Over the last years there has been a rapid development in the UAS-technology (Unmanned Aircraft Systems) and today there are several UAS systems on the market. The fast development has led to differences in both price and capability of taking high-quality images between the systems. The purpose of this study was firstly to investigate how two UAS systems differ in the uncertainty of measurement while making digital terrain models, secondly, to investigate how different UAS systems cope with the laws and requirements that exist for producing digital terrain models for detail projection, SIS-TS 21144:2016 Table 6 level 1-3. A comparative study on two software’s creation of point clouds from picture data was also conducted. In this study, three digital models were made from one specific area. They were created with two different UAS-systems and laser scanning from an airplane. The models were compared and analysed using the RUFRIS method. The UASsystems used were a fixed wings Smartplanes S1C and a rotary wings Dji Phantom 4 PRO. The Smartplanes flew 174 m above the ground and the Dji Phantom 4 flew 80 m above the ground. The results from the study show that laser scanning from the airplane created the model with the lowest measurement uncertainty and met all the requirements for each separate type (asphalt, natural soil, grass and gravel) for detail projection according to SIS.TS 201144:2016 table 6 level 1-3. Additionally, the results show that the terrain model produced by the Dji Phantom 4 only met the requirements for asphalt where the mean deviation was 0,001 m. The results produced with “Smartplanes” met the requirements for asphalt and gravel where the mean deviations were -0,007 m and 0,017 m. The softwares PhotoScan and UASMaster were compared while creating point clouds from pictures taken by the Smartplanes. The results show that PhotoScan had the lowest uncertainty for asphalt, grass and gravel surfaces while UASMaster produced lower uncertainty for natural soil. The results indicate that airborne laser scanning should be the preferred method for collection of topographic data since it created lower measurement uncertainties than the other methods in this study. It is also possible to create digital terrain models with UAS for detail projection for asphalt and gravel surface in accordance with 21144:2016. Finally, it was concluded that the used software programs are showing differences in creating point clouds. / De senaste åren har tekniken för Unmanned Aircraft System (UAS) utvecklats snabbt och idag finns flera system på marknaden. Ett resultat av den snabba utvecklingen är att de olika systemen skiljer sig åt, dels i pris men även i kapacitet. Syftet med studien var att undersöka hur olika UAS-system skiljer sig åt i mätosäkerhet vid framställning av digitala terrängmodeller, men även hur olika UAS-system står sig mot det regelverk som finns för framställning av digitala terrängmodeller vid detaljprojektering enligt SIS-TS 21144:2016 Tabell 6 klass 1-3. Ytterligare ett syfte med studien var att undersöka hur olika programvaror skiljer sig åt vid framställning av punktmoln från bilddata. I studien kontrollerades och jämfördes tre digitala terrängmodeller genererade över samma område med två olika UAS-system samt laserskanning från ett flygplan. Terrängmodellerna jämfördes mot kontrollprofiler framställda med RUFRIS-metoden. De olika UAS-systemen var en dyrare variant, Smartplanes S1C (fastavingar), och en billigare variant, Dji Phantom 4 PRO (roterande vingar). De tillämpade flyghöjderna för flygningarna var 174 m för Smartplanes och 80 m för Dji Phantom. Resultatet från studien visar att laserskanning från flygplanet uppnådde lägst mätosäkerhet och klarade samtliga krav för varje separat marktyp för detaljprojektering enligt SIS-TS 201144:2016 Tabell 6 klass 1-3. Marktyper som undersöktes var: asfalt, naturmark, gräs och grus. Vidare klarade terrängmodellen producerad med Dji Phantom endast kravet för asfaltsytor, där medelavvikelsen fastställdes till 0,001 m. Terrängmodellen producerad med Smartplanes klarade endast kraven för marktyperna asfalt och grus där medelavvikelsen fastställdes till -0,007 m respektive 0,017 m. Som en del i studien jämfördes programvarorna PhotoScan och UASMaster för framställning av punktmoln för bilder insamlade med Smartplanes S1C. Resultatet visar att PhotoScan uppnådde lägst mätosäkerhet för asfalt, gräs och grus medan UASMaster uppnådde lägst mätosäkerhet för naturmark. Studien visar att flygburen laserskanning borde vara en fortsatt föredragen metod för insamling av topografisk data då metoden resulterade i lägst mätosäkerheter i denna studie. Vidare visar studien att det är möjligt att framställa digitala terrängmodeller med UAS för detaljprojektering enligt SISTS 21144:2016 för asfalt- och grusytor. Dessutom konstateras att olika bearbetningsprogram skiljer sig vid framställning av punktmoln.

En digital terrängmodell (DTM) är en representation av enbart själva markytan. Det finns flera metoder för att framställa DTM:er, där laserskanning har blivit en alltmer vanlig metod. Inom laserskanning är flygburen laserskanning (FLS) en flitigt använd metod, då metoden har fördelen av att kunna täcka stora områden på kort tid. Det finns dock nackdelar med FLS då datainsamlingen kan bli bristfällig i t.ex. skogsområden, där laserstrålar inte kan tränga igenom tät vegetation. Här kan handhållen laserskanning (HLS) vara ett bra alternativ då HLS går snabbt och inte behöver samma omfattande planering. Tidigare studier visar att HLS har många fördelar, men som dock inte kan hålla samma låga osäkerhet som terrester laserskanning (TLS). Det saknas däremot studier om hur HLS ställer sig mot mätningar med FLS. Syftet med studien är därför att utvärdera möjligheten att använda och tillämpa mätningar med HLS för framställning av DTM i skogsterräng gentemot FLS. Detta görs genom att jämföra respektive DTM:s lägesosäkerhet. I studien användes instrumentet ZEB-REVO för insamlingen av data för metoden HLS. Medan för FLS användes laserdata från Lantmäteriet. Från insamlad laserdata skapades därefter DTM:er. Dessa jämfördes mot ett antal kontrollprofiler som mättes in med totalstation. För respektive metod, HLS och FLS, beräknades medelvärde för höjdavvikelserna mot kontrollprofilerna där även standardavvikelse beräknades. Resultatet visar att DTM:en skapad av data från FLS beräknades ha en höjdavvikelse för hela området på 0,055 m som medelvärde gentemot inmätta kontrollprofiler. Standardavvikelsen för denna höjdavvikelse beräknades till 0,046 m för FLS. För DTM:en med data från HLS beräknades en höjdavvikelse på 0,043 m i medelvärde som bäst, där standardavvikelse beräknades till 0,034 m. Studien visar att metoderna HLS och FLS gav likvärdiga resultat gentemot de inmätta kontrollprofilerna, dock gav HLS generellt mindre standardavvikelse i jämförelse mot FLS. Vidare ansågs ZEB-REVO och dess tillhörande databearbetningsprogram GeoSLAM vara väldigt användarvänligt, där själva skanningen med instrumentet tog endast 10 minuter för studiens område på ca 2000 m2. Utifrån studiens resultat drogs slutsatsen att mätningar med HLS kan ge en likvärdig DTM, sett till osäkerheten, som FLS-mätningar. HLS kan därmed vara en kompletterande metod men att FLS är en fortsatt effektiv metod. / A digital terrain model (DTM) represent exclusively the earth surface. There are several methods which can be utilized to create DTMs, where laser scanning have become a common used method. Airborne laser scanning (ALS) is often used since the method can cover a large area in a relatively short time. However a disadvantage with ALS is that the data collection, for a wooded area, can be inadequate due to penetration difficulties for some laser beams. For that reason a handheld laser scanner (HLS) can be an alternative since measurements can be done fast and does not need the same extensive planning. Earlier studies mention HLS to have several advantages but can still not yet be compared with terrestrial laser scanning (TLS) concerning the measurements uncertainty. There are, however, no studies that investigates how measurements with HLS stands against FLS. The purpose with the study is to evaluate the ability to use measurements from HLS to create a DTM for a wooded area in comparison with ALS. This is done by comparing the different uncertainties for each DTM. In the study the acquisition of HLS laser data was collected with the instrument ZEB-REVO and the ALS laser data was received from Lantmäteriet (cadastral mapping and surveying authority in Sweden). After the data acquisition a DTM were created from each data set (method). The DTMs were then compared to control profiles, which have been measured with total station. From the comparison with the control profiles average height deviation and standard deviation were calculated for each DTM. The result shows that the DTM created from ALS data received an average height deviation of 0,055 m for the whole area with a standard deviation of 0,046 m. Corresponding result for the DTM created from HLS data were calculated, at best, to 0,043 m in average height deviation and 0,034 m in standard deviation. The study shows that the methods HLS and ALS gave equivalent result regarding the comparison with the control profiles, however HLS gave a generally lower value for standard deviation. Furthermore ZEB-REVO with its processing program GeoSLAM was considered to be very easy and user friendly. The area (approx. 2000 m2) for the study was scanned within only 10 min. The conclusion which were drawn from the obtained result was that measurements with HLS can generate an equivalent DTM, concerning the uncertainty, as measurements with FLS. Thereby HLS can be a complementing method but still FLS is seen as an effective method.