Mobiilisti eli liikkuvasti voidaan laserskannaamalla mitata monenlaiselta eri alustalta maassa, merellä ja ilmassa. Pääasia on, että mittausalusta liikkuu ja tyypillisesti useista eri antureista koostuva mittausjärjestelmä mittaa samanaikaisesti. Mittauksen lopputuloksena saadaan ympäristöstä pisteitä koostuva aineisto, josta voidaan mallintaa geometrinen malli ympäristöstä.
Mittauksen ja siten siitä tehdyn mallin tarkkuus on riippuvainen käytetystä laitteistosta ja tekijöiden osaamisesta. Paremman tarkkuusluokan aineisto täyttää Väyläviraston tiukimmatkin vaatimukset kelvaten infrarakennuksen lähtöaineistoksi ja heikommat aineistot kelpaavat vaikkapa visualisointiin jos siihenkään. Hyvällä visualisoinnilla ja mittaustarkkuudella ei ole paljolti yhteisiä tekijöitä eli moni kakku on päältä kaunis ja harhauttaa aineistojen käyttäjiä.
Rieglin laserskannausjärjestelmissä laitteisto koostuu yksinkertaisimmillaan laserskannerista, jonka aineisto yhdistetään GNSS-satelliittimittauksiin ja inertiamittauksiin. Lisäksi järjestelmään voidaan lisätä tarpeiden mukaan erityyppisiä ja eri aallonpituusalueilla toimivia kameroita. Kuvia ei kuitenkaan käytetä perusmittausaineiston luomisessa, vaan niiden hyödyntäminen aloitetaan tyypillisesti vasta mallinnuksen yhteydessä.
Rieglin mittausjärjestelmien aineistoja sekä kerätään että jatkoprosessoidaan Rieglin omilla ohjelmistoilla RiAcquire ja RiProcess. RiAcquiren avulla kerätään kootusti talteen samaan projektiin kaikkien järjestelmään integroitujen osien aineisto ja RiProcess-ohjelmassa tuo aineisto sitten jatkojalostetaan georeferoiduksi, mallinnusta varten valmiiksi pistepilveksi. Myös reaaliaikainen mittaus on mahdollista, mutta koska sen tarkkuus ei tyypillisesti riitä esimerkiksi Väyläviraston määrittämiin tarkkuuksiin, niin emme suosittele sitä asiakkaillemme. Mittauksen käyttötarkoitus ratkaisee monet työn suunnittelussa ja toteutuksessa huomioitavat yksityiskohdat.
Yllä olevasta kaaviosta puuttuu heti aineiston keruun jälkeen tapahtuva trajektorin eli mittauslaitteen liikeradan tarkempi laskenta. Se tehdään ensimmäiseksi aineiston keruun jälkeen, sillä reaaliaikaisesti tallennettua INS/GNSS-navigointiratkaisua voidaan vielä jalostaa. Rieglin ratkaisussa trajektoria prosessoidaan oikeastaan eri kahteen otteeseen: ensin varsinaisen trajektorilaskennan aikana GNSS-tukiasemahavainnoilla sekä tarpeen mukaan satelliittien tarkennetuilla ratatiedoilla, jotka saadaan vasta lähes kaksi viikkoa aineistonkeruun jälkeen. Toinen trajektorin laskentakierros tapahtuu Riegl RiPrecision-laskennassa, joissa lopputuloksena trajektori tarkentuu vielä laserin havaintojen laskennalla.
Jos tämä kuullostaa lukijasta monimutkaiselta niin ei hätää, sitä se myös on aloittelijalle. Robotiikan puolella kaikki havainnot laitetaan kerralla reaaliaikaiseen laskenta-algoritmiin, mutta silloin emme voi hyödyntää monipuolisen satelliittilaskennan mahdollisuuksia. Kannattaa siis todella muistaa mittausaineiston lopullinen käyttötarkoitus ja vaatimukset mietittäessä millaista mittausaineistoa tarvitaan ja miten se on prosessoitava.
Kaikkiin näihin vaiheisiin liittyy myös olennaisena osana laadunvarmistus, joka voi keskeyttää prosessoinnin missä vaiheessa tahansa. Jos mittaajat havaitsevat jo kenttätyössä, että nyt meni pieleen, niin mittaus on keskeytettävä ja aloitettava alusta. Jos trajektorilaskennan aikana havaitaan, että lopputulos ei ole toleranssien sisällä, seuraavaksi on arvioitava saadaanko se kuntoon tukipisteillä vai ei. Jos ei, niin mittaajat joutuvat palaamaan maastoon. Näin meillekin on käynyt muutaman kerran kun satelliittiolosuhteet ovat olleet oletettua kehnommat. Tyypillisesti näin käy koulutuksissamme, koska mittaajat lähetetään takaisin maastoon kunnes palaavat kelvollisen aineiston kanssa.
Siinä vaiheessa kun trajektori on havaittu kelvolliseksi jatkoprosessointiin, niin projekti on jo voiton puolella. Laserpisteiden ja mahdollisten kontrollipisteiden avulla tehdään enää trajektorin hienosäätöä.
Näillä perusperiaatteilla laseraineistoja on laskettu jo muutaman vuosikymmenen ajan. Mukaan on tullut SLAM-algoritmeja, tekoälyä, konenäön hyödyntämistä yms., mutta kaikkia menetelmiä käytettäessä on syytä muistaa miten aineiston laatu varmistetaan. Ohjelmistoja ei kannata ajaa oletusasetuksilla, vaan ne vaativat käyttäjältä säätöä mittausympäristönn ja olosuhteiden mukaan. Oikeasti aineistojen prosessointi ei siis ole pelkkää nappien painelemista vaan vaatii osaavan käyttäjän arviointia prosessin eri vaiheissa.
