett medelvärde (Ah m ) som minskade avsevärt i förhållande till vad höjdavvikelserna skulle resultera i utan dessa höga negativa värden. Även det slutliga resultatet (Map t1 ) för FLS DTM:en beräknades få en betydande skillnad på grund av detta. Innan dessa punkter togs bort hade profil 1 för FLS DTM:en en höjdavvikelse på 0,004 m, vilket ökade till 0,054 m utan punkternas inverkan. Punkternas negativa värden resulterade i att profil 2 för samma DTM också fick en höjdavvikelse på 0,004 m, vilket ökade till 0,044 m utan punkterna. I det slutliga resultatet fick FLS DTM:en ett medelvärde på 0,045 m med punkterna, vilket ökade till 0,055 m utan dess inflytande. En bedömning gjorde därför att profilpunkterna 3 och 4, samt 2 till 4 för profil 1 respektive 2 inte var representativ för resultatet, varför punkterna togs bort. 24

I jämförelsen mellan DTM:erna skapade med data från FLS och HLS så levererade metoderna likvärdiga höjdskillnader i medelvärde för hela området. HLS med 0,5 m punkttäthet var förvisso ca 1 cm bättre än FLS, men HLS med 1 m punkttäthet gav en DTM med väldigt likvärdigt resultat gentemot FLS. Det förväntade resultatet innan studien var att de båda metoderna skulle leverera likvärdiga resultat, vilket de även gjorde på ett tillfredsställande sätt. Sett till standardavvikelsen så var även här DTM:en skapad från HLS med 0,5 m punkttäthet ca 1 cm lägre än DTM:en från FLS. Resultatet för marktyp 15p, dvs. slänt, resulterade i 2 cm lägre standardavvikelse för HLS med 0,5 m punkttäthet än DTM:en från FLS. DTM:en med 2 m punkttäthet som skapades från HLS gav dock sämst resultat utav samtliga DTM:er. Höjdavvikelsernas medelvärde var 0,087 m, där det var som sämst på marktyp 15p uppkom höjdavvikelsen till 0,104 m och med en standardavvikelse på 0,116 m. I och med att studien endast utgick ifrån åtta kontrollprofiler vid beräknande av medel- och standardavvikelser kan resultatet, med de relativt små skillnaderna, inte försäkra statistisk signifikans. Skapandet av DTM från HLS-data gav bättre resultat när högre punkttäthet av punktmolnet användes. Därmed visar studien på samma trend som Klang och Burman (2006), att högre punkttäthet kan generera i en DTM med lägre osäkerhet. HLS kan vara en alternativ metod, men samtidigt kan laserdata från FLS ändå ge låg osäkerhet för en DTM skapad från betydligt färre punkter. I studien av Bauwens et al. (2016) jämfördes b.la. höjdskillnader mellan DTM:er skapade från mätningar med handhållen laserskanner (ZEB1, vilket är en föregångare till ZEB-REVO) och terrester laserskanner (FARO Focus 3D 120). Detta gjordes för tio olika testområden. Där resultatet visade att skillnaderna mellan DTM:erna kunde uppnå värden lägre än 20 cm för vissa områden. Då ZEB-REVO är en nyare modell än ZEB1 bör ZEB-REVO åtminstone kunna uppnå liknande osäkerhet som ZEB1 i jämförelse med TLS (FARO Focus 3D 120). Denna reflektion är dock inget som vår studie kan bekräfta. 5.1 Vidare studier En vidare inriktning på denna studie skulle kunna vara att testa samla in FLS-data med UAS istället för att använda Lantmäteriets. Detta kan vara intressant då UAS blir en allt mer vanlig metod bland verksamma yrkesmän. En annan idé för kommande studier skulle kunna vara att utforska hur SLAMalgoritmen integrerat med GNSS eventuellt skulle kunna förbättra registrering och georeferering av ett punktmoln. Där studien skulle kunna testa olika detaljrika områden för att se hur och när teknikerna behöver komplettera varandra. 25

5.2 Hållbar utveckling och etiska aspekter HLS med instrumentet ZEB-REVO är en tidseffektiv metod som underlättar och effektiviserar arbetsprocessen. Då metoden HLS är fri från avgaser gör HLS mindre inverkan på miljön och kan vara en alternativ metod i jämförelse med flygplan eller andra bränsledrivna fordon. I och med att HLS snabbt kan samla in önskad data för ett mindre område kan dessutom antalet extra arbetsresor minskas och utsläppen av avgaser med dem. Då studien använde ny teknik i form av instrumentet ZEB-REVO kan studien gå under mål nio av 17 för hållbar utveckling (United Nations, u.å.). Etiska aspekter som togs i beaktning för denna studie var om markägaren hade några synpunkter på att vi var på dennes mark och gjorde studien. Markägaren kontaktades varav markägaren godkände vår förfrågan om att tillfälligt få vistas på marken och även använda det data vi samlade in för studien. 26

6 Slutsats Utifrån en inledande utvärdering av HLS som mätningsmetod, för framställande av en DTM i skogsterräng, visar studien på likvärdigt resultat sett till lägesosäkerheten för vad en DTM med FLS-mätningar kan åstadkomma. I och med det kan slutsatser dras att FLS är fortsatt bra, effektiv metod att samla in data för att skapandet av DTM i skogsterräng. Men att HLS kan vara en kompletterande metod om data saknas för ett mindre område, eller om området i fråga har en utmanande terräng. Då metoden inte behöver samma omfattande planering och kan utföras mycket snabbt på bara några minuter. I jämförelse med FLS som mätningsmetod är enkelheten att samla in data och få ett registrerat punktmoln på en sådan kort tid en klar fördel för HLS. Medan nackdelarna med HLS är att insamlad data inte blir synlig förrän efter bearbetningen av punktmolnet och att om punktmolnet ska georefereras krävs en hel del förberedande samt vidare bearbetning. 27

Referenser Bauwens, S., Bartholomeus, H., Calders, K. & Lejeune, P. (2016). Forest Inventory with Terrestrial LiDAR: A Comparison of Static and Hand-Held Mobile Laser Scanning. Forests, 7(6). https://doi.org/10.3390/f7060127 Dewez, T. J. B., Yart, S., Thuon, Y., Pannet, P., & Plat, E. (2017). Towards cavity-collapse hazard maps with Zeb-Revo handheld laser scanner point clouds. Photogrammetric Record, 32(160), 354 376. https://doi.org/10.1111/phor.12223 Durrant-Whyte, H., & Bailey, T. (2006). Simultaneous localization and mapping (SLAM): part I The Essential Algorithms. Robotics & Automation Magazine, 2, 99 110. https://doi.org/10.1109/mra.2006.1638022 GeoSLAM Ltd. (2017). ZEB-REVO user manual v3.0.0 [Broschyr]. Hämtad 8 maj, 2018, från http://download.geoslam.com/docs/zeb-revo/zeb- REVO%20User%20Guide%20V3.0.0.pdf HMK-Höjddata. (2017). Handbok i mät- och kartfrågor, Höjddata. Gävle: Lantmäteriet. Hämtad den 1 januari, 2018, från http://www.lantmateriet.se/globalassets/om-lantmateriet/var-samverkanmed-andra/handbok-mat--ochkartfragor/dokument/2017/hmk_hojddata_2017.pdf HMK-Teknisk rapport 2018:1. (2018). Handbok i mät- och kartfrågor, Teknisk rapport 2018:1:Mät- och lägesosäkerhet vid geodatainsamling en lathund. Gävle: Lantmäteriet. Hämtad den 14 maj, 2018, från https://www.lantmateriet.se/globalassets/om-lantmateriet/var-samverkanmed-andra/handbok-mat--och-kartfragor/tekn_rapporter/hmk-tr_2018-1_lathund.pdf Hubacek, M., Kovarik, V., & Kratochvil, V. (2016). ANALYSIS OF INFLUENCE OF TERRAIN RELIEF ROUGHNESS ON DEM ACCURACY GENERATED FROM LIDAR IN THE CZECH REPUBLIC TERRITORY. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI-B4, 25 30. https://doi.org/10.5194/isprs-archives-xli-b4-25- 2016 INSPIRE Thematic Working Group Elevation. (2012). D2.8.II.1 INSPIRE Data Specification on Elevation Technical Guidelines. Hämtad 7 maj, 2018, från http://inspire.ec.europa.eu/documents/data_specifications/inspire_datas pecification_el_v3.0.2.pdf James, M.R. & Quinton, J.N. (2014). Ultra-rapid topographic surveying for complex environments: the hand-held mobile laser scanner (HMLS). Earth Surf. Process. Landforms, 39, 138-142. https://doi.org/10.1002/esp.3489 28

Klang, D. & Burman, H. (2006). En ny svensk höjdmodell Laserskanning, Testprojekt Falun. LMV-rapport 2006:3. Gävle: Lantmäteriet. Hämtad 24 maj, 2018, från https://www.lantmateriet.se/globalassets/kartor-och-geografiskinformation/gps-ochmatning/geodesi/rapporter_publikationer/rapporter/lmvrapport_2006_03_laserskanning_falun.pdf Lantmäteriet. (2011). Rapporter - Höjdmodellens noggrannhet. Gävle: Lantmäteriet. Hämtad den 1 januari 2018 från http://www.lantmateriet.se/globalassets/kartor-och-geografiskinformation/hojddata/rapporter/nnh_noggrannhet.pdf Lantmäteriet m.fl. (2013). Geodetisk och fotogrammetrisk mätnings- och beräkningsteknik. Gävle: Lantmäteriet. Lantmäteriet. (2015). Laserdata vektor. Hämtad den 13 april, 2018. Lantmäteriet. (2016). Kvalitetsbeskrivning nationell höjdmodell. Gävle: Lantmäteriet. Hämtad den 15 februari, 2018, från https://www.lantmateriet.se/globalassets/kartor-och-geografiskinformation/hojddata/produktbeskrivningar/kvalitetsbeskrivning_nh.pdf Lehtola, V. V., Kaartinen, H., Nüchter, A., Kaijaluoto, R., Kukko, A., Litkey, P., Honkavaara, E., Rosnell, T., Vaaja, M.T., Virtanen, J-P., Kukela, M., El Issaoui, A., Zhu, L., Jaakkola, A. & Hyyppä, J. (2017). Comparison of the selected state-of-the-art 3D indoor scanning and point cloud generation methods. Remote Sensing, 9(8). https://doi.org/10.3390/rs9080796 Liang, X., Kukko, A., Kaartinen, H., Hyyppä, J., Yu, X., Jaakkola, A. & Wang, Y. (2014). Possibilities of a Personal Laser Scanning System for Forest Mapping and Ecosystem Services. Sensors, 14(1), 1228 1248. https://doi.org/10.3390/s140101228 Mårtensson, S-G. (2016). Geodetisk mätning och beräkning [Kompendium]. Högskolan i Gävle, Akademin för teknik och miljö. Qian, C., Liu, H., Tang, J., Chen, Y., Kaartinen, H., Kukko, A., Zhu, L., Liang, X., Chen, L. & Hyyppä, J. (2017). An Integrated GNSS/INS/LiDAR-SLAM Positioning Method for Highly Accurate Forest Stem Mapping. Remote Sensing, 9(1). https://doi.org/10.3390/rs9010003 Reshetyuk, Y. (2017). Terrester Laserskanning. Bookboon. Hämtad från https://bookboon.com/se/terrester-laserskanning-ebook Ryding, J., Williams, E., Smith, M. J., & Eichhorn, M. P. (2015). Assessing handheld mobile laser scanners for forest surveys. Remote Sensing, 7(1), 1095 1111. https://doi.org/10.3390/rs70101095 SIS-TS 21144 (2016). Byggmätning - Specifikationer vid framställning och kontroll av digitala terrängmodeller. Stockholm: SIS Förlag AB. 29

Tyagur, N. & Hollaus, M. (2016). DIGITAL TERRAIN MODELS FROM MOBILE LASER SCANNING DATA IN MORAVIAN KARST. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI- B3, 387 394. https://doi.org/10.5194/isprs-archives-xli-b3-387-2016 United Nations. (u.å). SUSTAINABLE DEVELOPMENT GOALS: 17 GOALS TO TRANSFORM OUR WORLD. Hämtad 19 december, 2017, från United Nations, http://www.un.org/sustainabledevelopment/sustainabledevelopment-goals/ Vium Andersson, J. (2012). Underlag till metodbeskrivning RUFRIS. Hämtad den 28 mars, 2018, från Trafikverket, https://trafikverket.ineko.se/se/metodbeskrivning-rufris Zhang, W., Qi, J., Wan, P., Wang, H., Xie, D., Wang, X., & Yan, G. (2016). An easy-to-use airborne LiDAR data filtering method based on cloth simulation. Remote Sensing, 8(6). https://doi.org/10.3390/rs8060501 30

Bilaga A Nedan listas FLS DTM:ens höjdavvikelser i jämförelse mot kontrollprofilerna. Gulmarkerade punkter, punkt 3 och 4 i profil 1 samt punkt 2 till 4 i profil 2, togs bort från beräkningarna på grund av avvikande värden för FLS DTM:en (läs mer om detta i avsnitt 4 och 5). Samtliga beräkningar är i enheten meter och i referenssystemet SWEREF 99 TM med höjdsystemet RH2000. A1. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i jämförelse mot kontrollprofil 1. Profil 1 Min Max Ah m S p RMS 0,002 0,123 0,054 0,049 0,072 Punkt nr N E Ah 1 6 727 077,396 612 911,278 0,028 2 6 727 078,003 612 910,633-0,076 3 6 727 078,501 612 910,166-0,259 4 6 727 079,142 612 909,538-0,361 5 6 727 079,910 612 908,415 0,005 6 6 727 080,269 612 907,808 0,109 7 6 727 080,747 612 907,038 0,066 8 6 727 081,420 612 906,074 0,091 9 6 727 082,082 612 905,241 0,083 10 6 727 082,390 612 904,779 0,085 11 6 727 082,968 612 903,854 0,067 12 6 727 083,829 612 902,835 0,040 13 6 727 084,852 612 901,280 0,064 14 6 727 085,257 612 900,543 0,070 15 6 727 085,787 612 899,781 0,123 16 6 727 086,414 612 898,389 0,115 17 6 727 087,447 612 897,194 0,066 18 6 727 088,254 612 896,010 0,002 19 6 727 088,979 612 895,009 0,012 20 6 727 089,610 612 893,898 0,024 21 6 727 090,148 612 893,329 0,024 A1

A2. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i jämförelse mot kontrollprofil 2. Profil 2 Min Max Ah m S p RMS -0,002 0,110 0,044 0,043 0,060 Punkt nr N E Ah 1 6 727 078,380 612 913,228-0,026 2 6 727 079,110 612 912,859-0,182 3 6 727 079,773 612 912,529-0,337 4 6 727 080,226 612 912,338-0,347 5 6 727 081,362 612 911,758-0,002 6 6 727 082,353 612 911,229 0,073 7 6 727 083,322 612 910,821 0,075 8 6 727 084,297 612 910,403 0,044 9 6 727 085,362 612 909,934 0,014 10 6 727 086,426 612 909,431 0,036 11 6 727 087,516 612 908,804-0,017 12 6 727 088,522 612 908,237 0,103 13 6 727 089,364 612 907,550 0,106 14 6 727 090,320 612 906,807 0,038 15 6 727 091,314 612 906,300 0,053 16 6 727 091,991 612 906,119 0,056 17 6 727 092,756 612 905,720 0,110 18 6 727 093,509 612 905,205 0,058 19 6 727 094,384 612 904,582-0,029 20 6 727 095,617 612 903,797 0,033 21 6 727 096,598 612 903,229 0,060 A2

A3. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i jämförelse mot kontrollprofil 3. Profil 3 Min Max Ah m S p RMS 0,003 0,218 0,069 0,067 0,096 Punkt nr N E Ah 1 6 727 080,974 612 918,243 0,126 2 6 727 081,612 612 917,936 0,094 3 6 727 082,074 612 917,877 0,054 4 6 727 082,719 612 917,832 0,003 5 6 727 083,181 612 917,665-0,029 6 6 727 084,190 612 917,597-0,106 7 6 727 085,320 612 917,484 0,004 8 6 727 086,301 612 917,451 0,051 9 6 727 087,223 612 917,338 0,065 10 6 727 088,197 612 917,066 0,073 11 6 727 089,050 612 917,066 0,101 12 6 727 090,062 612 917,055 0,077 13 6 727 090,963 612 917,071 0,091 14 6 727 091,825 612 917,078 0,112 15 6 727 092,864 612 917,165-0,012 16 6 727 094,067 612 917,427 0,059 17 6 727 094,926 612 917,638 0,030 18 6 727 095,837 612 917,833 0,099 19 6 727 097,036 612 918,074 0,051 20 6 727 098,512 612 917,713 0,218 21 6 727 099,799 612 917,861 0,187 22 6 727 100,657 612 918,038 0,147 23 6 727 101,449 612 918,116 0,096 24 6 727 102,507 612 918,177 0,062 25 6 727 103,500 612 918,316 0,072 A3

A4. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i jämförelse mot kontrollprofil 4. Profil 4 Min Max Ah m S p RMS 0,005 0,081 0,033 0,019 0,038 Punkt nr N E Ah 1 6 727 107,596 612 919,007 0,028 2 6 727 106,673 612 917,382 0,055 3 6 727 105,784 612 916,146 0,045 4 6 727 104,401 612 914,345 0,049 5 6 727 103,755 612 913,602 0,040 6 6 727 103,058 612 912,837 0,029 7 6 727 102,481 612 912,055 0,042 8 6 727 101,394 612 910,880 0,034 9 6 727 100,571 612 909,929 0,037 10 6 727 099,719 612 908,752 0,037 11 6 727 098,798 612 907,689 0,029 12 6 727 098,125 612 907,008 0,053 13 6 727 097,553 612 906,157 0,027 14 6 727 096,972 612 905,256 0,009 15 6 727 096,729 612 904,584 0,027 16 6 727 096,341 612 903,737 0,051 17 6 727 096,127 612 903,251 0,022 18 6 727 095,775 612 902,463 0,005 19 6 727 095,007 612 901,294 0,005 20 6 727 093,798 612 899,757 0,081 21 6 727 092,446 612 898,493 0,019 22 6 727 092,281 612 898,012 0,007 A4

A5. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i jämförelse mot kontrollprofil 5. Profil 5 Min Max Ah m S p RMS 0,000 0,116 0,046 0,037 0,059 Punkt nr N E Ah 1 6 727 093,533 612 905,710 0,073 2 6 727 093,924 612 905,083 0,044 3 6 727 094,328 612 904,429-0,008 4 6 727 094,744 612 903,783 0,041 5 6 727 095,244 612 902,965 0,027 6 6 727 095,782 612 902,048 0,003 7 6 727 096,050 612 901,165 0,079 8 6 727 096,349 612 900,565 0,067 9 6 727 096,666 612 899,762 0,002 10 6 727 096,974 612 898,984-0,036 11 6 727 097,218 612 898,181 0,109 12 6 727 097,527 612 897,368 0,074 13 6 727 097,815 612 896,689 0,022 14 6 727 098,088 612 895,927 0,079 15 6 727 098,388 612 895,311 0,109 16 6 727 098,645 612 894,753 0,000 17 6 727 098,964 612 893,888 0,000 18 6 727 099,619 612 892,882 0,056 19 6 727 100,167 612 891,926 0,085 20 6 727 100,675 612 890,955 0,052 21 6 727 101,282 612 889,925 0,050 22 6 727 101,748 612 889,107 0,046 23 6 727 102,366 612 887,909 0,023 24 6 727 102,879 612 886,990 0,060 25 6 727 103,298 612 885,995 0,040 26 6 727 103,776 612 884,883 0,043 27 6 727 104,283 612 883,905 0,054 28 6 727 104,939 612 882,974 0,116 29 6 727 105,509 612 882,226 0,034 A5

A6. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i jämförelse mot kontrollprofil 6. Profil 6 Min Max Ah m S p RMS 0,008 0,109 0,058 0,032 0,066 Punkt nr N E Ah 1 6 727 106,787 612 880,801 0,063 2 6 727 107,361 612 881,749 0,058 3 6 727 107,668 612 882,351 0,008 4 6 727 107,922 612 883,241 0,066 5 6 727 107,944 612 883,679 0,058 6 6 727 108,113 612 884,311 0,063 7 6 727 108,255 612 885,367 0,045 8 6 727 108,688 612 887,117 0,067 9 6 727 108,697 612 888,403 0,094 10 6 727 109,007 612 889,593 0,089 11 6 727 109,252 612 890,965 0,109 12 6 727 109,647 612 892,437 0,079 13 6 727 109,677 612 894,876 0,057 14 6 727 109,556 612 896,553 0,034 15 6 727 109,434 612 897,820-0,039 16 6 727 109,382 612 899,594 0,051 17 6 727 109,513 612 900,005 0,055 18 6 727 109,875 612 900,868 0,064 19 6 727 110,080 612 901,743 0,099 20 6 727 110,207 612 902,607 0,070 21 6 727 110,438 612 903,105 0,033 A6

A7. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i jämförelse mot kontrollprofil 7. Profil 7 Min Max Ah m S p RMS 0,050 0,184 0,078 0,043 0,088 Punkt nr N E Ah 1 6 727 108,849 612 904,488 0,107 2 6 727 108,619 612 903,912 0,081 3 6 727 108,451 612 903,172 0,050 4 6 727 108,273 612 902,388 0,120 5 6 727 108,210 612 901,672 0,146 6 6 727 107,973 612 900,781 0,184 7 6 727 107,617 612 899,836 0,031 8 6 727 107,314 612 898,871 0,118 9 6 727 106,904 612 897,796 0,063 10 6 727 106,575 612 897,126 0,129 11 6 727 105,655 612 895,038 0,011 12 6 727 105,194 612 894,059 0,071 13 6 727 104,927 612 893,333 0,069 14 6 727 104,548 612 892,678 0,065 15 6 727 103,872 612 891,913 0,080 16 6 727 103,536 612 890,843 0,049 17 6 727 103,243 612 890,073 0,050 18 6 727 103,062 612 889,047 0,104 19 6 727 102,909 612 888,154 0,013 20 6 727 102,763 612 887,120 0,044 21 6 727 102,459 612 885,904 0,073 22 6 727 102,188 612 884,891 0,052 A7

A8. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i jämförelse mot kontrollprofil 8. Profil 8 Min Max Ah m S p RMS -0,005 0,151 0,055 0,053 0,076 Punkt nr N E Ah 1 6 727 094,646 612 887,414 0,011 2 6 727 094,643 612 887,416 0,009 3 6 727 095,212 612 888,115-0,016 4 6 727 095,827 612 889,072-0,005 5 6 727 096,224 612 889,756 0,055 6 6 727 097,370 612 891,558 0,151 7 6 727 097,885 612 892,373-0,038 8 6 727 098,330 612 893,150-0,014 9 6 727 098,664 612 894,027 0,054 10 6 727 099,238 612 895,102 0,022 11 6 727 099,712 612 896,042 0,098 12 6 727 100,369 612 897,579 0,016 13 6 727 101,324 612 898,966 0,096 14 6 727 101,503 612 899,866 0,086 15 6 727 101,941 612 900,814 0,080 16 6 727 102,343 612 901,400 0,151 17 6 727 102,896 612 902,426 0,132 18 6 727 103,378 612 903,115 0,038 19 6 727 103,961 612 903,932 0,032 20 6 727 104,718 612 904,739 0,093 21 6 727 105,640 612 905,571 0,087 22 6 727 106,408 612 906,256 0,013 23 6 727 107,020 612 907,511 0,078 24 6 727 107,617 612 908,337 0,090 A8

Bilaga B Nedan listas höjdavvikelser för HLS DTM:en, med punkttätheten 0,5 m, i jämförelse mot kontrollprofilerna. Gulmarkerade punkter, punkt 3 och 4 i profil 1 samt punkt 2 till 4 i profil 2, togs bort från beräkningarna på grund av avvikande värden för FLS DTM:en (läs mer om detta i avsnitt 4 och 5). Samtliga beräkningar är i enheten meter och i referenssystemet SWEREF 99 TM med höjdsystemet RH2000. B1. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 1. Profil 1 Min Max Ah m S p RMS -0,001 0,104 0,039 0,034 0,051 Punkt nr N E Ah 1 6 727 077,396 612 911,278 0,020 2 6 727 078,003 612 910,633-0,025 3 6 727 078,501 612 910,166 0,018 4 6 727 079,142 612 909,538 0,023 5 6 727 079,910 612 908,415 0,062 6 6 727 080,269 612 907,808 0,104 7 6 727 080,747 612 907,038-0,002 8 6 727 081,420 612 906,074 0,047 9 6 727 082,082 612 905,241 0,066 10 6 727 082,390 612 904,779 0,080 11 6 727 082,968 612 903,854 0,050 12 6 727 083,829 612 902,835 0,030 13 6 727 084,852 612 901,280 0,074 14 6 727 085,257 612 900,543 0,041 15 6 727 085,787 612 899,781 0,057 16 6 727 086,414 612 898,389 0,055 17 6 727 087,447 612 897,194 0,025 18 6 727 088,254 612 896,010 0,003 19 6 727 088,979 612 895,009-0,001 20 6 727 089,610 612 893,898 0,010 B1

B2. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 2. Profil 2 Min Max Ah m S p RMS 0,001 0,107 0,046 0,031 0,055 Punkt nr N E Ah 1 6 727 078,380 612 913,228 0,021 2 6 727 079,110 612 912,859 0,023 3 6 727 079,773 612 912,529 0,062 4 6 727 080,226 612 912,338 0,070 5 6 727 081,362 612 911,758 0,068 6 6 727 082,353 612 911,229 0,036 7 6 727 083,322 612 910,821 0,050 8 6 727 084,297 612 910,403 0,069 9 6 727 085,362 612 909,934 0,075 10 6 727 086,426 612 909,431 0,013 11 6 727 087,516 612 908,804 0,018 12 6 727 088,522 612 908,237 0,107 13 6 727 089,364 612 907,550 0,044 14 6 727 090,320 612 906,807 0,007 15 6 727 091,314 612 906,300 0,061 16 6 727 091,991 612 906,119 0,080 17 6 727 092,756 612 905,720 0,085 18 6 727 093,509 612 905,205 0,051 19 6 727 094,384 612 904,582 0,001 20 6 727 095,617 612 903,797 0,010 21 6 727 096,598 612 903,229 0,029 B2

B3. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 3. Profil 3 Min Max Ah m Sp RMS 0,001 0,106 0,054 0,031 0,062 Punkt nr N E Ah 1 6 727 080,974 612 918,243 0,037 2 6 727 081,612 612 917,936 0,073 3 6 727 082,074 612 917,877 0,064 4 6 727 082,719 612 917,832 0,104 5 6 727 083,181 612 917,665 0,032 6 6 727 084,190 612 917,597 0,039 7 6 727 085,320 612 917,484 0,066 8 6 727 086,301 612 917,451 0,001 9 6 727 087,223 612 917,338-0,001 10 6 727 088,197 612 917,066 0,019 11 6 727 089,050 612 917,066 0,062 12 6 727 090,062 612 917,055 0,065 13 6 727 090,963 612 917,071 0,078 14 6 727 091,825 612 917,078 0,052 15 6 727 092,864 612 917,165 0,008 16 6 727 094,067 612 917,427 0,071 17 6 727 094,926 612 917,638 0,036 18 6 727 095,837 612 917,833 0,106 19 6 727 097,036 612 918,074 0,055 20 6 727 098,512 612 917,713 0,091 21 6 727 099,799 612 917,861 0,079 22 6 727 100,657 612 918,038 0,100 23 6 727 101,449 612 918,116 0,029 24 6 727 102,507 612 918,177 0,061 25 6 727 103,500 612 918,316 0,035 B3

B4. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 4. Profil 4 Min Max Ah m S p RMS 0,000 0,045 0,012 0,014 0,019 Punkt nr N E Ah 1 6 727 107,596 612 919,007 0,045 2 6 727 106,673 612 917,382 0,027 3 6 727 105,784 612 916,146 0,027 4 6 727 104,401 612 914,345-0,001 5 6 727 103,755 612 913,602 0,012 6 6 727 103,058 612 912,837 0,017 7 6 727 102,481 612 912,055 0,004 8 6 727 101,394 612 910,880 0,022 9 6 727 100,571 612 909,929 0,040 10 6 727 099,719 612 908,752 0,011 11 6 727 098,798 612 907,689 0,012 12 6 727 098,125 612 907,008-0,002 13 6 727 097,553 612 906,157 0,000 14 6 727 096,972 612 905,256-0,003 15 6 727 096,729 612 904,584-0,003 16 6 727 096,341 612 903,737-0,003 17 6 727 096,127 612 903,251 0,019 18 6 727 095,775 612 902,463 0,006 19 6 727 095,007 612 901,294 0,003 20 6 727 093,798 612 899,757 0,024 21 6 727 092,446 612 898,493-0,001 22 6 727 092,281 612 898,012 0,016 B4

B5. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 5. Profil 5 Min Max Ah m S p RMS -0,001 0,088 0,040 0,027 0,048 Punkt nr N E Ah 1 6 727 093,533 612 905,710 0,032 2 6 727 093,924 612 905,083 0,039 3 6 727 094,328 612 904,429 0,006 4 6 727 094,744 612 903,783 0,014 5 6 727 095,244 612 902,965-0,001 6 6 727 095,782 612 902,048 0,030 7 6 727 096,050 612 901,165 0,054 8 6 727 096,349 612 900,565 0,058 9 6 727 096,666 612 899,762 0,071 10 6 727 096,974 612 898,984 0,087 11 6 727 097,218 612 898,181 0,032 12 6 727 097,527 612 897,368 0,028 13 6 727 097,815 612 896,689 0,033 14 6 727 098,088 612 895,927 0,056 15 6 727 098,388 612 895,311 0,080 16 6 727 098,645 612 894,753 0,051 17 6 727 098,964 612 893,888 0,072 18 6 727 099,619 612 892,882 0,061 19 6 727 100,167 612 891,926 0,029 20 6 727 100,675 612 890,955 0,043 21 6 727 101,282 612 889,925 0,002 22 6 727 101,748 612 889,107-0,003 23 6 727 102,366 612 887,909 0,022 24 6 727 102,879 612 886,990 0,053 25 6 727 103,298 612 885,995-0,015 26 6 727 103,776 612 884,883 0,030 27 6 727 104,283 612 883,905 0,056 28 6 727 104,939 612 882,974 0,047 29 6 727 105,509 612 882,226 0,088 B5

B6. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 6. Profil 6 Min Max Ah m S p RMS 0,010 0,092 0,056 0,025 0,061 Punkt nr N E Ah 1 6 727 106,787 612 880,801 0,053 2 6 727 107,361 612 881,749 0,086 3 6 727 107,668 612 882,351 0,010 4 6 727 107,922 612 883,241 0,034 5 6 727 107,944 612 883,679 0,016 6 6 727 108,113 612 884,311 0,059 7 6 727 108,255 612 885,367 0,087 8 6 727 108,688 612 887,117 0,076 9 6 727 108,697 612 888,403 0,092 10 6 727 109,007 612 889,593 0,065 11 6 727 109,252 612 890,965 0,085 12 6 727 109,647 612 892,437 0,032 13 6 727 109,677 612 894,876 0,042 14 6 727 109,556 612 896,553 0,072 15 6 727 109,434 612 897,820 0,023 16 6 727 109,382 612 899,594 0,043 17 6 727 109,513 612 900,005 0,076 18 6 727 109,875 612 900,868 0,058 19 6 727 110,080 612 901,743 0,070 20 6 727 110,207 612 902,607 0,065 21 6 727 110,438 612 903,105 0,030 B6

B7. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 7. Profil 7 Min Max Ah m S p RMS -0,002 0,116 0,046 0,028 0,053 Punkt nr N E Ah 1 6 727 108,849 612 904,488 0,038 2 6 727 108,619 612 903,912 0,061 3 6 727 108,451 612 903,172 0,021 4 6 727 108,273 612 902,388 0,048 5 6 727 108,210 612 901,672 0,116 6 6 727 107,973 612 900,781 0,050 7 6 727 107,617 612 899,836 0,039 8 6 727 107,314 612 898,871 0,041 9 6 727 106,904 612 897,796 0,075 10 6 727 106,575 612 897,126 0,101 11 6 727 105,655 612 895,038 0,038 12 6 727 105,194 612 894,059 0,070 13 6 727 104,927 612 893,333 0,060 14 6 727 104,548 612 892,678 0,048 15 6 727 103,872 612 891,913 0,047 16 6 727 103,536 612 890,843 0,017 17 6 727 103,243 612 890,073 0,016 18 6 727 103,062 612 889,047 0,050 19 6 727 102,909 612 888,154 0,034 20 6 727 102,763 612 887,120 0,027 21 6 727 102,459 612 885,904 0,011 22 6 727 102,188 612 884,891-0,002 B7

B8. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 8. Profil 8 Min Max Ah m S p RMS 0,000 0,158 0,067 0,049 0,083 Punkt nr N E Ah 1 6 727 094,646 612 887,414 0,010 2 6 727 094,643 612 887,416 0,009 3 6 727 095,212 612 888,115 0,000 4 6 727 095,827 612 889,072 0,015 5 6 727 096,224 612 889,756 0,009 6 6 727 097,370 612 891,558 0,075 7 6 727 097,885 612 892,373 0,018 8 6 727 098,330 612 893,150 0,119 9 6 727 098,664 612 894,027 0,137 10 6 727 099,238 612 895,102 0,051 11 6 727 099,712 612 896,042 0,063 12 6 727 100,369 612 897,579-0,021 13 6 727 101,324 612 898,966 0,090 14 6 727 101,503 612 899,866 0,060 15 6 727 101,941 612 900,814 0,127 16 6 727 102,343 612 901,400 0,158 17 6 727 102,896 612 902,426 0,104 18 6 727 103,378 612 903,115 0,114 19 6 727 103,961 612 903,932 0,032 20 6 727 104,718 612 904,739 0,104 21 6 727 105,640 612 905,571 0,113 22 6 727 106,408 612 906,256 0,069 23 6 727 107,020 612 907,511 0,069 24 6 727 107,617 612 908,337 0,084 B8

Bilaga C Nedan listas höjdavvikelser för HLS DTM:en, med punkttätheten 1 m, i jämförelse mot kontrollprofilerna. Gulmarkerade punkter, punkt 3 och 4 i profil 1 samt punkt 2 till 4 i profil 2, togs bort från beräkningarna på grund av avvikande värden för FLS DTM:en (läs mer om detta i avsnitt 4 och 5). Samtliga beräkningar är i enheten meter och i referenssystemet SWEREF 99 TM med höjdsystemet RH2000. C1. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 1. Profil 1 Min Max Ah m S p RMS -0,006 0,128 0,054 0,037 0,065 Punkt nr N E Ah 1 6 727 077,396 612 911,278 0,079 2 6 727 078,003 612 910,633-0,007 3 6 727 078,501 612 910,166-0,006 4 6 727 079,142 612 909,538 0,006 5 6 727 079,910 612 908,415 0,069 6 6 727 080,269 612 907,808 0,111 7 6 727 080,747 612 907,038 0,046 8 6 727 081,420 612 906,074 0,075 9 6 727 082,082 612 905,241 0,068 10 6 727 082,390 612 904,779 0,062 11 6 727 082,968 612 903,854 0,048 12 6 727 083,829 612 902,835-0,007 13 6 727 084,852 612 901,280 0,128 14 6 727 085,257 612 900,543 0,058 15 6 727 085,787 612 899,781 0,080 16 6 727 086,414 612 898,389 0,050 17 6 727 087,447 612 897,194 0,066 18 6 727 088,254 612 896,010 0,020 19 6 727 088,979 612 895,009-0,006 20 6 727 089,610 612 893,898 0,033 C1

C2. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 2. Profil 2 Min Max Ah m S p RMS 0,006 0,132 0,062 0,047 0,077 Punkt nr N E Ah 1 6 727 078,380 612 913,228 0,049 2 6 727 079,110 612 912,859 0,043 3 6 727 079,773 612 912,529 0,013 4 6 727 080,226 612 912,338 0,074 5 6 727 081,362 612 911,758 0,132 6 6 727 082,353 612 911,229 0,059 7 6 727 083,322 612 910,821 0,056 8 6 727 084,297 612 910,403 0,073 9 6 727 085,362 612 909,934 0,118 10 6 727 086,426 612 909,431 0,056 11 6 727 087,516 612 908,804 0,028 12 6 727 088,522 612 908,237 0,097 13 6 727 089,364 612 907,550 0,089 14 6 727 090,320 612 906,807 0,006 15 6 727 091,314 612 906,300 0,097 16 6 727 091,991 612 906,119 0,030 17 6 727 092,756 612 905,720 0,127 18 6 727 093,509 612 905,205 0,090 19 6 727 094,384 612 904,582-0,055 20 6 727 095,617 612 903,797 0,022 21 6 727 096,598 612 903,229 0,038 C2

C3. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 3. Profil 3 Min Max Ah m S p RMS -0,003 0,198 0,076 0,061 0,096 Punkt nr N E Ah 1 6 727 080,974 612 918,243 0,180 2 6 727 081,612 612 917,936 0,082 3 6 727 082,074 612 917,877 0,025 4 6 727 082,719 612 917,832 0,047 5 6 727 083,181 612 917,665 0,052 6 6 727 084,190 612 917,597 0,032 7 6 727 085,320 612 917,484 0,073 8 6 727 086,301 612 917,451 0,028 9 6 727 087,223 612 917,338-0,003 10 6 727 088,197 612 917,066 0,021 11 6 727 089,050 612 917,066 0,080 12 6 727 090,062 612 917,055 0,137 13 6 727 090,963 612 917,071 0,050 14 6 727 091,825 612 917,078 0,045 15 6 727 092,864 612 917,165 0,006 16 6 727 094,067 612 917,427 0,073 17 6 727 094,926 612 917,638 0,066 18 6 727 095,837 612 917,833 0,106 19 6 727 097,036 612 918,074 0,060 20 6 727 098,512 612 917,713 0,196 21 6 727 099,799 612 917,861 0,198 22 6 727 100,657 612 918,038 0,197 23 6 727 101,449 612 918,116 0,071 24 6 727 102,507 612 918,177 0,058 25 6 727 103,500 612 918,316 0,014 C3

C4. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 4. Profil 4 Min Max Ah m S p RMS 0,000 0,085 0,034 0,025 0,041 Punkt nr N E Ah 1 6 727 107,596 612 919,007 0,084 2 6 727 106,673 612 917,382 0,041 3 6 727 105,784 612 916,146 0,040 4 6 727 104,401 612 914,345 0,032 5 6 727 103,755 612 913,602 0,015 6 6 727 103,058 612 912,837 0,026 7 6 727 102,481 612 912,055 0,043 8 6 727 101,394 612 910,880 0,053 9 6 727 100,571 612 909,929 0,049 10 6 727 099,719 612 908,752 0,035 11 6 727 098,798 612 907,689 0,004 12 6 727 098,125 612 907,008-0,007 13 6 727 097,553 612 906,157-0,006 14 6 727 096,972 612 905,256 0,004 15 6 727 096,729 612 904,584 0,008 16 6 727 096,341 612 903,737 0,022 17 6 727 096,127 612 903,251 0,029 18 6 727 095,775 612 902,463 0,085 19 6 727 095,007 612 901,294 0,051 20 6 727 093,798 612 899,757 0,040 21 6 727 092,446 612 898,493 0,036 22 6 727 092,281 612 898,012 0,055 C4

C5. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 5. Profil 5 Min Max Ah m S p RMS 0,003 0,105 0,050 0,035 0,060 Punkt nr N E Ah 1 6 727 093,533 612 905,710 0,007 2 6 727 093,924 612 905,083 0,052 3 6 727 094,328 612 904,429-0,043 4 6 727 094,744 612 903,783 0,003 5 6 727 095,244 612 902,965 0,052 6 6 727 095,782 612 902,048 0,074 7 6 727 096,050 612 901,165 0,057 8 6 727 096,349 612 900,565 0,079 9 6 727 096,666 612 899,762 0,105 10 6 727 096,974 612 898,984 0,050 11 6 727 097,218 612 898,181 0,055 12 6 727 097,527 612 897,368 0,100 13 6 727 097,815 612 896,689 0,052 14 6 727 098,088 612 895,927 0,062 15 6 727 098,388 612 895,311 0,076 16 6 727 098,645 612 894,753 0,023 17 6 727 098,964 612 893,888 0,071 18 6 727 099,619 612 892,882 0,082 19 6 727 100,167 612 891,926 0,043 20 6 727 100,675 612 890,955 0,005 21 6 727 101,282 612 889,925-0,021 22 6 727 101,748 612 889,107 0,024 23 6 727 102,366 612 887,909 0,051 24 6 727 102,879 612 886,990 0,082 25 6 727 103,298 612 885,995 0,062 26 6 727 103,776 612 884,883 0,086 27 6 727 104,283 612 883,905 0,048 28 6 727 104,939 612 882,974 0,034 29 6 727 105,509 612 882,226 0,068 C5

C6. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 6. Profil 6 Min Max Ah m S p RMS 0,012 0,137 0,068 0,031 0,075 Punkt nr N E Ah 1 6 727 106,787 612 880,801 0,061 2 6 727 107,361 612 881,749 0,088 3 6 727 107,668 612 882,351 0,068 4 6 727 107,922 612 883,241 0,065 5 6 727 107,944 612 883,679 0,054 6 6 727 108,113 612 884,311 0,071 7 6 727 108,255 612 885,367 0,070 8 6 727 108,688 612 887,117 0,119 9 6 727 108,697 612 888,403 0,074 10 6 727 109,007 612 889,593 0,072 11 6 727 109,252 612 890,965 0,137 12 6 727 109,647 612 892,437 0,083 13 6 727 109,677 612 894,876 0,012 14 6 727 109,556 612 896,553 0,059 15 6 727 109,434 612 897,820 0,045 16 6 727 109,382 612 899,594 0,092 17 6 727 109,513 612 900,005 0,103 18 6 727 109,875 612 900,868 0,050 19 6 727 110,080 612 901,743 0,072 20 6 727 110,207 612 902,607 0,027 21 6 727 110,438 612 903,105 0,012 C6

C7. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 7. Profil 7 Min Max Ah m S p RMS 0,020 0,110 0,051 0,035 0,061 Punkt nr N E Ah 1 6 727 108,849 612 904,488 0,046 2 6 727 108,619 612 903,912 0,027 3 6 727 108,451 612 903,172 0,022 4 6 727 108,273 612 902,388 0,057 5 6 727 108,210 612 901,672 0,079 6 6 727 107,973 612 900,781 0,020 7 6 727 107,617 612 899,836 0,042 8 6 727 107,314 612 898,871 0,071 9 6 727 106,904 612 897,796 0,107 10 6 727 106,575 612 897,126 0,086 11 6 727 105,655 612 895,038-0,050 12 6 727 105,194 612 894,059 0,110 13 6 727 104,927 612 893,333 0,094 14 6 727 104,548 612 892,678 0,041 15 6 727 103,872 612 891,913 0,042 16 6 727 103,536 612 890,843 0,041 17 6 727 103,243 612 890,073 0,065 18 6 727 103,062 612 889,047 0,072 19 6 727 102,909 612 888,154 0,030 20 6 727 102,763 612 887,120 0,054 21 6 727 102,459 612 885,904 0,030 22 6 727 102,188 612 884,891 0,040 C7

C8. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 8. Profil 8 Min Max Ah m S p RMS 0,012 0,170 0,080 0,066 0,102 Punkt nr N E Ah 1 6 727 094,646 612 887,414-0,035 2 6 727 094,643 612 887,416-0,037 3 6 727 095,212 612 888,115-0,056 4 6 727 095,827 612 889,072-0,014 5 6 727 096,224 612 889,756 0,012 6 6 727 097,370 612 891,558 0,070 7 6 727 097,885 612 892,373 0,042 8 6 727 098,330 612 893,150 0,159 9 6 727 098,664 612 894,027 0,109 10 6 727 099,238 612 895,102 0,054 11 6 727 099,712 612 896,042 0,064 12 6 727 100,369 612 897,579 0,081 13 6 727 101,324 612 898,966 0,117 14 6 727 101,503 612 899,866 0,098 15 6 727 101,941 612 900,814 0,113 16 6 727 102,343 612 901,400 0,170 17 6 727 102,896 612 902,426 0,154 18 6 727 103,378 612 903,115 0,137 19 6 727 103,961 612 903,932 0,095 20 6 727 104,718 612 904,739 0,107 21 6 727 105,640 612 905,571 0,145 22 6 727 106,408 612 906,256 0,063 23 6 727 107,020 612 907,511 0,124 24 6 727 107,617 612 908,337 0,141 C8

Bilaga D Nedan listas höjdavvikelser för HLS DTM:en, med punkttätheten 2 m, i jämförelse mot kontrollprofilerna. Gulmarkerade punkter, punkt 3 och 4 i profil 1 samt punkt 2 till 4 i profil 2, togs bort från beräkningarna på grund av avvikande värden för FLS DTM:en (läs mer om detta i avsnitt 4 och 5). Samtliga beräkningar är i enheten meter och i referenssystemet SWEREF 99 TM med höjdsystemet RH2000. D1. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 1. Profil 1 Min Max Ah m S p RMS 0,029 0,293 0,108 0,107 0,150 Punkt nr N E Ah 1 6 727 077,396 612 911,278 0,168 2 6 727 078,003 612 910,633 0,017 3 6 727 078,501 612 910,166-0,165 4 6 727 079,142 612 909,538-0,269 5 6 727 079,910 612 908,415 0,070 6 6 727 080,269 612 907,808 0,137 7 6 727 080,747 612 907,038 0,029 8 6 727 081,420 612 906,074 0,045 9 6 727 082,082 612 905,241 0,053 10 6 727 082,390 612 904,779 0,044 11 6 727 082,968 612 903,854-0,033 12 6 727 083,829 612 902,835-0,063 13 6 727 084,852 612 901,280 0,230 14 6 727 085,257 612 900,543 0,293 15 6 727 085,787 612 899,781 0,288 16 6 727 086,414 612 898,389 0,144 17 6 727 087,447 612 897,194 0,276 18 6 727 088,254 612 896,010 0,083 19 6 727 088,979 612 895,009 0,083 20 6 727 089,610 612 893,898 0,088 D1

D2. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 2. Profil 2 Min Max Ah m S p RMS -0,011 0,335 0,099 0,101 0,139 Punkt nr N E Ah 1 6 727 078,380 612 913,228 0,335 2 6 727 079,110 612 912,859 0,197 3 6 727 079,773 612 912,529-0,031 4 6 727 080,226 612 912,338-0,116 5 6 727 081,362 612 911,758 0,035 6 6 727 082,353 612 911,229 0,062 7 6 727 083,322 612 910,821 0,048 8 6 727 084,297 612 910,403-0,011 9 6 727 085,362 612 909,934-0,042 10 6 727 086,426 612 909,431 0,057 11 6 727 087,516 612 908,804 0,095 12 6 727 088,522 612 908,237 0,284 13 6 727 089,364 612 907,550 0,171 14 6 727 090,320 612 906,807 0,076 15 6 727 091,314 612 906,300 0,180 16 6 727 091,991 612 906,119 0,186 17 6 727 092,756 612 905,720 0,133 18 6 727 093,509 612 905,205 0,066 19 6 727 094,384 612 904,582-0,021 20 6 727 095,617 612 903,797 0,076 21 6 727 096,598 612 903,229 0,044 D2

D3. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 3. Profil 3 Min Max Ah m S p RMS 0,002 0,489 0,105 0,136 0,169 Punkt nr N E Ah 1 6 727 080,974 612 918,243 0,489 2 6 727 081,612 612 917,936 0,201 3 6 727 082,074 612 917,877 0,035 4 6 727 082,719 612 917,832-0,025 5 6 727 083,181 612 917,665-0,055 6 6 727 084,190 612 917,597-0,086 7 6 727 085,320 612 917,484 0,036 8 6 727 086,301 612 917,451 0,063 9 6 727 087,223 612 917,338 0,050 10 6 727 088,197 612 917,066-0,016 11 6 727 089,050 612 917,066-0,030 12 6 727 090,062 612 917,055 0,081 13 6 727 090,963 612 917,071 0,047 14 6 727 091,825 612 917,078 0,065 15 6 727 092,864 612 917,165 0,095 16 6 727 094,067 612 917,427 0,211 17 6 727 094,926 612 917,638 0,172 18 6 727 095,837 612 917,833 0,112 19 6 727 097,036 612 918,074 0,058 20 6 727 098,512 612 917,713 0,320 21 6 727 099,799 612 917,861 0,349 22 6 727 100,657 612 918,038 0,247 23 6 727 101,449 612 918,116 0,114 24 6 727 102,507 612 918,177 0,080 25 6 727 103,500 612 918,316 0,002 D3

D4. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 4. Profil 4 Min Max Ah m S p RMS 0,000 0,303 0,149 0,099 0,177 Punkt nr N E Ah 1 6 727 107,596 612 919,007 0,274 2 6 727 106,673 612 917,382 0,203 3 6 727 105,784 612 916,146 0,265 4 6 727 104,401 612 914,345 0,303 5 6 727 103,755 612 913,602 0,294 6 6 727 103,058 612 912,837 0,287 7 6 727 102,481 612 912,055 0,256 8 6 727 101,394 612 910,880 0,142 9 6 727 100,571 612 909,929 0,115 10 6 727 099,719 612 908,752 0,130 11 6 727 098,798 612 907,689 0,095 12 6 727 098,125 612 907,008 0,087 13 6 727 097,553 612 906,157 0,034 14 6 727 096,972 612 905,256 0,023 15 6 727 096,729 612 904,584 0,031 16 6 727 096,341 612 903,737 0,042 17 6 727 096,127 612 903,251 0,033 18 6 727 095,775 612 902,463 0,139 19 6 727 095,007 612 901,294 0,227 20 6 727 093,798 612 899,757 0,165 21 6 727 092,446 612 898,493 0,045 22 6 727 092,281 612 898,012 0,082 D4

D5. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 5. Profil 5 Min Max Ah m S p RMS 0,009 0,216 0,049 0,092 0,103 Punkt nr N E Ah 1 6 727 093,533 612 905,710-0,016 2 6 727 093,924 612 905,083 0,009 3 6 727 094,328 612 904,429-0,019 4 6 727 094,744 612 903,783 0,059 5 6 727 095,244 612 902,965 0,046 6 6 727 095,782 612 902,048 0,204 7 6 727 096,050 612 901,165 0,200 8 6 727 096,349 612 900,565 0,083 9 6 727 096,666 612 899,762-0,065 10 6 727 096,974 612 898,984-0,100 11 6 727 097,218 612 898,181 0,106 12 6 727 097,527 612 897,368 0,216 13 6 727 097,815 612 896,689 0,124 14 6 727 098,088 612 895,927 0,116 15 6 727 098,388 612 895,311 0,055 16 6 727 098,645 612 894,753-0,094 17 6 727 098,964 612 893,888-0,120 18 6 727 099,619 612 892,882-0,018 19 6 727 100,167 612 891,926 0,035 20 6 727 100,675 612 890,955-0,026 21 6 727 101,282 612 889,925-0,045 22 6 727 101,748 612 889,107 0,024 23 6 727 102,366 612 887,909 0,098 24 6 727 102,879 612 886,990 0,125 25 6 727 103,298 612 885,995 0,122 26 6 727 103,776 612 884,883 0,167 27 6 727 104,283 612 883,905 0,114 28 6 727 104,939 612 882,974 0,048 29 6 727 105,509 612 882,226-0,015 D5

D6. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 6. Profil 6 Min Max Ah m S p RMS 0,069 0,166 0,107 0,039 0,113 Punkt nr N E Ah 1 6 727 106,787 612 880,801 0,104 2 6 727 107,361 612 881,749 0,114 3 6 727 107,668 612 882,351 0,106 4 6 727 107,922 612 883,241 0,121 5 6 727 107,944 612 883,679 0,091 6 6 727 108,113 612 884,311 0,089 7 6 727 108,255 612 885,367 0,117 8 6 727 108,688 612 887,117 0,155 9 6 727 108,697 612 888,403 0,166 10 6 727 109,007 612 889,593 0,139 11 6 727 109,252 612 890,965 0,151 12 6 727 109,647 612 892,437 0,102 13 6 727 109,677 612 894,876-0,018 14 6 727 109,556 612 896,553 0,084 15 6 727 109,434 612 897,820 0,090 16 6 727 109,382 612 899,594 0,141 17 6 727 109,513 612 900,005 0,136 18 6 727 109,875 612 900,868 0,086 19 6 727 110,080 612 901,743 0,116 20 6 727 110,207 612 902,607 0,083 21 6 727 110,438 612 903,105 0,069 D6

D7. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 7. Profil 7 Min Max Ah m S p RMS -0,009 0,163 0,078 0,041 0,088 Punkt nr N E Ah 1 6 727 108,849 612 904,488 0,054 2 6 727 108,619 612 903,912 0,066 3 6 727 108,451 612 903,172 0,062 4 6 727 108,273 612 902,388 0,078 5 6 727 108,210 612 901,672 0,076 6 6 727 107,973 612 900,781 0,021 7 6 727 107,617 612 899,836 0,035 8 6 727 107,314 612 898,871 0,104 9 6 727 106,904 612 897,796 0,109 10 6 727 106,575 612 897,126 0,110 11 6 727 105,655 612 895,038-0,009 12 6 727 105,194 612 894,059 0,086 13 6 727 104,927 612 893,333 0,080 14 6 727 104,548 612 892,678 0,034 15 6 727 103,872 612 891,913 0,031 16 6 727 103,536 612 890,843 0,072 17 6 727 103,243 612 890,073 0,131 18 6 727 103,062 612 889,047 0,163 19 6 727 102,909 612 888,154 0,091 20 6 727 102,763 612 887,120 0,103 21 6 727 102,459 612 885,904 0,146 22 6 727 102,188 612 884,891 0,079 D7

D8. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 8. Profil 8 Min Max Ah m S p RMS 0,010 0,222 0,022 0,113 0,113 Punkt nr N E Ah 1 6 727 094,646 612 887,414-0,123 2 6 727 094,643 612 887,416-0,125 3 6 727 095,212 612 888,115-0,144 4 6 727 095,827 612 889,072-0,099 5 6 727 096,224 612 889,756-0,039 6 6 727 097,370 612 891,558-0,041 7 6 727 097,885 612 892,373-0,174 8 6 727 098,330 612 893,150-0,110 9 6 727 098,664 612 894,027-0,090 10 6 727 099,238 612 895,102 0,023 11 6 727 099,712 612 896,042 0,067 12 6 727 100,369 612 897,579 0,121 13 6 727 101,324 612 898,966 0,075 14 6 727 101,503 612 899,866 0,080 15 6 727 101,941 612 900,814 0,138 16 6 727 102,343 612 901,400 0,111 17 6 727 102,896 612 902,426 0,030 18 6 727 103,378 612 903,115 0,096 19 6 727 103,961 612 903,932 0,010 20 6 727 104,718 612 904,739 0,119 21 6 727 105,640 612 905,571 0,104 22 6 727 106,408 612 906,256 0,093 23 6 727 107,020 612 907,511 0,188 24 6 727 107,617 612 908,337 0,222 D8

Bilaga E Stationsetableringen med RUFRIS och fri stationsetableringarna. Samtliga beräkningar är i enheten meter och i referenssystemet SWEREF 99 TM med höjdsystemet RH2000. E1. Den första stationsetableringen med RUFRIS med dess koordinater samt osäkerhet. Fri station med GNSS Skapad: 2018-04-17 Station: 180417_1111 Koordinat StdAvv Sparad i fil: X: 6 727 076,708 sr: 0.003 Grundmedelfel: 1.00 Y: 612 913,680 so: 0.0018 Atm. ppm 0.00 Z: 29.689 sz: 0.003 Geom. ppm 0.00 A priori standardavvikelse: Längder: 0.005 + 3,000 ppm Bakrikter Riktningar: 0.0008 Punkt Horisontell residual Höjdresidual GNSS2 0.007-0.003 GNSS3 0.011 0.004 GNSS4 0.001 0.001 GNSS8 0.003-0.002 GNSS9 0.007 0.009 GNSS10 0.009-0.011 GNSS11 0.008 0.002 GNSS12 0.004-0.005 GNSS13 0.017 0.003 GNSS14 0.019-0.024 GNSS19 0.007 0.009 GNSS20 0.013 0.008 GNSS22 0.004-0.002 GNSS23 0.008 0.003 GNSS24 0.012 0.005 Kontrollpunkt (K1) N E H Efter stationsetablering 6 727 073,014 612 938,682 28,452 Efter avslutad mätning 6 727 073,017 612 938,684 28,451 E1

E2. Stationsetablering med fri station 2018-04-18 med dess koordinater samt osäkerhet. Fri station Skapad: 2018-04-18 Koordinat StdAvv Station: STN180418 X: 6 727 092,989 0.002 Sparad i fil: Y: 612 901,808 0.002 Grundmedelfel: 1.06 Z: 35.840 0.001 Atm. ppm 0.00 Radiellt 0.003 Geom. ppm 0.00 Bakrikter Punkt Avstånd H vinkel V vinkel Refl.höjd Punktkod SC Anmärkning r2 57.931 120.3412 106.2934 0.000 r8 16.904 29.3590 89.3103 0.000 r7 11.488 350.2880 85.2010 0.000 Kontrollpunkt (K1) N E H Efter stationsetablering 6 727 073,017 612 938,680 28,448 Efter avslutad mätning 6 727 073,019 612 938,679 28,447 E3. Stationsetablering med fri station med dess koordinater samt osäkerhet vid kontroll av kontrollpunkt efter avvägning 2018-05-16. Fri station Skapad: 2018-05-16 Koordinat StdAvv Station: STD20180516 X: 6 727 079,925 0.002 Sparad i fil: Y: 612 919,276 0.002 Grundmedelfel: 1.16 Z: 29.656 0.001 Atm. ppm 0.00 Radiellt 0.003 Geom. ppm 0.00 Bakrikter Punkt Avstånd H vinkel V vinkel Refl.höjd Punktkod SC Anmärkning R1 48.704 275.6374 99.6517 0.000 R4 15.867 39.8152 88.9215 0.000 R5 19.029 327.5105 85.0569 0.000 Kontrollpunkt (K1) N E H Efter stationsetablering 6 727 073,016 612 938,678 28,444 E2

Bilaga F Avägningsprotokoll för höjdbestämmelse av tidigare inmätt kontrollpunkt (K1). F1. Avägningsprotokoll för höjdbestämelse av tidigare inmätt kontrollpunkt (K1). Punkterna 362 och 65 har kända höjder i höjdsystemet RH2000. Avvägningsprotokoll Område: Vid Valbo kyrka Datum 2018-05-15 Instrument: Leica DNA03 Utförare Amanda Gustafsson Höjdsystem: RH2000 Olov Wängborg Avvägd punkt Avst. (m) Stångavläsning Höjd Höjdskillnad (m) (m) (m) Bak Fram B F Bak Fram Stigning/Fall 28,2130 362 fp1 6 5 1,5765 1,4304 0,1461 28,3591 fp1 fp2 6 6 1,4147 1,5043-0,0896 28,2695 fp2 fp3 15 16 1,3935 1,4600-0,0665 28,2030 fp3 fp4 19 20 1,3713 1,3898-0,0185 28,1845 fp4 fp5 17 18 1,4892 1,3726 0,1166 28,3011 fp5 fp6 18 20 1,5413 1,2486 0,2927 28,5938 fp6 fp7 20 19 1,6162 1,1814 0,4348 29,0286 fp7 fp8 18 19 1,6057 1,1567 0,449 29,4776 fp8 fp9 19 20 1,5605 1,0152 0,5453 30,0229 fp9 fp10 19 20 1,5976 1,451 0,1466 30,1695 fp10 fp11 19 19 1,2694 1,4685-0,1991 29,9704 fp11 fp12 15 16 1,2924 1,473-0,1806 29,7898 fp12 fp13 9 11 1,3669 1,4574-0,0905 29,6993 fp13 fp14 5 4 0,9366 1,9392-1,0026 28,6967 fp14 fp15 4 4 0,8735 1,8903-1,0168 27,6799 fp15 65 11 13 0,5239 1,2987-0,7748 26,9051 65 fp16 13 11 1,3727 0,5978 0,7749 27,6800 fp16 fp17 4 4 1,9174 0,9004 1,017 28,6970 fp17 fp18 3 5 1,8363 0,8339 1,0024 29,6994 fp18 fp19 17 19 1,3086 1,5914-0,2828 29,4166 fp19 fp20 17 19 1,2742 1,5181-0,2439 29,1727 fp20 fp21 18 19 1,2491 1,5620-0,3129 28,8598 fp21 fp22 13 13 1,3486 1,5121-0,1635 28,6963 fp22 K1 8 9 1,3337 1,5908-0,2571 28,4392 K1 fp22 9 8 1,5900 1,3330 0,2570 28,6962 fp22 fp21 13 13 1,5118 1,3482 0,1636 28,8598 fp21 fp20 19 18 1,5597 1,2468 0,3129 29,1727 fp20 fp19 19 17 1,5150 1,2710 0,2440 29,4167 fp19 fp18 19 17 1,5928 1,3098 0,2830 29,6997 fp18 fp17 5 3 0,8303 1,8328-1,0025 28,6972 fp17 fp16 4 4 0,9002 1,9170-1,0168 27,6804 F1

fp16 65 11 13 0,5963 1,3711-0,7748 26,9056 65 fp15 13 11 1,2927 0,5179 0,7748 27,6804 fp15 fp14 4 4 1,8903 0,8735 1,0168 28,6972 fp14 fp13 4 5 1,9389 0,9362 1,0027 29,6999 fp13 fp12 11 9 1,4546 1,3640 0,0906 29,7905 fp12 fp11 16 15 1,4706 1,2899 0,1807 29,9712 fp11 fp10 19 19 1,4680 1,2690 0,199 30,1702 fp10 fp9 20 19 1,4489 1,5955-0,1466 30,0236 fp9 fp8 20 19 1,0136 1,5587-0,5451 29,4785 fp8 fp7 19 18 1,1546 1,6036-0,449 29,0295 fp7 fp6 19 20 1,1840 1,6186-0,4346 28,5949 fp6 fp5 20 18 1,2491 1,5417-0,2926 28,3023 fp5 fp4 18 17 1,3732 1,4898-0,1166 28,1857 fp4 fp3 20 19 1,3899 1,3713 0,0186 28,2043 fp3 fp2 16 15 1,4596 1,3932 0,0664 28,2707 fp2 fp1 6 6 1,5053 1,4159 0,0894 28,3601 fp1 362 5 6 1,4156 1,5615-0,1459 28,2142 Total längd (m) 1284 Kända höjder Pnkt nr H (m) 362 28,213 65 26,906 F2

Bilaga G Resultat över RMS-värde för georefereringen i CloudCompare. Referenssystemet är SWEREF 99 TM med höjdsystemet RH2000. G1. Georefereringen i CloudCompare där RMS-värde redovisas samt varje modellerad sfärs avvikelse i punktmolnet gentemot koordinater för inmätta sfärer. Sfär N E H (m) Avvikelse 1 6 727 083,113 612 923,830 29,575 0,025 2 6 727 079,102 612 906,414 30,875 0,047 3 6 727 087,308 612 890,728 35,075 0,029 4 6 727 098,912 612 905,812 36,212 0,030 5 6 727 102,328 612 890,560 38,529 0,016 RMS 0,031 G1