Utförande av kontroller av olika objekt i byggskedet är av stor betydelse för att undvika onödiga kostnader och förseningar. Betonggolv är en typ av objekt som har toleranskrav avseende lutning och buktighet. I Sverige gäller det svenska referensverket AMA-Hus, där anges toleranser för lutning och buktighet. Buktighet kontrolleras för två olika diametrar på 0,25 m respektive 2 m, i den här studien benämnda som lokal och global buktighet.Avsikten med studien var att identifiera det optimala tillvägagånssättet att kontrollera lutning och buktighet av en horisontell yta samt infallsvinkelns påverkan vid reflektorlösa mätningar. Rutnätsskanning med olika punktavstånd utförd med multistation och laserskanning från multistation och laserskanner har använts för att samla in data. Före mätning placerades konstgjorda upphöjda buktningar ut på golvet. Data från mätningarna interpolerades i Surfer-mjukvara, där kartor med höjdkurvor skapades. Interpolationsmetoden som användes var Kriging. Även ett program för objektiv kontroll av buktighet utvecklades i samarbete med en civilingenjör i datateknik.Vid analys konstaterades det att rutnätsskanningarna med punktavstånden över 12,5 cm ej anses lämpliga för kontroll av buktighet. Rutnätsskanningen med punktavstånd på 12,5 cm eller tätare kan inte heller anses optimal för kontroll av buktighet då tidsåtgången blir för omfattande. Laserskanning med multistationen är det tillvägagångsätt som utifrån resultatet i denna studie, baserat på kontrollbarhet av buktighet och lutning, ger tydligast resultat i förhållande till tidsåtgång.Högre infallsvinkel från mätningar längre bort från instrumentet visade ingen systematisk inverkan på mätningarna i denna studie. Den ökade punkttätheten som påvisats nära instrumentet orsakade något som tolkats som brus i punktmolnet och förhöjd tidsåtgång för utförande av mätningar. / Performing controls of different types of objects in the construction phase of buildings are of great importance to avoid unnecessary costs and delays. Concrete floors are one type of object that has defined tolerances regarding levelness and flatness. In Sweden, the tolerance for levelness and flatness can be found in the national guideline AMA-Hus. Flatness is controlled within two different diameters of 0.25 m and 2 m respectively, in this study referred to as local and global flatness.The aim of this study was to identify the optimal method to control levelness and flatness of a horizontal surface and to determine the effect from the angle of incidence using reflectorless measurements. Grid scanning with different point density performed with a multi station and laser scans from multi station and laser scanner were used to collect the data. Before measurements artificial elevated curvatures where placed on the concrete floor. Data from the measurements where interpolated in Surfer software, and height maps were created. The interpolation method used was Kriging. Software containing an algorithm for objective flatness detection was developed in cooperation with a civil engineer in computer science.Analysis of the grid scanning data revealed that point density over 12.5 cm is not sufficient to detect significant elevation differences when controlling flatness. Grid scanning at 12.5 cm or thicker also cannot be deemed optimal since the time required to perform the measurements are disproportionately long. Laser scanning using the multi station proved, in the conditions of this study, to be the optimal method for levelness and flatness control in respect to time consumption.Steeper angle of incidence from measurements further from the instrument showed no systematical deviations of the measurements in this study. However, the increased point density found close to the instrument caused something that could be considered as noise in the point cloud as well as increased time consumption.

Höjddata av god kvalitet är av stor betydelse i många sammanhang, inte minst i samhällets anpassning till ett förändrat klimat. Laserdata Skog är höjddata insamlade från flygburen laserskanning och kommer i färdigt skick att täcka större delen av Sveriges yta. För att sådana data ska kunna användas på bästa sätt är det viktigt att ha kännedom om deras kvalitet. För data från flygburen laserskanning finns det många parametrar som orsakar variation i kvaliteten, där terrängtypens inverkan hör till de mest betydande.  Denna studie utförs på uppdrag av Lantmäteriet och syftar till att undersöka kvaliteten i Laserdata Skog. Fokus ligger på osäkerhet i höjd och punkttäthet, samt hur dessa faktorer varierar mellan olika terrängtyper. Höjdosäkerheten har undersökts genom jämförelser mellan laserdata och terrestra kontrollmätningar, medan punkttätheten har bestämts med beräkningar och observationer i laserdata. Fyra terrängtyper ingår i studien: Hårdgjord yta, Gräsyta, Barrskog och Lövskog. Varje terrängtyp representeras av tre olika provytor, fördelade på olika skanningsområden. Osäkerheten i höjd påverkades av både trädskikt och markvegetation, medan det enbart var variation i trädskiktet som orsakade synbar påverkan på punkttätheten. Osäkerheten i höjd för enskilda provytor varierade mellan 0,011 och 0,183 m (RMS). Punkttätheten varierade mellan 0,66 och 2,09 punkter/m2. För osäkerheten i höjd påträffades ett betydande bidrag från inpassningen av punktmolnet, vilket försvårade analysen av terrängtypens inverkan. / High quality elevation data is of great importance in many contexts, for example in society’s adaptation to climate change. Laser data forest (Laserdata Skog) is elevation data collected from airborne laserscanning, and will cover most of Sweden’s surface when completed. In order for this data to be used in the best possible way, knowledge of its quality is important. Many parameters causes variation in quality for airborne laserdata, and the impact of vegetation is one of the most significant. This study is conducted by request from Lantmäteriet (the Swedish mapping, cadastral and land registration authority) and aims to investigate the quality of Laser data Forest. Uncertainty in height and point density is the main focus, as well as how these factors vary in different types of terrain. Uncertainty in height has been investigated by comparisons between laser data and terrestrial control measurements, while point density has been determined by calculations and observations in laser data. Four types of terrain is included in the study: Impervious surface, Grass, Coniferous forest and Deciduous forest. Each type of terrain is represented by three test surfaces, one in each of three different scanning areas. Uncertainty in height was affected by both trees and ground cover, while the vegetational impact on point density was caused by trees alone. Uncertainty in height for individual test sites varied between 0,011 and 0,183 m (RMS). Point density varied between 0,66 and 2,09 points/m2. For the uncertainty in height, a considerable contribution was found to originate from the alignment of the point clouds, which made the analysis of the impact of the terrain more difficult.