Osallistuimme lokakuussa 2022 FinnMateria-messuilla Jyväskylän Paviljongissa. Otimme mukaan esittelyskannerimme RIEGL VZ400i -maalaserskannerin. Suoritimme torstaiaamuna skannauksen viidestä asemasta joista kunkin skannaaminen kesti noin minuutin. Kokonaisaika alle kymmenen minuuttia. Skannerin laser on silmäturvallinen joten skannauksen voi tehdä vaikka paikalla on ihmisiä.
VZ400i skannaus taajuus on 1,2MHz ja se kerää maksimissaan noin kaksi miljoona pistettä sekunnissa jopa 800 metrin etäisyydeltä. Skannerin keilauskulma on pystysuuntaan 100° ja 360° skannerin pyöriessä ympäri.
Skannerissa on sisäinen automaattinen rekisteröinti joka yhdistää eri skannausasemien pistepilvet toisiinsa käyttäen pistepilvien yhteisiä piirteitä joten erillisiä signaalimerkintöjä ei tarvitse käyttää. Skannauksen jälkeen pisteet ladattiin RiScanPro-ohjelmaan jossa tarkistettiin automaattisen rekisteröinnin tulos ja suoritettiin automaattinen hienosäätö.
Vaikka skannaukset tehtiin pienellä noin 15 metrin alueella tallentui pistepilviin lähes koko paviljonki, varsinkin yläpuoliset rakenteet kuten katto, tukirakenteet ja ilmastointikanavat.
Ohjelmalla voidaan myös rajata näkyviin vain haluttu tilavuus pistepilvestä. Pistepilvessä on sisäisesti millimetritarkkuus ja siitä voidaan mitata haluttuja etäisyyksiä ja kokoja.
Mikäli olisi haluttu mitata koko Jyväskylän Paviljonki messujen aikana olisi tarvittu useita lisäskannauksia. Tyhjän Paviljongin B-hallin mittaukseen suurella tarkkuudella riittäisi arviolta 20 asemaa.
Helsingin Kalasatamassa tehty kaupunkimallinnuskokeilu on valmis ja loppuraportti on ilmestynyt. Sen voi lukea linkistä.
Hankkeessa on muun muassa testattu monenmoisia ohjelmistoja eri tarkoituksiin ja ainakin tiedonsiirrot ja koordinaatisto-ongelmat näyttävät vaivaavat toimintaa edelleenkin – ihan kuin ne ovat vaivanneet alalla jo vuosikymmeniä.
Hankkeessa on on myös kokeiltu UAV-kuvausta ja UAV-laserskannausta kaupunkien täydennysmittauksiin, kun koko alueen ilmakuvausta tai ilmalaserskannausta ei koeta tarpeelliseksi joka vuonna.
Tässä vaiheessa lukija saattaa järkyttyä – ainakin me järkytyimme vuoden 2018 kokeen lopputuloksesta (s.59):
Ottaen huomioon, että ilmalaserkeilaus alkoi syrjäyttää ilmakuvauksen 1990-luvulta alkaen tällaisessa kartoitustoiminnassa juuri paremman tarkkuutensa takia, niin aika mielenkiintoisesti ovat maailmankirjat taas kääntyneet.
Oikeasti myös UAV-laserskannauksella pystytään parempaan ja hyvän aineiston tarkkuus on selkeästi parempi kuin ilmakuvauksen, varsinkin peitteisellä alueella. Tästä löytyy myös ihan oikeaa tieteellistä tutkimusta, jollei myyjää halua uskoa.
Tervetuloa juttelemaan kanssamme aihepiiristä, jos sinulla on tarpeita tarkemman mittauksen suhteen. Toimitamme laitteistoja, mutta koulutamme sinut myös käyttämään laitteita ja saavuttamaan niillä vaadittuja mittaustuloksia.
Alla olevassa videossa esitellään Riegl miniVUX-1UAV integroituna DJI M600-droneen. Se kelpaa moneen tehtävään, mutta tarkkuudessa kuninkuusluokan skannereita ovat hiukan isommat ja painavammat VUX-sarjan skannerit, joiden alle vaaditaan myös isompi drone. VUX-skannerit sallivat myös isomman lentonopeuden, jos aika ja pinta-ala ovat rahaa.
Näin sydäntalvella on aikaa miettiä laatuasioita, kun lumipeite estää monen maastokohteen mittauksen. Laatu on nyt tapetilla alalla kuin alalla, mistä syystä MIKESin entinen ylijohtaja Timo Hirvi kommentoi myös laadun tilaa Suomessa (HS maksumuuri). Hän kertoi muun muassa Suomen jääneen jumbosijalle ASQ-laatuorganisaation edellisessä kansainvälisessä laatuvertailussa vuonna 2016 ja epäilee ”suomalaisen laadun” olevan pääosin harhaa. Ainakin niissä tapauksissa, jossa hinta on hankinnan määräävin tekijä. Hän toteaa myös: ” Hyvä laatu ei ole itsestäänselvyys. Kysymys on ammattitaidosta, laatuun vaikuttavien asioiden ymmärtämisestä ja moraalista. ”
Meilläkin mittauksen ja koko mittausprosessin laatuasiat ovat säännöllisesti keskusteluissa uusien ja vanhojen tapausten myötä. Nostamme tässä esille muutaman meillä keskustellun aihepiirin, jotka ovat sinänsä vain pieni iso isommassa kokonaisuudessa, mutta toisaalta niitä perusosia, joista isoa kokonaisuutta lähdetään rakentamaan.
1) Runkomittauskeskusteluun liittyen keskustelimme geodesian professori Matti Martikaisen tasoituslaskuluennoista, joilla aikoinaan kävi hyvin selväksi, ettei tasoituslaskennalla paranneta virheitä eli toisin sanoen laskennan pohjana käytettäviä havaintoja. Mittausta tehdessä huonoja havaintoja ei siis parannella tasoittamalla ja virheen suuruus on arvioitava ennen tasoituksen tekemistä. Itse tasoitus on lähinnä tyylittelyä. Jos kokonaisvirhe (epävarmuus) on käyttötarkoitusta ajatellen liian suuri, niin havainnot on mitattava uudestaan. Martikainen taisi korostaa aihetta sen takia, että mittauksen kentältä alkoi korkeakoulullekin valua tietoa tulosten ”parantamisesta”.
2) Maassa tai ilmassa tehtävät mobiililasermittaukset ovat olleet jatkuvan keskustelun kohteemme viime vuosina. Geodesian perussäännöt pätevät hyvin myös laserkeilaushavaintoihin tai oikeastaan jo prosessoinnin alkuvaiheessa tehtävään ajo-/lentolinjan prosessointiin. Jos se ei onnistu mittaustyössä vaaditulla laatutasolla, niin on aivan turhaa yrittää parantaa lopputulosta laserlinjojen mätsäyksellä. Itse asiassa lento-/ajolinjojen mätsäys on tarpeeton toimenpide, jos laitteet ovat kunnolliset ja niitä käytetään oikein. Samoin kuin tasoituslaskennassa, virheanalyysi tehdään ennen mätsäystä, jotta ymmärretään lopputuloksen laatu tarkkuuden osalta eli mätsäys on vain hienosäätöä.
Toisin sanottuna jos aineistoissa on ”paljon mätsättävää”, niin silloin ne on oletettavasti tuotettu huonotasoisilla tai huonosti käytetyillä mittauslaitteilla. Esimerkiksi Rieglin laaduikkaimilla laitteistoilla trajektorien pitää olla maksimissaan vain parin sentin etäisyydellä toisistaan ennen mätsäystä, jos aiotaan saavuttaa moneen suunnittelutehtävään tarvittava mittaustarkkuus. Tällainen lopputulos erityyppisissä olosuhteissa vaatii kuitenkin työn huolellisen suunnittelun ja toteutuksen.
Jos esitellään kuinka hyvin jokin ohjelma murjoo paikalleen kaikki pahastikin harittavat linjat tai parantaa huonojen havaintojen laatua huomattavast, niin tällöin hälytyskellojen pitäisi soida mittauskoulutuksen saaneen ihmisen päässä. Pahasti harhailevatkin linjat voidaan ohjelmallisesti mätsätä yhteen, mutta missä pisteet oikeasti sijaitsevat onkin erinomainen kysymys. Jos laskennassa käytetään kontrollipisteitä, niin niiden virheistä ei myöskään voi päätellä mitään muuta kuin ohjelmankehittäjän taito minimoida virhe kontrollin kohdalla. Mittausaineistojen virheen suuruus arvioidaan siis ennen mätsäystä.
Koska vallitseva uskonkappale kertoo softalla ja tekoälyllä parannettavan kaiken, niin myös mittausalan viimeaikainen ohjelmistokehitys tuntuu keskittyvän aineistojen kaunisteluun oikean laskennan kehittämisen sijaan. Onhan se pistepilvienkin kohdalla ihan selvä asia, että mitä kauniimpi aineisto niin sen parempi se on myös geometriselta tarkkuudeltaan. Paitsi ettei ole.
Robotiikan puolelta tulleita SLAM-tekniikoita (joissa tyypillisesti kaikki eri sensorien tuottamat havainnot prosessoidaan yhdessä prosessissa), koskevat muuten käytännössä aivan samanlaiset periaatteet.
3) Ns. tekoälyalgoritmit mittauksessa. Laatuun liittyen olisi syytä herättää myös keskustelua uusien tekoälyalgoritmien käytöstä kaikenlaisten mittaushavaintojen laskennassa. Käytännössä murskaamme uusilla algoritmeillä vain entistä suurempia aineistoja. Kuten jo muiltakin aloilta tiedetään, niin tässä kehityksen vaiheessa kannattaa tietää aika tarkalleen mitä tekoäly tekee ettei tapahdu kummia. Nykymaailmassa tarvitsee siis muun muassa tietää, millaisilla aineistoilla ja periaatteilla algoritmia on koulutettu. Tätä aihepiiriä on käsitellyt hieman muun muussa Rieglin tuotekehitysjohtaja Andreas Ullrich artikkelissaan ”Noisy LIDAR point clouds: impact on information extraction in high-precision LIDAR surveying”. viitaten Nvidian karismaattinen perustajan Jen-Hsun Huangin esitykseen vuonna 2017. Huang näytti loistavia lopputuloksia kuvista tehdyn mallin visuaalisessa parantamisessa, mutta mikä on geometrinen todellisuus parantamisen jälkeen? Se tuskin edes kiinnostaa Huangia, koska hänen työnsä käyttötarkoitus on erilainen.
Kaiken kaikkiaan interneistä löytyy nykyisin lukuisia artikkeleita vastaavasta työstä, kuten tämä ETH:sta tuleva tutkimus kohinaisten ja harvojen pistepilvien muuntamisesta siloisiksi pintamalleiksi syvien neuroverkkojen avulla. Voimmeko luottaa näiden algoritmien toimimiseen esimerkiksi maaston mallintamisessa? Tätä kirjoittaessa emme tyypillisesti voi, joten riskien hallinnassa ja laadun valvonnassa on parasta ottaa käyttöön lääketutkimuksen alaltakin tuttu varovaisuusperiaate.
Tässä tutkimuksessa mittauskohde on ihmisen naama, mutta monasti tutkimuskohteina käytetään myös museoesineitä. Koska museoesineiden virtuaalimallit eivät ole vain visualisoinnin vaan usein myös esinetutkimuksen kohde, niin on hyvä kysyä mitä iloa huonosti mitatusta kohteesta on oikeasti niiden tutkimuksellisessa dokumentoinnissa?
Tutkimusta ja kehitystä huonojen aineistojen parantamiseksi on valtavan paljon ja valitettavasti loppukäyttäjä on useimmiten eniten vaatimassa näitä funktioita aineistoilleen. Tämän todellisuuden huomaa erityisen selkeästi avointen foruminen keskusteluista, jossa ohjelmistokehittäjille lähetään mitä hurjemman näköisiä aineistoja. Siloittelun jälkeen ne tuntuvat kelpaavan vaikkapa tiemittauksen tarpeisiin – mittaustarkkuuksiin fiksu ohjelmistokehittäjä ei kuitenkaan ota kantaa. Oletettavasti moni tilaaja maailmalla ei tee kovin ihmeellistä laadunvalvontaa tilaamilleen tuotteille, jos perunapellosta siloitellut tienpinnat kelpaavat lopputuotteiksi.
Käytännössä on selvää, että uusin aalto tekoälyalgoritmien kehittämisessä ja käyttöönotossa virittää myös pohjaa laatukirjojen ja standardien päivittämieen.
Lennokin lisäksi tarvitaan kuitenkin myös edistynyt ohjelmisto, jotta kuvattu aineisto saadaan kolmioitua fotogrammetrisesti ja siitä muodostettua vaikkapa tiheä luokiteltu pistepilvi, tarkka digitaalinen korkeus- (DEM) tai pintamalli (DTM), muu 3D-malli tai georeferoitu ortomosaiikki. Mallilta voidaan mitata niin koordinaatteja, etäisyyksiä, pinta-aloja kuin tilavuuksiakin, ottaa poikkileikkauksia ja tehdä analyysejä päätöksenteon pohjaksi.
…ja tässä Bentleyn ContextCapture-sivulta toinen esimerkkiaineisto selaimessa tarkasteltavaksi. Navigointi aineistossa onnistuu hiirellä, kokeile myös vaihto- tai ctrl-näppäin pohjassa ja hiiren rullalla. Oikean yläkulman valikosta löytyy myös yksinkertainen mittaustyökalu – monipuolisemmat sitten ContextCapturessa tai käyttämässäsi 3D-työasemaohjelmistossa.
Toinen edustuksessamme oleva ohjelmisto kuvausaineiston käsittelyyn on Agisoft Photogrammetric Kit for Topcon, joka tunnetaan maailmalla laajasti myös Agisoft Photoscan Professional:ina.
Saimme jokin aika sitten oman demokappaleemme Rieglin uudesta VZ-400i -skannerista ja kokeilemaanhan sitä piti heti päästä. Demokohteeksi valitsimme Herttoniemen teollisuusalueella sijaitsevan Helsingin Energian muuntoaseman, joka vaikutti sopivan haasteelliselta pylväineen, johtimineen ja muine rakenteineen. Matkaan aurinkoisena, mutta tuulisena loppusyksyn päivänä lähtivät Jarkko ja Vellu.
Muuntoaseman alue Google Street View:ssä.
Saavuimme paikalle perjantai-iltapäivänä noin klo 13:n maissa ja ensimmäiseksi tutustuimme kohteeseen kiertämällä alue jalan. Muuntoasema on ympäröity kolmen metrin korkuisella aidalla, mikä tarjosi mahdollisuuden selvittää, millaisen aineiston saamme aikaiseksi aidan läpi (ja toki myös yli) skannatessa. Alueen yhtä sivua reunusti myös entinen autoliikkeen aidattu ja lukittu, nyttemmin käyttämätön parkkipaikka, jonka jalankulkuportti oli kuitenkin lukitsematta. Kahden aidan läpi ei siis tarvitsisi sentään skannata. Toinen sivu saataisiin skannattua autoliikkeen katolta asiakaspaikoituksesta alaviistoon, kolmas Itäväylän rampin pientareelta ja viimeinen ruusupuskien ja niityn keskeltä. Vaihtelevaa maastoa oli siis luvassa.
Skannauksen asemapisteet ja kiertojärjestys kartalla
Haimme kaluston autosta ja siirryimme ensimmäiselle asemapisteelle aidatulle parkkipaikalle, ”häkkiin”. Kiinnitimme skannerin kolmijalkaan, kytkimme virran, loimme uuden projektin ja käynnistimme skannauksen. Noin 30 sekunnin päästä siirsimme kaluston uuteen paikkaan ja klikkasimme kerran kosketusnäyttöä – näin yksinkertaisesti se käy normaalitapauksessa. Skannasimme häkissä vielä viisi muuta asemapistettä, jotta saimme muuntoaseman skannattua hieman eri suunnista. Seuraavaksi olisi vuorossa siirtyminen autoliikkeen katolle.
Sitten tulikin mutka matkaan – parkkipaikkahäkin ovi oli lukossa. Olimme kulkeneet siitä läpi jo kolmesti ja sulkeneet oven aina perässämme ongelmitta, mutta nyt jotain oli tapahtunut. Joko ohikulkija oli tehnyt meille käytännön pilan, tai ovi oli viallisuuttaan lukittunut vasta nyt, mene ja tiedä. Yhtä kaikki olimme vankina kallisarvoisen upouuden skannerin kanssa. Jarkko kiipesi aidan yli ja kiersi neljä lähiliikettä selvittäen, löytyisikö jostain parkkipaikan vuokralainen, vuokraisäntä tai muu taho, jolta avaimet löytyisivät. Vellu taas jäi pitämään seuraa kalustolle. Lopulta saimmekin puhelimen päähän kiinteistöpäällikön, joka kuitenkin oli parhaillaan Pariisissa. Toiset avaimet olisivat mahdollisesti löytyneet Vantaalta, mutta kello alkoi olla jo sen verran, että katsoimme parhaaksi yrittää saada skanneri ulos lukkojen takaa omin voimin.
Kaamea totuus paljastuu: olemme jääneet lukkojen taakse!
Mietimme skannerin pakkaamista jykevään kuljetuslaukkuunsa ja nostamista aidan yli. Vaikka painoa on parisenkymmentä kiloa ja aidalla korkeutta se kolmisen metriä, kahdella miehellä tämän luulisi onnistuvan. Parkkipaikan aidasta löytyi kuitenkin rako, josta saimme skannerin ujutettua läpi. Autosta haimme viltin pehmusteeksi maahan, jotta kallisarvoinen laite ei vaurioidu. Pääsimme siis jatkamaan työtä, ylimääräistä aikaa tähän tuhraantui kolme varttia.
Muuntoasema autoliikkeen katolta tarkasteltuna.
Loput skannaukset suunnitelluilta asemapisteiltä saatiin vietyä läpi ripeästi. Yhteensä 23 aseman skannaamiseen kului aikaa yhteensä tunti ja 45 minuuttia, josta voi siis vähentää 45 minuuttia lukittuneen kulkuportin kanssa.
Toimistolla kopioimme aineiston skannerista työasemalle ja toimme Rieglin RiSOLVE-ohjelmistoon. Pistepilvien rekisteröinti ja hienosäätö onnistui automaattisilla algoritmeillä erinomaisesti, ohessa kuva. Aineistosta onnistuu mainiosti esimerkiksi tarkka mittaaminen ja se voidaan edelleen luokitella ja mallintaa esimerkiksi suunnittelutyön pohjaksi.
Ote muuntoaseman pistepilven keskeltä. Eri värit kuvaavat eri asemapisteiltä, eli eri suunnista tehtyjä skannauksia.
Lopuksi vielä koostevideo koko työnkulusta. Noin tunti maastotöihin ja toinen mokoma toimistolla, ja ruudulla oli rekisteröity pistepilvi valmiina mittauksiin, inventointiin tai muuten suunnittelun pohjaksi:
Uudella VZ-400i -skannerilla skannattaessa paikalla olevat ihmiset tallentuvat entistä useammin ilman liikettä skannauksiin, koska skanneri on niin nopea. Katselimme juuri aineistoja ja sen kunniaksi julkaisemme muutaman potretin henkilökunnastamme.
Kuvissa Hannu Heinonen, Nina Heiska, Jarkko Kuoppamäki ja Tauno Suominen (sininaamaisena tietysti!).
Pistepilviaineistoja voidaan visualisoida erilaisillä värityksillä, myös kameran kuvalla, mutta on mielenkiintoista tarkastella ympäristön heijastuvuutta pelkän heijastuneen energiamäärän perusteella. Paljon vettä sisältävänä ihmisen iho heijastaa Rieglin skannerin käyttämällä aallonpituusalueella huonosti signaalia – käytetty aallonpituus on helppo tehdä silmäturvalliseksi.
Perinteinen Väylät ja liikenne -konferenssi on täydessä vauhdissa Tampere-talossa. Vilkkaan ensimmäisen päivän jälkeen toinen päivä on juuri alkamassa luentoineen ja messuineen.
Meillä on osastolla Rieglin, Topconin ja Sokkian laitteita, mutta erityisen mielellämme näytämme laserskannausprojektien aineistoja maasta ja ilmasta. Pysähdy juttelemaan!
Atlastican innovatiiviset yrittäjät Jukka Ylitalon vetämänä mobilisoivat laserskannauksen uuden Riegl VZ-400i skannerin avulla!
Skannerin 1200 kHz skannausnopeus yhdistettynä sisäiseen MEMS-imuun luo pohjan nopealle liikkuvalle mittaukselle. Muistikaan ei lopu kesken sisäisen 256 GB SSD-kiintolevyn (optiona 512 GB) jauhaessa syntyviä aineistoja. Vaihtoehtoisesti voidaan myös skannata SD-kortille, USB-muistille tai suoraan pilvipalveluun 4G-yhteyden kautta.
Nelivetomönkijä etenee sujuvasti maastossa kuin maastossa.
Maastokelpoisuus ennen kaikkea eli liian suurta mönkijää ei skannerin alle kannata valita. Tämä Yamaha kulkee ketterästi.
Välillä olemme pohtineet siitä, onko mobiililaserskannausdata luokiteltavissa Big data eli iso data -kategoriaan. Aineistot kasvavat helposti suuriksi, mutta normaalisti ison datan kohdalla puhutaan vieläkin suuremmista tietomääristä, jota kertyy helposti 24/7. Tietyt geospatiaaliset aineistot kyllä mahtuvat tähän kategoriaan.
Määritelmistä huolimatta yksittäisten mittausten kanssa työskentelmään tottuneet yhtiöt hämmentyvät helposti joustuessaan tekemisiin mobiililaserkeilausaineistojen kanssa eli kyllä niissäkin on tekemistä. Tätä aihepiiriä käsittelee mukavasti amerikkalaisyhtiön edustaja Bob Hansen Pobonlinen haastattelussa.
Kuvassa näkyy staattisesti skannattua katua Helsingissä.
Aineistojen koosta johtuen työt joutuu suunnittelemaan huolella ja aineistojen toimitukset asiakkaille ovat myös varsin mielenkiintoisia tapahtumia. Datan koosta johtuen pilvipalvelut voi useimmiten unohtaa kustannusten takia ja isoiltakin tuntuvat tiedonsiirtosiirtonopeudet jäävät hitaiksi.
Kaikki mobiililaserskannauksen kanssa puuhanneet huomaavat nopeasti myös sellaisen mielenkiintoisen yksityiskohdan, että mittausjärjestelmien tuottama valokuvamäärä on huomattavasti suurempi kuin varsinainen skannausaineisto. Me totesimme tämän Riegl VMX-450 aineistojen kanssa, jossa suhde oli tyypillisesti 1/4 pisteaineistoa ja 3/4 valokuvia. Tämä vielä siitä huolimatta, ettei järjestelmässämme oltu aktivoitu maksimikameramäärää. Valokuvien määrästä huolimatta huolimatta pisteaineisto on tiheää – tyypillisesti useampi tuhat pistettä/m2.
Yksi tärkeä Hansenin esiintuoma asia on myös aineistojen tarkkuus. Ajotavalla ja reitinsuunnittelulla on merkitystä pisteaineistojen lopulliseen tarkkuuteen, joten skannauksessa ei voi ”säästellä” yritettäessä minimoida aineistojen kokoa. Tästä syystä tekijöiden on suunniteltava mittaustehtävä huolellisesti ja jopa torjuttava sinänsä hyvää tarkoittavien asiakkaiden halu vaikuttaa mittaustehtävän suunnitteluun.
Datamäärän suhteen tulevaisuus ei vaikuta helpommalta, sillä uusissa järjestelmissä kuten Riegl VMX-1HA on vielä nopeammat skannerit ja isommat kamerat. Jatkamme siis kamppailua aineistomäärien kanssa, mutta se on varsin pieni hinta siitä, että voimme mitata kohteita huimalla tehokkuudella perinteisiin menetelmiin verrattuna. Yksityiskohtaisuuden tähden uudet ja vanhat mittaustekniikat eivät usein ole edes verrannollisia keskenään – niin uudenlaisia mahdollisuuksia modernit mittaustekniikat tuovat mukanaan.
Eilen saimme näin upean kukkakimpun kiitoksena viimeisimmästä isosta koulutuksestamme. Samalla kukitettiin tietysti myös kurssilla koulutetut, jotka jaksoivat sitkeästi puurtaa aineistojen käsittelyn parissa. Tästä heidän on hyvä jatkaa uusien mittaustekniikoiden parissa, joita Helsingin kokoisessa kaupungissa joudutaan säännöllisesti ottamaan käyttöön.
Asiakkaan eli Helsingin kaupungin työntekijöiden kanssa käytiin pitkä yhteinen taival perehtyen mobiililaserskannaukseen ja erityisesti pistepilviaineistojen käsittelyyn suunnittelun tarpeisiin. Tämän kurssin aikana ei tutkailtu vaan mahdollisuuksia vaan tehtiin ihan käytännön työtä päivästä toiseen. Lopputuloksena luotiin suunnittelijoille kelpaavaa aineistoa Helsingin katujen mittausaineistoista. Ja samalla opittiin tukku uusia asioita.
Aineistoja mitattiin kahdella eri laitteistolla.
Koulutuksen sisältö käsitteli perusasioita mobiilimittausprojektin suunnittelusta alkaen. Suunnittelun ja käytännön toteutuksen lopputulosta pääsee parhaiten arvioimaan prosessoimalla aineistoja, jolloin esimerkiksi liikenteen määrän, mittauslaitteiston, ajotavan, sään ja valaistuksen vaikutus tulee parhaiten esille. Mittausolosuhteiden vaikutuksen näkyminen aineistossa auttaa siten seuraavien mittausten suunnittelussa. Jos joku ihmettelee tuota valaistuksen vaikutusta, niin todettakoon sen vaikuttavan ainoastaan mahdolliseen valokuvaukseen. Laserkeilaimen käyttö on valaistuksesta riippumatonta ja kohteen logistisen vaativuuden mukaan mittausta voidaan tehdä vaikka keskellä yötä.
Tässä ajoneuvon tai oikeammin mittauslaitteiston IMU:n liikerataa visualisoituna.
Pääosa koulutuksen ajasta käytettiin itse mittausaineistojen prosessointiin suunnittelijan tarpeisiin käyttökelpoiseksi materiaaliksi.
Kurssin aikana ei säälitty ketään, vaan jokainen joutui tekemään töitä itsenäisesti. Eteen tulevia ongelmia käsiteltiin ja niihin etsittiin ratkaisumalleja myös yhdessä.
Lopputuloksena oli upeaa huomata, miten kaikki koulutettavamme selvisivät ongelmanratkaisuun perustuvasta koulutuksestamme hyvin. Työmaalla tai työpöydän ääressä eri tyyppisiä ongelmia joutuu kuitenkin ratkomaan koko ajan, joten koulutuksissa on turha käsitellä vain helppoja tapauksia. Mobiilimittaus ajoneuvosta tai vaikkapa miehittämättömästä lennokista on kaupunkiolosuhteissa haastavaa puuhaa, jos halutaan tuottaa laadullisesti erinomaista mittausaineistoa.
Tuoreimmassa AVN:n numerossa 1/2015 on kansikuva-artikkelina mielenkiintoinen tutkimus korkearesoluutioisen ilmalaserkeilainaineiston käyttämisestä jokien tulvimisen ja sedimenttiaineiston liikkumisen selvittelyssä. Aineisto on mitattu vuonna 2012 Riegl VQ-820-G topo-hydrograafisella skannerilla ja tutkimuskohteena on Etelä-Tirolissa sijaitseva Ahr-joki.
Jokien virtausten ja topografian tutkiminen on tärkeää kartoittaessa alueiden tulvariskiä. Mitä korkearesoluutioisempi aineisto on käytettävissä, sitä luotettavampi mallinnuksen ja simulaation lopputulos yleensä on. Tällä hetkellä tyypillinen tapa toimia on käyttää ilmalaserkeilausaineistoja näkyvän maa-alueen kartoittamiseen ja yhdistää aineisto esimerkiksi maan pinnalla käsin mitattuihin profiileihin joen pohjasta. Tehokkaampi tapa mitata vesistöjen pohjia on käyttää kaikuluotainta, mutta matalikkojen kohdalla se ei ole mahdollista.
Hydrograafiset vihreän laserin veden alle mittaavat ilmalaserkeilaimet jakautuvat karkeasti kahteen luokkaan: perinteiset syvälle mutta harvaan mittaavat laitteet ja uudemmat matalalle, mutta tiheää pisteaineistoa mittaavat skannerit. Tässä tutkimuksessa mittausaineiston resoluutio on 20-40 pistettä/m2, myös joen pohjasta mitattuna ja joesta mitattiin 20 km pituinen alue.
Aineisto luokiteltiin ja kolmioitiin malliksi, jota käytettiin numeerisen virtausdynamiikan simulointiin (CFD). Lopuksi verrattiin perinteisin ja uusin menetelmin mitattujen aineistojen pohjalta laskettuja tuloksia keskenään. Tarkemman aineiston pohjalta laskettu simulaatio vastasi mittauspäivänä mitattua virtausta, kun taas karkeampi, perinteisin menetelmien profiileilla mitattu aineisto ei antanut samaa tulosta.
Uudet menetelmät eivät siis ole tässä tapauksessa vain nopeampia, vaan myös huomattavasti tarkempia. Voimme vain arvailla, mitä tehokkaammalla, viime vuonna julkaistulla RIEGL VQ-880-G saadaan aikaan.
Lähde: Baran, Ramona; Dobler, Wolfgang; Steinbacher, Frank; Aufleger, Markus (2014): Die hydraulische Modellierung von Wildbächen mit Hilfe hochaufgelöster hydrographischer LiDAR-Daten. AVN 1/2015.
Paikkatietomarkkinoiden 2. päivä ja koko messut ovat nyt päättyneet – jälleen lämmin kiitos kaikille kävijöille!
Messujen hyvä puoli on, että meillä on mahdollisuus tavata olemassa olevia ja uusia asiakkaita samalla kerralla, mutta kiireisten hetkien takia monet keskustelut jäävät väistämättä kovin lyhyiksi ja puutteellisiksi. Palaamme siis asiaan paremmalla ajalla. Nähdään ensi vuonna Paikkatietomarkkinoilla!
Ohjelmistoyhtiö kubit on julkaissut pari uutta videota liittyen laserkeilausaineistojen visualisointiin AutoCAD 2015 -ohjelmassa ja Revit-mallinnukseen.
Autodeskin ohjelmien 2015-versio on tuonut muutoksia pistepilvien käsittelyyn, mitä on käsitelty lyhyesti jo aikaisemmin tässä blogissa. kubit jatkaa edelleen saman aihepiirin käsittelyä uudella videolla, jossa käsitellään erityisesti pistepilven visualisointia ja siinä liikkumista ohjelman sisällä. Nämä taidot on syytä hallita, jos aineistoja käsittelee ja mallintaa. Lisäksi näemme tietenkin, mitä lisäarvoa kubitin ohjelmat tuovat käyttäjille.
Toinen uutuusvideo käsittelee rakennusten mallintamista Revitillä ja kubitin VirtuSurv-ohjelmalla. VirtuSurv on kubitin edullisin mallinnusohjelma, joten mallinnustarpeen ollessa vasta vähäinen alkuun pääsee pienellä investoinnilla. VirtuSurv ei ole riippuvainen CAD-alustasta, joten sen avulla voi poimia pistepilvestä pisteitä vaikkapa tavalliseen tekstitiedostoon. Liikkuminen tapahtuu 2D:ssä, jossa aloittelijan on myös helppo navigoida. Tervetuloa tutustumaan kubitin ohjelmiin!
Uusimmassa Maankäytössä on Hannu Hyypän ja Marika Ahlavuon artikkeli, jossa pohditaan maanmittausalan uudistumista. Mittaus ja insinöörigeodesia ovat näet joutuneet marginaaliin; koulut eivät halua edes järjestää liian kalliina pidettyjä kursseja.
Kuva Wikimedia. LiDAR DEM of Carolina bays
Laserkeilaus – yksi mittauksen uusista osa-alueista on puolestaan käytön puolesta kovassa nousussa ja alan oikeita osaajia kaivataan. Saapa nähdä saako Suomen Akatemian rahoittama laserkeilauksen huippututkimusyksikkö alalla aikaan muutoksen vai hankitaanko mittauksen korkeampi osaaminen jatkossa ulkomailta osaajia myöten.
ETH Zürichin tutkijat – mukaanluettuna suomalainen jatko-opiskelija Petri Tanskanen – ovat julkaisseet sovelluksen älypuhelinten käyttämisestä 3D-skannerina. Tarkasti ottaen kyse ei ole skannauksesta vaan kuvista mallintamisesta, mutta puhekielessä tämä kaikki yhdistyy nykyään skannaukseksi.
Kyseessä näyttää olevan ”Structure from motion” -tekniikkaan perustuva tietokonenäön laskenta, joka normaalisti vaatii suurta laskentakapasiteettia. Esimerkiksi tutkimusryhmässä toimiva professori Marc Polleyfeys on jo vuosia aikaisemmin toteuttanut vastaavia ratkaisuja, joissa kuvat on ladattu verkkopalvelimelle laskettavaksi ja käyttäjä on saanut mallinsa laskennan jälkeen. Nyt tämä kaikki näyttää tapahtuvan reaaliaikaisesti käyttäjän älypuhelimella käyttäen GPU:ta laskentaan.
Normaalista kuvantamisesta poiketen ETH:n ratkaisussa malliin saadaan mukaan mittakaava. Täytyykin tutustua tarkemmin siihen, kuinka homogeenisen mittakaavan tekniikalla kohteeseen saa. Mittakaavaongelma on näet yksi niistä syistä, joiden takia fotogrammetrikot eivät ole innostuneita tietokonenäön laskentaratkaisuista.
Kokonaisuus kuullostaa hienolta. Nyt pienehköt objektit voi mallintaa ilman minkäänlaista lisälaitetta ja valmiin mallin voi tulostaa tarpeen mukaan vaikkapa 3D-tulostimella.
