Teknisk utveckling och ökad användning av GIS har ökat behovet av data som snabbt kan insamlas över stora geografiska områden. Behovet är internationellt samtidigt som det också kräver samarbete mellan alla berörda parter då systemet har förmågan att presentera geografisk information med ett brett användningsområde. Höjdförhållanden i terräng erhålls genom flygburen laserskanning och presenteras i 3D med olika klassningar för att bemöta variation i signalens reflektion. Behovet av sådan information har använts för produkter baserat på data erhållen från laserskanning. I examensarbetet användes laserdata från två skanningsomgångar beställda av Lantmäteriet. Den första laserskanningen (2011) utfördes i syfte att skapa en noggrann nationell höjdmodell innehållande klassificering av de laserpunkter som representerar mark och vatten. Den senare (2019) i syfte att uppnå en punkttäthet >1 punkt/m2 utan kriterier för vad som skall klassificeras. Syftet med examensarbetet är att testa och utvärdera olika metoder i ArcGIS Pro, QGIS samt FME för att kvalitetssäkra kartering av hustak. Målet är att visa om extraheringen kan utföras med en tillräcklig kvalitet för att metoden ska rekommenderas. Tidigare studier har fokuserat på att skapa tre olika typer höjdmodeller DEM/DTM, DSM och nDSM, samt hur man kan skapa en markyta med objekten över marken. Examensarbetet fokuserade på att klassificera oklassificerade punkter som byggnader finns inom. Detta utfördes med olika metoder i de program som användes med samma parametrar. Klassificering, extrahering och skapande av polygoner var de tre steg som användes för att extrahera hustak. Extrahering av hustak gav ett bättre resultat med ArcGIS Pro med 97 % från båda skanningsomgångarna. Detta värde berodde på cellstorlek som användes och hur buffertzoner omkring varje punkt påverkas på polygoner som i sin tur påverkades av hustakens areal. En enkät utfördes för att svara på en fråga och resultatet gav att ArcGIS Pro är bäst med 93,5 %. De problem som uppstod berodde främst på att vegetation inte kunde tas bort. Extrahering av byggnader från laserdata rekommenderas för ett punktmoln med den senare laserskanningen som har mer än 1 punkt/m². Vidare rekommenderas att använda ArcGIS Pro för att extrahera hustak från laserpunktmoln. ESRI’s ArcGIS Pro är ett komplett program som har alla verktyg som behövs. / The development of technology within GIS has increased the need for the data that being quickly added while covering large geographical areas. Such need is at the international level, while requiring a willingness to cooperate for all parties involved, as the system can present geographical information with a wide range of applications. The need for such information has been used for products based on data obtained from laser scanning. In this thesis, laser data from two scanning sessions ordered by the Swedish Land Survey were used. The first laser scan (2011) was carried out with the aim of creating an accurate national elevation model (RH 2000) containing a classification of the laser points representing soil and water. The latter (2019) was done to achieve a spot density >1 point/m2 without criteria for classification. The purpose of the current thesis is to test and evaluate the available methods in ArcGIS Pro, QGIS and FME to ensure quality mapping of roofs. The aim was to investigate whether the extraction of roofs? can be carried out with an adequate quality so that the method can be recommended for the future works. Previous studies have focused on creating three types of elevation models DEM / DTM, DSM and nDSM. So, one can create an earth surface with the objects above the ground. In this thesis, the focus was on classifying point clouds for unassigned points (unassigned == 1) in which the buildings are located. This was done by testing different methods on different programs while keeping the parameters same. Classification, extraction and creation of polygons are the three steps used to extract roofs. Extraction of rooftops showed better results using ArcGIS Pro with 97 % from both scanning sessions. This was due to the cell size used in the study and that the buffer zones around each point were affected by polygons, which in turn were affected by the rooftop area. A survey was conducted to answer a question and the result showed that ArcGIS Pro is the best with 93,5 %. Problems that arose the study were mainly caused by the vegetation cover that could not be removed. As a conclusion, extraction of buildings from LiDAR-data is recommended for a point cloud with the latter laser scan with more than 1 point/m². Furthermore, it is recommended to use ArcGIS Pro to extract rooftops from laser scanning which is a comprehensive program i.e. that all the tools used in this thesis were freely downloaded from ESRI's ArcGIS Pro.

Mobile Mapping Systems gathers a lot of spatial data that can be used for inventory and analyses regarding road safety. The main purpose of this thesis is to propose a workflow for automatic classification and digitisation of objects in a point cloud gathered by a Mobile Mapping System.   The current method used for processing point clouds is performed manually which is cost-inefficient and time consuming due to the vast amount of data the point cloud contains.   Before defining the workflow, different software were reviewed for finding which ones to use for the classification. The software review showed that a combination of using Terrasolid and FME is suitable for performing the steps suggested in the classification and digitisation method.   The proposed workflow for performing automatic classification and digitisation is based on six different steps: Identify characteristics of the objects of interest, Filter the point cloud, Noise reduction, Identify objects, Digitise and Control. This method has been carried out on two examples, road signs and painted road lines. Attributes that have been used for classifying the objects involves intensity, colour value and spatial relations. The results showed that for digitising road signs, the method found 15 out of 16 signs (94%). For digitising the painted road lines, the results produced by the automatic function had an average misalignment of 3.8 centimetres in comparison to the initial point cloud. The thesis demonstrates that the carried out functions are less time demanding for the user, compared to the manual method carried out today. / Bilburen laserskanning samlar geografiska och rumslig data som kan användas för inventering och analys gällande trafiksäkerhet. Huvudsyftet med denna uppsats är att föreslå ett arbetsflöde för automatisk klassificering och digitalisering av objekt i ett punktmoln som samlats in av en bilburen laserskanner.   Den nuvarande metoden som används för bearbetning av punktmoln innebär mycket manuellt arbete för användaren vilket är kostnadsineffektivt och tidskrävande på grund av den stora mängd data punktmolnet består av.   Innan arbetsflödet kunde definieras, har olika programvaror granskats för att hitta vilka som kan användas för klassificeringen. Den genomgångna programvaran visade att en kombination av att använda Terrasolid och FME är lämplig för att utföra de åtgärder som föreslås för klassificeringen och digitalisering.   Det föreslagna arbetsflödet för att utföra automatisk klassificering och digitalisering bygger på sex olika steg: Identifiera egenskaper hos objekt av intresse, Filtrera punktmoln, Brusreducering, Identifiera objekt, Digitalisera och Kontroll av resultat. Denna metod har genomförts på två exempel, vägmärken och målade väglinjer. Attribut som har använts för att klassificera objekten innefattar intensitet, färgvärde och spatiala relationer. Resultaten visar att för digitalisering av vägmärken, kunde funktionen identifiera 15 utav 16 skyltar(94%). Vid digitalisering av de målade väglinjerna, visade resultaten framtagna av den automatiska funktionen en genomsnittlig avvikelse i sidled på 3,8 centimeter i jämförelse med det ursprungliga punktmolnet. Avhandlingen visar att de framlagda funktionerna är mindre tidskrävande för användaren, jämfört med den manuella metoden som utförs idag.

Användingen av virtuellt byggande och byggnadsinformationsmodeller inom byggbranschen ökar ständigt och är ett område som varit föremål för flera studier under de senaste åren. I flertalet av dessa har dock fokus legat på nyproduktion. Men i och med ett ökande renoveringsbehov i stora delar av det svenska bostadsbeståndet ökar även intresset av att använda BIM inom ROT-projekt. Dessutom har ny teknik inom området inmätning, då främst laserscanning, gjort att det idag finns lämpliga verktyg för att skapa byggnadsinformationsmodeller av befintliga byggnader. Målet med denna studie har följaktligen varit att undersöka hur en BIM av en befintlig byggnad kan tas fram och hur denna kan användas inom ett ROT-projekt. Resultaten som redovisas i denna studie bygger dels på en kartläggning av olika metoder för inmätning och dels på en sammanställning av erfarenheter från olika personer som arbetat med antingen inmätning eller arbetat i ROT-projekt där digitala 3D-modeller använts på ett eller annat sätt. Kartläggningen av de olika inmätningsmetoderna genomfördes främst genom en litteraturstudie medan insamlingen av erfarenheter genomfördes i form av en intervjustudie. De slutsatser som har kunnat dras utifrån resultaten visar att det finns en rad olika nyttor med att använda sig av BIM även inom ROT-projekt. Framför allt nyttor rörande kommunikation mellan olika aktörer inom projektet och aktörer som på olika sätt berörs av projektet. Dessa aktörer kan exempelvis vara beställare eller hyresgäster av en fastighet och saknar många gånger kunskap och erfarenhet av att läsa traditionella bygghandlingar i 2D. Användandet av digitala 3D-modeller skulle göra det lättare att kommunicera med dessa aktörer. Dessutom redovisar studien ett förslag på arbetsgång som kan användas då en BIM av en befintlig byggnad ska tas fram. Denna arbetsgång består av åtta steg och går igenom vad en beställare av en 3D-modell bör tänka på för att undvika de fallgropar som denna studie kunnat identifiera. / The usage of Virtual Design and Construction (VDC) and Building Information Models (BIM) in the building industry is steadily increasing and has been the subject of several studies during the last couples of years. The majority of these have focused on the new production of buildings. However, with an increasing need for renovation in large parts of the Swedish housing stock there has been an increasing interest in using VDC and BIM in retrofit projects.  In addition to that, new advances in the field of surveying, mainly through laser scanning, have provided new adequate tools to create building information models of existing buildings. The objective of this study has therefore been to investigate how a BIM of an existing building can be developed and how it can be used in a retrofit project. The results reported in this study are partly based on a survey consisting of various survey methods and partly on a compilation of experiences from individuals who worked as either a surveyor or in retrofit projects where digital 3D models where used in one way or another. The survey consisting of different survey methods was carried out mainly through a literature study, whereas the collection of experiences was carried out in the form of an interview study. The conclusions that could be drawn from these results show that there are a variety of benefits associated with the use of BIM in retrofit projects. The most pronounced benefits relate to the communication between different participants within the project and participants that are affected by the project in various ways. These participants may include the tenants or the users of the property who often lack the knowledge and the experience of reading traditional blueprints in 2D. The implementation of digital 3D models would facilitate communication with these participants. Further to this the study presents a proposal for a method that can be used when creating a BIM for a retrofit project. This method consists of eight steps, carefully explaining what a client interested in a 3D model should consider in order to avoid the pitfalls that this study has been able to identify.

No description available.

京都大学 / 0048 / 新制・課程博士 / 博士(工学) / 甲第18587号 / 工博第3948号 / 新制||工||1607(附属図書館) / 31487 / 京都大学大学院工学研究科機械理工学専攻 / (主査)教授 北條 正樹, 教授 北村 隆行, 教授 琵琶 志朗 / 学位規則第4条第1項該当 / Doctor of Philosophy (Engineering) / Kyoto University / DFAM

UAV/LiDAR-system har utvecklats snabbt under de senaste åren. De har blivit kompaktare och kan generera en hög punkttäthet med låg mätosäkerhet. Samtidigt har prisnivåerna sjunkit, vilket medfört att ett UAV/LiDAR-system nu kan införskaffas för några hundra tusen kronor. Det finns även mer avancerade UAV/LiDAR-system för ett par miljoner kronor.  Syftet med denna studie är att undersöka vilka skillnader som finns i kvalitet mellan två UAV/LiDAR-system i olika prisklasser. Framför allt kommer osäkerheter vid skapande av digitala terrängmodeller att studeras. De system som ingår i studien är drönaren DJI Matrice 300 RTK med LiDAR-sensorn DJI Zenmuse L1, och drönaren Microdrones md4-3000 kombinerad med LiDAR-modulen RIEGL miniVUX-1DL (mdLiDAR3000DL).  Undersökningen utfördes på en grustäkt i Rörberg utanför Gävle. En fri stationsetablering gjordes för att kunna mäta in stöd- och kontrollpunkter samt fem kontrollprofiler i terrängen. En flygning per drönare genomfördes över området. De erhållna punktmolnen bearbetades och jämfördes sedan mot kontrollpunkterna i höjdled. Även mängden brus i punktmolnen studerades. Därefter skapades digitala terrängmodeller som jämfördes mot kontrollprofilerna enligt metoden i SIS-TS 21144:2016.  Innan georeferering mot stödpunkter fanns det relativt stora skillnader mellan respektive punktmoln gällande avvikelsen i höjd. För DJI-punktmolnet blev till exempel medelavvikelsen 49 mm, medan mdLiDAR3000DL genererade en medelavvikelse på –21 mm. Efter brusreducering och inpassning av punktmolnen blev resultaten mer lika. Till exempel hade de två systemens punktmoln 13 mm i både standardavvikelse och RMS. Även de uppskattade brusmängderna var relativt lika. Den enda märkbara skillnaden var att mdLiDAR3000DL gav fler låga punkter procentuellt sett. Kontrollen av respektive DTM gav också ett jämnt resultat. DJI-systemets DTM hade en variationsvidd på 43 mm, medelavvikelsen 0 mm och standardavvikelsen 11 mm. MdLiDAR3000DL:s DTM hade 42 mm i variationsvidd, 0 mm i medelavvikelse och 8 mm i standardavvikelse.  Slutsatsen som kan dras är att det främst finns skillnader i osäkerhet innan någon databearbetning har genomförts. När punktmolnen brusreduceras och georefereras jämnas resultaten ut. Hanteringen av punktmoln har följaktligen en avgörande betydelse för osäkerheten i slutändan. Båda UAV/LiDAR- systemen kan därmed generera högkvalitativa slutprodukter. / UAV/LiDAR systems have developed rapidly in recent years. They are now more compact and can generate high point density with low uncertainty. The price level has also decreased, which entails that UAV/LiDAR systems are nowadays available for a few hundred thousand SEK. At the same time, more advanced UAV/LiDAR systems exist that cost a couple of million SEK.  The aim of this study is to investigate quality differences between two UAV/LiDAR systems in different price ranges. The focus will be on studying uncertainties when creating digital terrain models. The systems in question are the drone DJI Matrice 300 RTK with LiDAR sensor DJI Zenmuse L1, and the drone Microdrones md4-3000 combined with LiDAR sensor RIEGL miniVUX-1DL (mdLiDAR3000DL).  The study was made in a gravel pit in Rörberg outside of Gävle. A free station was set up to be able to measure ground control points (GCPs), check points, and five profiles in the terrain. One flight per drone was conducted over the area. The obtained point clouds were processed and later compared to the check points with respect to height deviations. Also, the noise level in the point clouds were studied. Digital terrain models were created and compared to the profiles according to the method in SIS-TS 21144:2016.  Before georeferencing against GCPs, there were relatively large differences between each point cloud in the height component. The DJI point cloud had for instance a mean deviation of 49 mm, while mdLiDAR3000DL generated a mean deviation of –21 mm. After noise reduction and fitting of the point clouds, the results were more even. For example, the two points clouds resulted in 13 mm in both standard deviation and RMS. Also, the estimated noise levels were rather similar. The only noticeable difference was that mdLiDAR3000DL generated a larger percentage of low points. The check of each DTM also resulted in similar results. The DTM of the DJI system reached a range of 43 mm, a mean deviation of 0 mm, and a standard deviation of 11 mm. The DTM of mdLiDAR3000DL obtained a 42 mm range, 0 mm mean deviation, and 8 mm standard deviation.  Mainly, there are differences in uncertainty before any data processing is carried out. When the point clouds are noise reduced and georeferenced, the results even out to a large extent. The handling of point clouds thus has decisive importance for the final uncertainty. Thus, both UAV/LiDAR systems can generate high-quality products.

Dams are relatively simple hydraulic structures that provide vital services to communities in the United States (U.S.). However, many of the dams in the (U.S.) have surpassed their design life. Dams experience changes from external threats that result in deformation of the structure. Traditional surveying techniques provide limited information on deformation in pre-determined areas of a structure, but the collection effort can often be lengthy. In this research, different instruments used for change detection were reviewed and Terrestrial Laser Scanning (TLS), also known as ground-based Light Detection and Ranging (LiDAR), was selected as the most probable method to accurately evaluate deformation in dams. TLS is a remote sensing instrument that uses light to form a pulsed laser to measure ranges to variable targets, and it provides the ability to measure displacement with high accuracy using dense point clouds collected in a short amount of time. Deformation is identified by measuring changes in point clouds generated by TLS. The accuracy of TLS to identify deformation was tested on a thin arch dam at the Big Black Test site in Vicksburg, Mississippi, using the TLS system, Terrestrial Laser Scanner RIEGL VZ-400, for data collection and for registering scan positons between a pre-test condition and a post-test condition. Final data analysis was performed using Microstation TopoDOTTM Wall Monitoring Tool.

Regular inspection and documentation for railway assets are necessary to monitor the status of the traffic environment. Mobile Laser Scanning (MLS) makes it possible to collect highly accurate spatial information of railway environments in the form of point cloud, and an automatic method to extract interested objects from the point cloud is needed to avoid too much manual work. In this project, point cloud along a railway in Saltsjöbanan was collected by MLS and processed to extract interested objects from it. The main purpose of the project is to develop a workflow for automatic extraction of masts of overhead supply and street lights from the study area. Researchers have proposed various methods for object extraction, such as model-based method, shape-based method, semantic method, and machine learning method recently. Different methods were reviewed and Support Vector Machine was chosen for the classification. Several softwares were reviewed as well. TerraScan and CloudCompare were chosen for pre-processing, and the major part was done in MATLAB. The proposed method consists of 4 steps: pre-processing, voxelization and segmentation, feature computation, classification and validation. The method calculates features to describe every object segmented from the point cloud and learns from the manually classified objects to train a classifier. The study area was divided into training data and validating data. The SVM classifier was trained using training data and evaluated using validating data. In the classification, 90.84% of the masts and 67.65% of the lights were correctly classified. There was some object loss during the step of pre-processing and segmentation. When including the loss from the pre-processing and segmentation step, 87.5% of the masts and 53.49% of the lights were successfully detected. The street lights have more various outlook and more complicated surrounding environment, which caused a relatively low accuracy. / Regelbunden inspektion och dokumentation för järnvägstillgångar är nödvändig för att övervaka trafikmiljön. Mobil Laser Scanning (MLS) gör det möjligt att samla in mycket exakt geografisk information om järnvägsmiljöer i form av punktmoln och en automatisk metod för att extrahera intresserade objekt från punktmoln är nödvändigt för att undvika för mycket manuellt arbete. I det här projektet samlades punktmoln längs en järnväg i Saltsjöbanan av MLS och bearbetades för att extrahera intresserade objekt från den. Huvudsyftet med projektet är att utveckla ett arbetsflöde för automatisk utvinning av kontaktledningsstolpar och gatubelysningsstolpar från studieområdet. Forskare har nyligen föreslagit olika metoder för objektutvinning som baseras på modell, form, semantisk och maskininlärning. I detta arbete har flera olika metoder för objektutvinning undersökts och slutligen valdes Support Vector Machine (SVM) för klassificering. Ett antal tillgängliga programvaror har utvärderats. TerraScan och CloudCompare valdes för förbehandling, och huvuddelen gjordes i MATLAB. Den föreslagna metoden består av 4 steg: förbehandling, voxelisering och segmentering, funktionen beräkning, klassificering och validering. Metoden beräknar funktioner för att beskriva varje objekt segmenterat från punktmoln och lär ut från de manuellt klassificerade objekten för att träna en klassificerare. Studieområdet delades in i träningsdata och validering av data. SVM-klassificeraren utbildades med träningsdata och utvärderades genom att validera data. I klassificeringen klassificerades 90,84% av kontaktledningsstolparna och 67,65% av belysningsstolparna korrekt. Det fanns vissa förluster av objekt under förbehandling och segmentering. Inkluderat förlusten i förbehandling och segmentering upptäcktes 87,5% av kontaktledningsstolparna och 53,49% av belysningsstolparna korrekt. Det något sämre resultatet vid detektion av belysningsstolpar beror på att dessa är placerade i en svårare miljö med närhet till andra objekt och inte minst vegitation. Att automatiskt detektera objekt i sådan miljö baserat på enbart laserdata är svårt vilket medförde en relativt låg noggrannhet.

Yes / Aims: To create a gait database with optimum accuracy of joint rotational data and an accu-rate representation of 3D volume, and explore the potential of using the database in studying the relationship between static and dynamic features of a human’s gait. Study Design: The study collected gait samples from 38 subjects, in which they were asked to walk, run, walk to run transition, and walk with a bag. The motion capture, video, and 3d measurement data extracted was used to analyse and build a correlation between features. Place and Duration of Study: The study was conducted in the University of Bradford. With the ethical approval from the University, 38 subjects’ motion and body volumes were recorded at the motion capture studio from May 2011- February 2013. Methodology: To date, the database includes 38 subjects (5 females, 33 males) conducting walk cycles with speed and load as covariants. A correlation analysis was conducted to ex-plore the potential of using the database to study the relationship between static and dynamic features. The volumes and surface area of body segments were used as static features. Phased-weighted magnitudes extracted through a Fourier transform of the rotation temporal data of the joints from the motion capture were used as dynamic features. The Pearson correlation coefficient is used to evaluate the relationship between the two sets of data. Results: A new database was created with 38 subjects conducting four forms of gait (walk, run, walk to run, and walking with a hand bag). Each subject recording included a total of 8 samples of each form of gait, and a 3D point cloud (representing the 3D volume of the subject). Using a Pvalue (P<.05) as a criterion for statistical significance, 386 pairs of features displayed a strong relationship. Conclusion: A novel database available to the scientific community has been created. The database can be used as an ideal benchmark to apply gait recognition techniques, and based on the correlation analysis, can offer a detailed perspective of the dynamics of gait and its relationship to volume. Further research in the relationship between static and dynamic features can contribute to the field of biomechanical analysis, use of biometrics in forensic applications, and 3D virtual walk simulation.

No description available.