Syfte – Syftet för den här studien är att utveckla en metod för att mäta diametern på travat timmers ändträytor i en bild med förvridet perspektiv där ytorna befinner sig på olika djup i förhållande till varandra, för att effektivisera mätning inom skogsindustrin. Metod – Denna studie genomfördes i samarbete med Cind AB, och arbetet var uppdelat i två faser med Design Science Research som forskningsmetod. I Fas 1 rektifierades bilder på ändträytorna manuellt och i Fas 2 utnyttjades ett punktmoln för att uppskatta rektifieringsplanet. Detta gjordes i en stereokamerarigg i skala 1:25 på 139 stockar. Samtliga stockar mättes digitalt i de rektifierade bilderna och manuellt med ett digitalt skjutmått. Ett konfidensintervall för differensen beräknades fram för att bedöma mätnoggrannheten. Resultat – Konfidensintervallet för Fas 1 tyder på att metoden har potential då rektifieringsplanet placeras korrekt, vilket Fas 2 visar är en svår och komplex uppgift. Slutsatser – Den utvecklade metodens mätnoggrannhet uppnådde inte studiens mål på 5% felmarginal. Det skulle dock vara möjligt att mäta ändträytor med god noggrannhet om punktmolnet har tillräckligt hög kvalitet. Begränsningar – Mjukvaran som använder punktmolnet för att rektifiera bilderna är en modifierad version av Cinds proprietära produkt. Datamängden som används i studien samlas endast in via Cinds testrigg. / Purpose – The purpose of this study is to develop a method for measuring the diameter of piled logs on a truck in a picture that has skewed perspective and where the end surfaces are at different depths in relation to each other. The intent of this method is to further streamline log measurement in the logging industry. Method – This study was conducted in collaboration with Cind AB, and the work was split in two phases with Design Science Research as research method. In Phase 1, images with log end surfaces were rectified manually, and in Phase 2 a point cloud was used to estimate the rectification plane. This was done with a stereo camera rig in scale 1:25 on a total of 139 logs. All logs were digitally measured in the rectified images and manually measured with a digital caliper. A confidence interval for the difference was calculated to assess the measurement accuracy. Findings – The confidence interval from Phase 1 indicates that the developed method has potential when the rectification plane is placed correctly, which Phase 2 shows is a difficult and complex task. Conclusions – The developed method did not reach the desired measurement accuracy of 5% margin of error, which means that the goal of the study was not achieved. It would be possible to measure the end surfaces of logs with high precision if the point cloud is of a sufficiently high quality. Limitations – The software that utilizes point cloud information to rectify the images is a modified version of Cind’s proprietary product. The dataset that is used in this study is collected solely through Cind’s test rig.

De vanligaste metoderna för insamling av geografisk information är idag genom GNSS och totalstation eller via traditionell fotogrammetri och laserskaning. Trimble V10 Imaging Rover är ett instrument som består av 12 kalibrerade kameror med skanningsfunktion. Detta instrument fungerar som ett komplement till de traditionella mätmetoderna GNSS och totalstation. Resultatet från insamling med Trimble V10 är mätbara panoramabilder i 360-grader. Utifrån dessa panoramabilder kan mätningar utföras fotogrammetriskt i programvaran Trimble Business Center (TBC). Även punktmoln kan genereras i TBC utifrån dessa panoramabilder. Studien består av två delar. I den första delen testas mätosäkerheter och begränsningar för inmätning med Trimble V10. Detta utfördes under ett insamlingstillfälle vid Mariebergsskogens parkering i Karlstad. Den andra delen består av undersökningar kring leveransformat och filformat I TBC, för data insamlat med Trimble V10. I denna studie testas hur mätosäkerheten för Trimbe V10 påverkas vid olika avstånd från mätpunkt. Detta för att se vilka begränsningar instrumentet har och vilken mätosäkerhet som kan uppnås vid olika mätavstånd. Resultatet visar att avstånd inom 25 m ger ett medelfel under 2 cm i plan. Medelfelet ökar därefter med cirka 2 cm per 25 m. Avstånd över 100 m ger medelfel på decimeternivå. I höjd är medelfelet lägre och påverkas mindre av mätavståndet. Medelfelet i höjd är mellan 8 mm för kortaste mätavståndet på 10 m och 2 cm för längsta mätavståndet 120 m. Positionsetablering av Trimble V10 kan göras med GNSS eller med totalstation. I denna studien utförs test för vilken av etableringsmetoderna som ger lägst mätosäkerhet. Resultatet visade att skillanden mellan etableringsmetoderna var jämbördiga i plan, i höjd gav totalstation en lägre mätosäkerhet än GNSS. För att kunna utföra beräkningar fotogrammetriskt så behövs bilder tagna från minst två positioner. Ett mindre test utförs i denna studie för att bedöma om antalet bilder som används för fotogrammetrisk beräkning påverkar resultatet. Det vill säga om fler använda fotostationer ger en lägre mätosäkerhet. Enligt denna studie är så inte fallet då fler felkällor uppstår. Eftersom TBC används för att bearbeta och beräkna data inmätt från Trimble V10 så undersöks leveransvägar av 3D- och 2D-modeller, punktmoln och panoramabilder. Detta görs för att se vilka filformat som lämpar sig bäst för leverering av data till kunder som inte har tillgång till TBC. De filformat som testas i denna studie är CAD formaten DWG och DXF samt XML formatet LandXML. För punktmoln testas filformaten LAS och XYZ. Panoramabilder testas genom export till formaten JPEG, HTML och KMZ. Resultaten visar på att DWG och DXF klarar hantera 3D-modeller exporterade från TBC med viss brist. LandXML klarar endast av att hantera punkter i 2D. Punktmolnsfilerna LAS och XYZ klarar lagra samma data men LAS kan läsas av fler programvaror och är ett smidigare format för att generera punktmoln i TBC med. Någon jämförelse mellan leveransvägar av panoramabilder kunde inte utföras då HTML och KMZ exporteringen misslyckades. / The most common methods for collecting geographical information are currently through GNSS and total station or via traditional photogrammetry and laser scanning. The Trimble V10 Imaging Rover is an instrument that consists of 12 calibrated cameras with scanning function. This instrument serves as a compliment to traditional measurement methods such as GNSS and total station. The result of data collection with the Trimble V10 are measurable 360 ​​degree panoramas. Based on these panoramic images, measurements can be performed photogrammetically in the Trimble Business Center (TBC) software. Point clouds can also be generated in TBC based on these panoramic images. In this study, measurement uncertainty for the Trimbe V10 is tested at different distances from the measurement point. This to show what constraints the instrument has and which measurement uncertainty can be achieved at different measuring distances. The result shows that distances within 25 m provide a mean error in plane of less than 2 cm. The average error then increases by about 2 cm per 25 m. A distance of more than 100 m gives an average error above 1 dm. In height measurement, the average error is lower and is less affected by the measurement distance. The average error in height is between 8 mm for the shortest measurement distance of 10 m and 2 cm for the longest measurement distance of 120 m. The positioning of the Trimble V10 can be done with GNSS or with total station. In this study, tests are performed for which method of positioning establishment that provide the lowest measurement uncertainty. The results show that the differences between the establishment methods are equal in plane measurement. In height the total station etablishment has a lower measurement uncertainty than GNSS. In order to be able to perform photogrammetically calculations, images taken from at least two positions are required. A smaller test was performed in this study to assess whether the number of images used for photogrammetric calculation affects the result. That is, if a higher number of photo stations used results in lower measurement uncertainty. According to the result in this study, this is not the case. Because TBC was used to calculate data received from the Trimble V10, deliverables were investigated for 3D and 2D models, point clouds and panoramas. This was done to see which fileformat is best suited for data delivery to customers who do not have access to TBC. The fileformats tested in this study were the CAD formats DWG and DXF as well as the XML-format LandXML. For point clouds, the fileformats LAS and XYZ were tested. Panoramic images are tested by export to JPEG, HTML, and KMZ formats. The results show that DWG and DXF manage to handle 3D models exported from TBC with some shortage. LandXML only succeeds in managing points in 2D. The LAS and XYZ point cloud-files manage to store the same data, but LAS can be read by more software and is a smoother format for generating point clouds in TBC with. No comparison of panorama delivery routes could be performed when HTML and KMZ export failed.

Företaget Team Exact levererar mätningstekniska tjänster, där den främsta verksamheten är riktad mot byggnads- och markindustrin. Företaget använder UAS och levererar tjänster till kunder med ortofoto och DEM som kan användas till kartläggning, volymberäkningar och planering. Team Exact använder konsultföretagets SkyMap’s webbaserade plattform i fotogrammetrisk bearbetning av UAV genererade flygbilder. DEM behöver uppnå HMK-standardnivå 3 för att användas som underlag till bygghandlingar. För att uppnå HMK-standardnivå 3 så krävs det en lägesosäkerhet på 0,02–0,05 m/ 0,03–0,07 m (plan/höjd). Team Exact uppnår god lägesosäkerhet i plan men har varierande resultat i höjdåtergivningen. Studien har således en målsättning att hitta metoder för att säkerställa höjden inom ett studieområde med varierande topografi, terräng och markytor. Faktorer som ska undersökas är markstödspunkter, RTK-data, flygstråk, kamerainställningar och tänkvärda åtgärder i skiftande topografi samt att se tendenser hur höjdåtergivningen varierar på olika markytor.  Ett stomnät etablerades över studieområdet med tre fastställda koordinatsatta stompunkter, punkterna var inmätta med statisk NRTK mätning under 1 minut. Nätet jämnades ut med totalstation och därefter blev kontrollpunkter, profiler, ytor och markstödspunkter inmätta. Studien utredde lägesosäkerheten med 0, 5, 9 och 12 markstödspunkter. Den UAV som användes i studien är försedd med en RTK-modul och förväntades därav tillhandahålla positioneringsdata som var av värde att utreda. Markstödspunkternas utplacering planerades med fyra konstanta i studieområdets yttrehörn och en femte konstant på studieområdets högsta höjd. Resterande punkter placerades ut i en jämnfördelning över områdets toppar och dalar.  Flygmetoderna som utvärderades var förankrade i tidigare studier. Gemensamma inställningar över samtliga metoder var studieområdets avgränsning, en flyghöjd på 40 m samt flyghastigheten på 3 m/s. Resterande var flytande parametrar som var av värde att utreda. Studien justerade parametrarna gällande flygstråk, övertäckning, kameravinkel och kamerainställningar. Totalt blev det tre flygmetoder där de fyra olika markstödskombinationerna undersöktes vilket gav 12 processer att utvärdera. Utvärderingen utfördes mot 77 kontrollpunkter där RMSE-värde för höjd och plan undersöktes. Kontrollpunkterna var jämnt fördelade över ytan och marktyperna. En ytterligare analys utfördes med volymberäkningar mellan referens terrängmodeller och de genererade terrängmodellerna.  Flygmetod 3 gav bästa resultat där fotogrammetriinställningen Double Grid användes och överlappningen var 80/60 % samt att kameran tiltades till -70°. Sensorkänsligheten var inställd på ISO100, bländaren ett öppningsvärde f/5 och slutartiden var inställd på 1/500s. Studiens resultat visar att flygmetod 3 som blockutjämnats med 12 markstödspunkter genererade bästa resultat på en lägesosäkerhet i plan på 0,015 m samt 0,035 m i höjd. / The company Team Exact delivers measurement technical services, and the main business is aimed at the construction and land industry. The company uses UAS and offers services to customers and delivers products such as orthophotos and DEMs that can be used for mapping, volume calculations and planning. Team Exact uses the consulting company SkyMap’s web-based platform for photogrammetric processing of UAV-generated aerial images. DEM needs to achieve good positional uncertainty, to achieve HMK standard level 3, it is required that the basis for construction documents has a positional uncertainty of 0.02–0.05 m / 0.03–0.07 m (level / height). Team Exact achieves good positional uncertainty in horizontal coordinates but has varying results in height reproduction. The study thus aims to find methods to ensure the height within a study area with varying topography, terrain and ground surfaces. Factors to be investigated are ground control points, RTK data, flight paths, camera settings and conceivable measures in varying topography, as well as seeing trends in how the height representation differs on different ground surfaces. A coordinate network was established over the study area with three established coordinate reference points, the points were measured with static NRTK measurement 1 minute. The network was levelled with the total station and then control points, profiles, surfaces, and ground control points were measured. The study investigated the location uncertainty with 0, 5, 9 and 12 ground control points. The UAV used in the study is equipped with an RTK module and was therefore expected to provide positioning data that was worth investigating. The placement of the ground support points was planned with four constants in the outer corner of the study area and a fifth constant at the highest level of the study area. The remaining points were placed in an even distribution over the area’s peaks and valleys. The evaluated flight methods were rooted in previous studies. Common settings across all methods were the study area delimitation, 40 m flight altitude and the flight speed of 3 m/s. Remaining were floating parameters that were of value to investigate. The study adjusted the parameters regarding flight path, coverage, camera angle and camera settings. In total, there were three flight methods where the four different ground support combinations were examined, which gave 12 processes to evaluate. The evaluation was performed against 77 control points where the RMSE value for height and plane was examined. The control points were evenly distributed over the surface and soil types. A further analysis was performed with volume calculations between the reference terrain models and the generated terrain models. Flight method 3 gave the best results where the photogrammetry setting Double Grid was used and the overlap was 80/60 % and the camera was tilted to -70 °. The sensor sensitivity was set to ISO100, the shutter had an aperture value of f/5 and the shutter speed was set to 1/500s. The results of the study indicate that flight method 3, which was levelled with 12 ground support points, generated the best results on a positional uncertainty in horizontal coordinates of 0,015 m and 0,035 m in height.

Inspections of bridges are today performed ocularly by an inspector at arm’s lengths distance to evaluate damages and to assess its current condition. Ocular inspections often require specialized equipment to aid the inspector to reach all parts of the bridge. The current state of practice for bridge inspection is therefore considered to be time-consuming, costly, and a safety hazard for the inspector. The purpose of this thesis has been to develop a method for automated modeling of bridges from point cloud data. Point clouds that have been created through photogrammetry from a collection of images acquired with an Unmanned Aerial Vehicle (UAV). This thesis has been an attempt to contribute to the long-term goal of making bridge inspections more efficient by using UAV technology. Several methods for the identification of structural components in point clouds have been evaluated. Based on this, a method has been developed to identify planar surfaces using the model-fitting method Random Sample Consensus (RANSAC). The developed method consists of a set of algorithms written in the programming language Python. The method utilizes intersection points between planes as well as the k-Nearest-Neighbor (k-NN) concept to identify the vertices of the structural elements. The method has been tested both for simulated point cloud data as well as for real bridges, where the images were acquired with a UAV. The results from the simulated point clouds showed that the vertices were modeled with a mean deviation of 0.13− 0.34 mm compared to the true vertex coordinates. For a point cloud of a rectangular column, the algorithms identified all relevant surfaces and were able to reconstruct it with a deviation of less than 2 % for the width and length. The method was also tested on two point clouds of real bridges. The algorithms were able to identify many of the relevant surfaces, but the complexity of the geometries resulted in inadequately reconstructed models. / Besiktning av broar utförs i dagsläget okulärt av en inspektör som på en armlängds avstånd bedömer skadetillståndet. Okulär besiktning kräver därmed ofta speciell utrustning för att inspektören ska kunna nå samtliga delar av bron. Detta resulterar i att det nuvarande tillvägagångssättet för brobesiktning beaktas som tidkrävande, kostsamt samt riskfyllt för inspektören. Syftet med denna uppsats var att utveckla en metod för att modellera broar på ett automatiserat sätt utifrån punktmolnsdata. Punktmolnen skapades genom fotogrammetri, utifrån en samling bilder tagna med en drönare. Uppsatsen har varit en insats för att bidra till det långsiktiga målet att effektivisera brobesiktning genom drönarteknik. Flera metoder för att identifiera konstruktionselement i punktmoln har undersökts. Baserat på detta har en metod utvecklats som identifierar plana ytor med regressionsmetoden Random Sample Consensus (RANSAC). Den utvecklade metoden består av en samling algoritmer skrivna i programmeringsspråket Python. Metoden grundar sig i att beräkna skärningspunkter mellan plan samt använder konceptet k-Nearest-Neighbor (k-NN) för att identifiera konstruktionselementens hörnpunkter. Metoden har testats på både simulerade punktmolnsdata och på punktmoln av fysiska broar, där bildinsamling har skett med hjälp av en drönare. Resultatet från de simulerade punktmolnen visade att hörnpunkterna kunde identifieras med en medelavvikelse på 0,13 − 0,34 mm jämfört med de faktiska hörnpunkterna. För ett punktmoln av en rektangulär pelare lyckades algoritmerna identifiera alla relevanta ytor och skapa en rekonstruerad modell med en avvikelse på mindre än 2 % med avseende på dess bredd och längd. Metoden testades även på två punktmoln av riktiga broar. Algoritmerna lyckades identifiera många av de relevanta ytorna, men geometriernas komplexitet resulterade i bristfälligt rekonstruerade modeller.

Tidigare vid ombyggnation, försäljning och förvaltning av byggnader som var uppförda innan 80-talet utgick fastighetsägarna från enkla handritade pappersritningar. Det är en svår utmaning att hålla ritningen uppdaterad till verkliga förhållanden d.v.s. relationsritning. För ca 25 år sedan (i början på 80-talet) byttes papper och penna ut mot avancerade ritprogram (CAD) för framtagning av ritningar. Idag används CAD i stort sett för all nyprojektering och de senaste åren har utvecklingen gått mot en större användning av 3D-underlag än tidigare 2D-ritningar. Den stora fördelen med att projektera i 3D är att en virtuell modell skapas av hela byggnaden för att få en bättre kontroll av ingående byggdelsobjekt och även att fel kan upptäckas i tidigare skeden än på byggarbetsplatsen. Genom att börja bygga en virtuell byggnad i 3D från första skedet och succesivt fylla den med mer relevant information i hela livscykeln får man en komplett informationsmodell. Ett av kraven som ställs på fastighetsägarna vid ombyggnation och förvaltning är att tillhandahålla korrekt information och uppdaterade ritningar. Det skall vara enkelt för entreprenören att avläsa ritningarna. I rapporten beskrivs en effektiviserad arbetsprocess, metoder, verktyg och användningsområden för framtagning av 3D-modeller. Detta arbete avser att leda fram till en metodbeskrivning som skall användas för erfarenhetsåterföring. Arbetet skall också vara ett underlag som skall användas för att beskriva tillvägagångsättet att modellera från äldre ritningar till 3D-modeller. Metodbeskrivningen kommer att förenkla förståelsen för modellering för både fastighetsägaren och inom företaget, samt höja kvalitén på arbetet med att skapa CAD-modeller från de olika underlag som används för modellering. / The use of hand drawn construction model was the only way of development, rebuilding, sales and real estate management before the 80’s. However, the challenge was to preserve the drawings and maintain its real condition. To make things work faster and easier the development of advanced drawing software (CAD) was introduced which replaced the traditional hand drawn designs. Today, CAD is used broadly for all new constructions with a great success rate. However, with the new advanced technology many engineers and construction companies are heavily using 3D models over 2D drawings. The major advantage of designing in 3D is a virtual model created of the entire building to get a better control of input construction items and the errors can be detected at earlier stages than at the construction sites. By modifying buildings in a virtual model in three dimensions yet at the first stage and gradually fill it with more relevant information throughout the life cycle of buildings to get a complete information model. One of the requirements from the property owners in the redevelopment and management is to provide accurate information and updated drawings. It should be simple for the contractor to read drawings. This report describes a streamlined work processes, methods, tools and applications for the production of 3D models. This work is intended to lead to a methodology and to be used as well as for passing on experience. This report will also be a base to describe the approach to model from older drawings into 3D models. The method description will simplify the understanding of model for both the property owners and for companies who creates 3D models. It will also increase the quality of the work to create CAD models from the different data used for modeling.

In this research, automatic point cloud modeling strategies have been tested to find the best strategies to model walls, floors and ceilings classes in terms of processing time and accuracy. The modeling was applied on a point cloud data related to the Architecture, Engineering, and Construction field which is a point cloud of a building collected by Sweco company in Sweden. This point cloud was segmented and classified into two classes: the first class is walls, and the second is floors and ceilings. The strategies were applied on each class using two commercial software which are: Leica Cyclone 3D-R and Pointfuse and one free open source software which is BLENDER.  The strategies were formed by making a collection of parameters for each strategy, some of these parameters are numeric and others are non numeric. The strategies were three combinations: in the first combination the default values of the numerical parameters were used. In the second combination these default values were increased by 50% and in the third combination these default values were decreased by 50%. The final results showed that all best strategies were done by using Leica Cyclone 3D-R software. Regarding the processing time to model the walls, the fastest strategy is by increasing the default numerical parameters of Regular Sampling function by 50% while ignoring the scanning directions. Regarding the processing time to model the floors and ceilings. The fastest strategy is also by increasing the default numerical parameters of meshing in two steps function by 50%  which in the first step of the function the try to create watertight mesh option is chosen for hole management method and the scanning directions are not ignored. In the second step the refine mesh without cloud option is chosen for refining method and under this option the following parameters are defined: deviation error, refine on free borders is not included and preserve sharp edges is included. Regarding the accuracy, the most accurate strategy to model the walls is by decreasing the default numerical parameters of meshing in two steps function by 50% which in the first step of the function the hole detection option is chosen for hole management method and the scanning directions are included. In the second step the refine mesh from cloud option is chosen for refining method and under this option the following parameters are defined: meshing by keep only best points, deviation error, distance, local reorganization is included and no free border modification is chosen for hole management method. Regarding the most accurate strategy to model the floors and ceilings is by decreasing the default numerical parameters of meshing in two steps function by 50% which in the first step of the function the hole detection option is chosen for hole management method and the scanning directions are included. In the second step the refine mesh from cloud interpolation option is chosen for refining method and under this option the following parameters are defined: refine with deviation error for refining method, deviation error, maximum number of triangles, minimum triangle size, refine with point evenly spaced is not included, distance is included, local reorganization is included, angle threshold on scanning directions is not include and refine free border is chosen for hole management method. / I denna forskning har automatiska punktmolnmodelleringsstrategier testats för att hitta de bästa strategierna för att modellera väggar, golv och takklasser när det gäller bearbetningstid och noggrannhet. Modelleringen applicerades på ett punktmolndata relaterat till Arkitektur, Ingenjörs- och Byggområdet som är ett punktmoln av en byggnad som samlats in av Sweco-företaget i Sverige. Detta punktmoln segmenterades och klassificerades i två klasser: den första klassen är väggar och den andra är golv och tak. Strategierna tillämpades på varje klass med hjälp av två kommersiella programvaror som är: Leica Cyclone 3D-R och Pointfuse och en gratis programvara med öppen källkod som är BLENDER. Strategierna bildades genom att göra en samling parametrar för varje strategi, några av dessa parametrar är numeriska och andra är icke-numeriska. Strategierna var tre kombinationer: i den första kombinationen användes standardvärdena för de numeriska parametrarna. I den andra kombinationen ökades dessa standardvärden med 50 % och i den tredje kombinationen minskades dessa standardvärden med 50 %. De slutliga resultaten visade att alla bästa strategier gjordes med hjälp av programvaran Leica Cyclone 3D-R. När det gäller bearbetningstiden för att modellera väggarna är den snabbaste strategin att öka de numeriska standardparametrarna för funktionen Regelbunden provtagning med 50 % samtidigt som man ignorerar skanningsanvisningarna Angående handläggningstiden för att modellera golv och tak. Den snabbaste strategin är också att öka de numeriska standardparametrarna för meshing i tvåstegsfunktion med 50 %, vilket i det första steget av funktionen är att försöka skapa vattentäta mesh-alternativet väljs för hålhanteringsmetoden och skanningsriktningarna ignoreras inte. I det andra steget väljs alternativet förfina mesh utan moln för förfiningsmetod och under detta alternativ definieras följande parametrar: avvikelsefel, förfina på fria gränser ingår inte och bevara skarpa kanter ingår. När det gäller noggrannheten är den mest exakta strategin för att modellera väggarna genom att minska de numeriska standardparametrarna för meshing i tvåstegsfunktion med 50 %, vilket i det första steget av funktionen väljs håldetekteringsalternativet för hålhanteringsmetoden och skanningsriktningarna ingår. I det andra steget väljs alternativet förfina mesh from cloud för raffineringsmetod och under detta alternativ definieras följande parametrar: meshing by keep only best points, deviation error, distance, local reorganization ingår och ingen fri gränsmodifiering är vald för hål förvaltningsmetod. När det gäller den mest exakta strategin för att modellera golv och tak är att minska de numeriska standardparametrarna för meshing i tvåstegsfunktion med 50 %, vilket i det första steget av funktionen väljs håldetekteringsalternativet för hålhanteringsmetoden och skanningsriktningarna är ingår. I det andra steget väljs alternativet förfina mesh från molninterpolation för raffineringsmetod och under detta alternativ definieras följande parametrar: förfina med avvikelsefel för förfiningsmetod, avvikelsefel, maximalt antal trianglar, minsta triangelstorlek, förfina med punkt jämnt mellanrum ingår inte, avstånd ingår, lokal omorganisation ingår, vinkeltröskel på skanningsriktningar ingår inte och förfina fri kant är vald för hålhanteringsmetod.

Additive manufacturing, also known as 3D printing is the construction of a three-dimensional object from 3D CAD model. The process includes that material depositing, joining or solidifying using computer control. It is getting widely used in many fields, such as architecture and civil engineering, industry and even medical fields. Also, the prevalence of 6 axis industrial robot gives researchers and engineers extended possibilities to design and create with the additional degrees of freedom. This project has been conducted at KTH ABE school and ITM school. In recent years, The ABE school explored the possibility of 3D printing with building materials such as concrete which provides a practical basis for the implementation of this project. The ITM school gave guidance and suggestions for this project based on their experience in industrial manufacturing and robot control. The goals were to propose an improvement of current workflow and explore a detection strategy for the defection of concrete 3D printing product. Due to the material limitations of concrete and robot control, the previous printing tasks that should have been automated require human supervision and intervention, which affects work efficiency and completion of finished product. In order to avoid this, an Intel RealSense L515 Lidar camera was applied to capture a point cloud of product to detect the height of product and program can compensate the print layers number and robot trajectory. The industrial robot is controlled by KRL generated from the known trajectory. The implementation of this project consists of background research, design the layout of 3D printing system, algorithm development and case study. A simple clay model is produced during this project to study the feasibility of this method. / Additiv tillverkning, även känd som 3D-utskrift, är konstruktionen av ett tredimensionellt objektfrån 3D CAD-modellen. Processen innefattar att material avsätter, sammanfogar eller stelnar under datorstyrningen. Det används allmänt inom många områden, till exempel arkitektur och anläggning, industri och till och med medicinska områden. Också, förekomsten av 6-axligindustrirobot ger forskare och ingenjörer mer möjlighet att designa och skapa på grund av fler frihetsgrader. Detta projekt har genomförts vid KTH ABE-skolan och ITM-skolan. Under de senaste åren har ABE -skolan undersökt möjligheterna till 3D-utskrift med byggmaterial som betong, vilket ger en teoretisk grund för genomförandet av detta projekt. ITM-skolan gav vägledning och förslag för detta projekt baserat på deras erfarenhet av industrielltillverkning och robotstyrning. Målen var att föreslå en förbättring av det nuvarande arbetsflödet och utforska en detekteringsstrategi för osäkerheten i konkret 3D-utskrift. På grund av den materiella begränsningen av betong och felaktighet i robotstyrning kräver de tidigare utskriftsuppgifterna som borde ha automatiserats mänsklig övervakning och intervention. Detta påverkar arbetseffektiviteten och färdigställandet av den färdiga produkten. För att undvika detta tillämpades en Intel RealSense L515 -radarkamera för att fånga produktensmoln för att upptäcka produktens höjd och programmet kan kompensera antalet utskriftslager och robotbanan. Industriroboten styrs av KRL genererad från den kända banan. Genomförandet av detta projekt består av bakgrundsresurser, design av layouten för 3D -utskriftssystem, algoritmutveckling och fallstudier. En enkel lermodell produceras under detta projekt för att studera genomförbarheten av denna metod.

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.

In 2020, the meatpacking district of Stockholm (Slakthusområdet) is at the beginning of a period of change. A lot of its buildings are being demolished, or at least gutted, to transform a historical area of industry into a more urban district of housing, offices, trade, and services along with new parks and squares (Stockholms Stad, 2020). This thesis project is specifically about the first building that was torn down as part of the development of the area, Sandhagen 2. We should consider our condemned buildings a precious resource and extract from them rather than from the earth. In every house there is invested energy which is lost the day it is demolished but there is also something else that is lost other than precious resources. The research aims to highlight the importance of reuse not from the more obvious sustainability point of view, but as something that can be aesthetically motivated. The method involves a dissection of Sandhagen 2, extracting interior architectural elements without excessive alterations, and making an organized taxonomy. The taxonomy is then rearranged into a new spatial composition. How can a space be created from a taxonomy defined by an interior architect? How does a material’s earlier life add or take away potential in its future life?  The proposal is a strange space where the tension created by reuse is completely between the elements themselves, a result of having to become the conventional parts of architecture that complete a space; steps, something to sit on, floor, partitions.

Over the last years researchers proposed numerous indoor localisation and navigation systems. However, solutions that use WiFi or Radio Frequency Identification require infrastructure to be deployed in the navigation area and infrastructureless techniques, e.g. the ones based on mobile cell ID or dead reckoning suffer from large accuracy errors. In this Thesis, we present a novel approach of infrastructure-less indoor navigation system based on computer vision Structure from Motion techniques. We implemented a prototype localisation and navigation system which can build a navigation map using area photos as input and accurately locate a user in the map. In our client-server architecture based system, a client is a mobile application, which allows a user to locate her or his position by simply taking a photo. The server handles map creation, localisation queries and pathnding. After the implementation, we evaluated the localisation accuracy and latency of the system by benchmarking navigation queries and the model creation algorithm. The system is capable of successfully navigating in Aalto University computer science department library. We were able to achieve an average error of 0.26 metres for successfully localised photos. In the Thesis, we also present challenges that we solved to adapt computer vision techniques for localisation purposes. Finally we observe the possible future work topics to adapt the system to a wide use. / Forskare har de senaste åren framfört olika inomhusnavigations- och lokaliseringssystem. Dock kräver lösningar som använder WiFi eller radiofrekvens identifikation en utbyggdnad av stödjande infrastruktur i navigationsområdena. Även teknikerna som används lider av precisionsfel. I det här examensarbetet redovisar vi en ny taktik för inomhusnavigation som använder sig av datorvisualiserings Structure from Motion-tekniker. Vi implementerade en navigationssystemsprototyp som använder bilder för att bygga en navigationskarta och kartlägga användarens position. I vårt klient-server baserat system är en klient en mobilapplikation som tillåter användaren att hitta sin position genom att ta en bild. På server-sidan hanteras kartor, lokaliseringsförfrågor och mättningar av förfrågorna och algoritmerna som används. Systemet har lyckats navigera genom Aalto Universitets datorvetenskapsbiblioteket. Vi lyckades uppnå en felmarginal pa 0.26 meter för lyckade lokaliseringsbilder. I arbetet redovisar vi utmaningar som vi har löst för att anpassa datorvisualiseringstekniker for lokalisering. Vi har även diskuterat potentialla framtida implementationer for att utvidga systemet.