Thinking Spatially

Kerää rakennuksen geometriatieto 3,5 kertaa nopeammin kuin perinteisesti

Uusi laserkeilausmenetelmien yhdistelmämenetelmä nopeuttaa rakennuksen geometriatiedon keräämistä.

Laitteet

Rakennusten geometriatietoja kerätään moniin eri tarkoituksiin monilla eri menetelmillä. Tässä blogikirjoituksessa geometriatieto kuvataan laserkeilauksen luoman pistepilven muodossa. Laserkeilaus on menetelmä, jolla voidaan lasersäteiden avulla kerätä ympäristöstä tarkkaa 3D-tietoa. Jokaisesta lasersäteestä voidaan laskea kuluneen ajan tai lasersäteen vaihe-eron avulla yksittäinen pistesijainti, josta lasersäde heijastui takaisin laserkeilaimeen. Nämä pisteet muodostavat pistepilven. Pistepilvien avulla voidaan kuvata monimutkaisia rakenteita sellaisenaan tai niistä voidaan mallintaa 3D-malleja muunmuassa eri CAD-ohjelmilla.

Rakennuksen geometriatietoja kerätään usein laserkeilaamalla. Tähän käytetään perinteisesti kolmijalan päälle kiinnitettäviä maalaserkeilaimia (kuva 1). Maalaserkeilaimet pystyvät mittaamaan esimerkiksi 0,5 – 130 m etäisyydelle laserkeilaimesta ja niiden geometriatieto on millimetrien tasolla. Kokonaisen rakennuksen geometriatiedon keräämiseksi täytyy maalaserkeilainta siirtää eri sijainteihin eli laserkeilausasemiin. Nämä yksittäiset laserkeilausasemat yhdistetään maalaserkeilauksen jälkeen prosessointiohjelmistossa yhdeksi pistepilveksi.

Maalaserkeilaimien ohelle on viimevuosina tullut sisätiloihin sopivia mobiililaserkeilaimia. Mobiililaserkeilainta voidaan liikuttaa koko laserkeilauksen ajan esimerkiksi kädessä tai selässä kantamalla (kuva 1). Näiden mittausetäisyys on 0,2 – 100 m ja geometriatieto saadaan senttimetrien tarkkuudella. Kokonaisen rakennuksen geometriatieto voidaan kerätä vain kävelemällä rakennuksen kaikissa tiloissa.

Menetelmä

Molemmilla menetelmillä on etunsa kuten maalaserkeilaimien tarkkuus ja mobiililaserkeilaimien nopeus. Niillä on kuitenkin myös heikkoutensa, kuten maalaserkeilaukseen kuluva aika sekä aineiston tallennuskoko ja mobiililaserkeilauksen tarkkuus. Ajan säästämiseksi ja optimoidumman geometriatiedon keräämiseksi rakennuksesta, voidaan yhdistää näiden menetelmien edut. Aina ei tarvita kaikista rakennuksen osista yhtä tarkkaa geometriatietoa, joten eri tarkkuuksien yhdistäminen on mahdollista

Yhdistelmämenetelmässä voidaan valita tilat, joista tarvitaan millimetrien tarkkuudella aineistoa. Näistä tiloista voidaan kerätä aineisto maalaserkeilaimella. Loput tilat, jotka eivät vaadi millimetrin tarkkuutta, voidaan mitata mobiililaserkeilaimella. Lopuksi nämä aineistot voidaan yhdistää toisiinsa ja saadaan geometriatiedot rakennuksesta optimoiduilla tarkkuuksilla (kuva 2).



Yhdistelmämenetelmällä aineiston keruu sujui 3,5 kertaa nopeammin kuin perinteisellä maalaserkeilauksella (taulukko 1). Käytetyn ajan sisällä kerättiin sama alue siten, että maalaserkeilaimella mitattiin neljä  21–140 m2 kokoista huonetta ja muut tilat mobiililaserkeilaimella. Tämän lisäksi yhdistelmämenetelmällä voidaan säästää aineiston tallennustilaa, koska tiloista ei ole kerätty tarpeettoman tarkkoja aineistoja. Mitä tarkempi aineisto sitä enemmän siinä on havaintoja ja sen seurauksena se vaatii enemmän tallennustilaa.

Taulukko

Rakennuksen geometriatiedon voi kerätä useilla eri menetelmillä. Niillä kaikilla on omat hyötynsä ja haittansa. Tästä syystä menetelmien yhdistämisellä saadaan tehostettua ja optimoitua geometriatiedon keräystä. Yhdistelmämenetelmällä säästetään aikaa ja vältetään turhan tiedon keräämistä. Aiheesta voi lukea lisää tieteellisestä artikkelista https://www.mdpi.com/2075-5309/11/9/386.

Kirjoittaja: DI Aino Keitaanniemi on geoinformatiikan alan väitöskirjatutkija Aalto-yliopistossa.

  • Published:
  • Updated:
Share
URL copied!

Show other posts from this blog

Kuusimetsä Tshekissä
Published:

Kuusen neulaset heijastavat valoa samalla tavalla eri puolilla Eurooppaa

Tutkimus näytti ensimmäistä kertaa, että terveiden metsäkuusen neulasten spektriset ominaisuudet ovat samanlaisia eri puolilla Eurooppaa.
 Melting Ice Photo by Koen Swiers from Pexels
Published:

Vaikka Grönlanti sulaa, se ei nosta merenpintaa Suomessa

Grönlannin mannerjäätikön sulaminen nostaa valtamerien pintaa. Sulamisen seuraukset kuitenkin käytännössä kumoavat vaikutukset Suomessa.
Berries and spectra
Published:

True colors of berries

Optical remote sensing data may provide new approaches for mapping berry-bearing species in forests.
Earth and satellite. Attribution: ESA–J. Huart, CC BY-SA IGO 3.0.
Published:

Monitoring our planet from above: exciting and versatile study and career paths

Are you interested in how our planet is changing and looking for what to study at university? Earth observation might be for you!