haku: @keyword ilmalaserkeilaus / yhteensä: 9
viite: 6 / 9
Tekijä: | Julin, Arttu |
Työn nimi: | Rakennusten automaattinen rekonstruointi ilmalaserkeilausaineistosta |
Automated building reconstruction from airborne laser scanning | |
Julkaisutyyppi: | Diplomityö |
Julkaisuvuosi: | 2012 |
Sivut: | vii + 65 Kieli: fin |
Koulu/Laitos/Osasto: | Maankäyttötieteiden laitos |
Oppiaine: | Fotogrammetria (Maa-57) |
Valvoja: | Haggrén, Henrik |
Ohjaaja: | Rönnholm, Petri ; Davidsson, Jonne |
OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
Sijainti: | P1 Ark Aalto 453 | Arkisto |
Avainsanat: | building reconstruction building detection airborne laser scanning quality rakennusten rekonstruointi rakennusten tunnistus ilmalaserkeilaus laatu |
Tiivistelmä (fin): | Diplomityön tavoitteena oli tutkia ilmalaserkeilausaineiston, erityisesti aineiston pistetiheyden, vaikutuksia automaattisen pistepilvipohjaisen rakennusten rekonstruoinnin suorituskykyyn. Lisäksi työssä esitellään pistepilvipohjaisen rakennusten automaattisen rekonstruoinnin menetelmiä ja luodaan kokonaiskuva aiheesta, sillä valtaosa olemassa olevasta kirjallisuudesta keskittyy kuvaamaan vain yksittäisiä automaattisen rakennusten rekonstruoinnin työvaiheita. Pistepilviaineistona tutkimuksessa käytettiin Pietarsaaren kaupungin alueelta keväällä 2012 kerättyä ilmalaserkeilausaineistoa ja rakennusten rekonstruointi tehtiin Terrasolid Oy:n ohjelmistoilla. Rekonstruointituloksia verrattiin referenssiaineistona käytettyyn stereokartoitusmenetelmällä tuotettuun 1 e mittausluokan pohjakartta-aineistoon. Pistetiheyden vaikutusten tutkimista varten alkuperäisestä pistepilvestä luotiin pistetiheyttä harventamalla yhteensä viisi eri tiheyksistä aineistoa (10; 5; 2,5; 1,25 ja 0,6 pistettä / m2). Pistepilviaineisto koostui myös kolmesta erilaista rakennuskantaa edustavasta koealueesta: pientalo-, kerrostalo-, sekä teollisuusalueesta, minkä ansioista voitiin myös tutkia erilaisten rakennuskohteiden vaikutusta rekonstruointiin. Tuloksista voitiin päätellä, että pistetiheyden ollessa yli n. 5,5 pistettä / m2 oli automaattisesti rekonstruoitujen rakennusmallien tasotarkkuuden keskiarvo alle 50 cm, joka riittää Kaavoitusmittausohjeiden mittausluokan 2 vaatimusten mukaiseen rakennuskohteiden kartoitukseen. Tuloksena saatu keskimääräinen korkeustarkkuus täytti tasaisessa maastossa mittausluokan 1e kartoitukselle asetetut pistekeskivirheen vaatimukset. Diplomityön tulokset osoittavat selkeästi, että pistetiheydellä on merkittävä vaikutus pistepilvipohjaisen rakennusten rekonstruoinnin suorituskykyyn. Pistetiheyden pienentyessä voitiin referenssiaineiston perusteella tehtyjen mittausten ja visuaalisen tarkastelun pohjalta osoittaa automaattisesti ilmalaserkeilausaineistosta rekonstruoitujen rakennusmallien laadun heikkeneminen. |
Tiivistelmä (eng): | The objective of this M.Sc. thesis was to investigate how aerial laser scanner data, and especially its point density, affects the performance of the automated building reconstruction. The literature review of this thesis focuses on giving an overview of a point cloud based automated building reconstruction as most of the existing literature is focused only on individual aspects of the topic. The aerial laser scanner data used in this work was acquired in the area of the city of Pietarsaari in spring 2012. The automated building reconstruction test was made with the point cloud processing software of Terrasolid Oy. A base map of class 1e was used as a reference data for validating the reconstruction results. In order to investigate the effects of the point density, five different datasets (10; 5; 2.5; 1.25 and 0.6 points / m2) were produced from the original point cloud by scaling down the point densities. The aerial laser scanning data consisted of three different test areas with distinct types of buildings: a residential area, an apartment building area and an industrial area. Results show that the average plane accuracy of the automatically reconstructed building models is below 50 cm when the point density is above 5.5 points / m2, which meets the standard error requirements for a measured point in a class 2 base map. Furthermore, the average height accuracy of the models meets the class 1e requirements in a flat terrain. Moreover, the results of this study indicate clearly that the point density affects the performance of automated building reconstruction. According to the measurements and a visual interpretation the quality of the reconstructed building models deteriorates as the point density decreases. |
ED: | 2013-02-26 |
INSSI tietueen numero: 45862
+ lisää koriin
INSSI