Unmanned Aerial Vehicles (UAVs) är obemannade flygfarkoster som främst använts och utvecklats inom det militära. Under senare år har användandet även tagit fart inom den civila sektorn, däribland mätningsbranschen. För att samla in geodata används Unmanned Aircraft Systems (UAS), vilka är system som består av fler komponenter än endast luftfarkosten t.ex. även kamera och kontrollstation. UAS är ett bra alternativ till traditionell flygfotografering då högupplösta bilder kan genereras till en låg kostnad. Eftersom UAS är en relativt ny metod måste osäkerheten utvärderas. Syftet med detta examensarbete är att utvärdera hur stödpunkter påverkar osäkerheten vid georeferering av UAS-bilder. Data erhölls från en flygning utförd av Sweco i november 2012. För att kunna utvärdera stödpunkternas inverkan översignalerades det 5 ha stora området med 35 stödpunkter. Nio olika konfigurationer av stödpunkter georefererades i programvaran Agisoft PhotoScan 0.9.0 och resultatet analyserades i Microsoft Excel, Geo Professional och Surfer 10L. Resultaten visar att osäkerheten för georefereringen minskar när antalet stödpunkter ökar, förutsatt att en jämn placering tillämpas. Bra georeferering uppnåddes när fyra stödpunkter användes. Vi rekommenderar ändå att minst fem stödpunkter används, fem stycken ger bra möjligheter till en god geometri – en i varje hörn och en i mitten. Det lägsta RMS-värdet i 3D (72 mm) erhölls med 17 stödpunkter jämnt fördelade över området. Det högsta RMS-värdet i 3D (190 mm) fick konfigurationen med sex stödpunkter placerade i ett av områdets hörn, något som tydligt visar hur stödpunkters placering (geometrin) påverkar osäkerheten av georefereringen. Även om fyra stödpunkter (en i varsitt hörn) bara får marginellt större RMS-värde än om en extra stödpunkt placeras i mitten, rekommenderas den sistnämnda för den bättre geometrin. För att kontrollera georefereringen rekommenderas några extra inmätta kontrollpunkter i området. / The main use and development of Unmanned Aerial Vehicles (UAVs) havethrough history been driven for military purposes, but in recent years the usehas increased also in the civilian sector, including the surveying industry. Inorder to collect geodata Unmanned Aircraft Systems (UAS) are used. UAS aresystems that consist not only of the unmanned vehicle, but also of componentslike a camera and a control station. UAS is a good alternative to traditionalaerial survey due to the high resolution images and the low operational cost.The uncertainty of UAS must be evaluated further since it is a relatively newsurveying method. The purpose of this study is to analyze the number of groundcontrol point’s (GCP’s) impact on the uncertainty of georeferencing UAS images.Data was collected from a flight conducted by Sweco in November 2012. The areawhich was flown (5 ha) was “over-signalized” by 35 GCPs in order to evaluate theirimpact on the georeferencing uncertainty. Nine different configurations of GCPswere georeferenced in the software Agisoft PhotoScan 0.9.0 and the result wasanalyzed in Microsoft Excel, Geo Professional and Surfer 10L. The result showsthat the uncertainty of the georeferencing decreases when the number of GCPsincreases, provided their distribution is even in the area. A goodgeoreferencing was obtained when four GCPs were used. Regardless, we recommendthe use of five, five provide a good geometry – one in each corner and one inthe middle. The least RMS value in 3D (72 mm) was found with 17 GCPs evenlydistributed in the area. The highest RMS value in 3D (190 mm) was found whenall six GCPs were placed in one of the corners of the area. This shows that thedistribution of GCPs has a great impact on the uncertainty of thegeoreferencing. Even if four GCPs (one in each corner) just get a little higherRMS value than if one extra GCP is placed in the middle, the latter isrecommended because of the favourable geometry. To be able to control thegeoreferencing it is recommended to survey some extra GCPs in the area.

UAS has been become a very popular tool in surveying and evaluation of the systems measurement uncertainties are necessary. The most common method for georeferencing UAS data is to use ground control points (GCP) in order to use them in block adjustment. In recent years’ new techniques for direct georeferencing with UAS have been presented, which in theory means that the position of the UAS can be determined accurately enough and therefore GCP’s can be excluded. This study evaluates  uncertainties of the UAS Freya from SmartPlanes that don’t need GCP’s for georeferencing. The technique applied in the evaluation is based on Post Processed Kinematic (PPK) for coordinate determination of the UAS, which means that the collected GNSS data can be post processed using a reference station.   The test area was a 280 x 320 m block in the north end of Gävle airport, Sweden. Each flight is conducted in two orthogonal blocks and evaluated in three different ways against the 16 GCP. The altitude was about 90 m for all flights. The uncertainty of the PPK-technique is tested and evaluated with three different methods to ensure both accuracy and potential use. In total five flights were assessed and evaluated with Agisoft PhotoScan against 16 GCP spread over the area. The position of each GCP’s was determined with four independent network RTK measurements.  The results show that the georeferencing with the PPK-technique and block adjustment has potential to meet the uncertainties in level with indirect georeferencing using GCP. The results show very similar planimetric uncertainties, around 0,020 m in RMS, for all evaluations with the PPK-technique. The results of the uncertainty in height is more scattered where the two lowest results in a RMS under 0,015 m and the highest over 0,100 m for the difference against the 16 GCP.  It is possible to achieve low uncertainties with the method without the use of GCP. For areas where establishment of GCP is not possible, using UAS equipped with PPKtechnology provides a very suitable alternative to use. The results show relatively large differences between the evaluations and in order to determine the exact cause of them, further studies are required. / Den starka teknikutvecklingen för UAS resulterar i flera nya produkter på marknaden och för att utvärdera deras mätosäkerheter krävs det kontroller av systemen. Den vanligaste metoden vid georeferering med UAS är att använda koordinatbestämda flygsignaler på marken. På senare år har metoder för direkt georeferering presenterats, vilket i teorin innebär att positionen för UAS kan bestämmas så pass noggrant att flygsignaler kan uteslutas. I denna studie utvärderas mätosäkerheter för Freya, ett UAS från SmartPlanes som med hjälp av bra positionering och blockutjämning ska kunna användas för georeferering utan flygsignalering. Systemet från Smartplanes bygger på Post Processed Kinematic (PPK) för koordinatbestämning, vilket innebär att insamlat GNSS data kan efterberäknas med korrektioner från en referensstation. Mätosäkerheten för PPK-tekniken testas och utvärderas med 3 olika metoder för att se både på mätosäkerhet samt möjlig användning. Totalt fem flygningar har utförts på ett testområde som var cirka 280x320 m och beläget i den norra delen av Gävle flygplats. Flyghöjden var kring 90 m för alla flygningar som vidare har bearbetats och utvärderats i programvaran PhotoScan från Agisoft. Kontrollen av mätosäkerheten har gjorts mot 16 spridda kontrollpunkter på marken som har positionsbestämts med fyra oberoende nätverks-RTK mätningar vardera. Varje flygning är utförd i två ortogonala block och utvärderades med fyra olika konfigurationer mot de 16 kontrollpunkterna.  Resultaten visar att georeferering med hjälp av blockutjämning och PPK-tekniken har potential för att uppnå mätosäkerheter i nivå med indirekt georeferering med hjälp av stödpunkter på marken. I plan visar resultaten på väldigt jämna mätosäkerheter, kring 0,020 m i RMS, för alla utvärderingar med PPK-tekniken. Resultaten i höjd är mer spridda där de lägsta visar mätosäkerheter under 0,015 m RMS och de högsta över 0,100 m i RMS för avvikelsen mot kontrollpunkterna. Det är fullt möjligt att uppnå låga mätosäkerheter med metoden utan användning av stödpunkter. För användningsområden där stödpunkter inte kan etableras är detta UAS med PPK-tekniken ett mycket lämpligt alternativ att använda. Resultaten visar på relativt stora skillnader mellan de olika testade metoderna och för att avgöra den exakta orsaken till dem skulle vidare studier behövas.

Frågan om digitala detaljplaner är mer relevant än någonsin i Sverige efter nya direktiv från svenska myndigheter som ålägger kommunerna att digitalisera delar av sina planarkiv. Att digitalisera redan existerande detaljplaner är en tidskrävande process, vilket innebär att effektiva automatiserade metoder kan bli värdefulla för att kunna spara tid. Men för att att veta om en metod kan sägas vara effektiv behöver den först utvärderas. Denna studie syftar till att utvärdera en nyligen presenterad metod för automatiserad digitalisering av detaljplaner, och är den första kvantitativa undersökningen av metoden. De frågeställningar som undersöks är huruvida metoden är effektiv och om den har några svagheter. Dessutom analyseras resultatet utifrån ett antal egenskaper hos detaljplanerna, för att se om dessa egenskaper påverkar kvalitén. Eftersom kvalitén på digitala detaljplaner inte har studerats systematiskt i något tidigare sammanhang har ett av studiens bidrag också varit att ta fram ett ramverk för hur detta kan mätas och bedömas. Metoden består av totalt tre steg och de två första stegen som innefattar automatiserad georeferering samt automatiserad vektorisering har applicerats på totalt 75 detaljplaner. En kvantitativ utvärdering av metodens två första steg har sedan genomförts med hjälp av jämförelsedata i form av manuellt digitaliserade detaljplaner. Studien visar att ungefär 70% av detaljplanerna i testen kunde georefereras, och 44% av bestämmelseytorna kunde vektoriseras med hjälp av metoden. Resultaten har dock stor spridning i fråga om kvalitét, med felvärden på 5 meter för de mest lyckade resultaten och över 100 meter för de sämsta. Svagheterna som identifierades för metoden handlar främst om att georefereringsprocessen krävde omfattande manuell granskning och att den var begränsad till detaljplaner med plankarta i fyrfärg. Dessutom hade de vektorer som genererades ingen självklar tillhörighet till något bestämmelseområde. Gällande vilka egenskaper som påverkade resultatet fann studien att det framför allt var en liten detaljplanearea som hade ett negativt inflytande. De huvudsakliga slutsatserna från studien var att metoden till viss del kunde anses digitalisera detaljplanerna på ett effektivt sätt, och att utvärderingsmetoden kan byggas vidare på i framtida studier genom att ta hänsyn till ytterligare faktorer såsom form på- och avstånd mellan polygonerna. / With new directives from Swedish authorities imposing municipalities to digitize sections of their plan archives, the question of digital detailed plans is becoming more relevant than ever in Sweden. Digitizing already existing detailed plans is time consuming, so effective automated digitizing methods will be valuable to save time in this process. However, in order to know if a method is effective it first has to be evaluated. This study aims at evaluating a recently introduced method for automated digitizing of detailed plans, and it is the first one evaluating this method in a quantitative manner. The questions to be answered within the study is whether the implemented method is effective and if it has any weaknesses. Additionally, whether a number of defining characteristics of the detailed plan maps influence the quality of the result. As the quality of digitized detailed plans have not been subjected to systematic evaluation before, a novel contribution of this study is also suggesting a framework for how this can be measured and evaluated. The method consists of 3 steps and the first 2 steps, namely automated georeferencing and automated vectorization, have been performed on a set of 75 detailed plans. Using manually digitized versions of the same detailed plans as ground truth, the results of these two steps have been compared and evaluated using a set of quantitative measures.  Findings from this study have shown that about 70% of the detailed plans tested can be georeferenced, and 44% of relevant areas in the plan maps can be vectorized using the method. However, the results have displayed a significant disparity of quality, with error values for georeferencing ranging between under 5 meter for the best results and over 100 meters for the worst. The weaknesses that have been identified for the method are mainly that the georeferencing procedure requires extensive manual supervision, that the vectorization produces polygons of ambiguous belonging, and that the method is limited to multicolor detailed plans. Furthermore, a small plan area has been identified as the most influential factor for a low quality result. Main conclusions of this study have been that the method can be considered effective for digitizing detailed plans to some extent. Additionally, the method for evaluating the quality of digitizing could be expanded by reviewing more factors such as shape and gaps between polygons in future work.