Fotogrammetrisk 3D-modellering av en kraftledningsstolpe med UAV: Undersökning av modellernas geometriska kvalitet

Fotogrammetrisk 3D-modellering av en kraftledningsstolpe med UAV

Undersökning av modellernas geometriska kvalitet

Photogrammetric 3D-modeling of a power line pole with UAV - Examination of the models geometric quality

Benjamin Grimstad

Fakulteten för hälsa, natur- och teknikvetenskap

Högskoleingenjörsprogrammet i lantmäteriteknik och geografisk IT Examensarbete 22,5 hp

Handledare: Jan-Olov Andersson Examinator: Jan Haas

Datum: 2019-06-03

Sammanfattning

Det övergripande syftet med studien är att undersöka hur mycket en fotogrammetriskt modellerad kraftledningsstolpe skiljer sig från verkligheten och undersöka vilken flyghöjd som ger bäst resultat. I studien har två 3D-modeller skapats med hjälp av UAV-bilder tillsammans med RTK-inmätta markstöd. I båda modellerna har lodbilder tagna från 40 meters höjd använts.

Den första modellen kompletterades med snedbilder tagna från 40 meters höjd och den andra modellen med snedbilder tagna från 30 meters höjd. För att jämföra modellerna med den verkliga kraftledningsstolpen mättes totalt 25 detaljer på stolpen in med en totalstation och användes som kontrollpunkter. Dessa jämfördes med motsvarande punkter i 3D-modellerna och avvikelser räknades fram. Resultatet visar en radiell medelavvikelse i plan på 0,04 meter för modell 1 och 0,03 meter för modell 2. Medelfelet i höjd är 0,03 meter för modell 1 och 0,02 meter för modell 2. Resultatet visar också att snedbilder tagna på en lägre höjd, vilket innebär större kameravinkel och mindre pixelstorlek, har stor betydelse när programmet Pix4Dmapper ska återskapa en skalriktig och detaljrik 3D-modell. Slutsatsen är att bilder tagna från flyghöjden 30 meter ger en högre kvalitet på modellen.

Abstract

The overall objective of the study was to investigate how much a photogrammetrically modelled power line pole differs from reality and test what flight height gives the best result.

In the study, two 3D models were created using UAV images supported by RTK-measured ground points. In both models, vertical images from a height of 40 meters were used. The first model was supplemented with oblique images taken from a height of 40 meters and the second model with oblique images taken from a height of 30 meters. In order to compare both models with the actual power line pole, a total of 25 details on the pole were measured with a total station and used as control points. The control points were then compared to the same points in the 3D models and the deviations between the real pole and models were calculated. The result shows a radial mean deviation in plane of 0,04 meters for model 1 and 0,03 meters for model 2. The average error in height is 0,03 meters for model 1 and 0,02 meters for model 2. It was also found that oblique images taken at a lower altitude results in a larger camera angle and smaller pixel size. This fact turns out to be of great importance when the Pix4Dmapper program is to recreate a correct scaled and detailed 3D model. The conclusion is that images taken from the flight height of 30 meters results in a better quality of the 3D model.

Förkortningar

GSD - Ground Sample Distance UAV - Unmanned Aerial Vehicle RTK - Real Time Kinematic UAS - Unmanned Aircraft Systems RPV - Remotely Piloted Vehicle ROA - Remotely Operated Aircraft HMK - Handbok i Mät- och Kartfrågor GNSS - Global Navigation Satellite Systems GPS - Global Positioning System

RUFRIS - RealtidsUppdaterad FRI Station

GLONASS - Globalnaya Navigatsionnaya Sputnikovaya Sistema

Innehållsförteckning

1. Inledning ... 1

1.1 Bakgrund ... 1

1.2 Syfte ... 1

1.3 Frågeställningar ... 1

1.4 Avgränsningar ... 2

2. Teori ... 3

2.1 UAV och gällande lagstiftning ... 3

2.2 Flygfotografering och markstöd ... 4

2.3 Fotogrammetri ... 6

2.4 Nätverks-RTK ... 7

2.5 RTK-etablerad fri station med 180-sekunders metoden ... 8

2.6 Framställning av punktmoln i Pix4Dmapper ... 9

3. Metod ... 10

3.1 Datainsamling ... 11

3.1.1 Studieområde ... 11

3.1.2 Inmätning av markstöd och kontrollpunkter ... 12

3.1.3 Flygning ... 13

3.2 Bearbetning av data ... 15

4. Resultat ... 17

4.1 Datainsamling ... 17

4.2 Modell 1 ... 19

4.3 Modell 2 ... 21

4.4 Jämförelse mellan modell 1 och modell 2 ... 23

5. Diskussion ... 25

6. Slutsats ... 27

Referensförteckning ... 28

Bilaga 1 ... 31

Tabell- och figurförteckning

Tabell 1. Kategorier av UAV. ... 4

Figur 1. Illustration av stråköverlappning, där de svarta rektanglarna motsvarar positionen av kameran då bilden togs och de gröna pyramiderna respektive bild som tagits. ... 5

Figur 2. Rekonstruktion av markstödet som Molinder (2017) konstaterade gav lägst radiell avvikelse. 6 Tabell 2. HMK-Standardnivåer enligt Lantmäteriet (2017b). ... 7

Figur 3. Exempel på en bra spridning av bakåtobjekt (gröna trianglar), sett till mätområdet (beige ellips) ... 9

Figur 4. En illustration av hur samma konnektionspunkt på stolpen lokaliseras i två olika bilder. ... 10

Figur 5. Studieområdet ligger inom den gröna cirkeln. Bakgrundsdata kommer från Lantmäteriet. .... 11

Figur 6. Inmätning av markstöd enligt 180-sekundersmetoden (vänster) och inmätning av bakåtobjekt med prisma (höger). ... 12

Figur 7. Överblick av flygområdet (röd rektangel), mätområdet (gul triangel) och placering av kraftlednings-stolpen (blå rektangel). De mindre röda kvadraterna markerar alla markstöd och de små gula trianglarna visar bakåtobjektens spridning i förhållande till totalstationen (gul stjärna). ... 13

Figur 8. Inställningar till ett grid mission i applikationen Pix4Dcapture inför flygning. ... 14

Figur 9. Inställningar till ett circular mission i applikationen Pix4Dcapture inför flygning. ... 15

Tabell 3. Antal bilder som respektive markstöd syns i... 16

Figur 10. En markerad punkt på stolpen i 3D-modellen som visar dess uträknade koordinat. ... 16

Tabell 4. Data för alla inmätta markstöd. ... 17

Tabell 5. Kontrollpunkter inmätta med totalstation ... 18

Figur 11. Bild av kraftledningsstolpen med varje inmätt detalj inringad och numrerad. ... 19

Figur 12. Modell 1 skapad i Pix4dMapper. ... 20

Tabell 6. Extraherade koordinater från modell 1 jämförda med totalstationsinmätningarna, där Nr motsvarar de siffror som syns på stolpen i figur 11. ... 21

Figur 13. Modell 2 skapad i Pix4dMapper. ... 22

Tabell 7. Extraherade koordinater från modell 2 jämförda med totalstationsinmätningarna, där Nr motsvarar de siffror som syns på stolpen i figur 11. ... 23

Figur 14. Diagram med radiell avvikelse i plan. ... 24

Figur 15. Diagram med avvikelse i höjd. ... 24

1

1. Inledning

1.1 Bakgrund

En 3D-modell eller 3D-karta kan ge en bättre uppfattning av ett områdes terräng och objekt.

Vid skapande av 3D-modeller är det vanligt att använda data insamlad genom luftburen laserskanning. Om det inte finns någon sådan data tillgänglig så kan det bli fråga om laserskanning eller fotografering från flygplan eller helikopter vilket innebär höga kostnader.

Ett mindre kostsamt och mer lättillgängligt alternativ till laserskanning är att samla in data fotogrammetriskt med hjälp av UAV. Fotografierna av objektet kan georefereras med hjälp av RTK-inmätta markstöd. Bilderna kan därefter bearbetas i specialprogramvaror för att skapa en skalriktig 3D-modell.

1.2 Syfte

Syftet med detta examensarbete är att utvärdera kvaliteten hos två 3D-modeller skapade med UAV-bilder och RTK-inmätta markstöd. Testobjektet kommer vara en kraftledningsstolpe, där mindre detaljer högt upp på stolpen, så som isolatorer och ledningsinfästningen, är viktiga att inkludera i modellerna.

1.3 Frågeställningar

• Vilka höjder ska väljas för UAV-flygfotograferingen?

• Blir det någon visuell skillnad mellan de båda 3D-modellerna?

• Vad blir noggrannheten i plan och höjd hos respektive 3D-modell i jämförelse med de inmätta kontrollpunkterna från totalstationen?

2

1.4 Avgränsningar

• Arbetet begränsades till skapande och kvalitetstest av två 3D-modeller av en ca 17 meter hög kraftledningsstolpe.

• I projektet användes en Phantom 4 som enligt transportstyrelsens kategorisering av UAV hör hemma i kategori 1.

• Testområdet begränsades till en yta på 50 x 50 meter och flyghöjden var maximalt 40 meter.

• Till de autonoma flygningarna användes applikationen Pix4Dcapture och för att skapa 3D-modellerna användes Pix4Dmapper.

3

2. Teori

2.1 UAV och gällande lagstiftning

Unmanned aerial vehicle eller UAV är det engelska begreppet för en obemannad luftfarkost som enligt Eisenbeiß (2009) härstammar från den amerikanska försvarsmakten på 70-talet.

Andra synonymer för UAV är UAS (Unmanned Aircraft Systems), drönare, RPV (Remotely Piloted Vehicle) eller ROA (Remotely Operated Aircraft) som syftar på en radiostyrd luftfarkost som flygs autonomt alternativt styrs av en pilot från marken (Remondino et al., 2011). Den engelska benämningen UAV kommer användas hädanefter i rapporten.

Utvecklingen av UAV har sedan 70-talet skett både ur ett teknologiskt perspektiv men också sett till användningsområdet. Tidigare användes den huvudsakligen i militärt bruk i syfte att inte utsätta piloten för onödig fara. Idag uppfyller den samma syfte och därutöver har användningsområdet breddats samt fått ett explosionsartat genomslag på den kommersiella marknaden (Zeng & Joon, 2016).

De två vanligaste typerna i segmentet UAV benämns på engelska som fixed wing och rotary wing. Fixed wing kan liknas vid ett flygplan och rotary wing vid en helikopter. En typ av rotary wing är en multi-rotor UAV som flyger med hjälp av fler än ett rotorblad. Enligt Khairul och Anuar (2013) så besitter de flesta UAV en kamera eftersom dess syfte vanligtvis är att fotografera eller filma över ett önskat område (Khairul & Anuar, 2013). Generellt sett kan en fixed wing UAV flyga på en högre höjd i snabbare hastighet och täcka ett större område än en rotary wing UAV. Den klarar också av en tyngre lastvikt, vilket kan möjliggöra en tyngre och bättre kamera. Vid flygning över kuperade områden kan en rotary wing UAV i jämförelse med en fixed wing både lyfta utan startbana och hovra på plats i luften (Remondino et al., 2011). I Sverige regleras användningen av UAV utefter vikt och syfte. Totalt finns 5 olika kategorier, vilka presenteras i tabell 1 (Transportstyrelsen, 2017).

4

Tabell 1. Kategorier av UAV.

Kategori Vikt Syfte

1 Max 7 kg Flygs enbart inom synhåll för pilot 2 Mellan 7 kg & 25 kg Flygs enbart inom synhåll för pilot 3 Mer än 25 kg Flygs enbart inom synhåll för pilot

4 - Får flygas utom synhåll för pilot

5 - Används vid speciella flygningar

För kategori 1 gäller det att farkosten hela tiden måste befinna sig inom synhåll för operatören och att den maximalt tillåtna flyghöjden är 120 meter. Därutöver måste den vara märkt med operatörens namn och telefonnummer utifall något skulle hända (Transportstyrelsen, 2017). I syfte att få en översiktlig bild av det svenska luftrummet har Luftfartsverket (2019) utfärdat en UAV-karta. Kartan visar alla restriktionsområden, flygplatser och kontrollzoner för att informera alla UAV operatörer om tillåtna flygområden som ej stör ordinarie flygtrafik. Det är exempelvis tillåtet att flyga en UAV av kategori 1 inom en kontrollzon, dock ej närmare än 5 kilometer från flygplatsen och enbart om den flygs inom maxhöjden på 50 meter (Luftfartsverket, 2019). Det finns också specifika regler gällande spridning av geografisk information. Enligt SFS (2016:319) måste Lantmäteriet utfärda tillstånd, enligt lagen om skydd för geografisk information, innan bilder som innehåller exempelvis kraftledningar får spridas (Sveriges Riksdag, 2016).

2.2 Flygfotografering och markstöd

Rikstäckande flygfotografier är en produkt Lantmäteriet har ansvarat för och ajourhållit sedan 1950-talet och framåt. Fram till år 2005 var det analoga fotografier i koordinatsystemet RT90 2,5 gon V och höjdsystemet RH 70 som distribuerades. Efter år 2005 digitaliserades hela processen med målet att avbilda hela Sverige med en pixelupplösning på upp till 0,24 meter i alla större tätorter och 0,48 meter i övriga landet. Även koordinatsystemet ersattes mot nya SWEREF 99 TM och höjdsystemet RH 2000. Perioden för fotografering sträcker sig mellan april till september årligen och flygningarna genomförs vanligtvis av Lantmäteriets fotoplan på höjder mellan 2500 meter upp till 7400 meter, beroende på kamera och önskad upplösning.

Lantmäteriet (2018) framhåller att tidpunkt för fotografering avgör hur bra resultatet blir och att det efter snösmältning men före lövsprickning är mest optimala förhållanden. Vid Lantmäteriets flygningar har flygbilderna generellt sett en överlappning i stråkled på 60 % och

5

ungefär 30 % mellan varje flygstråk (se exempel i figur 1), vilket anses vara tillräckligt för stereobearbetning (Lantmäteriet 2018).

Figur 1. Illustration av stråköverlappning, där de svarta rektanglarna motsvarar positionen av kameran då bilden togs och de gröna pyramiderna respektive bild som tagits.

Ett markstöd beskrivs av Lantmäteriet (2017a) som en geodetiskt inmätt punkt, yta eller linje som är tydligt markerad. Markstöd används för att koppla fotografiskt tagna bilder till ett referenssystem i höjd, plan eller 3D samt för att korrigera geometrin vid blocktriangulering. I ett flygområde anser Lantmäteriet att det ska finnas minst ett markstöd i respektive hörn och ett i mitten. Dessa bör ej placeras på skuggiga platser eller kring höga byggnader för att kunna identifieras i samtliga bilder (Lantmäteriet, 2017a).

I en studie av Molinder (2017) utvärderas noggrannheten i flygmätningar och följande fråga ställs: “Hur ska en marksignal se ut för bästa synlighet i bild?”. I studien testas 6 markstöd med storleken 40 x 40 centimeter som alla är målade med olika svartvita mönster. Resultatet visar att markstödet med det schackrutiga mönstret, som visas i figur 2, ger det minsta radiella medelfelet jämfört med övriga markstöd och tillsammans med ett annat var de enda som syntes tillräckligt bra vid flygningar på höjden 230 meter (Molinder, 2017).

6

Figur 2. Rekonstruktion av markstödet som Molinder (2017) konstaterade gav lägst radiell avvikelse.

2.3 Fotogrammetri

Om två eller flera flygfotografier överlappar varandra stereoskopiskt så kommer de visa samma objekt från flera olika vinklar. Ett digitalt flygfotografi är uppbyggt som en matris med pixelvärden där varje pixel utgörs av ett digitalt gråvärde som varierar baserat på strålningsintensiteten som kameran registrerar (Lantmäteriet, 2013). Storleken som varje pixel motsvarar i verkligheten benämns som geometrisk upplösning eller GSD (Ground Sample Distance) på engelska. Kamerans bildupplösning, flyghöjden och ytans struktur är olika faktorer som påverkar GSD. Om exempelvis kameran är vinklad vid fotograferingstillfället kommer bilden få ett högre GSD-värde än om kameran är i lod (Lantmäteriet, 2017a). Det är möjligt att genomföra en automatisk digital bildmatchning och matcha pixlar i de olika bilderna för att räkna ut objektets tredimensionella lägeskoordinater. Begreppet fotogrammetri beskrivs av Lantmäteriet (2013) som “mätning i fotografisk bild” eller bildmätning. Med hjälp av tekniken kan flera bilder användas för att rekonstruera tredimensionella strukturer i en 3D- modell (Lantmäteriet, 2013).

Lantmäteriet (2017d) har myntat begreppet HMK-standardnivå (Handbok i Mät- och Kartfrågor) med innebörden att specifika kvalitetskrav ställs på mätdata i fotogrammetrisk detaljmätning och delar in dem i en av totalt fyra olika nivåer. Varje nivå har ett visst krav på lägesosäkerhet i plan, höjd och GSD i bild. Syftet bakom indelningen är att möjliggöra en förenklad dialog mellan beställare och utförare av de kvalitetskrav som önskas. Nivå 0 som är

7

lägsta kvalitetsnivån, används vanligtvis vid nationell kartläggning av exempelvis vegetation och markanvändning. Bilddata utgörs av satellitbilder och lägesosäkerheten räknas ut med GNSS (Global Navigation Satellite Systems). Nivå 1 används vid regional mätning och dokumentation av exempelvis naturvård, infrastruktur och skogsbruk. Även här används GNSS för lägesosäkerheten och all bilddata samlas in med flygplan. Nivå 2 används ofta vid mätning och dokumentation av tätort och detaljplanering. Kvalitetskraven på den andra nivån är högre och geodatainsamlingen utförs med nätverks-RTK (Real Time Kinematic) eller totalstation och bilddata från flygfoton med högre geometrisk upplösning. Den tredje och högsta nivån används för projektinriktad mätning och ställer höga förväntningar på noggrannhet. Geodata samlas in med totalstation eller nätverks-RTK och bilddata med helikopter, markfordon eller UAV (Lantmäteriet, 2017d). Vilka krav på mätkvalitet som ställs på respektive nivå visas i tabell 2.

Tabell 2. HMK-Standardnivåer enligt Lantmäteriet (2017b).

HMK-Standardnivå Lägesosäkerhet i plan / höjd (m) GSD i bild (m)

0 > 0,50 /

> 0,75 > 0,50

1 0,20 - 0,50 /

0,30 - 0,75 0,20 - 0,50

2 0,08 - 0,12 /

0,12 - 0,18 0,08 - 0,12

3 0,02 - 0,05 /

0,03 - 0,07 0,02 - 0,05

2.4 Nätverks-RTK

Alla markstöd som placeras ut i ett flygområde måste knytas an till ett geodetiskt referenssystem innan de tillämpas. Ett betydelsefullt navigationssystem är GNSS som är välanvänt vid navigering av alla dess slag, både privat och yrkesmässigt. GNSS är ett samlingsnamn för de olika satellitsystem som bland annat USA, Ryssland och Europa driver nationellt. Systemen är kända som GPS (Global Positioning System), GLONASS (Globalnaya Navigatsionnaya Sputnikovaya Sistema) och Galileo, där respektive nation ajourhåller sina egna satelliter. Det finns två olika typer av positionsbestämningar för att räkna ut användarens position. Den enklaste formen kallas absolut positionsbestämning som bygger på avstånds- och tidmätning mellan minst 4 satelliter och en mottagare, där mottagarens position uppdateras i realtid.

Absolut positionsbestämning är det som används i alla mobiltelefoner för att positionsbestämma användaren med en noggrannhet på några meter. Den andra formen heter

8

relativ positionsbestämning och ger en noggrannhet på centimeternivå. Metoden kräver två mottagare, som bägge är anslutna till minst fyra gemensamma satelliter. Den ena mottagaren placeras stationärt på en känd punkt och agerar som referens till den andra mottagaren i realtid (Lilje et al., 2007). Ett alternativ för relativ positionsbestämning utan att behöva etablera en egen tillfällig referensstation, är att använda sig av positionstjänsten SWEPOS. SWEPOS är ett rikstäckande nät av fasta referensstationer som underhålls av Lantmäteriet. Användaren av nätverks-RTK-tjänsten kan koppla upp sig mot SWEPOS i sin GNSS-mottagare via ett mobilt nätverk (Lantmäteriet, 2009). Om användaren befinner sig med ett avstånd på cirka 35 kilometer från närmsta SWEPOS-station kan mätosäkerheten i plan förväntas ligga mellan 10–

15 millimeter och i höjd mellan 25–30 millimeter. För att åstadkomma denna noggrannhet rekommenderar Lantmäteriet (2014) att varje punkt mäts in minst 3 gånger, men helst upp till 30 gånger och att ett medelvärde beräknas (Lantmäteriet, 2014).

2.5 RTK-etablerad fri station med 180-sekunders metoden

När det inte finns några kända punkter att etablera totalstationen mot, är det möjligt att mäta in egna punkter med nätverks-RTK utrustning. Två exempel på tillvägagångssätt är återbesöksmetoden eller Trafikverkets RUFRIS-metod (Realtids Uppdaterad FRI Station), som är tillförlitliga metoder med låg mätosäkerhet. Lundgren Nilsson och Jansson (2015) berättar att det är många som slarvar och inte följer anvisningarna fullt ut. Det kan exempelvis gälla att antalet bakåtobjekt reduceras i RUFRIS-metoden, istället för 15 används 3. Eller att nödvändiga återbesök som krävs i återbesöks-metoden inte utförs. En gemensam nämnare verkar vara tidsbrist. Lundgren Nilsson och Jansson (2015) har därför tagit fram en alternativ metod som heter 180-sekunders metoden. I metoden ska totalstationen etableras mot minst 3 bakåtobjekt som mäts in med nätverks-RTK. Vid varje mättillfälle ska stången stabiliseras upp med ett stativ och samla data i 3 minuter. I en studie som båda deltagit i, har över 200 timmars mätdata sammanställts och visar att medelvärdet av en RTK-mätning som varar i 3 minuter ger i snitt en noggrannhet på 12 millimeter i plan och 22 millimeter i höjd (Lundgren Nilsson & Jansson, 2015). Även Lantmäteriet (2017e) beskriver 180-sekunders metoden som lämplig när inmätningar av genomgående hög kvalitet eftersträvas (Lantmäteriet, 2017e). Vidare ska bakåtobjekten ha en jämn spridning kring mätområdet, vilket visas i figur 3 och inte vara längre bort än 300 meter. Mätningen avslutas genom att mäta in ett av bakåtobjekten en andra gång.

Det kan på så sätt kontrolleras att totalstationen inte förflyttat sig under mätningens gång (Lantmäteriet, 2017c).

9

Figur 3. Exempel på en bra spridning av bakåtobjekt (gröna trianglar), sett till mätområdet (beige ellips) och placering av totalstationen.

2.6 Framställning av punktmoln i Pix4Dmapper

Pix4Dmapper är ett bildbearbetningsprogram som kan skapa fotogrammetriska 3d-modeller, ortofoton och höjdmodeller genom att processa bilder tagna från en handhållen digitalkamera eller luftburen UAV. I programvaran finns det specifika rekommendationer om hur bilderna ska samlas in beroende på vad som ska avbildas. Exempelvis finns det två olika flygsätt att avbilda ett “högt vertikalt objekt”. Antingen med lodbilder, som kräver ett överlapp på minst 90% i stråkled eller genom snedbilder, där flygfarkosten cirkulerar objektet. Snedbilderna ska vid optimala förhållanden ha en kameravinkel på 45 grader och överlappen mellan bilderna bör inte understiga 85%. Om objektet är så pass högt att det inte får plats i en 45 graders snedbild, rekommenderas det att dela upp flygningen i olika stadier, där varje cirkulering sker på olika höjder. En annan viktig faktor för att programmet ska kunna skapa ett detaljerat punktmoln är att flygningarna sker nära objektet. Den initiala processen handlar om att justera bildernas inbördes relation med varandra och koppla samman dem (Pix4D, 2017). Det hela kan liknas med blocktriangulering, som är en metod för att beräkna varje bilds yttre orientering utifrån ett antal kända stödpunkter. Punkterna utgörs av tydliga detaljer som är lätta att urskilja från omgivningen (Lantmäteriet, 2013).

10

Om modellen ska kopplas till ett geodetiskt referenssystem, måste det finnas minst tre markstöd. Varje markstöd måste sedan manuellt markeras i minst två av bilderna, men noggrannheten blir bättre ju fler bilder de markeras i. Nästa steg i processen är att generera ett punktmoln (Pix4D, 2017). För att koppla samman varje enskild bild med omgivande bilder mäts ett stort antal konnektionspunkter. Konnektionspunkter är punkter i terrängen som är gemensamma i flera bilder (enligt figur 4). Med dessa punkter kan flera angränsande bilder sammankopplas. Koordinater kan därefter räknas ut från samtliga stöd- och konnektionspunkter till motsvarande bildpunkter (Lantmäteriet, 2013). Varje bildpunkt får därmed ett givet X-, Y- och Z-värde som, i miljontals, bildar en visuell 3D-modell av bilderna som bearbetats (Pix4D, 2017).

Figur 4. En illustration av hur samma konnektionspunkt på stolpen lokaliseras i två olika bilder.

11

3. Metod

3.1 Datainsamling

All data samlades in på förmiddagen onsdagen den 17 april 2019. Vädret var soligt med lätta vindbyar upp emot 5 meter per sekund. Temperaturen låg kring 12 °C och lufttrycket var 1036 hPa. Utrustningen som användes var följande:

• DJI Phantom 4 med tillhörande handkontroll

• Trimble R10, samt medföljande handdator, stativ och mätstång. Höjden på mottagaren sattes till 1,6 meter

• Trimble M3 med tillhörande stativ, prisma och stång. Prismahöjden sattes till 1,75 meter

• 7 stycken vit- och svartmålade markstöd och 4 bitar reflextejp

3.1.1 Studieområde

Området som valts ut ligger i den sydvästra delen av Kronoparken, vilket är en del av Karlstads kommun (syns i figur 5). Stolpen inom flygområdet är belägen i en öppen ledningsgata fri från träd och den totala ytan är 50 x 50 meter.

Figur 5. Studieområdet ligger inom den gröna cirkeln. Bakgrundsdata kommer från Lantmäteriet.

12

3.1.2 Inmätning av markstöd och kontrollpunkter

Inom flygområdet placerades 6 markstöd ut, ett i varje hörn av flygområdet och en på vardera sida om kraftledningsstolpen. Utformningen av markstöden bestämdes enligt tidigare studie utförd av Molinder (2017) och tillverkades i samarbete med företaget NEKTAB. Innan mätningarna utfördes acklimatiserades utrustningen för att anpassas till omgivande temperatur och luftfuktighet (Lantmäteriet 2017c). Markstöden positionsbestämdes med en nätverks-RTK av märket Trimble R10 enligt 180-sekundersmetoden. Vid alla mättillfällen var mätstången stabiliserad med hjälp av ett stativ så att den alltid var i lod (se figur 6).

Figur 6. Inmätning av markstöd enligt 180-sekundersmetoden (vänster) och inmätning av bakåtobjekt med prisma (höger).

Därefter etablerades totalstationen Trimble M3 som fri station i flygområdet, mot två av markstöden använda som bakåtobjekt. Eftersom det eftersträvades en jämn spridning av bakåtobjekt i förhållande till totalstationen etablerades ytterligare ett bakåtobjekt utanför flygområdet med hjälp av 180-sekundersmetoden. Bakåtobjekten som användes var ms1, ms3 och ms7 (syns i figur 7). För att minimera osäkerheten och eliminera eventuella fel, mättes bakåtobjekten in två gånger i båda cirkellägen. Totalt mättes 25 detaljpunkter in på stolpen som kontrollpunkter. Utav dessa punkter var fyra inmätta på reflextejp som häftats fast i botten på stolpen, två på varje ben. Resterande punkter mättes in reflektorlöst direkt på stolpen, där tydliga detaljer stod i fokus. Några exempel på detaljer är lininfästning, isolatorinfästning mot

13

regeln, alla tre hörn på skylten och hörnen på regeln. All data som samlades in låg i koordinatsystemet SWEREF 99 13 30 och höjdsystemet RH 2000.

Figur 7. Överblick av flygområdet (röd rektangel), mätområdet (gul triangel) och placering av kraftlednings- stolpen (blå rektangel). De mindre röda kvadraterna markerar alla markstöd och de små gula trianglarna visar bakåtobjektens spridning i förhållande till totalstationen (gul stjärna).

3.1.3 Flygning

Flygningarna utfördes med en UAV med modell Phantom 4 av märket DJI tillsammans med applikationen Pix4Dcapture. Phantom 4 har en maximal flygtid på 28 minuter och en kameraupplösning på 12,4 megapixel (Dà-Jiāng Innovations Science and Technology Co., 2016). Applikationen ger operatören möjlighet att ställa in vilken typ av flyguppdrag som ska utföras. Antingen ett grid mission, där UAV flyger i raka stråk ovanför området och fotograferar med kameran i lod, eller ett circular mission, där UAV cirkulerar runt ett objekt och tar snedbilder på det. Det finns också olika inställningar för respektive uppdrag som kan justeras, däribland hur stort område som ska flygas, vilket överlapp det ska vara mellan bilderna, hur snabbt den ska flyga och vilken flyghöjd som önskas. Baserat på de parametrar Pix4D

14

framhäver vara viktiga, som flyghöjd och kameravinkel bestämdes det att respektive modell skulle innehålla snedbilder från två olika höjder. Stolphöjden var ungefär 17 meter och närliggande träd bredvid ledningsgatan uppskattades till strax över 20 meter. För att de sneda flygbilderna skulle fånga hela stolpen, samt lämna lite marginal till trädtopparna under den autonoma flygningen, ansågs det vara lämpligt att sätta den lägsta flyghöjden till 30 meter. Den andra flyghöjden sattes till 40 meter i åtanke att skillnaden i GSD inte skulle bli för stor.

Den första flygningen som genomfördes var ett grid mission på höjden 40 meter med 90 % överlapp mellan varje bild. Flygningen tog 4,5 minuter och totalt togs 58 bilder, där varje bild har en GSD på 1,75 centimeter. Figur 8 visar mer specifikt alla inställningar från flygningen.

Figur 8. Inställningar till ett grid mission i applikationen Pix4Dcapture inför flygning.

Nästa flygning var ett circular mission på höjden 40 meter. En bild togs var femte grad som flögs kring kraftledningsstolpen, vilket resulterade i totalt 72 bilder med en GSD på 2,01 centimeter. Flygningen varade i 5 minuter och alla inställningar från flygningen visas i figur 9. Den tredje och sista flygningen som genomfördes var också ett circular mission, likadant som det föregående cirkulära uppdraget, fast denna gång på höjden 30 meter. Alla inställningar förutom höjden var samma som i andra flygningen och eftersom flygningen tog plats på en lägre höjd närmare objektet, fick varje bild en lägre GSD på totalt 1,64 centimeter.

Kameravinkeln på de båda cirkulära flygningarna går inte att ställa in manuellt, de varierar beroende på höjden och storleken på flygområdet enligt formel 1. I formel 1 syftar r till radien på cirkeln i flygområdet och h syftar till flyghöjden (Pix4D, 2017). På 40 meters flyghöjd blir kameravinkeln enligt formeln 32 grader och på 30 meters höjd blir kameravinkeln cirka 38 grader.

15

Figur 9. Inställningar till ett circular mission i applikationen Pix4Dcapture inför flygning.

𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾_{𝑈𝑈𝑈𝑈𝑈𝑈} = arctan (_ℎ^𝑟𝑟) (1)

3.2 Bearbetning av data

När all data var insamlad importerades flygbilderna till programmet Pix4Dmapper för att skapa de två olika 3D-modellerna. Lodbilderna användes som underlag till de båda modellerna.

Modell 1 kompletterades därefter med bilderna från den cirkulära flygningen på 40 meters höjd och i modell 2 användes snedbilderna tagna från 30 meters höjd. Alla bilder som fotograferas med DJI Phantom 4 positionsbestäms med GPS och sparas i referenssystemet WGS84. I Pix4Dmapper anpassas referenssystemet alltid till detsamma som bilderna har. Eftersom varken kontrollpunkter eller markstöd mättes in i WGS84 ändrades det utgående koordinatsystemet för bilderna till SWEREF 99 13 30. I programmet finns färdiga mallar med förutbestämda parametrar där användaren själv kan välja vilket syfte modellen ska uppfylla, däribland en 3D- modell. Eftersom ett av stegen i projektet är att skapa en 3D-modell väljs den specifika mallen 3D-modell i skapandet av de båda modellerna. Därefter följer en process av olika inställningar baserat på vilken kvalitét som eftersträvas. I den initiala processen bestäms det att alla bilder ska bearbetas i original bildskala för att etablera stödpunkter. Sedan följs de rekommenderade inställningarna från programvaran för att skapa punktmolnet. I inställningarna är bildskalan satt till halva storleken, multiscale ikryssad, punkttätheten på optimal och minsta antalet matchningar inställda på 3. För att modellerna ska få en noggrannhet på centimeternivå i referenssystemet SWEREF 99 13 30, markeras centrumpunkten på respektive markstöd i varje bild där de syns (tabell3). Markstöden kopplas i sin tur till de mätvärden som samlats in med nätverks-RTK.

16

Tabell 3. Antal bilder som respektive markstöd syns i.

Modell 1 Modell 2

Markstöd Syns i antal bilder Markstöd Syns i antal bilder

ms1 88 ms1 86

ms2 91 ms2 87

ms3 91 ms3 81

ms4 81 ms4 72

ms5 107 ms5 105

ms6 103 ms6 101

Efter de båda modellerna skapats jämfördes kontrollpunkterna som är inmätta med totalstation med de som räknats fram i 3D-modellerna. Jämförelsen gjordes genom att markera en punkt i 3D-modellen som ser ut att vara den detalj som mätts in och sedan kontrollera att det gröna krysset i bilderna överensstämmer med kontrollpunkten. Ett exempel på hur det kan se ut är i figur 10, där det översta högra hörnet på regeln markerats i modellen. På bilderna som är markerade med ett grönt kryss, syns det att modellen använt sig av hörnet för att återskapa punkten i punktmolnet. Alla kontrollpunkter jämförs på samma sätt med båda 3D-modellerna.

Figur 10. En markerad punkt på stolpen i 3D-modellen som visar dess uträknade koordinat.

Den radiella avvikelsen i plan för respektive modell räknas ut med hjälp av formel 2. X motsvarar de nordliga koordinaterna och Y motsvarar de östliga koordinaterna.

𝑅𝑅𝐾𝐾𝑅𝑅𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾 𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝑎𝑎𝐾𝐾_{𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝} = √𝑋𝑋²+ 𝑌𝑌² (2)

17

4. Resultat

Följandevis redovisas de båda modellerna som producerades i Pix4Dmapper tillsammans med jämförelser av de inmätta kontrollpunkterna. Notera att all mätdata förutom markstöden redovisas på centimeternivå. Anledningen är att 3D-modellernas punktstorlek har en korrelation med GSD i flygbilderna. Eftersom GSD varierar mellan 1,5 och 2 centimeter beroende på modell så erhåller punkterna i punktmolnet samma storlek. Båda modellerna syns sida vid sida i bilaga 1.

4.1 Datainsamling

All mätdata som insamlades enligt 180-sekundersmetoden redovisas i tabell 4. Markstödens placering i flygområdet syns i figur 7.

Tabell 4. Data för alla inmätta markstöd.

Inmätt med n-RTK (SWEREF 99 13 30)

Nr Nord (X) Öst (Y) Höjd (Z) ms1 6587515,8 153454,824 68,905 ms2 6587517,422 153430,907 68,601 ms3 6587484,058 153427,892 66,936 ms4 6587481,671 153454,536 67,261 ms5 6587503,436 153442,307 68,476 ms6 6587494,052 153440,835 67,339 ms7 6587472,321 153470,260 67,271

All mätdata som insamlades med totalstation redovisas i tabell 5, där Nr i tabellen motsvarar de siffror som syns på stolpen i figur 11.

18

Tabell 5. Kontrollpunkter inmätta med totalstation

Inmätt med totalstation (SWEREF 99 13 30)

Nr Beskrivning Nord (X) Öst (Y) Höjd (Z)

1 Tejp - Nedre vänstra stolpen 6587499,28 153440,15 68,63 2 Tejp - Nedre högra stolpen 6587499,23 153444,15 68,68 3 Tejp - Övre vänstra stolpen 6587499,20 153440,06 70,09 4 Tejp - Övre högra stolpen 6587499,12 153444,08 70,14

5 Skylt - Längst ned 6587499,11 153444,23 77,60

6 Skylt - Mitten 6587499,05 153444,55 77,78

7 Skylt - Högst upp 6587499,10 153444,24 77,98

8 Lina - Närmast, höger sida 6587498,41 153446,20 80,98 9 Lina - Längst bort, höger sida 6587499,79 153446,21 81,00 10 Lina - Närmast, mitten 6587498,52 153442,15 81,02 11 Lina - Längst bort, mitten 6587499,90 153442,16 81,03 12 Lina - Närmast, vänster sida 6587498,65 153438,09 81,00 13 Lina - Längst bort, vänster sida 6587500,03 153438,11 81,02 14 Lininfästning - Höger sida 6587499,08 153446,19 81,27 15 Lininfästning - Mitten 6587499,17 153442,15 81,31 16 Lininfästning - Vänster sida 6587499,32 153438,11 81,29 17 Isolatorinfästning mot regel - Höger 6587499,06 153446,15 82,46 18 Isolatorinfästning mot regel - Mitten 6587499,19 153442,15 82,58 19 Isolatorinfästning mot regel - Vänster 6587499,35 153438,16 82,55 20 Regel - Längst upp till vänster 6587499,27 153438,12 82,81 21 Regel - Längst ned till vänster 6587499,28 153438,12 82,66 22 Regel - Längst upp till höger 6587499,00 153446,17 82,80 23 Regel - Längst ned till höger 6587499,04 153446,15 82,69 24 Kvist - Längst upp till vänster 6587499,27 153440,18 84,89 25 Kvist - Längst upp till höger 6587499,08 153444,20 85,04

19

Figur 11. Bild av kraftledningsstolpen med varje inmätt detalj inringad och numrerad.

4.2 Modell 1

Den första modellen som skapades (figur 12) innehåller både lodbilderna tagna på 40 meters höjd och snedbilderna tagna på 40 meters höjd. Koordinaterna från modell 1 över respektive detalj redovisas i tabell 6. I samma tabell presenteras också avvikelsen mellan 3D-modellen och de totalstationsinmätta punkterna.

20

Figur 12. Modell 1 skapad i Pix4dMapper.

21

Tabell 6. Extraherade koordinater från modell 1 jämförda med totalstationsinmätningarna, där Nr motsvarar de siffror som syns på stolpen i figur 11.

Modell 1

(SWEREF 99 13 30) Skillnad mot totalstations- inmätningarna (m)

Nr Nord (X) Öst (Y) Höjd (Z) Nord (X) Öst (Y) Höjd (Z)

1 6587499,25 153440,16 68,65 0,03 0,01 0,02

2 6587499,22 153444,16 68,68 0,01 0,01 0,00

3 6587499,16 153440,06 70,10 0,04 0,00 0,01

4 6587499,1 153444,10 70,18 0,02 0,02 0,04

5 6587499,08 153444,26 77,66 0,03 0,03 0,06

6 6587499,01 153444,49 77,81 0,04 0,06 0,03

7 6587499,07 153444,27 77,99 0,03 0,03 0,01

8 6587498,39 153446,20 81,00 0,02 0,00 0,02

9 6587499,77 153446,17 81,02 0,02 0,04 0,02

10 6587498,48 153442,14 81,07 0,04 0,01 0,05

11 6587499,88 153442,17 81,06 0,02 0,01 0,03

12 6587498,61 153438,11 81,06 0,04 0,02 0,06

13 6587500 153438,11 81,06 0,03 0,00 0,04

14 6587499,07 153446,23 81,24 0,01 0,04 0,03

15 6587499,13 153442,21 81,33 0,04 0,06 0,02

16 6587499,35 153438,13 81,26 0,03 0,02 0,03

17 6587499,04 153446,18 82,45 0,02 0,03 0,01

18 6587499,14 153442,17 82,59 0,05 0,02 0,01

19 6587499,3 153438,23 82,54 0,05 0,07 0,01

20 6587499,27 153438,16 82,88 0,00 0,04 0,07

21 6587499,29 153438,16 82,68 0,01 0,05 0,02

22 6587499,01 153446,18 82,81 0,01 0,01 0,01

23 6587499,01 153446,19 82,66 0,03 0,04 0,03

24 6587499,23 153440,22 84,92 0,04 0,04 0,03

25 6587499,04 153444,24 85,04 0,04 0,04 0,00

Medel: 0,03 0,03 0,03

Max: 0,05 0,07 0,07

4.3 Modell 2

Den andra modellen som skapades (figur13) innehåller både lodbilderna tagna på 40 meters höjd och snedbilderna tagna på 30 meters höjd. Koordinaterna från modell 2 över respektive detalj redovisas i tabell 7. I samma tabell presenteras också avvikelsen mellan modellen och de totalstationsinmätta punkterna.

22

Figur 13. Modell 2 skapad i Pix4dMapper.

23

Tabell 7. Extraherade koordinater från modell 2 jämförda med totalstationsinmätningarna, där Nr motsvarar de siffror som syns på stolpen i figur 11.

Modell 2

(SWEREF 99 13 30) Skillnad mot

totalstationsinmätningarna (m) Nr Nord (X) Öst (Y) Höjd (Z) Nord (X) Öst (Y) Höjd (Z)

1 6587499,28 153440,15 68,61 0,00 0,00 0,02

2 6587499,22 153444,13 68,67 0,01 0,02 0,01

3 6587499,17 153440,05 70,10 0,03 0,01 0,01

4 6587499,12 153444,07 70,13 0,00 0,01 0,01

5 6587499,09 153444,24 77,62 0,02 0,01 0,02

6 6587499,01 153444,56 77,79 0,04 0,01 0,01

7 6587499,07 153444,26 77,98 0,03 0,02 0,00

8 6587498,41 153446,19 80,99 0,00 0,01 0,01

9 6587499,8 153446,17 81,04 0,01 0,04 0,04

10 6587498,51 153442,15 81,03 0,01 0,00 0,02

11 6587499,88 153442,15 81,06 0,02 0,01 0,03

12 6587498,66 153438,11 80,99 0,01 0,02 0,01

13 6587500,02 153438,09 81,05 0,01 0,02 0,03

14 6587499,08 153446,20 81,23 0,00 0,01 0,04

15 6587499,14 153442,16 81,26 0,03 0,01 0,05

16 6587499,36 153438,14 81,27 0,04 0,03 0,02

17 6587499,03 153446,15 82,44 0,03 0,00 0,02

18 6587499,13 153442,17 82,56 0,06 0,02 0,02

19 6587499,31 153438,20 82,55 0,04 0,04 0,00

20 6587499,28 153438,16 82,84 0,01 0,04 0,03

21 6587499,28 153438,13 82,66 0,00 0,02 0,00

22 6587499,02 153446,19 82,80 0,02 0,02 0,00

23 6587499,01 153446,18 82,66 0,03 0,03 0,03

24 6587499,25 153440,18 84,88 0,02 0,00 0,01

25 6587499,06 153444,20 85,04 0,02 0,00 0,00

Medel: 0,02 0,02 0,02

Max: 0,06 0,04 0,05

4.4 Jämförelse mellan modell 1 och modell 2

Figur 14 är en uträkning av formel 2, där den radiella avvikelsen i plan räknats ut från de inmätta kontrollpunkterna mot motsvarande detaljer i modellerna. Alla kontrollpunkter och dess placeringar på kraftledningsstolpen syns i figur 11. Den radiella medelavvikelsen i plan för modell 1 är 0,04 meter och för modell 2 är den 0,03 meter.

24

Figur 14. Diagram med radiell avvikelse i plan.

Figur 15 visar höjdavvikelsen mot kontrollpunkterna för respektive modell. Alla kontrollpunkter och dess placeringar på kraftledningsstolpen syns i figur 11. Medelavvikelsen för modell 1 är 0,03 meter och för modell 2 är den 0,02 meter.

Figur 15. Diagram med avvikelse i höjd.

0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,10

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Avstånd från kontrollpunkt (m)

Kontrollpunkt

Radiell avvikelse i plan

Modell 1 Modell 2

0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Avstånd från kontrollpunkt (m)

Kontrollpunkt

Avvikelse i höjd

Modell 1 Modell 2

25

5. Diskussion

I tabellerna går det att utläsa att modell 2 ger bättre noggrannhet mot kontrollpunkterna än modell 1. Om alla detaljer i modellerna granskas individuellt är det tydligt att noggrannheten på reflextejpen ligger i topp och hamnar närmast kontrollpunkternas koordinater i båda modellerna. Är det så att modellerna lyckas återskapa kraftledningsstolpen mer skalriktig i marknivå än övriga delar högre upp på stolpen? Troligtvis beror resultatet på att reflextejpen är tydligt markerad i både UAV-bilderna och för totalstationen, till skillnad från övriga detaljer som blivit inmätta reflektorlöst. Tanken är att de då det kan vara svårt att hitta en och samma centrumpunkt. Vid jämförelser mellan övriga kontrollpunkter visar tabellen också att det inte finns någon tendens att mätvärdena avviker mer högre upp på stolpen. Om resultatet för modell 2 med en radiell medelavvikelse i plan på 0,03 meter och 0,02 meter i höjd anses vara tillräckligt noggrann för att använda beror på vilket syfte den som nyttjar tekniken har. Sett till de fyra olika standardnivåerna som Lantmäteriet utfärdat så konstaterar dessa värden att nivå 3, som är den högsta nivån uppfylls. Även om medelvärdet låg kring dessa nivåer fanns det också avvikande värden som bör nämnas. Exempelvis var det största avvikande radiella medelvärdet i plan 0,07 meter för modell 2 och det största medelfelet i höjd 0,05 meter. Dessa kan bero på att fel punkt markerats i 3D-modellen då jämförelsen gjorts med kontrollpunkterna. Om punkt nummer 18 som syns i figur 11 granskas i 3D-modellen, upptäcks ett kluster av upp emot 10 möjliga punkter som kan vara den rätta. Här måste istället bilderna granskas som i figur 10 och bedömning göras gällande vilken punkt som är korrekt baserat på vart det gröna krysset hamnar i respektive bild. Detta måste uttryckligen räknas med som en möjlig felkälla.

I bilaga 1 syns båda 3D-modellerna som skapats bredvid varandra. Där har tre ringar i olika storlek markerat några avvikelser som skiljer respektive modell från varandra. Markerat i den stora ringen i modell 1 syns det tydligt att topplinorna på kraftledningsstolpen saknas jämfört med i modell 2. I den mellersta ringen kan flera grå punkter upptäckas utöver regeln i modell 1 än i modell 2. I den minsta cirkeln avbildas den trekantiga skylten med en tydligare form i modell 2 än i modell 1. Anledningen till avvikelserna tyder på att modell 1 har svårare att återskapa lika många konnektionspunkter på stolpen som modell 2 klarar av. Det är troligtvis ett resultat av GSD differensen mellan de båda modellerna, främst från snedbilderna där det skiljer 0,37 centimeter i GSD. Kameravinkeln är också en parameter som kan påverka det färdiga resultatet. Snedbilderna i modell 1 är tagna på en högre höjd än modell 2 men har däremot en mindre vinkel på respektive bild. Eftersom de båda cirkulära flygningarna

26

kombineras med lodbilder verkar det till synes vara en fördel att snedbilderna med en högre vinkel fångar detaljerna på ett bättre sätt. I Pix4dMappers manual står det beskrivet att den optimala kameravinkeln för att avbilda ett högt vertikalt objekt är 45 grader, vilket i det här fallet motsvarar en flyghöjd på 25 meter enligt formel 1. Problemet med höjder under 30 meter är att drönaren flyger farligt nära trädkronorna till de träd som står bredvid ledningsgatan. Om påståendet från Pix4dMapper stämmer hade resultatet kunnat förbättras ytterligare men risken vid en autonom flygning så nära trädtopparna hade också varit betydligt högre.

En annan faktor som skulle kunnat förbättra resultatet och göra det mer noggrant är kameraupplösningen på flygfotografierna. När 3D-modellen skapas i Pix4Dmapper har bildernas geometriska upplösning en stor betydelse. Med Phantom 4 fick alla lodbilder tagna från 40 meters höjd en GSD på 1,75 centimeter. Phantom 4 är från år 2016 och sedan dess har DJI hunnit producera nyare UAV med bättre kameraupplösning.

27

6. Slutsats

Studiens resultat visar att bilder från flygningar på 30 meters höjd och med större kameravinkel genererar en bättre 3D-modell av en kraftledningsstolpe än om UAV flyger på 40 meters höjd.

Varje bild får då en mindre GSD och Pix4Dmapper lyckas därmed skapa fler konnektionspunkter i modellen. Jämförelsen mellan modell 1 och modell 2 visar på flera tydliga avvikelser med fördel till modell 2. I modell 1 generades på vissa ställen inte alla detaljer och på andra skapades fler punkter än vad som förväntades. Dessa ställen blir som ett grått punktkluster, där de extra punkterna snarare döljer det som skulle modelleras istället för att framhäva dem. Modell 2 visar hela stolpen utan luckor och har heller inte lika många gråa punkter. Jämförelsen mellan modellernas noggrannhet i plan och höjd visar en radiell medelavvikelse i plan på 0,04 meter för modell 1 och 0,03 meter för modell 2. Medelfelet i höjd ligger på 0,03 meter för modell 1 och 0,02 meter för modell 2.

28

Referensförteckning

Dà-Jiāng Innovations Science and Technology Co., L. (2016). Phantom 4 specs.

Tillgängligt: https://www.dji.com/se/phantom-4/info#specs [2019-03-04]

Eisenbeiß, H. (2009). UAV photogrammetry. [Elektronisk]. Zürich: University and Technology Dresden. Tillgängligt: https://www.research-

collection.ethz.ch/handle/20.500.11850/20976 [2019-03-04]

Khairul Nizam, T. & Anuar, A. (2013). An Evaluation on Fixed Wing and Multi-Rotor UAV Images using Photogrammetric Image Processing. Tillgängligt:

https://waset.org/publications/11861/an-evaluation-on-fixed-wing-and-multi-rotor-uav- images-using-photogrammetric-image-processing [2019-03-06]

Lantmäteriet. (2009). Informationsblad om SWEPOS. Tillgängligt:

https://swepos.lantmateriet.se/kurserochinfo/dokument/infoblad/om_swepos.pdf [2019-03-19]

Lantmäteriet. (2013). Geodetisk och fotogrammetrisk mätnings- och beräkningsteknik.

Tillgängligt:

https://www.lantmateriet.se/contentassets/d5aaa74128a14124817e6c85a164b6a2/kompendiu m20131028.pdf [2019-03-12]

Lantmäteriet. (2014). Referenssystem och geodetisk mätning. Tillgängligt:

https://www.lantmateriet.se/contentassets/96e6a20268f94f36959bd12e0700a581/hmk- rege_2014.pdf [2019-03-21]

Lantmäteriet. (2017a). Flygfotografering. Tillgängligt:

https://www.lantmateriet.se/contentassets/96e6a20268f94f36959bd12e0700a581/hmk_flygfot o_2017.pdf [2019-03-07]

Lantmäteriet. (2017b). Fotogrammetrisk detaljmätning. Tillgängligt:

https://www.lantmateriet.se/contentassets/96e6a20268f94f36959bd12e0700a581/hmk_fodet_

2017.pdf [2019-03-07]

29

Lantmäteriet. (2017c). Terrester detaljmätning. Tillgängligt:

https://www.lantmateriet.se/contentassets/96e6a20268f94f36959bd12e0700a581/hmk- terdet_2017.pdf [2019-03-21]

Lantmäteriet. (2017d) Geodatakvalitet. Tillgängligt:

https://www.lantmateriet.se/contentassets/96e6a20268f94f36959bd12e0700a581/hmk_geodat akvalitet_2017.pdf [2019-03-07]

Lantmäteriet. (2017e) GNSS-baserad detaljmätning. Tillgängligt:

https://www.lantmateriet.se/contentassets/96e6a20268f94f36959bd12e0700a581/hmk-gegnss- det_2017.pdf [2019-03-26]

Lantmäteriet. (2018). Produktbeskrivning: Digitala flygbilder. Tillgängligt:

https://www.lantmateriet.se/globalassets/kartor-och-geografisk-information/flyg--och- satellitbilder/dig_flygb.pdf [2019-03-11]

Lilje, C., Engfeldt, A. & Jivall, L. (2007). Introduktion till GNSS. Tillgängligt:

https://www.lantmateriet.se/globalassets/kartor-och-geografisk-information/gps-och- geodetisk-matning/rapporter/lmv-rapport_2007_11.pdf [2019-03-18]

Luftfartsverket. (2019). LFVs drönarkarta.

Tillgängligt: https://daim.lfv.se/echarts/dronechart/ [2019-03-02]

Lundgren Nilsson, L. & Jansson, P. (2015). Stomnätsstrategi - Inför en framtida kommunal stomnätsstrategi i plan. Tillgängligt: http://doczz.net/doc/7121458/inf%C3%B6r-en-framtida- kommunal-stomn%C3%A4tsstrategi-i-plan---lise%E2%80%A6 [2019-03-21]

Molinder, C. (2017). Noggrannhetsutvärdering av flygmätningar med UAV - Jämförelse med kontrollpunkter. Tillgängligt: http://www.diva-

portal.org/smash/get/diva2:1113347/FULLTEXT01.pdf [2019-03-07]

Pix4D. (2017) - Pix4Dmapper 4.1 User Manual. Tillgängligt:

https://support.pix4d.com/hc/en-us/articles/204272989-Offline-Getting-Started-and-Manual- pdf- [2019-03-24]

30

Remondino, F., Barazzetti, L., Nex, F., Scaioni, M. & Sarazzi, D. (2011). UAV

Photogrammetry for mapping and 3D modeling. Current status and future perspectives.

Tillgängligt: https://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XXXVIII-1- C22/25/2011/isprsarchives-XXXVIII-1-C22-25-2011.pdf [2019-03-04]

Sveriges Riksdag. (2016), Lag (2016:319) om skydd för geografisk information. Tillgängligt:

https://www.riksdagen.se/sv/dokument-lagar/dokument/svensk-forfattningssamling/lag- 2016319-om-skydd-for-geografisk-information_sfs-2016-319 [2019-03-15]

Transportstyrelsen. (2017). Transportstyrelsens författningssamling.

Tillgänglig: https://www.transportstyrelsen.se/TSFS/TSFS%202017_110.pdf [2019-03-01]

Zeng, Y., Zhang, R. & Joon Lim, T. (2016). Wireless Communications with Unmanned Aerial Vehicles: Opportunities and Challenges.

Tillgängligt: https://arxiv.org/pdf/1602.03602.pdf. [2019-03-06].

31

Bilaga 1

Modell 1 och modell 2 sida vid sida med tre tydliga avvikelser inringade. Den vänstra figuren är modell 1 och den högra modell 2.

32