The overall objective of the study was to investigate how much a photogrammetrically modelled power line pole differs from reality and test what flight height gives the best result. In the study, two 3D models were created using UAV images supported by RTK-measured ground points. In both models, vertical images from a height of 40 meters were used. The first model was supplemented with oblique images taken from a height of 40 meters and the second model with oblique images taken from a height of 30 meters. In order to compare both models with the actual power line pole, a total of 25 details on the pole were measured with a total station and used as control points. The control points were then compared to the same points in the 3D models and the deviations between the real pole and models were calculated. The result shows a radial mean deviation in plane of 0,04 meters for model 1 and 0,03 meters for model 2. The average error in height is 0,03 meters for model 1 and 0,02 meters for model 2. It was also found that oblique images taken at a lower altitude results in a larger camera angle and smaller pixel size. This fact turns out to be of great importance when the Pix4Dmapper program is to recreate a correct scaled and detailed 3D model. The conclusion is that images taken from the flight height of 30 meters results in a better quality of the 3D model. / Det övergripande syftet med studien är att undersöka hur mycket en fotogrammetriskt modellerad kraftledningsstolpe skiljer sig från verkligheten och undersöka vilken flyghöjd som ger bäst resultat. I studien har två 3D-modeller skapats med hjälp av UAV-bilder tillsammans med RTK-inmätta markstöd. I båda modellerna har lodbilder tagna från 40 meters höjd använts. Den första modellen kompletterades med snedbilder tagna från 40 meters höjd och den andra modellen med snedbilder tagna från 30 meters höjd. För att jämföra modellerna med den verkliga kraftledningsstolpen mättes totalt 25 detaljer på stolpen in med en totalstation och användes som kontrollpunkter. Dessa jämfördes med motsvarande punkter i 3D-modellerna och avvikelser räknades fram. Resultatet visar en radiell medelavvikelse i plan på 0,04 meter för modell 1 och 0,03 meter för modell 2. Medelfelet i höjd är 0,03 meter för modell 1 och 0,02 meter för modell 2. Resultatet visar också att snedbilder tagna på en lägre höjd, vilket innebär större kameravinkel och mindre pixelstorlek, har stor betydelse när programmet Pix4Dmapper ska återskapa en skalriktig och detaljrik 3D-modell. Slutsatsen är att bilder tagna från flyghöjden 30 meter ger en högre kvalitet på modellen.

Lately Unmanned Aerial Systems (UAS) are used more frequently in surveying. With broader use comes higher demands on the uncertainty in such measurements. The post processing software is an important factor that affects the uncertainty in the finished product. Therefore it is vital to evaluate how results differentiate in different software and how parameters contribute. In UAS-photogrammetry images are acquired with an overlap which makes it possible to generate point clouds in photogrammetric software. These point clouds are often used to create Digital Terrain Models (DTM).  The purpose of this study is to evaluate how the level of uncertainty differentiates when processing the same UAS-data through block adjustment and dense image matching in two different photogrammetric post processing software. The software used are UAS Master and Pix4D. The objective is also to investigate how the level of extraction in UAS Master and the setting for image scale in Pix4D affects the results when generating point clouds. Three terrain models were created in both software using the same set of data, changing only extraction level and image scale in UAS Master and Pix4D respectively.  26 control profiles were measured with network-RTK in the area of interest to calculate the root mean square (RMS) and mean deviation in order to verify and compare the uncertainty of the terrain models. The study shows that results vary when processing the same UAS-data in different software.  The study also shows that the extraction level in UAS Master and the image scale in Pix4D impacts the results differently. In UAS Master the uncertainty decreases with higher extraction level when generating terrain models. A clear pattern regarding the image scale setting in Pix4D cannot be determined. Both software were able to produce elevation models with a RMS-value of around 0,03 m. The mean deviation in all models created in this study were below 0,02 m, which is the requirement for class 1 in the technical specification SIS-TS 21144:2016. However the mean deviation for the ground type gravel in the terrain model created in UAS Master at a low extraction level exceeds the demands for class 1. This indicates all but one of the created models fulfil the requirements for class 1, which is the class containing the highest requirements. / Obemannade flygfarkostsystem (eng. Unmanned Aerial Systems, UAS) används allt mer frekvent för datainsamling inom geodetisk mätning. I takt med att användningsområdena ökar ställs också högre krav på mätosäkerheten i dessa mätningar. De efterbearbetningsprogram som används är en faktor som påverkar mätosäkerheten i den slutgiltiga produkten. Det är därför viktigt att utvärdera hur olika programvaror påverkar slutresultatet och hur valda parametrar spelar in. I UAS-fotogrammetri tas bilder med övertäckning för att kunna generera punktmoln som i sin tur kan bearbetas till digitala terrängmodeller (DTM).  Syftet med studien är att utvärdera hur mätosäkerheten skiljer sig när samma data bearbetas genom blockutjämning och tät bildmatchning i två olika programvaror. Programvarorna som används i studien är UAS Master och Pix4D. Målet är också att utreda hur vald extraktions nivå i UAS Master och vald bildskala i Pix4D påverkar resultatet vid generering av terrängmodeller. Tre terrängmodeller skapades i UAS Master med olika extraktionsnivåer och ytterligare tre skapades i Pix4D med olika bildskalor. 26 kontrollprofiler mättes in med nätverks-RTK i aktuellt område för beräkning av medelavvikelse och kvadratiskt medelvärde (RMS). Detta för att kunna verifiera och jämföra mätosäkerheten i modellerna. Studien visar att slutresultatet varierar när samma data bearbetas i olika programvaror.  Studien visar också att vald extraktionsnivå i UAS Master och vald bildskala i Pix4D påverkar resultatet olika. I UAS Master minskar mätosäkerheten med ökad extraktionsnivå, i Pix4D är det svårare att se ett tydligt mönster. Båda programvaror kunde producera terrängmodeller med ett RMS-värde kring 0,03 m. Medelavvikelsen i samtliga modeller understiger 0,02 m, vilket är kravet för klass 1 från den tekniska specifikationen SIS-TS 21144:2016. Medelavvikelsen för marktypen grus i UAS Master i modellen med låg extraktionsnivå överskrider dock kraven för klass 1. Därmed uppnår alla förutom en av terrängmodellerna kraven för klass 1, vilket är den klass med högst ställda krav.

This thesis explores the potential of Neural Radiance Fields (NeRF) for generating orthophotos in forestry applications. Traditional orthophoto production methods, such as those implemented in Pix4D, require high image overlap and significant data collection. NeRF, a novel 3D scene reconstruction technique, shows potential for reducing these requirements by effectively reconstructing scenes with lower image overlaps. This study compares the orthophotos produced by NeRF and Pix4D using various degrees of image overlap, evaluating the results based on geometric accuracy, image quality, and robustness to data variations. The findings indicate that NeRF can produce orthophotos from low-overlap images with geometric accuracy comparable to orthophotos produced by Pix4D from high-overlap images, though with some trade-offs in image sharpness. These results suggest potential cost savings and operational efficiencies in forestry applications, providing a viable alternative to traditional photogrammetric techniques.