• No results found

Även om flera programvaror användes än som ursprungligen var planerat, var det i UAS Master och SURE Aerial som punktmolnen skapades. Exporteringen av data till och från programvaror har förhoppningsvis inte haft någon större påverkan av resul-taten. Användningen av alla ytterligare programvaror var nödvändiga för att slutföra studien.

Den mest effektiva och enklaste metoden av de två olika tillvägagångssätten i denna studie var UAS Master/TBC. Däremot var den mer tidskrävande (totalt ca 20 tim-mar). Den långa processtiden kan grundas i att allt genomfördes på en mindre och medelmåttig laptop medan den andra metoden genomfördes på bättre utrustade da-torer.

Layouten i UAS Master var välstrukturerad och listad i kronologiskt utförande. I pro-grammet fanns det en tydligt skriven manual (Trimble, 2018) för information om programmets olika processer och det fanns även en del hjälp att hämta från internet. De gångerna manualen eller internet inte kunde bistå, var Anders Hägglund (support på Trimtec) till hjälp. Särskilt gällande förfarandet i TBC för till exempel inmatning av kontrollprofilerna. Den typ av rådata som UAS Master behövde var egentligen endast flygbilder och stödpunkter. Programmet kunde på egen hand räkna ut orien-teringarna. I TBC kunde filtreringen och modelleringen genomföras genom två knapptryck, varpå kontrollprofilerna sedan lades in för att erhålla höjdavvikelserna. SURE Aerial hade en enkel layout där programmets tre huvudgrupper (och under-grupper) av processer var listade och endast behövs bockas i för val av genomförande. Det hjälpmedel som fanns till hjälp här var kunskapsbasen och forum online. Kun-skapsbasen som tillhandahölls av nFrames var svårtolkad eftersom den kunde vara väl-digt ingående och skriven på ett särskilt sätt.

Metoden för framställning av en digital terrängmodell från SURE Aerial krävde tre ytterligare program efter bildmatchningen för att få fram modell och höjdavvikelser. Det faktum att programmet varken georefererade eller skapade ett enhetligt punkt-moln gjorde processen mer invecklad än planerad. Den dokumenterade tidsåtgången för denna metod var 14 timmar. Det är då exklusive tiden för importen av data till programmen som kunde ta lång tid ibland. Förfarandet var alltså varken optimal eller effektiv. Projektinställningarna var färre i SURE Aerial (jmf. UAS Master) men var känsligare angående orienteringsdata. Programmet klarade inte av att beräkna det själv och kunde inte stödja orienteringsdata från Agisoft Photoscan. Därför användes projektfilen från UAS Master, vilket i sig orsakade att programmen inte kunde utföras parallellt.

Ingen av metoderna var särskilt snabba. UAS Master och TBC hade säkerligen kunnat genomföras fortare på en bättre utrustad dator. Processen i SURE Aerial tog endast fyra timmar och är nog ett program som kan tänkas användas för framställning av ytmodeller eller ortofoton. Men för modeller som önskas bearbetas vidare, bör nog ett annat val av programvara väljas för en effektivare process.

6 Slutsatser

Slutsatserna som kan dras från denna studie är följande:

• Trots de olika metoderna kunde programmen leverera snarlika lägesosäker-heter i höjd i skapade terrängmodeller. Modellerna uppfyllde endast kraven i HMK – Flygfotografering 2017.

• Med UAS Master hade man som användare mer förståelse och kontroll över processerna. Det är ett program som genom fotogrammetriska metoder, både manuella och automatiska, skapade ett punktmoln. Men för att faktiskt skapa en terrängmodell i 3D behövdes ett annat program användas.

• SURE Aerial verkar vara ett program som endast är avsett för att skapa ytmo-deller och ortofoton. Därför krävdes flera program för att skapa en terräng-modell av data från SURE Aerial. Processerna i programmet skedde helt auto-matiskt med möjlighet att ändra parametrar.

• Som ny användare fanns mer hjälpmedel att nyttja för att genomföra och förstå processer i UAS Master, än för SURE Aerial. Även om förfarandet i SURE Aerial kan tyckas enklare är förståelsen bakom processerna liten. Förståelsen är däremot högre för UAS Master tack vare manualen och Youtube-klippen. • Det var stora kontraster mellan programvarorna med avseende på presentat-ion och dokumentatpresentat-ion. UAS Master levererade mer noggranna och ingående dokumentationer för processerna, medan SURE Aerial lagrade data och pre-senterade resultat på ett bristfälligt sätt.

Referenser

Assefha, S., & Sandell, M. (2018). Evaluation of digital terrain models created in post processing software for UAS-data. Examensarbete 15 hp. Gävle: Högskolan i Gävle. Balsa-Barreiro, J., & Fritsch, D. (2018). Generation of visual aesthetic and detailed 3D

models of historical cities by using laser scanning and digital photogrammetry. Digital

Applications in Archaeology and Cultural Heritage, 8, 57–64. doi:

10.1016/j.daach.2017.12.001

Bandara, K., Samarakoon, L., Shrestha, R. P., & Kamiya, Y. (2011). Automated Genera-tion of Digital Terrain Mode using Point Clouds of Digital Surface Model in Forest Area. Remote Sensing, 3(5), 845–858. doi: 10.3390/rs3050845

Deuber, M., Cavegn, S., & Nebiker, S. (2014). Dense image matching – Performance analysis on oblique imagery. GIM International, 28(9): 23–25.

Dittrich, A., Weinmann, M., & Hinz, S. (2017). Analytical and numerical investigations on the accuracy and robustness of geometric features extracted from 3D point cloud data. ISPRS Journal of Photogrammetry and Remote Sensing, 126, 195–208. doi: 10.1016/j.isprsjprs.2017.02.012

GIM International. Dense Image Matching. Hämtad 13 maj, 2019, från GIM Internat-ional, https://www.gim-international.com/content/article/dense-image-matching-2 Harrie, L. (Red.). (2013). Geografisk informationsbehandling: teori, metoder och

tillämp-ningar. Lund: Studentlitteratur AB.

Hirschmüller, H. (2008). Stereo Processing by Semiglobal Matching and Mutual Infor-mation. IEEE Transaction on Pattern Analysis and Machine Intelligence, 30(2), 328-341. doi: 10.1109/TPAMI.2007.1166

HMK – Flygfotografering (2017). Handbok i mät- och kartfrågor, Flygfotografering

2017. Gävle: Lantmäteriet

HMK – Geodatakvalitet (2017). Handbok i mät- och kartfrågor, Geodatakvalitet 2017. Gävle: Lantmäteriet

HMK - Höjddata (2017). Handbok i mät- och kartfrågor, Höjddata 2017. Gävle: Lantmäteriet.

Hugenholtz, C. H., Whitehead, K., Brown, O. W., Barchyn, T. E., Moorman, B. J., Le-Clair, A., Riddle, K., & Hamilton T. (2013). Geomorphological mapping with a small unmanned aircraft system (sUAS): Feature detection and accuracy assessment of a photogrammetrically-derived digital terrain model. Geomorphology, 194, 16–24. doi: 10.1016/j.geomorph.2013.03.023

Jurovich surveying. (u.å.) Difference between UAV and UAS. Hämtad 9 juli, 2019, från Jurovich surveying, https://www.jurovichsurveying.com.au/faq/difference-uav-uas Lantmäteriet, Kungliga tekniska högskolan, Lunds universiet & Högskolan i Gävle.

(2013). Geodetisk och fotogrammetrisk mätning- och beräkningsteknik.

https://www.lantmateriet.se/contentassets/d5aaa74128a14124817e6c85a164b6a2/kom-pendium20131028.pdf

Laribi, A., Walstra, J., Ougrine, M., Seridi, A., & Dechemi, N. (2015). Use of digital pho-togrammetry for the study of unstable slopes in urban areas: Case study of the El Bair landslide, Algiers. Engineering Geology, 187, 73–83. doi:

10.1016/j.enggeo.2014.12.018

Li, S-A., Wang, W-Y., Pan, W-Z., Hsu, C-C. J., & Lu, C-K. (2018). FPGA-Based Hard-ware Design for Scale-invariant Feature Transform. IEEE Access, 6, 43850–43864.

Lowe, D. G. (2004). Distinctive Image Features from Scale-Invariant Keypoints.

Interna-tional Journal of Computer Vision, 60(2), 91–110. doi:

10.1023/B:VISI.0000029664.99615.94

Miřijovský, J., & Langhammer, J. (2015). Multitemporal Monitoring of the Morphody-namics of a Mid-Mountain Stream Using UAS Photogrammetry. Remote Sensing,

7(7), 8586-8609. doi:10.3390/rs70708586

Muji, A. L., & Tahar, K. N. (2017). Assessment of Digital Elevation Model (DEM) using onboard GPS and ground control points in UAV image processing. 2017 Intelligent

Systems Conference (IntelliSys). doi:10.1109/intellisys.2017.8324226

Mårtensson, S., & Reshetyuk, Y. (2016). Height uncertainty in digital terrain modelling with unmanned aircraft systems. Survey Review, 49(355), 312-318.

doi:10.1080/00396265.2016.1180754

nFrames. (2017). Feature Documentation. Hämtad 13 maj 2019, från SURE Knowledge Base,

https://nframes.atlas-sian.net/wiki/spaces/SKB/pages/13369402/Feature+Documentation

nFrames. (2019). Scenario Presets. Hämtad 13 maj 2019, från SURE Knowledge Base, https://nframes.atlassian.net/wiki/spaces/SKB/pages/67635473/Scenario+Presets Norconsult. (u.å.a). Hållbarhet. Hämtad 24 april 2019, från Norconsult,

https://www.nor-consult.se/hallbarhet/

Norconsult. (u.å.b). Om Norconsult: affärsidé. Hämtad 24 april 2019, från Norconsult,

https://www.norconsult.se/om-norconsult/om-norconsult/?targe-tId=cbody&method=insert#Aff%c3%a4rsid%c3%a9

Reshetyuk, Y., & Mårtensson, S. (2016). Generation of Highly Accurate Digital Eleva-tion Models with Unmanned Aerial Vehicles. The Photogrammetric Record, 31(154), 143-165. doi:10.1111/phor.12143

Rothermel, M., Wenzel, K., Fritsch, D., & Haala, N. (2012). SURE: Photogrammetric

Surface Reconstruction from Imagery. Konferensbidrag presenterat på LC3D

Works-hop 2012, Berlin, Tyskland.

Shan, J., & Toth, C. K. (2018). Topographic laser ranging and scanning: principles and

processing (2. uppl.). Boca Raton: Productivity Press

SIS-TS 21144 (2013). Byggmätning - specifikationer vid framställning och kontroll av digitala markmodeller. Stockholm: SIS Förlag AB

SIS-TS 21144 (2016). Byggmätning - specifikationer vid framställning och kontroll av digitala markmodeller. Stockholm: SIS Förlag AB

Trimble. (2018). UAS Master 9.0: Reference Manual. [Opublicerat manuskript]. Hämtad från programvarans hjälpfunktion.

Trimble. (u.å.). Inpho UASMaster. Hämtad 9 juli, 2019, från Trimble, https://www.trim-ble.com/geospatial/inpho-uasmaster

Trimble Geospatial. (u.å.). Hämtad 3 juni, 2019, från Youtube, https://www.youtube.com/user/TrimbleSurveyNews/featured

Wang, L., Meng, W., Xi, R., Zhang, Y., Ma, C., Lu, L., & Zhang, X. (2019). 3D Point Cloud Analysis and Classification in Large-Scale Scene Based on Deep Learning.

IEEE Access, 7, 55649–55658. doi: 10.1109/ACCESS.2019.2909742

Wenzel, K., Rothermel, M., Haala, N., & Fritsch, D. (2013). SURE - The ifp Software for Dense Image Matching. Photogrammetric Week 2013. 59–70.

Related documents