Flooding is a worldwide problem that every year causes substantial damage for the environment and stakeholders nearby, and this impact relates to several of the United Nations Sustainable Development Goals. Colombia is specially prone to flooding as 17% of its surface area is at risk of extreme flooding. In addition, there is something called a POT (plan de ordenamiento territorial) for every municipality in Colombia, which states how the territory should be managed. For this project the rivers were of particular interest, and the POT states that no temporary or permanent constructions are allowed within 30 meters on either side of a river. The purpose of this report was to investigate and analyze the possibilities of using UAV (unmanned aerial vehicle) -based photogrammetry and UAV-based LiDAR (light detection and ranging) technology to gather sufficient data for a model that could simulate different flooding scenarios in the examined area. Data from the UAV-based photogrammetry resulted in a complete visual overview of the examined area. The data gathered from the UAV-based light detection and ranging resulted in an accurate point cloud that could be processed into a DTM (digital terrain model) where three different flooding scenarios were simulated. The simulations and the visual model showed that majority of people in theexamined area were disobeying the POT and the 30 meter rule, therefore being in risk of flooding and impacting the natural diversity of the body of water. The simulation also showed that stakeholders close to the body of water were affected for each of the three different water level scenarios. In some cases, it was only vegetation and crops that got affected by the flooding scenario, while in other cases entire structures and buildings were damaged due to the increase of water level. To complement the flooding scenarios, interviews were conducted with people that have good knowledge of the area and of ecology, resulting in a stakeholder analysis. This provided an additional depth to the analysis and showed the complexity in the management of flooding in the area.

The increasing adoption of electric vehicles (EVs) brings forth the challenge of effectively managing the second-life and end-of-life cycles for lithium-ion batteries. Augmented Reality (AR) offers a promising solution to sustainably and efficiently dismantle these batteries. This thesis explores the development and evaluation of an AR mobile app specifically designed for guiding the dismantling process of a Volkswagen (VW) ID.4 lithium-ion EV battery. Subsequently, a detailed end-to-end development pipeline is presented, spanning from identifying the correct dismantling steps and building complete 3D reconstructions of the ID.4 battery using photogrammetry and CAD or 3D modelling, to creating an AR mobile application in Unity with the help of Vuforia allowing users to visualize the disassembly steps through an interactive guide. Tracking recognition testing results for each model indicates that simpler models exhibit a higher chance of producing false positives, while composite models have a greater minimum recognition distance compared to the faithfulto-real-life one-piece counterparts. User testing is conducted using a hybrid approach, combining a Figma prototype with video recordings to replicate the app’s behavior in a safe environment, without the physical presence of a high voltage battery. Results show positive user feedback, demonstrating the app’s usability and effectiveness in guiding the dismantling process. Furthermore, the thesis evaluates the app’s performance through the System Usability Scale (SUS) and the Technology Acceptance Model. The obtained SUS score of 80 (Grade B - Good) indicates favorable usability, while the Technology Acceptance Model provides insights into potential users’ perceptions. / Den ökande användningen av elektriska fordon (EV) frambringar utmaningen att effektivt hantera andra livscykler och slutlivscykler för litiumjonbatterier. För att hållbart och effektivt demontera dessa batterier erbjuder Augmented Reality (AR) en lovande lösning. Denna uppsats utforskar utvecklingen och utvärderingen av en AR-mobilapplikation som specifikt är utformad för att guida demonteringsprocessen av ett Volkswagen (VW) ID.4 litiumjon EVbatteri. Därefter presenteras en detaljerad genomgående utvecklingsprocess, som sträcker sig från att identifiera korrekta demonteringssteg och skapa kompletta 3D-rekonstruktioner av ID.4-batteriet med hjälp av fotogrammetri och CAD eller 3D-modellering, till att skapa en AR-mobilapplikation i Unity med hjälp av Vuforia, som tillåter användare att visualisera demonteringsstegen genom en interaktiv guide. Resultaten bättre identifieringstester för varje modell indikerar att enklare modeller har större chans att producera falska positiva resultat, medan komplexa modeller har större minsta igenkänningsavstånd jämfört med helhetsmodeller som är trogna verkligheten. Användartester genomförs med hjälp av en hybridmetod som kombinerar en Figma-prototyp med videoinspelningar för att återskapa appens beteende i en säker miljö, utan att behöva ha ett högspänningsbatteri fysiskt närvarande. Resultaten visar positivt användarfeedback och bekräftar appens användarvänlighet och effektivitet vid guidning av demonteringsprocessen. Uppsatsen utvärderar också appens prestanda genom System Usability Scale (SUS) och Technology Acceptance Model. Den erhållna SUS-poängen på 80 (Betyg B - Bra) indikerar en god användbarhet, medan Technology Acceptance Model ger insikter om potentiella användares uppfattningar.

Fotogrammetri är en viktig metod för att skapa 3D-representationer av terräng och strukturer, men utmaningar kvarstår när det gäller noggrannheten på grund av faktorer som bildkvalitet, kamerakalibrering och positionsdata. Användningen av drönare för byggnadsdetaljmätning möjliggör snabb och kostnadseffektiv datainsamling, men noggrannheten kan påverkas av bildkvalitet och skuggning. Avhandlingen syftar till att jämföra noggrannheten och kvaliteten hos punktmoln genererade med två olika tekniker: terrester laserskanning (TLS) och struktur-från-rörelse (SfM) fotogrammetri med drönare. För att testa båda metodernas osäkerhet och noggrannhet vid detaljmätning av bostäder. Genom att utföra mätningar på en villa har data samlats in med både TLS och drönare utrustade med 48 MP kamera, samt georeferering med markstöd (GCP). SfM-punktmoln bearbetades med Agisoft Metashape. Jämförelser gjordes mellan SfM- och TLS-punktmoln avseende täckning, lägesskillnad och lägesosäkerhet. Genom att följa riktlinjer från HMK - Terrester Laserskanning och tillämpa HMK Standardnivå 3 säkerställs hög noggrannhet i mätningarna. Kontroll av lägesosäkerhet av båda punktmolnen resulterade i en lägesosäkerhet som understeg toleranser satta enligt HMK - Terrester laserskanner Standardnivå 3.  Kontrollen av lägesosäkerheten visade att kvadratiska medelfelet(RMSE) i plan och höjd var 0.011m respektive 0.007m för TLS-punktmolnet, och 0.02m respektive 0.015m för drönar-SfM-punktmolnet, vilket låg under toleransen enligt HMK- Terrester Detaljmätning 2021. Resultaten tyder på att Structure-from-Motion fotogrammetri med drönare kan generera punktmoln med god detaljrikedom, inte lika noggrann som med terrester laserskanner på sin lägsta inställning. TLS uppvisade mindre osäkerhet enligt kontrollen av lägesosäkerhet, ungefär en halvering av RMSE i både plan och höjd. I studien framgick det att TLS presterar sämre vid svåråtkomliga ytor med skymd sikt och ogynnsamma infallsvinklar, där effekten blir en lägre punkttäthet för punktmolnet. Vid gynnsamma förhållanden erbjuder TLS en högre noggrannhet och detaljnivå jämfört med SfM punktmoln. Enligt M3C2 punktmoln analys, med TLS punktmolnet som referens, antydde det att SfM punktmolnet genererade största felen vid takfot samt vid buskage. De större felen vid takfot tyder på att SfM presterar sämre gällande detaljnivå och fel vid buskageområdet varierar inte från det som dokumenterats om fotogrammetriska fel vid mappning av vegetation. SfM kan utföra en effektiv datainsamling för större samt svåråtkomliga ytor men kräver lång bearbetningstid med diverse hjälpmedel för att uppnå hög noggrannhet. TLS kräver istället en lång datainsamlingsprocess men kan generera ett detaljerat och noggrant punktmoln direkt utan långa bearbetningsprocesser. Val av metod styrs därmed baserat på specifika projektkrav. Långsiktiga implikationer inkluderar förbättrad effektivitet och säkerhet inom bygg- och anläggningsprojekt, samt potentialen för kostnadsbesparingar och mer detaljerade inspektioner. / Photogrammetry is a crucial method for creating 3D representations of terrain and structures, yet challenges remain regarding accuracy due to factors such as image quality, camera calibration, and positional data. The use of drones for building detail measurements enables rapid and cost-effective data collection, but accuracy can be affected by image quality and shading. This thesis aims to compare the accuracy and quality of point clouds generated using two different techniques: terrestrial laser scanning (TLS) and Structure-from-Motion (SfM) photogrammetry with drones. The objective is to test the uncertainty and accuracy of both methods in residential surveying. Data collection was performed on a villa using both TLS and a drone equipped with a 48 MP camera, along with georeferencing with ground control points (GCP). SfM point clouds were processed with Agisoft Metashape. Comparisons were made between SfM and TLS point clouds in terms of coverage, positional difference, and positional uncertainty. By following guidelines from HMK - Terrester laserskanning 2021 and applying HMK Standard Level 3, high measurement accuracy was ensured. Positional uncertainty checks of both point clouds resulted in positional uncertainty within tolerances set by HMK - Terrestrial Laser Scanning Standard Level 3. The positional uncertainty, with a sample of 41 points showed that the root mean square error (RMSE) in plane and height was 0.011m and 0.007m respectively for the TLS point cloud, and 0.02m and 0.015m for the drone-SfM point cloud, both within the tolerance according to HMK - Terrestrial Detail Measurement 2021. The results suggest that Structure-from-Motion photogrammetry with drones can generate point clouds with good detail, although not as accurate as terrestrial laser scanning at its lowest setting. TLS showed less uncertainty according to the positional uncertainty check, with approximately half the RMSE in both plan and height. The study found that TLS performs worse on difficult-to-access surfaces with obstructed views and unfavorable angles, resulting in lower point cloud density. Under favorable conditions, TLS offers higher accuracy and detail compared to SfM point clouds. According to M3C2 point cloud analysis, using the TLS point cloud as a reference, SfM point clouds showed the largest errors at eaves and shrubbery. The larger errors at eaves indicate that SfM performs worse in terms of detail level, and errors in the shrubbery area are consistent with documented photogrammetric errors in vegetation mapping. SfM can effectively collect data for larger and difficult-to-access areas but requires extensive processing time with various aids to achieve high accuracy. Conversely, TLS requires a long data collection process but can generate a detailed and accurate point cloud directly without lengthy processing. The choice of method thus depends on specific project requirements. Long-term implications include improved efficiency and safety in construction and infrastructure projects, as well as potential cost savings and more detailed inspections.