En karta är en färskvara som är i ständigt behov av ajourhållning. Ajourhållning görs normalt med traditionella metoder: fotogrammetriska och/eller geodetiska. Men i och med att utvecklingen går framåt har intresset för en ny metod, UAS (Unmanned Aerial Systems), ökat. UAS är en relativt ny fotogrammetrisk metod där obemannade flygfarkoster används. Detta examensarbete har utvärderat vilken osäkerhet vanligt förekommande detaljer i en karta kan få i framställda "produkter" som genererats med hjälp av UAS-bilder som georefererats med naturliga stödpunkter. Produkterna som framställdes var en digital ytmodell och ett ortofoto och togs fram i datorprogrammet Agisoft Photoscan. Bilderna som bearbetades i denna studie erhölls från Swecos UAS-flygning och var tagna över deponiområdet Fågelmyra i Ornäs, Dalarnas län. I den digitala ytmodellen och i ortofotot mättes detaljer in för att sedan kontrolleras mot kontrollpunkter inmätta med nätverks-RTK (Real-Time Kinematic). Studien visade att detaljer inmätta i den digitala ytmodellen och ortofotot resulterade i en osäkerhet på 0,28 m respektive 0,08 m i plan. Varför osäkerheterna skiljer sig mellan den digitala ytmodellen och ortofotot kan ha att göra med att det är svårt att identifiera objekt i den digitala ytmodellen. Utifrån denna studie kan det konstateras att UAS och georeferering med naturliga stödpunkter lämpar sig för kartering av mindre områden. Dessutom kan det konstateras att UAS är effektiv och relativt enkel teknik. / A map is in constant need of being updated. Map updating is normally performed with traditional methods such as photogrammetric and/or geodetic. But by technical development the interest in new methods has increased, like in UAS (Unmanned Aerial Systems). UAS is a relatively new photogrammetric method using unmanned aerial vehicles (UAV). The purpose of this study is to evaluate what uncertainty common details in a map can get in "products" generated from UAS images georeferenced with natural ground control points. The products that were generated was a digital surface model and an orthophoto and was produced in the software Agisoft Photoscan. The images that were processed in this study were obtained from Sweco’s UAS flight and taken over landfill area Fågelmyra in Ornäs, Dalarna county. In the digital surface model and the orthophoto details were measured and controlled against check points surveyed with Network RTK (Real-Time Kinematic). The study has shown that the surveyed details in the digital surface model and ortohophoto resulted in a planimetric uncertainty of 0.28 m and 0.08 m, respectively. The reason for why the uncertainties for the digital surface model and orthophoto are different may be that it is difficult to identify objects in the digital surface model. Based on this study it can be concluded that UAS and georeferencing with natural ground control points is suitable for mapping of smaller areas. In addition, it can be concluded that UAS is efficient and relatively easy technique.

This thesis focuses on vision-based detection and observation of small, slow-moving targets using a gimballed fixed-wing unmanned aircraft system (UAS). Generally, visual tracking algorithms are tuned to detect motion of relatively large objects in the scene with noticeably significant motion; therefore, applications such as high-altitude visual searches for human motion often ignore target motion as noise. Furthermore, after a target is identified, arbitrary maneuvers for transitioning to overhead orbits for better observation may result in temporary or permanent loss of target visibility. We present guidelines for tuning parameters of the Visual Multiple Target Tracking (Visual MTT) algorithm to enhance its detection capabilities for very small, slow-moving targets in high-resolution images. We show that the tuning approach is able to detect walking motion of a human described by 10-15 pixels from high altitudes. An algorithm is then presented for defining rotational bounds on the controllable degrees of freedom of an aircraft and gimballed camera system for maintaining visibility of a known ground target. Critical rotations associated with the fastest loss or acquisition of target visibility are also defined. The accuracy of these bounds are demonstrated in simulation and simple applications of the algorithm are described for UAS. We also present a path planning and control framework for defining and following both dynamically and visually feasibly transition trajectories from an arbitrary point to an orbit over a known target for further observation. We demonstrate the effectiveness of this framework in maintaining constant target visibility while transitioning to the intended orbit as well as in transitioning to a lower altitude orbit for more detailed visual analysis of the intended target.

Framställning av digitala terrängmodell (Digital Terrain Model, DTM) är en viktig del för projekteringsunderlag vid markrelaterade frågor. Grunden för en DTM är punktmolnet som innehåller grunddata från mätningen. DTM är användbara i många olika områden, kvalitén bestäms beroende på vilken uppdrag som DTM gäller för. UAS-fotogrammetri är en av metoder som tillämpas för att framställa en DTM, det går även att framställa en DTM utifrån punktmoln från Laserdata NH. En DTM är en modell av endast markyta, där data samlas genom mätning av ett visst objekt. Syftet med detta examensarbete som är utfört vid Institutionen för ingenjörsvetenskap vid Högskolan Väst var att jämföra två olika metoder för framställning av ett punktmoln som är till underlag för en DTM. Punktmoln som framställs med egna mätningar från UASfotogrammetri och ett färdigt punktmoln från Laserdata NH. Målet med jämförelsen är att undersöka om det går att ersätta UAS-fotogrammetri med den kostnadseffektiva Laserdata NH i projektet för ett industriområde (Lödöse varvet) i Lilla Edets kommun, samt om det går att ersätta den överlag. Med hjälp av Agisoft Metashape programvaran framställdes det punktmolnet från mätning från UAS av modellen DJI Phantom 4 Advanced, sedan jämfördes den mot det färdiga punktmolnet från Laserdata NH i CloudCompare programmet. Resultatet på denna studie visar att det går att ersätta UAS-fotogrammetri mot Laserdata NH i just denna och andra liknande projekt som har samma syfte och viss bestämd noggrannhet då punktmolnen inte avviker signifikant från varandra. Medan det inte går att ersätta de mot varandra överlag, då UAS-fotogrammetri erhåller högre noggrannhet när det gäller framställning av ett punktmoln jämfört med vad Laserdata NH har för noggrannhet på sina mätningar / Generation of Digital Terrain Model (DTM) is an essential part in project planning in questions related to spatial planning. Basis for the DTM is the point cloud which obtains initial data from the measurement. DTM can be used in different areas, accepted quality level is depending on the assignment for which DTM is produced. UAS-photogrammetry is one of the methods which is used for DTM generation, but it is possible to produce DTM from point cloud originated from Laserdata NH. A DTM is a model representing entirely terrain surface, where the data used for its generation gathers from measuring of a certain object. The purpose of this study accomplished at Department of Engineering Science at University West was to compare two different methods for point cloud generation as a basis for DTM. First point cloud generated comes from own measurement with UAS-photogrammetry and second is a point cloud from acquired Laserdata NH. The goal of the comparison is to examine if it is possible to replace UAS-photogrammetry with the cost effective Laserdata NH in the project for the industrial area (Lödöse varvet) in Lilla Edet municipality, and if it is possible to replace it generally. With help of Agisoft Metashape software the point cloud from UAS-measurement with DJI Phantom 4 Advanced was generated and then compared to Laserdata NH point cloud in CloudCompare program. Result of this study is showing that it is possible to replace UAS-photogrammetry with Laserdata NH in this specific and others similar projects which have same purpose and certain decided precision since point clouds are not significantly deviating from each other. While it is not possible to replace them generally, as UAS-photogrammetry obtains higher precision concerning point cloud generation compared to accuracy that Laserdata NH has in its measurements.

<p>Safety Management Systems (SMS) in the aviation industry is increasingly an essential aspect of identifying hazards and managing the associated risks. While SMS has become commonplace and is often a regulatory requirement for air carriers, it remains voluntary for many other aviation service providers such as airports. Over the past decade, commercial UAS operations have significantly increased, leading to safety and economic challenges for airports. This research studied the current state of SMS and commercial UAS operations at airports. This research utilized a mix of quantitative and qualitative methods, which included an extensive literature review, interviews, and a survey of airport stakeholders. The literature review confirmed an increase in UAS hazards and risks within the airport operating area coupled with immature SMS practices that address these UAS operations. To build on the findings from the review of literature, a survey instrument was developed, distributed to airport stakeholders, and the responses were statistically analyzed. To gain greater insight into these findings, researchers interviewed three airport subject matter experts. The study compared the airports current state of SMS with UAS operations, the airport stakeholder’s level of familiarity with related policies, and their need for additional UAS SMS guidance material or training. Research results suggest a need for further development and adoption of robust SMS practices at airports along with education and training. This study may assist airport stakeholders, UAS operators, and regulators to further develop robust safety and risk management practices that support safe UAS operations within the airport operating area.</p>

Laserskanning har blivit en vanlig metod för dokumentation, övervakning, underhåll och ut­veckling av olika industrimiljöer. Särskilt för inmätning och visualisering av komplexa rörledningar på industrianläggningars tak är punktmoln från laserskanning ett viktigt verktyg för att på ett enkelt sätt hitta potentiella platser för installation av nya rörledningar. Detta examensarbete genomfördes i samarbete med konsultbolaget Swecos mätningsgrupp i Karlstad och undersökte om det är möj­ligt att ersätta punktmoln från terrester laserskanning med punktmoln skapade med flygbilder tagna med UAS (Unmanned Aerial System) för dokumentering av komplexa rördragningar på industritak. Studien genomfördes på ett mindre område (5x25 m) på reningsverket i stadsdelen Sjöstad (Sjö­stadsverket) i Karlstad. Området innehöll omfattande rörledningar i olika dimensioner och andra detaljer såsom rattar, flänsar och gallerluckor. Detta område ansågs därför vara lämpligt att använda för studiens syfte och tillträdet förutsatte dessutom inte omfattande och dyra säkerhetsutbildningar. Undersökningen genomfördes genom markering av ett sextiotal kontrollpunkter som sedan mättes in med totalstation i ett lokalt referenssystem. Bakåtobjekten användes även som fästpunkter för sfäriska måltavlor under laserskanningen. Dessutom mättes även målade markstödsignaler på bet­ongen in i samband med detta för att möjliggöra en georeferering av flygbilderna. Därefter genom­fördes terrester laserskanning inom undersökningsområdet från nio uppställningar med varierande instrumenthöjder samt två UAS-flygningar med flygfotografering från tio respektive 22 m flyghöjd. Efterbearbetningarna började med att etablera ett lokaltreferenssystem, vilket användes för geo­referering av både laserskanningspunkmolnet samt respektive flygfotograferingspunktmoln. De er­hållna lokala koordinaterna för kontrollpunkterna i respektive punktmoln jämfördes gentemot de totalstationsinmätta koordinaterna för att analysera lägesosäkerheten. Punktmolnet från terrester laserskanning innehöll 55 tydligt identifierbara kontrollpunkter medan punktmolnen från UAS-flygningen visade 53 respektive 22 identifierbara kontrollpunkter. Den kvadratiska medelavvikelsen (RMS) i 3D för dessa punkter uppgick till 8 mm i laserskann­ingspunktmolnet respektive 25 mm för båda flygbildspunktmoln. Efter detta analysmoment valdes punktmolnet från flygningen på 22 m höjd bort inför de fortsatta analyserna då cirka två tredjedelar av kontrollpunkterna inte var identifierbara. Även mät- och lägesosäkerheten från flygbildspunktmolnet från tio meters höjd visade sig dock i början vara otillräckligt för att kunna ersätta terrester laserskanning med flygfotografering med UAS. Ändå tillät detaljeringsgraden en identifiering av ett stort antal kontrollpunkter och vidare analyser visade att den stora lägesosäkerheten främst berodde på kontrollpunkter kopplade till vissa detaljtyper (dolda stödben och omarkerade bultar). En nyberäkning av lägesosäkerheten utan dessa kontrollpunkter gav betydligt bättre värden för lägesosäkerhet inom flygbildspunktmolnet från tio meters höjd, ett RMS i 3D på 12 mm. Eftersom användningarna där Sweco skulle vilja ersätta terrester laserskanning med flygfoto­graf­ering inte kräver en detaljnivå på bultstorlek visade sig därmed flygfotografering med UAS som en lämplig alternativ metod för att dokumentera komplexa rördragningar på industritak. / This study explored the possibility of using aerial photography from Unmanned Aerial Systems (UAS) as a replacement for terrestrial laser scanning in documenting complex pipeline systems on industrial roofs. The research, conducted in collaboration with Sweco's survey group in Karlstad, focused on visual qualities and positional uncertainty in point clouds generated by terrestrial laser scanning and aerial photography. Control points were marked and surveyed using a total station, then terrestrial laser scanning and UAS-aerial photography was performed to generate point clouds. Analysis revealed that the aerial photography at 22 m altitude was not suitable due to unrecognizable control points. However, the aerial photography at 10 m altitude, after excluding certain types of control points, showed improved positional uncertainty. As the desired applications did not require fine-level detail, UAS aerial photography proved to be a suitable alternative for documenting complex pipeline systems on industrial roofs.

Ett allt vanligare fenomen är att civila samhällsaktörer använder drönare i arbetet. En av dem är Polismyndigheten vars förmåga benämns UAS, en akronym för Unmanned Aircraft System. UAS används bland annat för ledning av operativa insatser. Syftet med studien var att undersöka hur användningen av UAS påverkar polisens ledning av insatser. Den polisiära UAS-användningen har för avsikt att höja polisens ledningsförmåga. Enligt tidigare forskning kan detta normativa påstående tolkas som ett designförslag. Med denna utgångspunkt undersökte studien empiriskt hur UAS-användningen påverkar polisens möjligheter att nå önskade effekter av insatser. Undersökningen genomfördes med stöd av Brehmers (2013) designlogik bestående av fem analysnivåer. Designlogiken applicerades på primärt på ledningssystemet i relation till insatssystemet.  Empirin utgjordes av sju individuella och semistrukturerade intervjuer. Intervjuerna analyserades med deduktiv tematisk analys. Resultaten visar att det finns effekthöjande faktorer, effekthämmande faktorer och effektsänkande (risk)faktorer gällande polisens UASanvändning vid insatsledning. Studiens slutsats är att det är hur relationen mellan dessa faktorer ser ut vid varje unik insats som påverkar vilken betydelse UAS-användningen får för ledningsförmågan, och därmed också vilka effekter som kan uppnås med insatsen som helhet. Det finns därmed en riktighet, men inte en garanti, i påståendet att UAS-användning genererar ökad ledningsförmåga vid ledning av operativa insatser. Att UAS-användningen höjer ledningsförmågan förutsätter att omständigheterna är gynnsamma/hanterbara och att de effektsänkande (risk)faktorerna kan undvikas/hanteras. / An increasingly common phenomenon is that civil society actors utilizes drones in work-related situations. Amongst them is the Swedish Police Authority, whose capability entitles UAS, an acronym for Unmanned Aircraft System. One way in which the Swedish police uses UAS is for command and control (C2) of operations. The purpose of the study was to investigate how the UAS-usage affects the management of C2 operations. Through UAS-usage, the Swedish police intends at increasing the police's C2 ability. According to previous research, this normative statement could be interpreted as a design proposal. Following this, the study investigated empirically how the UAS-usage affects the police's ability to achieve desired effects of C2 operations. To conduct the research, the study used Brehmer's (2013) design logic consisting of five levels of analysis. The design logic was applied primarily to the C2-system in relation to the mission respondent system.  The empirics consisted of seven semi-structured interviews, which all took place individually. The interviews were analyzed with deductive thematic analysis. Results are showing that UAS-usage in C2 operations has effect-enhancing factors, effect-inhibiting factors and effect-reducing (risk) factors. The study states that the relationship between these factors in each unique C2 operation affects how UAS-usage influences the C2 ability, and hence which effects the operation as a whole produces. There is thus an accuracy, but not a guarantee, in the claim that UAS-usage generates increased C2 ability. The achievement of increased C2 ability through UAS-usage is dependent on favorable/manageable circumstances and the fact that the effect-reducing (risk) factors can be avoided/managed.

In recent years, the technical progress of Unmanned Aerial Vehicles (UAV) has increased rapidly. This has made it economically possible for tasks where one earlier needed helicopters or airplanes. By equipping UAVs with high-quality cameras, the utility has expanded. With detailed photos from a UAV together with digital photogrammetry, special software can be used to create point clouds, 3D-models, elevation models and ortomosaics over smaller geographic areas.  Due to the easy access and that the use of UAVs has increased among private users, the Swedish transport agency has set up rules that determine how UAVs should be used. In these regulations, UAVs are separated into different groups from A1 to A3 based on the weight of the aircraft. The regulations make it illegal to fly a UAV heavier than 250 g over people who are not informed about the flight. Since there are several industries where it could be interesting to fly over people, DJI has manufactured a UAV-model called DJI Mini 2. This UAV weighs 249 g and can therefore be flown over people. In this project, two different flights have been carried out. One with the DJI Mini 2 weighing 249 g and one with the DJI Mavic 2 Pro weighing just under 1 kg. During the flight, overlapping pictures were captured and orthomosaic and elevation models were created from those. The purpose of the project was to investigate if the same accuracy can be achieved with a mini-UAV as with a larger UAV. The study also investigated whether the models were accurate enough to use as a ground model along roads and railroads.  In the Dronelink software, two different flight routs were created over Örsholmens IP in the east­ern part of Karlstad, Sweden. Dronelink created the flightpath based on the UAVs different specifications and the overlap between images that were acquired. A geodetic control network was created using GNSS-technology. Five points were measured twice with 45 minutes in between and calculated in SBG GEO. The next day, a surveying total station was established centrally between the points in the geodetic control network. Thereafter 19 ground control points were measured, and 398 ground points distributed in 20 different control profiles. After the points were measured, the flights were carried out. A total of two flights by each UAV model were made the same day. Then the flight with the best results were used for further processing.  The photos taken were processed in Agisoft Metashape. In the software, point clouds, elevation models and orthomosaic were created. The elevation model was then compared to the measured control profiles. The orthomosaic was used to compare the ground control points.  The results showed that the elevation model created with Mavic 2 Pro was within the SIS tolerance on all different types of surfaces to be used for modelling along roads and railways. The elevation model from the DJI Mini 2 was withing the tolerance on grass and asphalt but not on gravel sur­face. The mean deviation on gravel was -1,37 cm outside the tolerance. The planar comparison showed that both models were withing the tolerance to achieve HMK level 3 standard. / Den tekniska utvecklingen av obemannade flygfarkoster har de senaste åren utvecklats i snabb takt. Flygfarkosterna som ofta benämns UAV (Unmanned Aerial Vehicle) har gjort det möjligt att till en låg kostnad genomföra uppdrag som tidigare krävt helikopter eller flygplan. Genom att utrusta en UAV med en högkvalitativ kamera så ökar dess användningsområde. Med hjälp av detaljerade digi­tala bilder tagna med UAV, och digital fotogrammetri i specialprogramvaror kan punktmoln, 3D-modeller, höjdmodeller och ortomosaik över mindre geografiska områden framställas.  På grund av att UAV-användningen ökat snabbt så har Transportstyrelsen tagit fram ett regelverk för hur en UAV får användas. I detta regelverk så delas olika UAV-modeller in i grupper från A1 till A3 baserat på vikten. Regelverket gör att en UAV som är tyngre än 250 g inte får flygas över männi­skor som inte är informerade om att flygningen pågår.  Eftersom det i flera branscher kan vara intressant att flyga över platser där människor rör sig fritt så har DJI tillverkat en UAV-modell som heter DJI Mini 2. Denna UAV väger 249 g och får därför flygas över människor. I detta projekt har två olika flygningar gjorts med DJI Mini 2 som väger 249 g och med Mavic 2 Pro som väger knappt 1 kg. Under flygningen togs överlappande bilder och höjdmodeller och ortomosaik skapades från dessa. Syftet med arbetet är att undersöka om lika hög noggrannhet kan uppnås med en mini-UAV som med en större modell. Studien undersökte även om modellerna uppnår kraven i SIS-TS 21144:2016 och HMK för att få användas till att skapa markmodell längs väg och järnväg.  I programvaran Dronelink så skapades två flygrutter över Örsholmens IP i den östra delen av Karl­stad. Dronelink skapade rutterna baserat på de olika UAV-specifikationerna och bildöverlappet som valdes för flygningarna. På platsen skapades ett nytt stomnät med hjälp av GNSS-teknik. Fem punk­ter mättes in två gånger med 45 minuters mellanrum och beräknades i SBG GEO. Dagen efter eta­blerades en totalstation centralt mellan punkterna mot stomnätet. Därefter mättes 19 markstöd in och 398 punkter fördelat i 20 olika kontrollprofiler. Efter att punkterna var inmätta genomfördes flygningarna. Totalt gjordes två flygningar med de olika UAV-modellerna på samma dag. Därefter valdes de flygningar som visade bäst resultat för vidare bearbetning.  Bilderna som togs bearbetades i programvaran Agisoft Metashape och punktmoln, höjdmodell och ortomosaik genererades. Höjdmodellen användes sedan för att jämföras mot de inmätta kontrollprofilerna. Ortomosaiken jämfördes med de inmätta kontrollpunkterna.   Resultatet visade att höjdmodellen som skapades med Mavic 2 Pro var inom SIS-TS 21144:2016 toleranserna på samtliga underlag för att få användas för modellskapande på väg och järnväg. Höjdmodellen som skapades med DJI Mini 2 var inom toleransen på gräs och asfalt men inte på grusunderlag. Medelavvikelsen på grus var -1,37 cm utanför toleransen. Vid jämförelsen i plan vi­sade resultatet att båda modellerna var inom HMKs toleranser för att uppnå HMK-standardnivå 3.

Digitala terrängmodeller (DTM:er) är ett vanligt förekommande verktyg i planering av olika samhällsutvecklande projekt inom stat, kommun och den privata sektorn. Inom planering för byggnationer av väg och järnväg används ofta SIS-TS 21144:2016 som ett dokument för styrning av produktionsprocessen vid framtagning av DTM:er, eller markmodeller. Med anledning av att ny teknik öppnar för möjligheter till snabbare, effektivare och klimatsmartare insamling av data, har denna studie till syfte att utvärdera Unmanned Aerial System (UAS) med Light Detection and Ranging (LiDAR) från YellowScan och dess mätosäkerhet i höjd. I denna undersökning jämförs resultatet från studien med klass 2 i SIS-TS 21144:2016 för flyghöjderna 50 m och 80 m samt för skanningsvinklarna 0 (lod), 10, 20 och 40 grader. Platsen för studien är belägen strax sydväst om Gävle i en nedlagd grustäkt med både hårt packat och något lösare underlag. Storleken för studieområdet begränsades till 200 x 300 m, vilket ger en 6 ha stor yta. Med utrustning för mätning med GNSS (Global Navigation Satellite System) mättes två stompunkter in med Nätverks-RTK (Real Time Kinematic). Därefter skapades ett stomnät med åtta punkter. Totalt mättes 26 kontrollytor in för jämförelser mot insamlade LiDAR-data. Datainsamlingen utfördes med obemannad flygfarkost (Unmanned Aerial Vehicle, UAV), GeoDrone X4L, utrustad med LiDAR-skannern YellowScan Surveyor meden integrerad IMU (Inertial Measurement Unit) från Applanix. Tillsammans bildade dessa enheter ett obemannat flygsystem (UAS) som kunde fjärrstyras och kommunicera sin position. All bearbetning utfördes i programvara från Terrasolid, baserat på data från flygrutten som först bearbetats i YellowScan CloudStation. Punkterna klassificerades för att urskilja marklassade punkter som användes vid generering av DTM:er. En justering av punktmolnet gjordes med avsikt att höja marklassade punkter för att motverka det brus som förekommer i data. Kontrollytorna kunde nu jämföras mot DTM:en och analyseras. Resultaten i studien visar att YellowScan Surveyor uppnår ett Root Mean Square (RMS) i höjd på 0,024 m vid 50 meters flyghöjd, vilket innebär 0,047 m utvidgad mätosäkerhet (2-sigma, 95 %). Även vid 80 meter uppnås relativt låg mätosäkerhet i höjd med ett RMS på 0,040 m. Resultaten i studien visar också att påverkan av mätning i en större skanningsvinkel inte är den enda faktor som försämrar resultatet. / Digital terrain models (DTMs) are a commonly used tool in planning various development projects within the state, municipalities, and the private sector. In planning for road and rail construction, the Swedish technical specification SIS-TS21144:2016 is often used as a document for controlling the production process of DTMs. Given that new technology opens the possibilities for faster, more efficient, and climate-smart data collection, this study aims to evaluate Unmanned Aerial System (UAS) with Light Detection and Ranging (LiDAR) from YellowScan and to evaluate the measurement uncertainty in height. In this study, the results of the study are compared with class 2 SIS-TS 21144:2016 for the flight heights 50 m and 80 m and the scanning angles 0 (in nadir), 10, 20 and 40 degrees. The site of the study is located just southwest of Gävle in a closed gravel pit with both hard packed and slightly looser substrates. The size of the study area was limited to 200 x 300 m, equivalent to 6 hectares. With Global Navigation Satellite System (GNSS) equipment, two control points were measured with Network-RTK (Real Time Kinematic). Subsequently, a control network of eight points was created. A total of 26 control grids were measured for comparisons of collected LiDAR data. The data collection was carried out with the Unmanned Aerial Vehicle (UAV) GeoDrone X4L equipped with LiDAR Scanner YellowScan Surveyor with an integrated Inertial Measurement Unit (IMU) from Applanix. Together, these units formed an UAS that could be remotely controlled and communicate its position. All processing was performed in software from Terrasolid, based on data from the flight route that was first processed in YellowScan CloudStation. The points were classified to distinguish ground points used in the generation of the DTM. An adjustment of the point cloud was made with the intention of raising ground level points to reduce the noise present in the data. The control grids could then be compared to the DTM and analysed. The results of the study show that YellowScan Surveyor achieves a Root Mean Square (RMS) in height of 0,024 m at 50 meters flight altitude, which equals 0,047m expanded measurement uncertainty (2 sigma level, 95 %). Even at 80 meters, relatively low uncertainty is achieved with an RMS of 0,040 m. The results of the study indicate that the influence of measurements at a wider scanning angle is not the only factor that deteriorates the results.

I samband med en trafikolycka är det ofta viktigt att återställa platsen till det normala så snabbt som möjligt. Emellanåt måste olycksplatsen dokumenteras för att orsaken till olyckan ska kunna utredas i ett senare skede. Traditionellt har detta arbete utförts genom att fotografera platsen och mäta olika avstånd. På senare tid har även terrester laserskanning kommit att bli ett tillförlitligt alternativ. Med det sagt är det tänkbart att även fotogrammetri och andra typer av laserskanning skulle kunna användas för att uppnå liknande resultat.  Syftet med denna studie är att utforska hur handhållen laserskanning och UAS-fotogrammetri kan användas för att dokumentera en trafikolycka. Detta uppnås genom att utvärdera punktmolnens lägesosäkerhet och visuella kvalitet. Vidare utforskas fördelar och nackdelar med respektive metod, bland annat sett till tidsåtgång och kostnader, för att slutligen komma fram till vilken metod som lämpar sig bäst för att dokumentera en trafikolycka.  En trafikolycka med två inblandade bilar iscensattes och laserskannades till en början med den handhållna laserskannern Leica BLK2GO. Därefter samlades bilder in med den obemannade flygfarkosten Leica Aibot följt av att ett referenspunktmoln skapades med den terrestra laserskannern Leica C10. Genom att jämföra koordinater för kontrollpunkter i referenspunktmolnet med koordinaterna för motsvarande kontrollpunkter i de två andra punktmolnen kunde deras lägesosäkerheter bestämmas. Studiens resultat visar att både punktmolnet som framställdes med handhållen laserskanning och UAS-fotogrammetri har en lägesosäkerhet (standardosäkerhet) i 3D på 0,019 m. Båda metoderna är tillämpliga för att dokumentera en trafikolycka, men jämfört med terrester laserskanning är punktmolnen dock bristfälliga på olika sätt. BLK2GO producerar ett förhållandevis mörkt punktmoln och mörka objekt avbildas sämre än ljusare föremål. I punktmolnet som framställdes med Leica Aibot förekom påtagliga håligheter i bilarnas karosser. Handhållen laserskanning är en tidseffektiv metod medan UAS-fotogrammetri kan utföras till en lägre kostnad. Sammanfattningsvis går det inte att dra någon entydig slutsats om vilken metod som lämpar sig bäst för att dokumentera en trafikolycka. Valet beror på vilka omständigheter som råder på olycksplatsen. / In the event of a traffic accident, it is often important to restore the site to its normal condition as fast as possible. Occasionally, the accident scene must be documented so that the cause of the accident can be investigated at a later stage. Traditionally, this work has been performed by taking pictures of the site and measuring different distances. Lately, terrestrial laser scanning has also become a reliable alternative. With that said, it is possible that photogrammetry and other types of laser scanning also could be utilized to achieve similar results.    The aim of this study is to investigate how handheld laser scanning and UAS photogrammetry can be used to document a traffic accident. This is achieved by examining the positional uncertainty and visual quality of the point clouds. Moreover, the advantages and disadvantages of each method are explored, for instance in terms of time consumption and costs, in order to finally come to a conclusion of which method is best suited for documenting a traffic accident. A traffic accident with two involved cars was staged and initially laser scanned with the handheld laser scanner Leica BLK2GO. Thereafter, pictures were collected with the unmanned aerial vehicle Leica Aibot followed by the creation of a reference point cloud with the terrestrial laser scanner Leica C10. By comparing the coordinates of control points in the reference point cloud with the coordinates of the corresponding control points in the two other point clouds, their positional uncertainty could be determined. The results of the study show that both the point cloud produced by the handheld laser scanner and UAS photogrammetry have a positional uncertainty (standard uncertainty) of 0.019 m. Both methods are applicable for documenting a traffic accident but compared to terrestrial laser scanning, the point clouds are deficient in different ways. BLK2GO produces a relatively dark point cloud and dark objects are reproduced worse than lighter objects. In the point cloud produced by Leica Aibot, there were noticeable cavities in the bodies of the cars. Handheld laser scanning is a time-efficient method while UAS photogrammetry can be performed at a lower cost. In conclusion, it is not possible to arrive at an unambiguous conclusion with regards to which method that is best suited for documenting a traffic accident. The choice depends on the prevailing circumstances at the accident scene.

ITC/USA 2007 Conference Proceedings / The Forty-Third Annual International Telemetering Conference and Technical Exhibition / October 22-25, 2007 / Riviera Hotel & Convention Center, Las Vegas, Nevada / Aerocross Systems, Inc. is developing a low-cost unmanned airborne telemetry relay system to augment the USAF Air Armament Center’s Eglin Gulf Range instrumentation resources. The system is designed to remotely autotrack and relay S-Band telemetry and VHF/UHF voice communications from test articles beyond the line-of-sight of land-based instrumentation. The system consists of a medium altitude/endurance Unmanned Aerial Vehicle (UAV), a Mission Control Station, and a remotely operated telemetry/voice tracking and relay instrumentation suite. Successfully developed and deployed, the system will contribute to lower range costs while enhancing range instrumentation performance.