Examensarbetet har som mål att ta fram idéer om hur en solcellsanläggning kan se ut för takytorna på Holtab AB. Utvecklingen för att värna om miljön går hastigt framåt och både privatpersoner och företag har börjat att arbete med att göra sin insats för miljön. Holtab är intresserade utav att göra en insats och därför är de intresserade utav solcellstekniken och vill därför ha en undersökning om hur det skulle kunna se ut och fungera. Examensarbetet innehåller undersökningar, analyser, jämförelser och beräkningar och presenterar en idé om hur en solcellsanläggning skulle kunna tillämpas för ett optimalt effektuttag till minimal kostnad.

Karlstads kommun innehar en så kallad solkarta vars syfte är att ge kommunens invånare en översikt över hur mycket solenergi som infaller på varje individuell takyta och kan användas som underlag för beslut om installation av solpaneler på byggnadstak. Kartan är interaktiv och sträcker sig över hela kommunen. Tyvärr brister den i detaljnivå utanför Karlstad tätort och skulle behöva en uppdatering. Syftet med studien är att undersöka metoder att utvinna tvådimensionella takplansytor enligt LOD2 utifrån byggnadsfotavtryck och punktmolnsdata, som sedan ska kunna lägga grunden till en interaktiv solkarta. Tre metoder för takplanssegmentering valdes ut som baserades på tre olika GIS-mjukvaror: ArcGIS Pro, Whitebox Tools och TerraScan. Studieområdet, beläget på industriområdet Våxnäs i Karlstad, bestod av 68 byggnader med varierande taktyper av olika hög komplexitet. En ytterligare dimension till studien var att två olika indatamängder jämfördes för varje segmenteringsmetod: ett högupplöst fotogrammetriskt framställt punktmoln utifrån bilder tagna med UAV (Unmanned Aerial Vehicle) samt ett lägre upplöst punktmoln insamlat med flygburen laserskanning. Totalt erhölls sex olika resultat som utvärderades efter fullständighet och utseende. Den högsta medelfullständigheten för varje metod var: 99,6 % för metoden baserad på TerraScan, 90,2 % för metoden baserad på Whitebox Tools och 82,0 % för metoden baserad på ArcGIS Pro. Gällande indatamängder gav UAV-datamängden ca 6 procentenheter bättre medelfullständighet för de två bästa metoderna och 10 procentenheter lägre för metoden som funkade sämst. Gällande användbarheten av resultaten är kontentan att TerraScan-metoden hade lagt en bra grund för en solkarta. Whitebox Tools-metoden hade sannolikt också kunnat vara användbar om en förbättrad generaliseringsalgoritm i efterbearbetningen hade applicerats. Studien diskuterar skillnader, felkällor samt nämner några ytterligare beprövade metoder som aldrig färdigställdes på grund av odugliga resultat. Problem som återstår att lösa är hantering av hål i punktmolnsdata inför takplanssegmentering. / Karlstad Municipality has what is known as a solar radiation map with the purpose of providing an overview of how much solar irradiance that is received by individual roof planes. It serves as a basis for decisions regarding the installation of solar panels on building roofs. The map is interactive and covers the entire municipality. Unfortunately, it lacks detail outside the city of Karlstad and would benefit from an update. The study aims to explore methods for extracting two-dimensional roof planes according to LOD2 (Level of Detail 2) using building footprints and point cloud data. The roof planes could later form the foundation for an interactive solar map. Three methods for roof segmentation were examined, each based on different software: ArcGIS Pro, Whitebox Tools, and TerraScan. The study area, located in the Våxnäs industrial area in Karlstad consisted of 68 buildings with varying roof types and complexities. An additional dimension to the study involved comparing two different input datasets for each segmentation method: a high-resolution photogrammetric point cloud generated from UAV (Unmanned Aerial Vehicle) images and a lower-resolution point cloud collected with airborne laser scanning. In total, six different results were evaluated based on completeness and appearance. The highest mean completeness for each method was: 99,6 % for the TerraScan-based method, 90,2 % for the Whitebox Tools-based method and 82,0 % for the ArcGIS Pro-based method. Regarding input datasets, the two best methods showed an increase of approximately 6 percentage points in mean completeness for the UAV dataset, while the least effective method showed a decrease of 10 percentage points. In terms of practicality, the TerraScan method provided a solid basis for a solar map. The Whitebox Tools method could most likely be usable if a better generalization algorithm in post-processing is cultivated. The study also discusses differences, potential sources of error, and mentions some additional methods that were not fully developed due to inadequate results. Remaining challenges include addressing gaps of missing data in point clouds before roof plane segmentation.