haku: @keyword laserkeilaus / yhteensä: 45
viite: 9 / 45
| Tekijä: | Vinter, Reeta |
| Työn nimi: | Utilization of lidar data and street view images in road environment monitoring |
| Laserkeilausaineiston ja katunäkymäkuvien hyödyntäminen tieympäristön seurannassa | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2015 |
| Sivut: | 64 s. + liitt. 2 Kieli: eng |
| Koulu/Laitos/Osasto: | Insinööritieteiden korkeakoulu |
| Oppiaine: | Fotogrammetria ja kaukokartoitus (M3006) |
| Valvoja: | Haggrén, Henrik |
| Ohjaaja: | Ojala, Mikko |
| Elektroninen julkaisu: | http://urn.fi/URN:NBN:fi:aalto-201505132645 |
| Sijainti: | P1 Ark Aalto 2805 | Arkisto |
| Avainsanat: | individual tree detection laser scanning road damages street view images laserkeilaus katunäkymäkuvat tievauriot yksittäisen puun tunnistus |
| Tiivistelmä (fin): | Laserkeilaus on yleistynyt ja sitä hyödynnetään useissa eri sovelluksissa kuten esimerkiksi tiesovelluksissa. Leudot ja sateiset talvet sekä routa kuluttavat tien pintaa ja rakennetta aiheuttaen tievaurioita, jotka voivat olla vaaraksi liikenteelle. Tienkuntoa ja sen ympäristöä voidaan tarkastella esimerkiksi laserkeilausaineistojen sekä katunäkymäkuvien avulla. Työssä tutkittiin kuinka laserkeilausaineistoa ja katunäkymäkuvia voidaan hyödyntää tieympäristön seurannassa. Tutkimuksessa keskityttiin tarkastelemaan tievaurioita ja kuivatusta sekä tiealueiden läheisyydessä sijaitsevien puiden tunnistusta. Tutkimuksessa käytettiin TerraModeler ja TerraScan ohjelmistoja. Tievaurioita ja kuivatusta tutkittiin viidestä eri aineistosta kolmelta eri alueelta. Jakomäen alueelta tien ominaisuuksia tutkittiin sekä mobiili- että helikopterilaserkeilausaineistosta ja Rauman alueelta vaurioita kartoitettiin kahdesta eri helikopterilla kerätystä pistetiheyden aineistosta. Hyvinkäältä helikopterilla kerätyn laserkeilausaineiston lisäksi oli saatavilla katunäkymäkuvia BlomSTREET palvelusta. Aineistoista saatuja tuloksia vertailtiin keskenään ja tutkittiin, onko niistä mahdollista havaita samankaltaisia tuloksia. Yksittäisen puun tunnistukseen käytettiin helikopterilla kerättyä laserkeilausaineistoa Korppoon alueelta ja referenssinä aineistolle toimi maastossa mitatut puiden sijainnit. Automaattisesti määritettyjen puiden sijaintia verrattiin maastossa mitattuihin sijainteihin. Myös puiden korkeus määritettiin pistepilvestä manuaalisesti ja tätä verrattiin automaattiseen korkeuden määritykseen. Korkean pistetiheyden laserkeilausaineistoilla on mahdollista tutkia tien urautumista, tien kaltevuuksia ja kuivatusta. Matalamman pistetiheyden aineistoista ei pystytä määrittämään esimerkiksi urasyvyyksiä. Pistepilvi on mahdollista värjätä kaltevuuksien mukaan, minkä avulla urautumista voidaan havaita jossain määrin myös matalampien pistetiheyksien aineistoista. Tien kaltevuuksia ja kuivatusta pystytään havaitsemaan tarkasti jopa alhaisista pistetiheyden aineistoista. TerraModelerin avulla voidaan määrittää alueet, johon sadevesi kasautuu. BlomSTREET 360 panoraamakuvien avulla pystytään tarkastamaan onko kohdassa sadevesikaivo vai kerääntyykö vesi lammikoiksi. Yksittäisten puiden sijainnin määrittäminen onnistui noin metrin tarkkuudella, mutta sijainnin ja korkeuden määrittämisen onnistuminen on riippuvainen monesta tekijästä. Pistepilven luokittelun onnistumisen lisäksi yksi tärkeä tekijä on puiden muodoista tehdyt mallit, joiden avulla TerraScan ohjelmisto etsii yksittäisiä puita. |
| Tiivistelmä (eng): | Utilization of laser scanning has increased during the past few years in many fields of applications, for example, in road environment monitoring. Mild winters, increasing rainfalls and frost are deteriorating the surface and structure of the road causing road damages. The road environment and its condition can be examined for example with laser scanning and street view images. Utilization of laser scanning data and street view images in road environment monitoring was studied in this thesis. The main focus was on the road damages and drainage. Also individual trees were detected nearby road scenes. TerraModeler and TerraScan software were used for investigations. Five different lidar datasets were used to detect road damages and drainage. Both mobile and helicopter-based lidar data were available from Jakomäki area. In Rauma case, there were two datasets collected from the helicopter but the point densities were different. In addition, to helicopter-based lidar data, there were also street view images available from BlomSTREET service in Hyvinkää case. The results between the datasets were compared. Aim was to investigate if same damages can be found from the several datasets that have different point densities. Lidar data for individual tree detection was collected by helicopter from Korppoo area. Tree locations were also measured with a tachymeter to get reference data for automatic detection. Heights of the trees were manually determined from the point cloud. Manually measured heights and locations were compared with automatically detected ones. Detection of rut depths, slopes and drainage is possible from the high point density datasets. From lower point density datasets it is not possible to detect for example rut depths. Point cloud is possible to color by slopes, which may give some information about rut locations even from lower point density datasets. Obtaining slopes and drainage accurately is also possible from lower point density data. With TerraModeler water gathering points can be obtained. Panorama pictures from BlomSTREET can be utilized for ensuring if there is a rainwater outlet or if water will gather as a puddle. Tree locations were detected in a meter accuracy with automatic method. Successful detection of tree heights and locations is dependent on many things. Successful classification of the data and creation of tree models are the most important parameters. |
| ED: | 2015-05-24 |
INSSI tietueen numero: 51290
+ lisää koriin
INSSI