AKADEMIN FÖR TEKNIK OCH MILJÖ
Avdelningen för industriell utveckling, IT och samhällsbyggnad
Karta över Furuviksparken
Kontroll enligt HMK:s gamla och nya dokument samt dokument från Norge och Finland
Olivia Rosén Säfström Sofi Röragen
2018
Examensarbete, Grundnivå (kandidatexamen), 15 hp Lantmäteriteknik
Lantmätarprogrammet, teknisk inriktning
Förord
Ett stort tack vill vi tillägna AB Furuviksparken som uppmärksammat ett samarbete med studerande på Högskolan i Gävle. Till Leif Lindström, driftchef på parken, vill vi ge ett extra tack för den utrustning och nödvändig information som du försett oss med. Ett stort tack även till personalen på Furuvik som underlättat arbetet och varit tillmötesgående
För information och material under arbetets gång vill vi tacka Martin Lindell, mätningsingenjör på Gävle Kommun.
Tack till Sem Timmerbacka, lektor och utbildningsansvarig för
lantmäteriteknik vid yrkeshögskolan i Vasa Finland, som försett oss med betydande dokument samt tolkningar av finska dokument.
För support med dataprogram vill vi tacka Staffan Nygren på HiG.
Tack till vår pilot Mikael Sundberg, tekniker, som tillsammans med Marianne Berg, Universitetsadjunkt, utförde flygningarna med UAS över
Furuviksparken.
Ännu ett tack till Marianne Berg för kunskap, vägledning och diskussioner under arbetets gång med att fullfölja projektet.
Tack Stig-Göran Mårtensson, universitetslektor och teknisk doktor på högskolan i Gävle, som gav oss möjligheten att genomföra detta arbete i förtroende att upprätthålla ett gott samarbete med Furuviksparken.
Efter tre år som studenter vid Högskolan i Gävle ska vi nu testa våra nya kunskaper i arbetslivet.
Gävle 2018-05-27
Olivia Rosén Säfström Sofi Röragen
Sammanfattning
Syftet med studien var att med hjälp av UAS-fotogrammetri framställa en karta över Furuviks nöjespark och utvärdera produktens kvalitet i form av en kartkontroll. Kartkontrollen genomfördes med riktlinjer från nya och gamla HMK-dokument samt hur en sådan utvärdering utförs i våra grannländer.
Samtidigt utfördes en tidsstudie över projektets arbetsgång som ett önskemål från Högskolan i Gävle (HiG) för ett framtida civilingenjörsprogram inom lantmäteriteknik.
Flygningen genomfördes med en multikopter från Altigator. Inför
flygningarna placerades flygsignaler ut som liksom stompunkter mättes in med SWEPOS nätverks-RTK (real time kinematic). Flygningen resulterade i 1036 bilder som fogades samman i PhotoScan genom blockutjämning och
genererade en ortotfotomosaik samt en markmodell.
I ArcMap framställdes, ur ortofotomosaiken, en karta som sedan kontrollerades med hjälp av inmätta markpunkter i form av stickprov.
Resultatet i plan av stickproven visar att skillnaden mellan objekt i den producerade kartan och motsvarande objekt inmätta i området varierar radiellt mellan 0,0014 m och 0,029 m. Medelavvikelsen radiellt är 0,014 m med standardosäkerheten (Sp) 0,014 m. Samtliga krav i HMK-
Geodatakvalitet, HMK-Flygfotografering, HMK-Kartografi samt norska och finska styrdokument uppfylldes. Kraven i de nyare HMK-dokumenten om geodatakvalitet och flygfotografering har följt den tekniska utvecklingen medans HMK-Kartografi behöver uppdateras då kraven är för låga, 0,07 m.
För att kontrollera markmodellen mättes 18 kontrollprofiler in i enlighet med den tekniska specifikationen SIS-TS 21144:2016. Standardosäkerheten i höjd för hela området resulterade i 0,032 m.
Tidsåtgången för studiens genomförande dokumenterades för att framställa en tidsstudie som resulterade i 374 arbetstimmar under nio veckor.
Nyckelord: Kartering, kartkontroll, Unmanned Aerial System (UAS), UAS-fotogrammetri.
Abstract
The purpose of the study was to compile a map of Furuvik theme park using UAS-photogrammetry and evaluate the products quality by performing a map control. The map control is carried out with guidelines from new and old HMK-documents and how such an evaluation is carried out in our
neighbouring countries. At the same time, a time study was carried out on the project's workflow as a request from the University of Gävle (HiG) for a future Master's degree program in Land Surveying.
The flight was carried out with a multicopter from Altigator. Prior to the flights, flight signals were placed and as well as, known points (stompunkter), were measured with SWEPOS network-RTK (real-time kinematic). The flight resulted in 1036 images, which in PhotoScan were joined together by block adjustment and generated an orthophotomosaic and a digital elevation model were generated.
In ArcMap, from the orthomosaic, a map was produced, which was then controlled using measured control points.
The results in the plan points show that the difference between objects in the produced map and their known coordinates varies radially between 0.0014 m and 0.029 m. The mean deviation is 0.009 m with the standard uncertainty (Sp) 0.014 m and the root mean square (RMS) 0,014 m. All requirements in HMK-Geodatakvalitet (Geodata Quality), HMK-Flygfotografering (Aerial Photography), HMK-Kartografi (Cartography), and similar documents from the Norwegian and Finnish national land survey were fulfilled. The
requirements of the newer HMK documents on geodata quality and aerial photography are reasonable while HMK cartography needs updating as the requirements are too low, 0.07 m
To control the height model, 18 control profiles were measured in according to the Swedish technical specification SIS-TS 21144: 2016. RMS in height for the entire area was 0.032 m.
The duration of the study's implementation was documented to produce a time study that resulted in 374 hours of work during nine weeks.
Keyword: Mapping, map control, UAS, UAS photogrammetry.
Innehållsförteckning
Förord ... ii
Sammanfattning ... iv
Abstract ... vi
Innehållsförteckning ... viii
1. Introduktion ... 1
1.1 Bakgrund ... 1
1.1.1 Studiens syfte ... 2
2 Litteraturöversikt ... 4
2.1.1 Kvalitet vid fotogrammetrisk mätning ... 4
2.1.2 För- och nackdelar med UAS ... 4
2.1.3 Tidsaspekter ... 5
2.1.4 Mätosäkerhet vid UAS-mätning ... 5
3 Metod ... 6
3.1 Planering av flygning ... 6
3.1.1 Stompunkter ... 7
Flygsignaler ... 7
3.1.2 Kontroll av flygsignaler och stompunkter ... 9
3.1.3 Flygning med UAS ... 10
3.2 Databearbetning ... 10
3.2.1 Blockutjämning och georeferering ... 11
3.2.2. Tät bildmatchning ... 11
3.2.3 DHM och ortofotomosaik ... 12
3.2.4 Kontrollprofiler ... 12
3.2.5 Osäkerheten i höjd ... 14
3.3 Kartframställning i ArcMap ... 15
3.3.1 Kartkontroll ... 16
3.3.2 Tidsåtgång... 18
4 Hållbarhet och etik ... 19
4.1 Hållbar utveckling ... 19
4.2 Etiska aspekter ... 19
5 Resultat ... 20
5.1 Kartframställning över Furuviksparken ... 20
5.2 Kartkontroll ... 24
5.2.1 Osäkerhet i höjd ... 24
5.2.2 Osäkerhet i plan ... 25
5.3 Tidsstudie ... 26
6 Diskussion ... 27
Bilaga A ... A1 Bilaga B ... B1 Bilaga C ... C1 Bilaga D... D1 Bilaga E ... E1 Bilaga F ... F1 Bilaga G ... G1 Bilaga H... H1
1. Introduktion
Furuviksparken, som är en djur- och nöjespark belägen strax söder om Gävle, har uttryckt behov av ett bättre kartunderlag. Ett första sådant togs fram genom ett tidigare samarbete 2016 med HiG. Det här examensarbetet är tänkt att komplettera kartunderlaget och det finns även intressen från HiG att genomföra projektet som en tidsstudie vilken kommer att användas i en kurs i lantmäteriteknik i ett framtida civilingenjörsprogram.
1.1 Bakgrund
Inom geodetisk mätningsteknik finns flera olika metoder för mätning av ytobjekt och de mest använda är markbundna, flygburna och fjärranalyser. Metoderna skiljer sig åt både kostnadsmässigt, tidsmässigt (vid insamling av data) och i den förväntade mätosäkerheten. Genom dessa metoder tillhandahålls koordinater som behövs för vidare analyser och utvärderingar av det studerade området (Kršák, Blišťan, Pauliková, Puškárová, Kovanič, Palková, & Zelizňaková, 2016).
Tidigare har kostnaden för UAS varit en stor nackdel speciellt i mindre områden.
Detta har med tiden ändrats och idag klarar även den mest enkla (billigare) varianten av UAS att uppnå liknande resultat som en mer avancerad (dyrare) variant. Tack vare den minskade kostnaden och att markbaserad mätning inte behövs i lika stor utsträckning är fördelarna med UAS idag stora med tanke på de stora områden som kan dokumenteras (Uysal et al., 2015).
Kartering genom fotogrammetrisk mätning med UAS är en lämplig metod som innebär en säker arbetsmiljö för de som utför mätningarna till skillnad från terrester mätning. Detta då platser med bland annat tung trafik, höga kanter och rasrisk med mera kan mätas från luften (Dall’Asta, Forlani, Roncella, Santise, Diotri, & Morra di Cella, 2017).
Enligt HMK-Flygfotografering (2017) kan data samlas in för kartering genom
flygfotografering med UAS-fotogrammetri. Högupplösta bilder från flygningen läggs samman för skapande av en 2D- eller 3D modell över markytan. Kompletterande inmätning till flygbilderna kan krävas för områden dolda av till exempel vegetation eller för områden skuggade av byggnader och träd. Med GNSS och totalstation kan dolda punkter i ortofotomosaiken mätas in manuellt för att komplettera
flygbilderna. Flyghöjden vid fotograferingen är viktig för kartans lägesosäkerhet och resultat. En hög flyghöjd ger lägre noggrannhet än en låg flyghöjd. Val av flyghöjd är oftast beroende av kostnaden men även av de krav som finns på kartans kvalitet
2017 publicerade lantmäteriet handbok i mät- och kartfrågor (HMK) -
Geodatakvalitet (2017) som är den tredje versionen av HMK-Geodatakvalitet, de två tidigare utkom 2014 och 2015. Det är ett referensverk som berör frågor om geodatakvalitet och hur den bör redovisas. Tidigare användes handbok till
mätningskungörelsen (HMK)-Kartografi från 1996 och HMK-Fotogrammetri från 1994 som baserades på Mätningskungörelsen (1974:339) regler.
Mätningskungörelsen (1974:339) upphävdes 2010-07-01 och var den instruktion som reglerade stora delar av den geodetiska mätningen. I Finland finns en serie med anvisningar som heter Julkisen hallinnon suositus (JHS) som direkt översatt betyder Offentliga förvaltningens rekommendationer. I JHS 185 finns riktlinjer som lämplig mätningsteknik, krav och kvalitetskontroll för upprättande av baskartor. Den norska motsvarigheten till HMK-Geodatakvalitet, Standarder geografisk informasjon Geodatakvalitet (2015) behandlar standarden för att bestämma och dokumentera kvaliteten på geodata i form av kontrollplan och utförande av kontrollplanen. I kontrollplanen anges krav samt vilka metoder det aktuella projektet ska utföras med.
Hammas (2016) undersökte vilken mätosäkerhet som kunde uppnås med UAS- fotogrammetri vid kartframaställning. Flygningarna genomfördes med ett fastvingeplan från Smartplanes med kamera, Ricoh GR från Pentax. I studien genomfördes två flygningar över 38 hektar som tog sammanlagt 25 minuter. Denna studie fokuserar på kartkontroll av den färdiga kartan utifrån de krav som finns i gamla och nya HMK-dokument.
Det finns olika benämningar på obemannade flygfarkoster och i denna studie kommer UAS att användas. UAS är ett samlingsnamn för en obemannad luftfarkost och dess kringutrustning som t.ex. digitalkamera, global navigation satellite system (GNSS) och inertial navigation system (INS). Andra vanliga benämningar på
obemannade flygfarkoster är drönare, Remotely Piloted Vehicle (RPV) och Unmanned Aerial Vehicle (UAV).
Denna studie är viktig för att få svar på vilken kvalité som kan förväntas vid kartering med hjälp av UAS-fotogrammetri. Då denna metod har ekonomiska fördelar samt minskar risker för den som utför mätningen.
1.1.1 Studiens syfte
Syftet med studien är att med hjälp av UAS-fotogrammetri framställa en karta och utvärdera produktens kvalitet i form av en kartkontroll. Kartkontrollen utförs genom att jämföra inmätta punkter i fält mot den genererade kartan. Kartkontrollen genomförs med riktlinjer från nya och gamla HMK-dokument samt hur en sådan utvärdering utförs i grannländerna Norge och Finland.
Det finns även intresse från Gävle Kommun att använda resultat från studien till att uppdatera sin primärkarta över Furuvik. En tidsstudie över projektets arbetsgång önskas från HiG för ett framtida civilingenjörsprogram inom lantmäteriteknik.
Frågor:
• Hur förhåller sig resultatet av kartkontrollen jämfört med kraven i gamla och nya HMK-dokument?
• Hur rimlig är HMK:s krav för slutprodukten vid kartering med UAS?
• Hur tidskrävande är kartering med UAS-fotogrammetri, från planering till färdig produkt?
2 Litteraturöversikt
2.1.1 Kvalitet vid fotogrammetrisk mätning
För att förbättra prestandan vid fotogrammetrisk mätning med UAS
rekommenderar Siebert & Teizer (2014) att använda en kamera med kort slutartid samt att använda minst 70 procent övertäckning i stråkled och 40 procent mellan stråk. Detta är en mindre överlappning än vad som användes av Mårtensson &
Reshetyuk (2015), där en överlappning på 80 procent i både stråkled och stråkbredd användes.
Flera steg under databehandlingen av bilderna påverkar kvaliteten hos den slutliga produkten, ett färgat punktmoln, digital höjdmodell (DHM) eller ortofotomosaik.
Det är vid databearbetning av foton, skapande av geometri och textur som det ges möjlighet att ställa in olika parametrar som påverkar noggrannheten och strukturen på slutprodukten (Siebert & Teizer, 2014).
2.1.2 För- och nackdelar med UAS
En viktig fördel, förutom den som nämnts tidigare angående säkerheten för den som utför mätningarna, är den ekonomiska. En slutsats som Siebert & Teizer (2014) kom fram till är att resultaten från deras studie visar ett bättre resultat jämfört med tidigare studier som visar att mätning med UAS är ett prisvärt alternativ med låg mätosäkerhet.
Ett problem som Siebert & Teizer (2014) nämner är den begränsade flygtiden på grund av begränsad batteritid. Enligt en studie av Devriendt & Bonne (2014) finns dock UAS med bättre flygtider på marknaden. De använde sig av den då fackmässigt bästa UAS som fanns, Microdrones MD4-1000, den uppgavs vara pålitlig, lätt att använda och framför allt med en extremt lång flygtid (upp till 88 minuter). Det är nästan den dubbla flygtiden i jämförelse med Starek, Davis, Prouty och Berryhill (2014) som samma år (2014) flugit med Sensefly eBee som har en batteritid på upp till 45 minuter.
2.1.3 Tidsaspekter
En studie som gjordes vid en deponi i Tyskland av Siebert & Teizer (2014) med syftet att undersöka fotogrammetrisk mätning med UAS. Siebert & Teizer (2014) fokuserade på kostnadseffektivitet samt mätosäkerhet i jämförelse med traditionell mätning med Real-Time Kinematic (RTK) Global Navigation Satellite System (GNSS). Där konstaterade författarna att UAS endast krävde 3 procent av den tid som användes för traditionell mätning. En annan fördel med UAS var att den mätte in hela området varje gång medan mätningen med RTK GNSS endast mätte det område som för tillfället bearbetades. Dock krävde efterarbete med bilderna från UAS längre tid så den slutliga tidsvinsten var att UAS krävde en tredjedel av tiden för RTK GNSS mätningen. I studien av (Uysal, Toprak, & Polat, 2015) som fokuserar på osäkerheten i höjd i skapandet av en DHM med UAS-fotogrammetri, nämner författarna begränsad tidsåtgång och minimalt med fältarbete som andra fördelar med UAS-fotogrammetri.
2.1.4 Mätosäkerhet vid UAS-mätning
Utvecklingen inom UAS går ständigt framåt och mätosäkerheten förbättras. I en studie av Uysal et al. (2015) används UAS-fotogrammetri för att generera en DHM över ett 5 hektar stort område i Turkiet. Syftet med studien var att analysera osäkerheten i höjd. Flyghöjden var 60 m och 27 flygsignaler i storleken 0,50 x 0,50 m mättes in med nätverks-RTK. För att kontrollera osäkerheten mättes 30
kontrollpunkter in med nätverks-RTK. Beräkning av RMS mellan höjder genererade från DHM och från kontrollpunkterna visade en total standardosäkerhet på 0,066 m i höjd. Standardosäkerheten för kontrollpunkterna var som lägst 0,0081 m och som högst 0,086 m.
En studie som utfördes med mål att undersöka vilka osäkerheter som kan uppnås med UAS-fotogrammetri av Starek et al. (2014) gjordes i samband med ett universitet i Texas expanderade och var i behov av ny rumslig data. Mätningarna utfördes med ett fastvingeplan av typen Sensefly eBee. För att kontrollera
osäkerheter i höjd gjordes två jämförelser där en DHM skapad med hjälp av UAS- fotogrammetri jämförs med en DHM skapad med flygburen laserkanning samt en skapad med RTK-GNSS. Skillnaden till en DHM skapad med laserskanning gav en osäkerhet på 0,13 m och till en DHM skapad med RTK-GNSS en osäkerhet på 0,037 m. Osäkerheten i plan kontrollerades mot inmätta kontrollpunkter med två typer av georeferering, indirekt- och direkt. Resultatet visar att användandet av stödpunkter, indirekt georeferering ger ett betydligt bättre resultat med en
standardavvikelse på < 0,032 m medan standardavvikelsen vid direkt georeferering
3 Metod
3.1 Planering av flygning Inför flygfotograferingen med UAS över Furuviksparken gjordes en planering av flygstråk och antalet flygbilder som skulle behövas. Området i Furuviksparken som karterades är 33,5 ha med hela djur- och nöjesparken inklusive omkringliggande vattenområde. Flygningen planerades utifrån områdets storlek för att uppnå en optimal och tidsbesparande flygning. I bilaga A redovisas kamerans parametrar och formler som använts vid planeringen.
Enligt beräkningarna krävdes 586 bilder och 14 flygstråk. Flygstråken beräknades med 60 procent övertäckning i sidled och 80 procent i stråkled, inklusive en marginal på 15 procent i områdets ytterkanter för att säkerställa att hela området täcktes från en flyghöjd på 100 m.
Flygstråken ritades manuellt in över området (figur 1) som en beställning till piloten som sedan planerade den faktiska flygningen.
Figur 1. Stråkplanering över Furuviksparken. Karta hämtad från © Lantmäteriet.
3.1.1 Stompunkter
Som kontroll för inmätning av flygsignaler mättes sex av Gävle Kommuns
stompunkter (bilaga B) in i området. Stompunkterna angivna i SWEREF 99 16 30 mättes in med nätverks-RTK i 60 sekunder under två tillfällen med några timmars mellanrum för att undvika tidsmässiga korrelationer. Höjdfixar fanns ej tillgängliga i området. Samtliga mätningar med GNSS genomfördes med Leica GS14
Serienummer: 2811780 med handenhet Leica CS15 med serienummer: 2501620.
Om inget annat anges så har mätningarna i denna rapport utförts med SWEPOS nätverks-RTK och geoidmodellen SWEN08_RH2000 mot satelliter från Glonass och GPS. Geoidmodellen används för att transformera höjder över ellipsoiden till höjder över havet (geoiden). I hela landet, med undantag av de högsta fjällen i nordväst, uppskattas medelfelet för en geoidhöjd från SWEN08_RH2000 vara 10- 15 mm (Ågren, 2009). Elevationsgränsen, ett värde som gör det möjligt att avgränsa satelliterna nära horisonten, ställdes in på 15 grader (Lilje, Engfeldt &
Jivall, 2007).
Flygsignaler
Vid flygningen med UAS användes flygsignaler med storleken 0,4 x 0,4 m, en storlek som rekommenderas av Mårtensson & Reshetyuk (2015) vid en flyghöjd på cirka 100 m. De flygsignaler som användes under flygningen var gjorda av
masonitskivor och målade i timglasform i färgerna svart och vitt (figur 3 och 4).
Flygsignalerna placerades horisontellt på marken i utkanten samt i mitten av området (figur 2) och förankrades med hjälp av en sten i varje hörn (figur 3) eller med plastspik i mitten (figur 4). Totalt placerades 17 signaler ut varav elva användes för georeferering och sex som kontrollpunkter. Enligt Persson & Gunnarsson (2013) påverkas osäkerheten vid georefereringen av antalet flygsignaler samt dess placering.
Studien visade dock att mätosäkerheten planade ut när sju eller fler flygsignaler med god geometri användes.
Inmätningen av flygsignalerna genomfördes med nätverks-RTK, i likhet med Mårtensson & Reshetyuk (2017) studie, genom att på ett stativ med optiskt lod centrera antennen och mottagaren över flygsignalen (figur 5). Mätningarna genomfördes med en position per sekund i 60 sekunder vid två tillfällen
(Mårtensson, Reshetyuk, & Jivall, 2012). För att undvika tidsmässiga korrelationer bör mätningarna enligt Mårtensson & Reshetyuk (2017) utföras med minst 45 minuters mellanrum och i denna studie var det två timmar eller mer mellan första och andra inmätningen.
Jonosfäriska störningar är något som behöver tas hänsyn till vid mätning med
nätverks-RTK. Störningar i jonosfären kan ge upphov till problem vid fixlösning och beror på att solens aktivitet leder till laddade partiklar i jonosfären som kan störa GNSS-signalerna (Lantmäteriet. u.å). Jonosfäriska störningar för de aktuella flygdagarna kontrollerades och redovisas i bilaga C.
Figur 2. Flygsignalernas placering i området.
3.1.2 Kontroll av flygsignaler och stompunkter
En kontroll av stompunkternas koordinater utfördes genom att beräkna
flygsignalernas RMS enligt ekvation 1 i plan och ekvation 2 i höjd (bilaga E) samt stompunkternas RMS-värde i plan (bilaga D) enligt ekvation 1. Detta för att utesluta eventuella systematiska fel mellan kommunens stompunkter och de inmätta
stompunkterna (HMK-Flygfotografering, 2017).
Beräkning av RMSplan utförs med avvikelsen (∆N och ∆E) mellan varje flygsignals och stompunkts koordinater samt det totala antalet flygsignaler/stompunkter (n) enligt ekvation 1.
𝑅𝑀𝑆𝑝𝑙𝑎𝑛√∑𝑛𝑖=1∆𝑁𝑖 2+ ∑𝑛𝑖=1∆𝐸𝑖2
𝑛 (1)
För beräkning av RMShöjd används avvikelsen mellan varje flygsignals och stompunkts koordinat i höjd (∆H) samt det totala antalet flygsignaler (n) enligt ekvation 2.
𝑅𝑀𝑆ℎö𝑗𝑑= √∑𝑛𝑖=1∆𝐻𝑖2
𝑛 (2)
Figur 3. Flygsignal förankrad med sten.
Figur 4. Flygsignal förankrad med plastspik i
mitten. Figur 5. Stativ med optiskt lod centrerad över
flygsignal.
3.1.3 Flygning med UAS
Flygningen över Furuviksparken utfördes med multikopter från Altigator (figur 6) med kamera Sony DSC-RX100M2. Flygningen utfördes under två dagar (23 och 26 april 2018) på grund av tekniska problem under första dagen. Vädret vid båda flygningarna var till största del soligt med lite inslag av moln. Det soliga vädret resulterade i en del skuggor i bilderna samt ett fåtal överexponerade bilder.
Flygrutten som planerats i förväg delades in i sju delar på grund av begränsad
batteritid. Från start till landning beräknades batteritiden till mellan 15-18 minuter.
Flygningarna resulterade i 1036 bilder.
Figur 6. Multikopter med tillhörande handenhet.
3.2 Databearbetning
Med de data som samlats in i form av bilder från flygningarna och koordinater för flygsignaler påbörjades bearbetningen för att skapa en markmodell, ortofotomosaik och höjdkurvor över området. Databearbetningen genomfördes i programvaran Agisoft PhotoScan, version 1.4.2. PhotoScan behandlar fotogrammetrisk data för att skapa 2D- och 3D modeller (Agisoft, u.å.). Programvaran har även använts i tidigare studier som Uysal et al. (2015) och Mårtensson & Reshetyuk (2017). Som stöd vid databearbetningen användes PhotoScans manual för att skapa ortofotomosaik och DHM (Agisoft, u.å.). Bilderna tagna under flygningarna sorterades och
kontrollerades av piloten för att utesluta suddiga eller felvridna bilder. I
programvaran PhotoScan genomfördes ytterligare en sortering för att endast få de önskade bilderna från de planerade flygstråken i den fortsatta bearbetningen.
3.2.1 Blockutjämning och georeferering
Efter sortering av bilder genomfördes en blockutjämning i PhotoScan. Genom bildmatchning lokaliserades gemensamma punkter i de överlappande bilderna för att skapa ett glest punktmoln. Bilderna som importerades i PhotoScan innehöll ingen position för kamerans exakta läge när bilderna togs, något som innebär att
processtiden för blockutjämningen påverkas negativt (Agisoft. u.å.). Då bildernas position inte var kända valdes inställningen Generic. Inställningen Generic innebär att programmet i första hand parar ihop bilderna genom en generell bildmatchning med en lägre osäkerhet, innan den slutliga bildmatchningen genomförs. Noggrannheten för blockutjämningen ställdes in på Low, detta bidrar till att processen tar kortare tid men också till en lägre kvalitet i bildpositioneringen (Agisoft. u.å.).
Flygsignalerna som mättes in vid varje flygningstillfälle användes för att georeferera bilderna. För att generera en noggrann georefererad ortofotomosaik
rekommenderar Agisoft (u.å.) användande av minst 10-15 flygsignaler, väl utspridda över området. Koordinaterna för de 17 inmätta flygsignalerna importerades till PhotoScan som en textfil. Därefter identifierades alla bilder som innehöll en flygsignal och markören justerades manuellt för att lokalisera flygsignalens centrum (Figur 7). Flygsignaler som vid kamerans exponeringstillfälle låg i bildens ytterkant samt de av dålig kvalitet avmarkerades. Av de 17 signaler som mättes in användes 11 för georeferering och 6 som kontrollpunkter för det georefererade punktmolnet.
3.2.2. Tät bildmatchning
Blocket bearbetades sedan till ett tätt punktmoln. I PhotoScan är det möjligt att välja nivå efter den kvalitet som vill uppnås från Low till Ultra high. Valet av kvalitet påverkar både processtiden och den önskade kvaliteten, i detta jobb användes Low då en kortare processtid och lägre noggrannhet eftersträvas. Valet av filtreringsmetod för detaljrikedomen valdes till
aggressive, vilket innebär en djupt reducerad detaljrikedom (Mårtensson & Reshetyuk, 2015).
Figur 7. Markör placerad i flygsignalens centrum.
3.2.3 DHM och ortofotomosaik
I PhotoScan genomfördes en automatisk klassificering av markpunkter i det täta punktmolnet. Klassificeringen möjliggjorde bortsorterande av punkter som ej ansågs tillhöra markytan för att skapa en optimal DHM av endast markpunkterna. De klassificerade markpunkterna exporterades som ett punktmoln till SBG Geo för att skapa en markmodell genom triangulering för analys av kontrollprofiler. SBG Geo (version 2016.1.952.67) är en programvara från Svensk byggnadsgeodesi (SBG) som är specialiserat för hantering av geodetiska mätningar (Mårtensson & Reshetyuk, 2015). Från den genererade DHM:en skapades en ortofotomosaik i PhotoScan som grund för kartering. Höjdkurvor exporterades från PhotoScan för att importeras i ArcMap som höjdkurvor i den färdiga kartan. Rapport för bildbehandling i PhotoScan redovisas i bilaga F.
3.2.4 Kontrollprofiler
Den DHM som framställts i PhotoScan kontrollerades genom inmätning av kontrollprofiler i fält. Provningen baseras enligt SIS-TS 21144:2016 på en
undersökning av markmodellens kvalitet vid olika marktyper. Provningsutförandet genomfördes mot utförande A som innebär en skattad bedömning av systematiska fel samt som en leveranskontroll av den färdiga modellen. Antalet kontrollprofiler i området baseras på arean (A), angivet i hektar avrundat uppåt till närmsta heltal, och antalet marktyper (N) som ligger inom området (SIS-TS 21144:2016). Antalet profiler beräknades till 15 stycken enligt ekvation (3). Marktyper inom
provningsområdet var tre stycken, hårdgjorda ytor, öppen jämn terräng samt skogsmark och ojämn terräng. Indelning av profiler efter marktyper redovisas i Tabell 1.
3𝑁 + √𝐴 (3)
Sammanlagt mättes 19 kontrollprofiler in för att säkerställa att tillräckligt många profiler uppfyllde SIS-TS 21144:2016 krav. Av dem användes 15 kontrollprofiler i denna studie.
Tabell 1. Profiler indelade efter marktyper
Marktyper Profiler
Hårdgjorda ytor A,B,F,H,L,M,N
Öppen jämn terräng O,D,E,G,K
Skogsmark och ojämn terräng C,I,J,
Profilerna mättes i huvudsak in med nätverks-RTK. I två av de 15 profilerna användes totalstation på grund av mer svåråtkomliga områden som till exempel skogsområden där uppkoppling ej är möjligt. Vid etablering med totalstation användes fri stationsetablering med kända bakåtobjekt inmätta med nätverks-RTK.
Kontrollprofilerna placerades på områden som gav en god representation av
markytan baserat på modellens utformning (figur 8). Profilerna gjordes efter de krav som ställs i SIS-TS 21144:2016, 20 m eller längre med ett genomsnittligt antal punkter på minst 20 stycken i respektive profil. Enligt SIS-TS 21144:2016 ska en planfot användas vid profilmätning men den kvalitet som eftersträvas i detta arbete blir det ej av betydelse för slutprodukten därför användes prismastång och lodstav med spetsig fot.
3.2.5 Osäkerheten i höjd
Den genererade markmodellen jämfördes med de inmätta kontrollprofilernas koordinater i SBG Geo, markmodellen minus koordinatfilen. Beräkningar enligt ekvation 4-8 utfördes i programvaran Excel (bilaga E).
Avvikelser (Ah) för varje enskild profilpunkt beräknades enligt ekvation (4) med hjälp av punkterna för kontrollprofilen (Kh) och markmodellen (Th).
𝐴ℎ = 𝑇ℎ − 𝐾ℎ (4)
Beräkning av medelavvikelsen (Ahm) för varje enskild profil genom ekvation (5) utförs med höjdavvikelse (Ahi) för profilpunkterna samt dess antal (n).
𝐴ℎ𝑚 = ∑𝑛𝑖=1𝐴ℎ𝑖
𝑛 (5)
För varje enskild profil beräknades standardosäkerheten (Sp) utifrån profilens punktbaserade höjdavvikelser (Ahi), varje enskild profils medelavvikelse (Ahm) samt antalet punkter i profilen (n) genom ekvation (6).
𝑆𝑝 = √∑𝑛𝑖=1(𝐴ℎ𝑖−𝐴ℎ𝑚)2
𝑛−1 (6)
Den största (Maxp) och minsta (Minp) avvikelsen för varje profil beräknades för att kontrollera avvikelsernas spridning.
I ekvation (7) används varje enskild profils medelavvikelse (Ahm=Map) samt
profilpunkternas antal (n) för att få fram medelavvikelsen för hela områdets profiler (Mapt).
𝑀𝑎𝑝𝑡= ∑𝑛𝑖=1𝑀𝑎𝑝
𝑛 (7)
Från medelavvikelsen av områdets profiler beräknades standardosäkerheten (Spt) enligt ekvation (8) från medelavvikelsen för hela områdets profiler (Mapt), varje enskild profils medelavvikelse (Map) samt antalet punkter i profilerna (n).
𝑆𝑝𝑡= √∑𝑛𝑖=1(𝑀𝑎𝑝−𝑀𝑎𝑝𝑡)2
𝑛−1 (8)
3.3 Kartframställning i ArcMap
Ortofotomosaiken som framställdes i PhotoScan exporterades som en TIFF-fil till ArcMap (version 10.5.1). ArcMap är ett kartprogram tillverkat av företaget Esri som behandlar mjukvaror för kartering och rumsliga analyser (Esri. u. å.). Den georefererade ortofotomosaiken digitaliserades utefter de objekt som kunde lokaliseras såsom byggnader, hägn och gångvägar i parkområdet. Som grund för karteringen användes manér från HMK-Kartografi (1996). Efter önskemål från Furuviksparken numrerades alla byggnader. Rekognosering och kartkontroll i området gjordes för att kunna slutföra karteringen där oklarheter fanns, som till exempel skuggiga områden i ortofotomosaiken eller för att skilja på skärmtak och byggnader.
3.3.1 Kartkontroll
När kartprodukten producerats görs en kartkontroll av den färdiga kartan genom stickprov inmätta i fält. 22 punkter mättes in med nätverks-RTK under 60 sekunder per punkt, i enlighet med HMK-Geodatakvalitet standardnivå 3. Standardnivå 3 innebär kartläggning för projektering, byggande och förvaltning och har ett krav på 0,05 m i avvikelse mellan kartan och verkligheten. Punkternas läge var väl planerade efter fasta objekt och gränser som var väl synliga i ortofotomosaiken som t.ex.
brofästen, poolkant och kajkant. Koordinaterna från stickproven i den färdiga kartan jämfördes med koordinaterna från de i fält inmätta stickproven. De i kartan
markerade stickproven visas i figur 9. Med stickprov kan den slutliga kartans kvalitet kontrolleras mot de dokument som styr kartframställningen. Beräkningar av
standardosäkerheten (ekvation 8) och RMS (ekvation 1) för kontroll mot HMK:s krav utfördes i Excel (Bilaga G).
I HMK-Geodatakvalitet finns 4 olika standardnivåer (tabell 2) som anpassas efter de krav som finns från beställare och de tekniska produktionsmöjligheterna.
Kartkontrollen anges av en lägeskontroll som redovisas i form av standardosäkerhet för plan respektive höjd. Höjden kontrolleras genom att jämföra skillnaden mellan inmätta kontrollprofiler och markmodellen.
Tabell 2. Standardnivåer enligt HMK-Geodatakvalitet.
HMK-
Standardnivå 0 1 2 3
Exempel på ändamål för mätning och kartläggning
Global/nationell bevakning av miljö och naturvård
Nationell/regional översiktlig planering
Detaljplanering av tätort
Projektering och byggande av infrastruktur och byggnader Ungefärlig
lägesosäkerhet ≥1 m ≤1 m ≤0,1 m ≤0,05 m
Exempel på geodetiska mätmetoder
Absolut positionering med GNSS
dGPS/dGNSS RTK eller Nätverks-RTK
Totalstation, projektanpassad Nätverks-RTK och terrester laserskanning
I HMK-Flygfotografering väljs standardnivån utifrån de nivåer som anges i HMK- Geodatakvalitet (tabell 2). Utifrån den valda standardnivån finns rekommendationer från beställaren. Rekommendationerna behandlar bland annat bildkvalitet,
fotograferingsperiod och vilken lägesosäkerhet som kan förväntas vid ideala förhållanden. Vid standardnivå 3 enligt HMK-Flygfotografering kan beställaren förvänta sig en standardosäkerhet inom 0,02-0,05/0,03-0,07 m i plan respektive höjd.
I HMK-Kartografi används stickprov som kartkontroll av den producerade kartan.
Antalet stickprov är beroende av vilka förhållanden som finns i området samt de kostnader som styr projektet. Minst 10 stickprov ska utföras över det karterade området för att få en rättvis bedömning. RMS värdet från stickproven jämfördes mot en given tabell i HMK-Kartografis bilaga C. Där anges felgränser för kartans godkännande, vid 20 stickprov är den lägsta gränsen 0,07 m. Dessa felgränser är baserade på ritade kartoriginal (HMK-Kartografi, 1996).
I norska geodatakvalitet- Standarder geografisk informasjon finns liknande krav som ställs ur det svenska regelverket HMK-Geodatakvalitet. Lägesosäkerheten anges i form av absolut - eller lokal lägesosäkerhet. I likhet med svenska HMK-
Geodatakvalitet syftar lägesosäkerheten på osäkerheten för en viss position i förhållande till verkligheten. Den norska geodatakvalitet behandlar standarden för att bestämma och dokumentera kvaliteten på geodata i form av kontrollplan och utförande av kontrollplanen. I norska geodatakvalitet utgår kraven på osäkerheter från beställarens krav och behov.
I Finlands serie med anvisningar, JHS 185 från 2014 inklusive dess 5 bilagor finns riktlinjer för upprättande av baskartor som till exempel lämplig mätningsteknik, krav och kvalitetskontroll. Kvalitetskraven utgår ifrån tre olika mätningsklasser:
Mätningsklass 1: ≤ 0,12 m - områden med mycket högt markvärde (t.ex. städers centrumområden)
Mätningsklass 2: ≤ 0,20 m - områden med höga markvärden (t.ex. centrum i mindre tätorter, landskommuner )
Mätningsklass 3: ≤ 0,30 m - områden där markvärdet är högre än värdet för jord- och skogsmark (t.ex. detaljplanerat område för fritidshus)
3.3.2 Tidsåtgång
Projektets tid var begränsad till 9 veckors effektivt arbete. Arbetet startade den 26/3-18 och avslutades den 27/5-18. Program för databearbetning bestämdes innan arbetets start men ändrades under arbetets gång på grund av att det saknades
kapacitet för att processa drygt 1000 flygbilder. Planering och utförande av flygning, mätningar, kartering, inläsning och rapportskrivande dokumenterades dagligen i Excel under projektets 9 veckor som grund för bedömning av tidsåtgången.
4 Hållbarhet och etik
4.1 Hållbar utveckling
Att flyga med UAS istället för ett vanligt flygplan eller helikopter innebär betydligt mindre åtgång av drivmedel då en UAS drivs av el (batterier). Åtgången av material vid tillverkningen är dessutom minimal för UAS. Det krävs ingen tillgång till flygplats då start och landning kan utföras i direkt närhet till platsen som ska fotograferas. UAS kan flyga på låg höjd utan störande buller.
Till hållbar utveckling hör även att främja människors arbetsmiljö och hälsa. Genom att använda UAS vid olika mätsituationer behöver inte personal utsättas för farliga miljöer så som rasrisker, svåråtkomliga områden och miljöer med giftigt avfall.
4.2 Etiska aspekter
Etiska aspekter som tagits hänsyn till i detta projekt är att värna personers privatliv genom att vid planeringen av flygrutt undvika att fotografera privata tomter. Att de material som kommer att publiceras inte innehåller personer eller bilar som går att identifiera. För att minimera risken för att någon ska komma till skada under flygningen utfördes flygningen med hjälp av en erfaren pilot.
5 Resultat
5.1 Kartframställning över Furuviksparken
Stompunkternas inmätta koordinater jämförs med kommunens. Resultatet visar att tre av de sex inmätta stompunkternas koordinater jämfört med kommunens
stompunkter hade en differens på några millimeter, inget som påvisar systematiska avvikelser (bilaga D). De övriga tre av punkterna, 16240, 16242, och 16261, skiljer sig dock mer än övriga vilket kan förklaras av deras läge i terrängen då inmätningen med nätverks-RTK kan ha påverkats av sikthinder och flervägsfel (HMK-GNSS- baserad detaljmätning, 2017).
Turistkartan som skapats över Furuviksparken innehåller information om bland annat bebyggelse, hägn och gångvägar. Förutom turistkartan skapades 2 kartor med olika information, en med höjdkurvor och en där alla byggnader är numrerade (figur 10-12). Byggnaderna delades in i två olika kategorier baserade på Gävle kommuns primärkarta, byggnader med verksamhet samt skärmtak. Skalan på kartorna är 1:1500.
5.2 Kartkontroll 5.2.1 Osäkerhet i höjd
Höjdavvikelsen mellan markmodellen och kontrollprofilerna spridda över området redovisas i bilaga H. I tabell 3 och 4 redovisas resultatet av kontrollberäkningarna mellan markmodellen och kontrollprofiler för samtliga kontrollprofiler samt uppdelat efter terrängtyp. Den största medelavvikelsen (Ahm) uppnår 0,066 m för enskild profil. Resultaten visar inga tecken på systematiska avvikelser då
medelavvikelsen (Ahm) visar att profil A, B, C, D, E, I, J, K, L och N är belägna över markmodellen och F, G, H, M och O är belägna under. Medelavvikelsen för hela studieområdet resulterade (Mapt) i 0,012 m och den sammanlagda
standardosäkerheten (Spt) i 0,032 m.
Tabell 3. Kontrollberäkningar mellan markmodellen och kontrollprofiler.
Profil n Ahm (m) Sp (m) Minp(m) Max p (m) Mapt (m) Spt (m)
A 23 0,003 0,035 -0,054 0,066
0,012 0,032
B 22 0,002 0,020 -0,04 0,042
C 19 0,039 0,034 -0,007 0,135
D 21 0,072 0,041 0,014 0,184
E 21 0,041 0,045 -0,099 0,138
F 21 -0,002 0,029 -0,047 0,059
G 20 -0,019 0,052 -0,096 0,084
H 23 -0,048 0,013 -0,066 -0,020
I 23 0,066 0,043 -0,014 0,128
J 19 0,016 0,071 -0,131 0,134
K 25 0,013 0,030 -0,056 0,074
L 23 0,003 0,015 -0,030 0,025
M 23 -0,024 0,032 -0,080 0,071
N 22 0,013 0,031 -0,027 0,073
O 22 -0,003 0,026 -0,062 0,082
Tabell 4. Kontrollberäkningar mellan markmodellen och kontrollprofiler efter terrängtyp.
5.2.2 Osäkerhet i plan
Samtliga 22 stickprov användes för kontroll av kartan. Skillnaden mellan
inmätningen och punkten i kartan visar att den radiella avvikelsen varierar mellan 0,0014 m och 0,029 m. Resultatet av medelavvikelsen radiellt är 0,014 m, standardosäkerheten var 0,014 m (Bilaga G). Vilket betyder att resultaten är godkända enligt HMK-Geodatakvalitet krav på 0,05 m, HMK-Flygfotograferings krav på 0,02-0,05 m samt HMK-Kartografis krav på 0,07 m. 5.3
Hårdgjorda ytor Öppen jämn
terräng Skogsmark och ojämn terräng Profiler A, B, F, H, L, M, N D, E, G, K, O C, I, J
n 7 5 3
Minp (m) -0,020 -0,004 0,001
Maxp (m) 0,073 0,184 0,135
Mapt -0,007 0,021 0,040
Spt 0,021 0,036 0,025
5.3 Tidsstudie
Momenten i detta projekt innehöll allt från inläsning på ämnesområdets olika metoder till att producera en färdig karta. Projektet genomfördes under 9 veckor och tidsåtgången samt vilket arbete som utfördes dokumenterades. Sammanlagt lades 374 timmar ner på projektet. Delmomenten beskrivs översiktligt i tabell 5 för att få en uppfattning av projektets omfattning. I detta projekt fanns inga
instruktioner eller krav på mätmetoder vilket gör att denna tidsstudie endast ger en överskådlig bild för framtida studier inom ett eventuellt civilingenjörsprogram inom lantmäteriteknik på HiG.
Tabell 5. Sammanställning av projektets tidsåtgång, redovisas i timmar och procent.
Moment Inläsning och skrivande
Planering av flygning
Rekognosering och dialog med beställare
Flygning och mätning
Bearbetning av mätdata i
Geo
Bearbetning av data i PhotoScan
Kartframställning i Arcmap
Tid 128 14 13 33 25 105 50
Procent 34 4 4 9 7 28 14
Totalt 374
6 Diskussion
Multikoptern som användes i denna studie hade en begränsad flygtid på 15-18 minuter som medförde att flygningen delades upp i sju flygningar. Detta var fem fler än vid den tidigare flygningen (Hammas, 2016) med ett fastvingeplan över
Furuviksparken. Flygningen med fastvingeplanet genomfördes på två flygningar under sammanlagt 25 minuter över ett något mindre område. Det ökade antalet flygningar, en marginal i ytterkanterna samt planering av lämpligt utformade flygstråk vid pilotens slutliga flygplanering bidrog till att antalet flygbilder ökade.
Från det beräknade 586 bilder till det slutliga 1036 bilder. Även laddningstiden för batterierna påverkade tiden för flygningstillfället. Enligt Siebert & Teizer (2014) är UAS är ett prisvärt alternativ för insamling av data men har dock en begränsad flygtid. Det finns dock UAS med längre batteritid på marknaden som nämns av Devriendt & Bonne (2014) samt av Davis et al. (2014). Fler flygningar och väntan på batterier som laddas innebär fler arbetstimmar för flygning och därmed en ökad arbetskostnad.
Vid georeferering av flygbilderna upptäcktes bilder som var överexponerade och/eller tagna vid starkt solsken. Dessa bilder sorterades bort då det var svårt att urskilja centrum på flygsignalerna. Flygsignaler målade med timglasmönster i
storleken 0,4 x 0,4 m (figur 3,4 och 7) visade sig lämpliga att urskilja vid en flyghöjd på 100 m som är den flyghöjd samt typ och storlek av flygsignal som
rekommenderas av Mårtensson & Reshetyuk (2015).
Resultatet av kartkontrollen utförd med 22 stickprov resulterade i ett RMS värde på 0,014 m samt en standardosäkerhet på 0,014 m. Detta innebär att både HMK- Geodatakvalitets krav på en standardosäkerhet under 0,05 m samt HMK-
Flygfotograferings krav på 0,02-0,05 m uppfylls. HMK-Kartografi kunde med god marginal uppfyllas enligt deras högsta krav på RMS 0,07 m för 20 stickprov. HMK- Kartografi har inte blivit uppdaterad sedan boken släpptes 1996 och kraven i boken är något föråldrade med tanke på dagens teknik som finns vid kartering. Kraven enligt HMK-Kartografi ska uppfyllas när mätningen utförs på handritade kartor vilket är en teknik som idag inte förekommer vid kartering. Vid jämförelse av de olika kraven kan det konstateras att en uppdatering av HMK-Kartografi behövs. I Finland kan alla mätningsklasser (1-3) uppfyllas. Kartan klarar mätningsklass 1 med krav 0,12 m även om området som karterades borde klassas som mätningsklass 2 med kravet 0,20 m, också här kan kraven stramas åt. I Norge är det beställaren som avgör den kvalitet som ska uppfyllas efter de behov som ställs. Detta kan anses som både positivt och negativt eftersom det gör det svårt att se vad som klassas som ett
Resultatet av de 22 inmätta kontrollpunkterna visar att avvikelsen radiellt varierar mellan 0,0014 till 0,029 m. Kontrollpunkt K2 hade en markant radiell avvikelse på 0,084 m och uteslöts ur beräkningarna på grund av grovt fel. Den avvikande kontrollpunkten (K2) är belägen på ortofotomosaiken intill ett område med med skugga som kan påverka resultatet.
Tekniken inom UAS-fotogrammetri har gått framåt de senaste åren och alla HMK- dokumenten har inte följt utvecklingen. HMK-Geodatakvalitet och HMK-
Flygfotografering är idag det dokument som håller en rimlig standard utifrån kartering av bebyggd miljö. Valet av kamera och georeferering är något som
påverkar vilken kvalitet den slutliga produkten kan uppnå och utifrån de möjligheter som finns borde kraven ställas efter dessa. I slutändan är det beställaren som avgör kvaliteten på produkten men en kvalitet som ligger under 0,05 m i bebyggd miljö kan ses som ett rimligt krav.
Profil D belägen intill en stenmur visar även en högre medelavvikelse. I
ortofotomosaiken är området där profilen är belägen skuggad av en stenmur. Enligt Mårtensson & Reshetyuk (2017) kan bildmatchningen i skuggiga områden bli
felaktig och bidra till höjdförskjutningar i markmodellen, vilket kan vara en orsak till det avvikande resultatet. Standardosäkerheten i området (Sp) resulterade i 0,032 m som även den klarar HMK-Geodatakvalitets krav på 0,05 m i höjd. Resultatet är ganska nära det resultat som Starek et al. (2014) uppnådde Med UAS-
fotogrammetri. Den studien utfördes dock på ett universitetsområde och hade troligtvis inte lika varierad terräng som området för denna studie.
Av de 19 inmätta profilerna höll endast 15 av profilerna de krav på linjernas
utformning som ställs i SIS-TS 21144:2016, resterande profiler valdes att uteslutas.
Av de fyra profiler som valdes att uteslutas från beräkningarna låg två i skogsområden samt två på asfalterad yta.
Enligt den planering som gjorts i förväg hade det varit önskvärt att genomföra flygningen minst en vecka tidigare men på grund av snö försenades flygningen.
Databearbetningen i PhotoScan försenade arbetet ytterligare på grund av datorernas lagringsutrymme samt att datorerna ej kunde arbeta under natten. Målet var att använda Autodesk ReCap som ytterligare undersökning av databearbetningen men på grund av problem i programvaran att behandla 1000 bilder användes endast PhotoScan för bearbetning av flygbilder. Lagringsutrymmet samt prestandan i datorerna orsakade att processen med bildbehandling drog ut på tiden. Mosaiken var klar först två veckor innan slutdatum för projektet och kartans färdigställande. Med rätt förutsättningar på datorns prestanda och förutsättningar i den programvaran som används är projektet rimligt att genomföra under 10 veckor. Detta projekt gick
Från planering av flygning till en färdig produkt och dess osäkerheter kan det konstateras liksom Starek et al. (2014) att kartering med UAS-fotogrammetri är en bra metod. Utvecklingen går ständigt framåt inom UAS tekniken och utrustning samt programvaror utvecklas ständigt. Kraven från de svenska regelverken behöver uppdateras för att följa utvecklingens gång. Denna studie är viktig för att få svar på vilken kvalitet som kan förväntas vid kartering med hjälp av UAS-fotogrammetri. Då denna metod har ekonomiska fördelar samt bidrar till en säkrare arbetsmiljö för den som utför mätningen.
7 Slutsats
Resultat från den radiella avvikelsen mellan stickprov i fält samt kontroll i kartan är mellan 0,0014 m och 0,029. Standardosäkerheten för kartkontrollen är 0,014 m med ett RMS på 0,014 m det resultatet visar att vi kan dra slutsatsen att:
• Kartering med ortofotomosaik skapad med UAS-fotogrammetri ger en slutprodukt med låg osäkerhet.
• Den aktuella metoden klarar de krav som finns i nyare HMK-dokument samt i våra grannländers riktlinjer.
• Kartkontrollen enligt HMK-Kartografi från 1996 har som högsta krav 0,07 m där vårt resultat blev 0,014 m. Vilket visar att utvecklingen av metoder och instrument de senaste 20 åren har möjliggjort resultat med betydligt lägre osäkerheter.
• Tidsstudien visar att databearbetningen tar cirka tre gånger så lång tid som flygning och inmätning. Skapandet av kartan tar cirka 50 procent längre tid än flygning och inmätning. Flygtiden kan dock kortas ner med bättre batterikapacitet. Databearbetningen kan även kortas till viss del då det i denna studie tog extra lång tid på grund av dålig datakapacitet och en för oss ny programvara.
8 Vidare studier
Furuviksparken är intresserade av ett fortsatt samarbete med HiG. De efterfrågar batymetrisk mätning av Furuviksparkens omkringliggande vattenområde för information om vattendjupet för ankommande gäster i hamnen samt kartering av campingområdet beläget söder om parken. Intressant för vidare studier inom campingområdet är att undersöka tidsskillnaden och tillvägagångssättet i olika programvaror. Studier om bearbetning i olika programvaror finns idag redan inom området men utvecklingen går ständigt framåt och nya och uppdaterade program finns på marknaden. Autodesk ReCap som var avsett i detta arbete är av intresse för att uppnå en kortare bearbetningstid.
Referenser
Agisoft. (u.å.). About.Hämtad 15 maj, 2018, från http://www.agisoft.com/about/
Agisoft. (u.å.). Tutorial (beginner level): Orthomosaic and DEM Generation with Agisoft PhotoScan Pro 1.3 (with ground control points). Hämtad 3 april, 2018, från http://www.agisoft.com/pdf/PS_1.3%20-Tutorial%20(BL)%20-
%20Orthophoto,%20DEM%20(GCPs).pdf
Dall’Asta, E., Forlani, G., Roncella, R., Santise, M., Diotri, F. & Morra di Cella, U. (2017). Unmanned Aerial Systems and DSM matching for rock glacier monitoring. ISPRS Journal of Photogrammetry and Remote Sensing, 127, 102–114.
https://doi.org/10.1016/j.isprsjprs.2016.10.003
Devriendt, L. & Bonne, J. (2014). UAS Mapping as an alternative for land surveying techniques? The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol XL-3/W1, Pp 39-45 (2014) VO - XL-3/W1, 39.
https://doi.org/10.5194/isprsarchives-XL-3-W1-39-2014
Esri. (u.å.). About. Hämtad 10 maj, 2018, från https://www.esri.com/en- us/about/about-esri#what-we-do
Fadzil, M. Y. M., Azian, Z. M. & Nasrun, M. N. M. (2016). A review of Small Unmanned Aircraft System (UAS) advantages as a tool in condition survey works. MATEC Web of Conferences, Vol 66, p 00038 (2016) VO - 66, 38.
https://doi.org/10.1051/matecconf/20166600038
Hammas, K. (2016). Framställning av primärkarta över Furuviks djurpark, Gävle, med hjälp av UAS, 28+bilagor. Examensarbete på Högskolan i Gävle
JHS-rekomendatioer (2014) JHS 185 Upprättandet av baskartor för detaljplaner.
Hämtad 18 april, 2018, från http://www.jhs-
suositukset.fi/web/guest/jhs/recommendations/185/full;jsessionid=526946 648D493839FB7893F99E1A1CB1
Kartverket, (2015). Standarder geografisk informasjon Geodatakvalitet. Hämtad 7 april, 2018, från
https://www.kartverket.no/globalassets/standard/bransjestandarder-utover- sosi/geodatakvalitet.pdf
Lantmäteriet, (2017) HMK-Kartografi. Gävle: Lantmäteriverket
Lantmäteriet. (2017). HMK-Flygfotografering. Hämtad 1 april, 2018, från
https://www.lantmateriet.se/globalassets/om-lantmateriet/var-samverkan- med-andra/handbok-mat--och-
kartfragor/dokument/2017/hmk_flygfoto_2017.pdf
Lantmäteriet. (2017). HMK-Geodatakvalitet. Hämtad 1 april, 2018, från
https://www.lantmateriet.se/globalassets/om-lantmateriet/var-samverkan- med-andra/handbok-mat--och-
kartfragor/dokument/2017/hmk_geodatakvalitet_2017.pdf
Lantmäteriet. (2017). HMK-GNSS-baserad detaljmätning. Hämtad 27 april, 2018, från https://www.lantmateriet.se/globalassets/om-lantmateriet/var-samverkan- med-andra/handbok-mat--och-kartfragor/dokument/2017/hmk-gegnss- det_2017.pdf
Lantmäteriet. (u.å). Vad visar jonosfärmonitorn. Hämtad 27 april, 2018, från
https://swepos.lantmateriet.se/tjanster/jonomonitor/vadvisarjonomonitorn.
aspx
Kršák, B., Blišťan, P., Pauliková, A., Puškárová, P., Kovanič, Ľ., Palková, J. &
Zelizňaková, V. (2016). Use of low-cost UAV photogrammetry to analyze the accuracy of a digital elevation model in a case study. Measurement, 91, 276–287.
https://doi.org/10.1016/J.MEASUREMENT.2016.05.028
Mårtensson, S.-G. & Reshetyuk, Y. (2015). Noggrann och kostnadseffektiv uppdatering av DTM med UAS för BIM. Rapport [Trafikverket] NV - 2015:030. Retrieved from http://urn.kb.se/resolve?urn=urn:nbn:se:hig:diva-21409
Mårtensson, S. G. & Reshetyuk, Y. (2017). Height uncertainty in digital terrain modelling with unmanned aircraft systems. Survey Review, 49(355), 312–318.
https://doi.org/10.1080/00396265.2016.1180754
Mårtensson, S. G. Reshetyuk, Y., & Jivall, L. (2012). Measurement uncertainty in network RTK GNSS-based positioning of a terrestrial laser scanner. Journal of Applied Geodesy, 6(1), 25–32. https://doi.org/10.1515/jag-2011-0013 Persson, M. & Gunnarsson, T. (2013). Stödpunkters inverkan på osäkerheten vid
georeferering av bilder tagna med UAS, Independen, iv+28+bilagor. Retrieved from http://hig.diva-
portal.org/smash/get/diva2:628351/FULLTEXT01.pdf%0Ahttp://urn.kb.s e/resolve?urn=urn:nbn:se:hig:diva-14467
Siebert, S. & Teizer, J. (2014). Mobile 3D mapping for surveying earthwork projects using an Unmanned Aerial Vehicle (UAV) system. Automation in Construction, 41, 1–14. Retrieved from
http://10.0.3.248/j.autcon.2014.01.004
SIS-TS 21144:2016. Byggmätning – Specifikationer vid framställning och kontroll av digitala markmodeller. Stockholm: SIS Förlag AB
Starek, J. Davis, T., Prouty, D. & Berryhill, J. (2014) Small-scale UAS for geoinformatics applications on an island campus. Ubiquitous Positioning Indoor Navigation and Location Based Service (UPINLBS), 2014. IEEE.
Uysal, M., Toprak, A. S. & Polat, N. (2015). DEM generation with UAV
Photogrammetry and accuracy analysis in Sahitler hill. Measurement, 73, 539–
543. https://doi.org/10.1016/J.MEASUREMENT.2015.06.010
Bilaga A
Tabell A1. Kamerans parametrar samt beräkningar av stråkplanering.
Flygstråksplanering för kamera Sony DSC-RX100M2
Total area 770000 m 77 ha
Längd 1100 m
Bredd, l 700 m
Flyghöjd, h 100 m
Kamerakonstant, c 0,0104 m
Bildsensor, a1 0,0088 m
Bildsensor, a2 0,0132 m
Bildskala, m 9615,385 m=h/c
Parametrar
(m) Formel
Bildsida i terrängen A1 84,615 A1=mˑa1 Bildsida i terrängen A2 126,923 A2=mˑa2 Fotograferingsbas (B) 17 B = (1-ö)*A1 Avstånd mellan stråk (D) 51 D = (1-ö)*A2
Mått i terrängen
Antal Avrundat Formel
Bilder/stråk 66
Bilder/stråk = (total stråklängd/B)+1 Antal stråk (n) 11,38 12 n=(l-A2/D)+1
plus 15 % 19,04 0,15*A2
Antal stråk +15 % 13,04 14 Stråkräkning
Stråk bilder/stråk Avrundat Totalt
1 - 4 26,11 27 108
5 - 7 63,05 64 192
8 48,27 49 49
9 46,80 47 47
10 45,91 46 46
11 40,89 41 41
Antal flygbilder
Bilaga B
Tabell B1. Använda stompunkter från Gävle Kommuns stompunktskarta.
Figur B1. Stompunktskarta över Furuvik från Gävle Kommun.
Punktnummer N E Markering
16212 6 727 705,013 196 078,956 Rör i berg
16213 6 727 766,309 195 927,752 Rör i berg
16240 6 727 249,833 196 183,064 Rör i jordfast sten
16241 6 727 464,575 196 147,563 Rör i berg
16242 6 727 606,982 195 859,042 Rör i berg
16261 6 727 278,696 195 991,545 Rör i mark med däcksel
Bilaga C
Figur C1. Jonosfärens störning under första mätningstillfället från Lantmäteriet.
Figur C2. Jonosfärens störning under andra mätningstillfället från Lantmäteriet.
Bilaga D
Tabell D1. Resultatet av inmätta stompunkter jämfört med kommunens fastställda i enheten meter.
Punkt ID N E H ∆N ∆E ∆H
X1-16240 6727249,820 196183,058 2,344
X2-16240 6727249,811 196183,049 2,317 0,009 0,009 0,027 K16240 6727249,833 196183,064
X1-16241 6727464,559 196147,559 3,956
X2-16241 6727464,562 196147,558 3,949 -0,003 0,001 0,007 K16241 6727464,575 196147,563
X1-16212 6727705,007 196078,953 9,175
X2-16212 6727705,009 196078,955 9,180 -0,002 -0,002 -0,005 K16212 6727705,013 196078,956
X1-16261 6727278,647 195991,540 5,363
X2-16261 6727278,677 195991,538 5,397 -0,030 0,002 -0,034 K16261 6727278,696 195991,545
X1-16213 6727766,297 195927,740 10,458
X2-16213 6727766,303 195927,741 10,454 -0,006 -0,001 0,004 K16213 6727766,309 195927,752
X1-16242 6727606,972 195859,055 4,595
X2-16242 6727606,961 195859,039 4,662 0,011 0,016 -0,067 K16242 6727606,982 195859,042
RMS 0,014 0,008 0,033
RMS 0,016 plan
Bilaga E
Tabell E1. Resultat för beräkningar av avvikelser för inmätta flygsignaler i enheten meter.
N E H ∆N ∆E ∆H
Point 1 6727172,791 195909,337 5,142 -0,009 0,005 0,009 6727172,800 195909,332 5,133
Point 2 6727125,026 195920,045 5,678 0,012 0,003 0,053 6727125,014 195920,042 5,625
Point 3 6727159,623 195984,912 5,825 0,009 -0,017 0,007 6727159,614 195984,929 5,818
Point 4 6727155,271 196022,280 7,834 0,003 -0,007 0,008 6727155,268 196022,287 7,826
Point 5 6727723,046 196089,266 5,588 -0,013 0,002 -0,009 6727723,059 196089,264 5,597
Point 6 6727547,767 195875,268 1,700 -0,006 0,012 -0,025 6727547,773 195875,256 1,725
Point 7 6727763,579 195932,656 11,003 0,001 0,007 0,000 6727763,578 195932,649 11,003
Point 8 6726993,330 195613,714 12,495 0,008 -0,004 -0,006 6726993,322 195613,718 12,501
Point 9 6727155,747 195659,645 6,433 0,009 0,002 -0,023 6727155,738 195659,643 6,456
Point 10 6727363,112 195824,161 2,747 -0,022 0,000 0,009 6727363,134 195824,161 2,738
Point 11 6727445,629 196129,982 6,911 0,006 0,003 0,004 6727445,623 196129,979 6,907
Point 12 6726911,869 195913,018 12,23 -0,003 -0,002 0,015 6726911,872 195913,020 12,215
Point 13 6726999,072 195806,883 15,919 -0,002 0,00 -0,026 6726999,074 195806,883 15,945
Point 14 6727331,229 195937,266 2,565 -0,011 0,003 -0,051 6727331,240 195937,263 2,616
Point 15 6726923,016 196009,610 9,650 -0,004 0,005 0,012 6726923,020 196009,605 9,638
Point 16 6726995,691 196136,037 5,563 -0,001 -0,003 0,009 6726995,692 196136,040 5,554
Point 17 6727130,861 196077,970 5,422 -0,007 -0,007 0,010 6727130,868 196077,977 5,412
N E H
RMS 0,009 0,006
Bilaga F
Figur F1. Ortofotomosaik genererad i PhotoScan.
Figur F3. Bildförflyttning vid blockutjämning.
Figur F5. Flygsignalers och kontrollpunkters osäkerheter.
Figur F6. Markmodell genererad i PhotoScan.
Figur F7. Rapport genererad i PhotoScan.
