Viikko on kulunut jälleen rattoisasti mobiili- ja staattisia skannausaineistoja työstäessä, kouluttaessa ja seminaarissa. Perjantaina istuimme jälleen hetken yhdessä keskustellen viikon tapahtumista ja aihepiireistä, jolloin nousi esille eri tavalla tuotettujen spatiaalisten aineistojen yhteensovittaminen – kuulemma suuri ongelma monissa organisaatioissa. No aihepiiriä on työstetty jo useita vuosikymmeniä, joten on se vallan ihmeellistä ettei tämän enempää edistymistä ole tapahtunut. Aineistot eivät vaan edelleenkään sovi yhteen.
Uutena terminä kuulimme myös käsitteen ”huojuvat trajektorit” – mikä on esittelijän mukaan kuvaus tyypillisestä mobiilaserkeilausaineistosta ja meistä vallan mainio nimitys. Näitä huojuvatrajektorisia mobiilipistepilviaineistoja yhdistellään sitten ilmalaserkeilausaineistoihin, joiden avulla huojuvaa trajektoria laitetaan kuriin. Vau!
Trajektori on mobiilimittauslaitteiston liikerata asentoineen ja se näkyy esimerkkikuvassa punaisella. Trajektori lasketaan tyypillisesti IMUn ja GNSS-havaintojen perusteella; myöhemmin sitä voidaan myös tarkentaa laseraineistolla.
Vaikka ajatus tuntuu aluksi varsin absurdilta – mobiililaserskannausaineisto on parhaimmillaan huomattavasti tarkempaa kuin ilmalaserkeilausaineisto – niin tarkemmin asiaa ajatellessa on tunnustettava se tosiasia, että valtaosalla maailman kirjavista mobiililaserskannausjärjestelmistä tuotetaan jo lähtökohtaisesti aika kuraa. Jos järjestelmän tekninen taso on siedettävä, niin käyttäjien osaamattomuus tuhoaa laadukkaankin järjestelmän aineiston. Lopputulos aineistojen mittauksellisen laadun suhteen on siis aivan Gaussin käyrän mukainen. Huipulla ei ole tungosta.
Tähän tulokseen pääsee varsin helposti seuraamalla lukuisten kartoitusalan startupyritysten kertomuksia tuotantoprosessistaan. Tuotetaan millin tai sentintarkkaa aineistoa useimmiten robottiautojen vaatimaksi lähtöaineistoksi – niin kutsutuksi High Definition -kartaksi. Tässä vaiheessa on useimmiten paras olla kysymättä, onko mittausten metriluku lähellä oikeaa. Kateellisena voimme vain seurata sivusta, kuinka helppoa millintarkan aineiston tuottaminen on kaikennäköisillä räppänöille. Sehän on vaan, öhöm, Big Datan prosessointia.
Startupmaailman ulkopuolella on paljon vaikeampaa tuottaa näin supertarkkaa aineistoa, sillä sopimusten mukaan aineiston tuottaja on oikeudellisesti vastuusta aineiston laadusta ja joutuu siis oikeasti kaivamaan rahapussia jos tulos ei vastaa tilattua. Koska Suomen mobiililaserskannausmarkkinat on viimeisen 10 vuoden aikana kustu huonoilla aineistoilla, niin mekin olemme lähteneet useaan projektiin mukaan periaatteella, että saamme rahat vain jos aineisto vastaa laatuvaatimuksia. Niin monta kertaa tilaajien käsiin on jo päätynyt luokatonta dataa! Kertaakaan maksu ei muuten ole jäänyt saamatta.
Huojuvat trajektorit voivat syntyä monestakin syystä, mutta ensimmäisenä tulee mieleen järjestelmän inertianavigointijärjestelmä. Se kaikessa mobiilimittauksessa tärkeä komponentti, jonka hankinnassa halutaan säästää. Inertiajärjestelmien hinnoittelupolitiikka on hyvin yksinkertainen – mitä parempi laite sen kalliimpi sen on.
Toinen, se ikävämpi syy, on käyttäjien osaamattomuus. Hyvän tuloksen saaminen edellyttää hyvää mittausprojektin suunnittelua, toteutusta ja prosessointia. Niin, siis geodesian osaamista.
Laadukkaassa aineistossa mobiililasermittausen trajektori ei siis huoju holtittomasti niin, että se pitää laittaa kuriin kontrollipisteillä. Tämä prosessi on sitäpaitsi täysin hyödytön sillä kontrollipisteiden välillä aineisto on taas missä sattuu. Me puhumme tässä yhteydessä makkarasta, jonka pursuaa sinne tänne.
Laadullisesti hyvä mobiililaserskannausaineisto on jo sisäisesti niin jämäkästi paikoillaan, että se voidaan muutamalla pisteellä kalibroida paikoilleen korkeuden ja tason suhteen paikalliseen järjestelmään. Tällainen aineisto paljastaa jopa armotta vaikkapa geoidimallin virheet – sekin on vain approksimaatio, jossa on omat virheensä.
Laadullisesti hyvä aineisto kelpaa erinomaisesti suunnittelun lähtöaineistoksi ja vaikkapa tarkentamaan ilmalaserkeilausaineistoa aineistojen yhteensovittamisella. Kuten me teimme esimerkiksi Hankiviki-projektissa vuonna 2014 erinomaisin tuloksin.
Laadukas mobiililaserkeilausaineisto paljastaa myös takymetri- ja GPS-mittausten virheet. Varsinkin kokemattomien mittamiesten on vaikea uskoa miten paljon pielessä mittaukset välillä ovat.
Laadukas aineisto tuotetaan laadukkaalla järjestelmällä. Hyvä tapa erottaa jyvät akanoista on tehdä koemittaus peitteisellä alueella. Avoimella alueella erot laadussa voivat olla pienempia. mutta GNSS:än heikentyessä trajektorit alkavat huojua.