Digitala ytmodeller (Digital Surface Model – DSM) används ofta i geodetiskt sammanhang. DSM har länge skapats bland annat med hjälp av fotogrammetri där flygbilder har tagits med traditionella flygningar. Intresset tilltar nu för att framställa DSM med hjälp av obemannade flygfarkoster, så kallade UAS (Unmanned Aircraft System). Den största fördelen med UAS är att det går snabbt och enkelt att få den lilla flygfarkosten upp i luften för att ta flygbilder och framställa DSM kostnadseffektivt.Syftet med detta examensarbete var att undersöka vilken höjdosäkerhet som kan uppnås i DSM som framställts genom fotogrammetri med UAS. För att åstadkomma detta har två flygningar gjorts den 25 april 2013 med en Gatewing X100 över ett område i Grillby där cirka 350 flygbilder togs sammanlagt. Efter flygningarna mättes med en totalstation 16 kontrollprofiler in på olika terrängtyper över flygområdet enligt rekommendationer i SIS-TS 21145:2007 ”Statistisk provning av digital terrängmodell”.Från de två flygningarna som gjordes i Grillby framställdes två olika DSM i programvaran AgiSoft Photoscan. DSM importerades därefter till SBG Geo där höjdskillnaderna mellan kontrollprofilerna och DSM beräknades. Medelavvikelsen i höjd varierade mellan -0,112 m och 0,050 m för de olika provytorna. De provytor som systematiskt avvek från DSM var asfaltprofilerna, dessa låg konstant (ca 0,1 m) under DSM. Anledningen tros ligga i bildmatchningen i programvaran AgiSoft Photoscan.De DSM som framställdes i detta examensarbete uppfyllde kraven för klass 4 enligt SIS-TS 21144:2007 vilket innebär att max medelavvikelse i höjd får vara 0,15 m. Det innebär, enligt samma SIS-TS, att framställda DSM är lämpade som projekteringsunderlag för arbetsplan väg och systemhandling järnväg (i jämn terräng). / Digital Surface Models (DSM) is common used for geodetic measurement today. Digital surface models have been created for a long time using photogrammetry where aerial photographs have been taken with traditional flights. The interest to produce DSM using unmanned air vehicles (UAS) has increased lately. The main advantage of a UAS system is that it is quick and easy to get the little aircraft up in the air to take aerial photographs and produce DSM cost-effective.The aim of this thesis was to investigate the height of uncertainty that can be achieved in DSM created by photogrammetry using UAS. To achieve this two flights have been made the 25th of April 2013 with a Gatewing X100. The flights were made over an area in Grillby where approximately 350 aerial photographs in total were taken. After the flights 16 control profiles were measured with a total station on different terrain types over the flight area as recommended by the document SIS-TS 21145:2007 “Statistical testing of Digital Terrain Models”.From the two flights that were made in Grillby, two different DSM was produced in the software AgiSoft Photoscan. The DSM was imported to SBG Geo and height differences between the control profiles and the DSM were calculated. This resulted in height differences which ranged between -0.112 m and 0,050 m in the various sample surfaces. The sample surface that deviated most from the DSM was the asphalt profiles that deviated about -0.1 m. It was considered to be a systematic error, but the source of the systematic error has not been located among the measurements. The error is believed to instead be in the image matching done by AgiSoft Photoscan. The DSM created in this thesis is classified as class 4 in a table from SIS-TS 21144:2007 which means that the max mean difference in height inside the DSM is ±0,15 m. This shows us that the DSM created with photogrammetry using UAS is suited for both as material for planning in railway and road constructions and for visualization of the ground.

UAV (Unmanned Aerial Vehicle) eller drönare används för insamling av geografisk data och fotografering av såväl företag, myndigheter och privatpersoner. Tekniken förenklar insamling av data över stora geografiska områden och kan utnyttjas för kartering, modellering och analysering som volymbestämning. Studien genomfördes med syftet att detektera trädhöjder ur punktmoln genererade med laserskanning och digital fotogrammetri från luften. Vidare undersöktes det vilken metod som gav det mest tillförlitliga resultatet samt om teknikerna var applicerbara för detektering av riskträd. Riskträd innebär i denna studie träd som utgör ett potentiellt hot mot viktig infrastruktur som till exempel kraftledningar. Numera sker datainsamlingen primärt via helikopter för identifiering av sådana träd. Genom att använda olika drönartekniker för datainsamlingen kan kostnaderna reduceras. Insamlingen av data genomfördes över ett glest barrskogsområde i Rörberg strax utanför Gävle. Laserdata samlades in med en LiDAR (Light Detection and Ranging)-sensor från YellowScan monterad på en Geodrone X4L Professional-drönare och de fotogrammetriska data med en drönare av typen DJI Phantom 4 RTK (Real Time Kinematic) med standardkamera. För bägge insamlingarna georefererades insamlade data direkt genom enkelstations-RTK för laserskanningen och med SWEPOS Nätverks-RTK för den fotogrammetriska flygningen. För att kontrollera kvaliteten av insamlade data mättes sex stycken kontrollprofiler in med totalstation i skogspartiet. Dessa jämfördes sedan mot de skapade punktmolnen. Medelavvikelsen och standardavvikelsen mellan LiDAR och kontrollprofilerna fastställdes till -0,038 m och 0,049 m. För fotogrammetrin och kontrollprofilerna bestämdes medelavvikelsen till +0,060 m och standardavvikelsen 0,090 m. Dessa värden jämfördes sedan mot kraven i SIS-TS 21144:2016. För att bestämma absoluta höjder mättes tio stycken träd in med totalstation. Trädens högsta och lägsta punkter koordinatbestämdes och utifrån subtraktion erhölls absoluta värden för vilka höjder från LiDAR- och fotogrammetriskt framställda trädhöjdsmodeller kom att jämföras mot. Jämförelsen mellan metoderna visade en medelavvikelse på -0,325 m för LiDAR och -0,928 m för fotogrammetrin. Slutsatsen av denna studie visar att LiDAR är den mest lämpade tekniken för detektering av trädhöjder och skapande av trädhöjdsmodeller. Detta baseras på erhållna höjdvärden, den digitala terrängmodellens kvalitet och den goda täckningen av punkter i plan och höjd för punktmolnet. / UAVs (Unmanned Aerial Vehicles) or drones are commonly used for collecting spatial data and aerial images by companies, state agencies and civilians. The UAV techniques makes collection of geodata easier for large areas and can be used for mapping, 3D modelling and other analyses, e.g. for volume determination. The aim of this study was to compare 3D point clouds generated from airborne laser scanning and digital photogrammetry for detecting heights of trees. It was also investigated which method produced the most reliable results and if these were applicable for detecting risk trees. The definition of risk trees in this study are trees that run the potential risk of damaging important infrastructure such as electric power transmission lines. Nowadays the collection of data is mainly conducted using helicopters for identifying the risk trees, but with UAV technologies costs can be significantly reduced. The collection of data was performed over a sparse coniferous forest area in Gävle, Sweden. Laser data was collected using a YellowScan LiDAR (Light Detection and Ranging) sensor mounted on a drone. For the photogrammetric data, a DJI Phantom 4 RTK (Real Time Kinematic) drone was used with its standard camera. Both techniques were directly georeferenced using Single station RTK and SWEPOS Network RTK respectively. To check the quality of the collected data, six control profiles were established using a total station. These measurements were then compared to the generated point clouds. Our results show that the mean deviation and standard deviation in height between LiDAR point clouds and the control profiles are -0,038 m and 0,049 m, respectively. The mean deviation and standard deviation for photogrammetric point clouds and control profiles are +0,060 m and 0.090 m, respectively. These values were then compared to the requirements in SIS-TS 21144:2016. To determine absolute tree heights, ten random trees were measured using a total station. The coordinates of the highest and lowest points of each tree were then subtracted to serve as absolute height values. The comparison of the two UAV methods showed mean height deviations of   -0,325 m for LiDAR and -0,928 m for the photogrammetry. This study concludes that LiDAR is the most suitable technology of the two methods tested for detecting tree heights and creating canopy height models. This is based on the obtained height values, the quality of the digital terrain model and the good distribution of points in plane and height for the point cloud.

Tekniken hos mobiler och utvecklingen av programvaror för digitalafotogrammetriska tjänster har haft en snabb utveckling, vilket har gjort detmöjligt att enkelt kunna skapa 3D-modeller.Syftet med denna studie är att undersöka om det är möjligt att med hjälp avbildunderlag från en mobiltelefon kunna volymberäkna objekt så som t.ex.grushögar och diken. Den teknik som används är en automatiskbildjusteringsalgoritm som heter Structure from Motion (SfM). Från en seriedigitalafoton, som täcker objektet från olika vinklar och djup kan SfMidentifiera gemensamma punkter i fotona och sammanfläta dessa till ettpunkmoln som kan användas för att skapa en 3D-modell. Utifrån 3Dmodellen kan sedan en volymbestämning ske från mjukvaran AgisoftMetashape.Denna studie utför ett flertal olika tester för att utvärdera Structure fromMotion med bildunderlag från mobiltelefon för volymberäkning. Vissa objekthar att filmats med olika typer av telefoner och sedan jämförts mot terresterlaserskanning (TLS) som är en vanlig metod vid insamling av data förvolymberäkning. Volymberäkningarna har gjorts för både positiva ochnegativa volymer. Metoden har enbart använt sig av referensmått frånmåttband ute i fält. Detta gör att ingen avancerad mätutrustning har använts.Ett ljustest genomfördes för att se hur olika ljusförhållanden viddatainsamlandet kan påverka databearbetningen och volymberäkningen.Genom att beräkna skillnader i volym mellan 3D-modellerna kommer ettresultat tas fram.Resultaten från de 3D-modeller som skapats med dataunderlag från SfM gervolymskillnader i jämförelsen mot terrester laserskanning mellan 2,2% och6,8%. Dessa resultat är från en mur och ett dike som användes i studien,skillnaden motsvarar 0,031 m3 och 15,086 m3. Den negativa volym somberäknades, dvs. diket, är det objekt som ger störst avvikelse i volym, delsmellan de olika mobiltelefonerna, dels jämfört med TLS. Metoden ger enindikation på att det finns en stor möjlighet att kunna effektivisera processenför volymbestämning då metoden inte kräver speciella mätverktyg ellersärskilda förkunskaper vilket kan både spara tid och pengar. / The technology of smartphones and the development of software for digitalphotogrammetric services have developed rapidly, which has made it possibleto easily create 3D models.The purpose of this study is to investigate whether it is possible with the helpof image data from a mobile phone to be able to calculate the volume ofobjects such as e.g. gravel piles and ditches. The technology used is anautomatic image adjustment algorithm called Structure from Motion (SfM).From a series of digital photos, which cover the object from different anglesand depths, SfM can identify common points in the photos and intertwinethese into a point cloud that can be used to create a 3D model. Based on the3D model, a volume determination can then be made from the AgisoftMetashape software.This study performed a number of different tests to evaluate Structure fromMotion with image data from a smartphone for volume calculation. Someobjects have been filmed with different types of phones and then compared toterrestrial laser scanning (TLS) which is a common method of collecting datafor volume calculation. The volume calculations have been made for bothpositive and negative volumes. The method has only used referencemeasurements from measuring tapes in the field. This means that no advancedmeasuring equipment has been used. A light test was performed to see howdifferent light conditions during the data collection can affect the dataprocessing and volume calculation. By calculating differences in volumebetween the 3D models, a result will be produced.The results from 3D modeling created with data from SfM give a volumedifferences in the comparison with terrestrial laser scanning between 2.2%and 6.8%. These results are from a small stone wall and a ditch used in thestudy, the difference corresponds to 0.031 m3and 15.086 m3. The negativevolume that was calculated, ie. the ditch, is the object that gives the largestdeviation in volume, partly between the different mobile phones, partlycompared to TLS. The method gives an indication that there is a greatopportunity to be able to streamline the work process for volume calculationas the method does not require special measurement tools or special priorknowledge which can save both time and money.