Return to search

Utvärdering av kvaliteten för två UAV/LiDAR-system i olika prisklasser : Jämförelse av osäkerheten vid skapandet av digitala terrängmodeller

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.

Identiferoai:union.ndltd.org:UPSALLA1/oai:DiVA.org:hig-42384
Date January 2023
CreatorsFredrik, Aksén
PublisherHögskolan i Gävle, Samhällsbyggnad
Source SetsDiVA Archive at Upsalla University
LanguageSwedish
Detected LanguageEnglish
TypeStudent thesis, info:eu-repo/semantics/bachelorThesis, text
Formatapplication/pdf
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0021 seconds