Academic literature on the topic 'Digital terrängmodell'

Driveability analysis of terrain data offers an important technique for decision support for all kinds of movements in the terrain. The work described in this report uses a high resolution digital terrain model generated from the laser radar data and further processed by the Category Viewer program, and information from the Real Estate Map. Properties of features found in a filtering process are calculated and compared with a set of rules in a knowledge base to get a driveability cost. This cost is then visualized in a graphical user interface.

An evaluation of what driveability is and what it is affected by is performed, and a general cost function is developed, which can be used even if not all relevant information is available.

The methods for property and cost calculation need to be developed further, as well as the rules in the knowledge base. However, the implemented program offers a good framework for furtherresearch in the area.

Syftet med examensarbetet är att bistå stadsingenjörskontoret vid Sandvikens kommun som behöver hjälp att mäta in mark, vägar och objekt som kan påverka genomförandet av en detaljplan för etablering av småhustomter i södra Årsunda. Inmätning av området utfördes med en totalstation Leica TPS 1203+ inlånad från Högskolan i Gävle. Totalstation valdes för att få en hög noggrannhet i höjdmätningar av vägar och brunnar. Behandling av mätdata och framställning av en karta och en terrängmodell gjordes i programvaran Geo. Kartan presenteras i A3-format som en bilaga till rapporten och är en kombination av fastighetsgränser, fastighetsbeteckningar och byggnader ur Sandvikens kommuns primärkarta, sammanslaget med detta projekts inmätningar i området. Terrängmodellen visualiserar områdets höjdskillnader på cirka 3 m genom färgkodning och presenteras som en figur i resultatdelen.

Att använda obemannade flygfarkoster, även kallat UAS (unmanned aerial systems), i karterings- och modelleringssyften har blivit en välanvänd metod de senaste åren. Mycket på grund av den tekniska utvecklingen som till stor del automatiserat processen med att framställa höjdmodeller och ortofoton. Inom ramen för denna studie kommer vi att titta närmare på hur olika faktorer påverkar höjdosäkerheten hos en höjdmodell framställd med data insamlat med en Real-Time Kinetic-UAS (RTK-UAS). Studien kommer dels att undersöka hur stor osäkerheten blir om endast den integrerade nätverks-RTK:n (NRTK) används vid georeferering av flygbilderna, dels att se hur stor påverkan adderade markstödpunkter har på osäkerheten. Studien kommer även undersöka hur stor påverkan flyghöjden har på osäkerheten genom att jämföra data från två flyghöjder: 100 m och 50 m. Det sista studien som undersöks är vilken inverkan snedbilder har på osäkerheten. Detta genom att jämföra en flygning där lodbilder tagits med en flygning där kameran har haft en vinkling på 60° från lod. Studien genomfördes med hjälp av Falun kommuns mättekniker som manövrerade UAS:en. För att kunna testa markstödpunkternas inverkan på osäkerheten mättes nio punkter in. Även kontrollprofiler mättes för att kunna kontrollera höjdmodellerna som producerades. Totalt genomfördes 3 olika flygningar: 100 m med lodbilder, 50 m med lodbilder samt 50 m med snedbilder. De insamlade fotografierna importerades till programvaran Agisoft Metashape där de georefererades med olika metoder. För att undersöka hur markstödpunkter påverkar osäkerheten genomfördes fem olika georefereringsmetoder av fotografierna tagna på 100 m flyghöjd med olika antal markstödpunkter i varje. RMS-värdet varierade från 0,060 m för NRTK + 1 GCP till 0,068 m för NRTK+2 GCP som fick den högsta osäkerheten.Undersökningen av flyghöjder visade att en lägre flyghöjd har en tydlig effekt på mätosäkerheten. En minskning av RMS-värdet sågs när 50 m flyghöjd användes jämfört med när 100 m flyghöjd användes. Användningen av snedbilder gav ingen tydlig effekt på mätosäkerheten. RMS-värdet blev 0,014 m då lodbilder användes och 0,017 m då snedbilder användes. Snedbildernas resultat försämrades något på grund av den adderade höjden från gräset, så på endast hårdgjorda ytor blir RMS-värdet från snedbildsflygningen noterbart lägre än RMS-värdet från lodbildsflygningen.
The technology of Unmanned Aerial Systems (UAS) has gained popularity as atool for mapping and modeling applications in recent years. This is mainly dueto the technological developments that have largely automated the process ofproducing digital elevation models (DEMs) and orthophotos. This study investigates the factors that effect the height uncertainty in anelevation model that is produced with data collected with a NRTK-UAS(Network Real-Time Kinematic UAS). We also evaluate two differentscenarios i.e. how the uncertainty is affected by using only NRTK-UAS andthe effect of adding ground control points (GCPs) to NRTK-UAS. It is alsoinvestigated how the flying height and using oblique images affect the DEMuncertainty. This will be assessed by comparing two flights i.e. by capturingnadiral and oblique images. The oblique images were captured at a 60° angle. The study was realised with help from the surveying engineer of Falunmunicipality, who maneuvered the UAS. The study area was around three anda half ha and consisted mainly of park. To be able to test differentgeoreferencing methods GCP:s were surveyed, as well as control profiles thatserved as a reference for investigating the uncertainty of the elevation model.There were totally 3 different flying methods tested: 100 m with nadiralorientation, 50 m with nadiral orientation and 50 m with oblige orientation. The acquired data was processed in the software Agisoft Metashape, where itwas georeferenced with different above-mentioned methods. To be able toexamine which impact GCP has on the uncertainty, five different sets withdifferent number of GCP were made with the photos captured from 100 mflying height. The RMS value varied from 0,060 m for NRTK+1 GCP whichhad the lowest RMS value to 0,068 m for NRTK+2 GCP which had the highest RMS value. We used the combination of NRTK-UAS and GCPs for testing the impact offlying height on the uncertainty. The flying heights 100 m and 50 m wascompared. A decrease of the uncertainty was observed when the flying heightwas 50 m instead of 100 m. Our results show that the RMS-value increased from 0,014 m to 0,017 musing nadiral and oblique images, respectively. The difference is too small tobe able to draw a conclusion. The results for the oblique images improvedwhen only hard surfaces such as asphalt, concrete etc. were observed.

En digital terrängmodell (DTM) representerar endast markytans form och har en bred användning inom t.ex. samhällsplanering. Det finns olika framställningsmetoder för att skapa en DTM, där de mest använda metoderna är mark- eller flygburen laserskanning samt terrester- eller satellitbaserad mätning. Flygburen laserskanning (FLS) använder sig av tekniken LiDAR (Light Detection And Ranging) där avstånd mäts med laser. Lantmäteriet påbörjade ett projekt 2009, vilket gick ut på att laserskanna hela Sverige med FLS och projektet blev klart 2019. Resultatet blev Laserdata NH (Nationella Höjdmodellen) med en lägesnoggrannhet i höjd på 0,1 m. Syftet med studien är att kontrollera mätosäkerheten för Laserdata NH samt undersöka om den kan ersätta terrestra mätningar, t.ex. GNSS vid skapande av DTM:er. Studieområdet är ca 0,85 ha och består av en gräsyta omgiven av grusvägar. Området är beläget i Teknikparken, Gävle. För att se ifall Laserdata NH kan ersätta GNSS-mätningar skapades en DTM från Laserdata NH samt en DTM från mätningar med NRTK-GNSS. Alla inmätningar följde de krav och toleranser vilka specificeras i SIS-TS 21144:2016. För att kunna kontrollera mätosäkerheten för Laserdata NH mättes kontrollprofiler in, vilka agerade som referens. Kontrollprofilerna användes även som referens när de båda DTM:erna jämfördes mot varandra. Max- och min avvikelse, medelavvikelse, standardosäkerhet samt RMS räknades ut på varje enskild profil, per markyta och för de två modellerna. Beräkningarna utfördes för att se ifall värdena låg för högt eller för lågt i någon del av ett område samt för att kunna se sannolikheten för systematiska avvikelser. En statistisk analys utfördes för att se ifall det finns någon skillnad mellan DTM och kontrollprofilernas medelavvikelse. Resultatet visade att det fanns en statistisk signifikant avvikelse på medelavvikelsen mellan DTM skapad av Laserdata NH och kontrollprofiler för både grus- och gräsytorna. Detta innebär att Laserdata NH inte kan ersätta NRTK-GNSS på öppna, jämna gräsytor eller plana grusytor. Kontrollerna av de två DTM:erna klarar toleranserna enligt SIS-TS 21144:2016 och anses vara tillförlitliga. Studien kom till slutsatsen att Laserdata NH kan användas utan komplettering till översiktliga planeringar. Detaljerade analyser med Laserdata NH behöver dock kompletteras med ytterligare mätningar eller ortofoto för att erhålla mer trovärdiga resultat.
A Digital Terrain Model (DTM) only represent the surface and has a broad application within, for example, community planning. There are different ways of producing a DTM, with the most common methods being ground- or airborne laser scanning and terrestrial- or satellite based measurement. Airborne laser scanning (ALS) uses the technique LiDAR (Light Detection and Ranging) which measures distances with laser. Lantmäteriet, the Swedish cadastral mapping and surveying authority, began in 2009 with a project to scan entire Sweden with ALS and was finished in 2019. The outcome of the project was a new national height model that is called Laserdata NH with a positional accuracy of 0,1 m in height. The purpose of this bachelor thesis is to study the uncertainty of Laserdata NH and to investigate if it can replace terrestrial measurements, for example replacing Laserdata NH with GNSS mapping. The study area is approximately 0,85 hectares and consists of a grassland area surrounded by gravel paths. The area is located in Teknikparken, Gävle. To see if Laserdata NH can replace GNSS-measurements a DTM was created from Laserdata NH as well as a DTM created from measurements with NRTK-GNSS. All measurements followed the requirements and tolerances according to SIS-TS 21144:2016. To control the uncertainty for Laserdata NH, control profiles were measured, which acted as a reference. The control profiles were also used as a reference when comparing the two DTMs. Max and min deviation, mean deviation, standard deviation and RMS were calculated for each profile, per ground area and using two models. The calculations were performed to see if the values were too high or too low in any part of an area and to be able to see the probability of systematic deviations. A statistical analysis was performed to see if there were any difference between the DTM and the mean deviation of the control profiles. The result showed that there was a statistic significant deviation on the mean deviation between the DTM created by Laserdata NH and the control profile for both the gravel and the grass surface. This means that Laserdata NH cannot replace NRTK-GNSS on open, plain grass or gravel surfaces. The controls of the two DTMs are within the tolerances according to SIS-TS 21144:2016 and are considered reliable. The study concluded that Laserdata NH can be used without supplement to do general plans. However, for detailed analysis Laserdata NH needs to be supplemented with additional measurements or orthophoto.

Det finns flertal användningsområden för digitala höjdmodeller där det krävs hög noggrannhet för att problematik och ekonomiska konsekvenser inte ska uppstå. Digitala höjdmodeller kan användas till volymberäkning, projektering och geografiska analyser. Digitala höjdmodeller kan kategoriseras som antingen digital ytmodell eller digital terräng-modell. Då hög noggrannhet eftersträvas i digitala terrängmodeller har SIS framställt en standard benämnd SIS-TS 21144:2016 som beskriver hur inmätning och kontroll av data till digitala terrängmodeller ska hanteras. För insamling av höjdinformation till en digital terrängmodell finns olika terrestra och flygburna mätmetoder. Vanliga terrestra mätmetoder är totalstation, GNSS och terrester laserskanning medan flygburna mätmetoder är flygburen laserskanning eller olika metoder med digital fotogrammetri. Syftet med studien är att undersöka noggrannheten hos höjdmodeller kategoriserade som digitala terräng-modeller. Insamling av höjdinformation skedde med totalstation, GNSS-metoden NRTK och UAV samt inhämtning av LAS-data från NH för tre olika karaktäristiska grönområden inom Karlstad med omnejd. SIS-TS 21144:2016 har klassificerat terrängmodeller beroende på användningsområde och terräng. Klassificeringen går mellan klass 1–10 och varje klass har en maximal tolerans i höjd. För studien har tre studieområden som går under klassificeringarna klass 2, klass 3 och klass 5 valts ut för undersökning. Samtliga studieområden är avgränsade till 40 x 40 meter. Innan insamling av data markerades och mättes bakåtobjekt och avvägning genomfördes. Samtlig insamlad data bearbetades i programvaran SBG Geo och UAV data bearbetades även i programvaran Agisoft PhotoScan Professional. För kontroll av samtliga terrängmodeller genomfördes inmätning av tre kontrollprofiler med totalstation enligt SIS-TS 21144:2016. Resultatet visade att UAV är inom tolerans för samtliga studieområden medan NH-data resulterade i enstaka kontrollpunkter utanför klassningens tolerans för samtliga studie-områden. De två terrestra mätmetoderna är båda inom tolerans för klass 2 och varsin kontrollpunkt utanför tolerans för klass 5. Vid studieområde klass 3 är fem kontrollpunkter för totalstation utanför tolerans respektive åtta för NRTK. Vid analys av vilken mätmetod som resulterar i noggrannast terrängmodell inom samtliga studieområden krävs beaktning av antal inmätningspunkter och trianglar som terrängmodellen är uppbyggd av. För klass 2 ger de flygburna mätmetoderna flest antal inmätningspunkter och trianglar medan UAV resulterar i betydligt högre värden för de två resterande studieområdena. Antal inmätnings-punkter för de terrestra mätmetoderna har operatör beslutat om under mätning, vilket har kunnat ökas för att generera terrängmodeller som består av fler trianglar. Resultatet från studien visar att UAV resulterar i terrängmodeller som klarar toleranser inom undersökta studieområden och SIS-TS 21144:2016 klassificeringar.
There are previous research about digital terrain models and how different methods of producing digital terrain models varies in accuracy and there are several different methods to produce a digital terrain models.  In this study the following methods, tools and data are used to produce digital terrain models over three different characteristic study areas: total station, GNSS, UAV and NH. Previous work has failed to address the accuracy given by these four methods over the same three characteristic study areas thus preventing the understanding of most suitable methods for different areas. In this study three different green areas have been studied and the different digital terrain models has been produced and controlled with SIS standard SIS-TS 21144:2016. Data in form of height information were collected by the aforementioned methods and processed to generate results over the accuracy of each methods. The results shows that UAV provide most accurately digital terrains models in least time spent in field but also total station and GNSS generate digital terrain models that are accurate.

Over the last years there has been a rapid development in the UAS-technology (Unmanned Aircraft Systems) and today there are several UAS systems on the market. The fast development has led to differences in both price and capability of taking high-quality images between the systems. The purpose of this study was firstly to investigate how two UAS systems differ in the uncertainty of measurement while making digital terrain models, secondly, to investigate how different UAS systems cope with the laws and requirements that exist for producing digital terrain models for detail projection, SIS-TS 21144:2016 Table 6 level 1-3. A comparative study on two software’s creation of point clouds from picture data was also conducted. In this study, three digital models were made from one specific area. They were created with two different UAS-systems and laser scanning from an airplane. The models were compared and analysed using the RUFRIS method. The UASsystems used were a fixed wings Smartplanes S1C and a rotary wings Dji Phantom 4 PRO. The Smartplanes flew 174 m above the ground and the Dji Phantom 4 flew 80 m above the ground. The results from the study show that laser scanning from the airplane created the model with the lowest measurement uncertainty and met all the requirements for each separate type (asphalt, natural soil, grass and gravel) for detail projection according to SIS.TS 201144:2016 table 6 level 1-3. Additionally, the results show that the terrain model produced by the Dji Phantom 4 only met the requirements for asphalt where the mean deviation was 0,001 m. The results produced with “Smartplanes” met the requirements for asphalt and gravel where the mean deviations were -0,007 m and 0,017 m. The softwares PhotoScan and UASMaster were compared while creating point clouds from pictures taken by the Smartplanes. The results show that PhotoScan had the lowest uncertainty for asphalt, grass and gravel surfaces while UASMaster produced lower uncertainty for natural soil. The results indicate that airborne laser scanning should be the preferred method for collection of topographic data since it created lower measurement uncertainties than the other methods in this study. It is also possible to create digital terrain models with UAS for detail projection for asphalt and gravel surface in accordance with 21144:2016. Finally, it was concluded that the used software programs are showing differences in creating point clouds.
De senaste åren har tekniken för Unmanned Aircraft System (UAS) utvecklats snabbt och idag finns flera system på marknaden. Ett resultat av den snabba utvecklingen är att de olika systemen skiljer sig åt, dels i pris men även i kapacitet. Syftet med studien var att undersöka hur olika UAS-system skiljer sig åt i mätosäkerhet vid framställning av digitala terrängmodeller, men även hur olika UAS-system står sig mot det regelverk som finns för framställning av digitala terrängmodeller vid detaljprojektering enligt SIS-TS 21144:2016 Tabell 6 klass 1-3. Ytterligare ett syfte med studien var att undersöka hur olika programvaror skiljer sig åt vid framställning av punktmoln från bilddata. I studien kontrollerades och jämfördes tre digitala terrängmodeller genererade över samma område med två olika UAS-system samt laserskanning från ett flygplan. Terrängmodellerna jämfördes mot kontrollprofiler framställda med RUFRIS-metoden. De olika UAS-systemen var en dyrare variant, Smartplanes S1C (fastavingar), och en billigare variant, Dji Phantom 4 PRO (roterande vingar). De tillämpade flyghöjderna för flygningarna var 174 m för Smartplanes och 80 m för Dji Phantom. Resultatet från studien visar att laserskanning från flygplanet uppnådde lägst mätosäkerhet och klarade samtliga krav för varje separat marktyp för detaljprojektering enligt SIS-TS 201144:2016 Tabell 6 klass 1-3. Marktyper som undersöktes var: asfalt, naturmark, gräs och grus. Vidare klarade terrängmodellen producerad med Dji Phantom endast kravet för asfaltsytor, där medelavvikelsen fastställdes till 0,001 m. Terrängmodellen producerad med Smartplanes klarade endast kraven för marktyperna asfalt och grus där medelavvikelsen fastställdes till -0,007 m respektive 0,017 m. Som en del i studien jämfördes programvarorna PhotoScan och UASMaster för framställning av punktmoln för bilder insamlade med Smartplanes S1C. Resultatet visar att PhotoScan uppnådde lägst mätosäkerhet för asfalt, gräs och grus medan UASMaster uppnådde lägst mätosäkerhet för naturmark. Studien visar att flygburen laserskanning borde vara en fortsatt föredragen metod för insamling av topografisk data då metoden resulterade i lägst mätosäkerheter i denna studie. Vidare visar studien att det är möjligt att framställa digitala terrängmodeller med UAS för detaljprojektering enligt SISTS 21144:2016 för asfalt- och grusytor. Dessutom konstateras att olika bearbetningsprogram skiljer sig vid framställning av punktmoln.

Digitala terrängmodeller (DTM:er) används i samhället för många viktigafunktioner och behöver därför hållas uppdaterade när förändringar sker.Sverige har en nationell höjdmodell (NH) som innehåller höjddata över helalandet. Uppdateringen av NH förlitar sig mestadels på flygburen laserskanning(FLS). Den flygburna laserskanningsmetoden har generellt en högremätosäkerhet i tätbevuxen skog. Vid exploateringar eller framtida planeradeförändringar i skogsområden kan en mer exakt modell behövas. En utvärdering har genomförts av den handhållna laserskannern ZEB-REVO med syfte att bestämma vilken mätosäkerhet som kan uppnås i tätbevuxenskog, undersöka hur mätosäkerheten förändras med punktavståndet i denproducerade DTM:en samt vilken mätosäkerhet ZEB-REVO har i jämförelsemed NH i samma område. I studien har två skogstyper inkluderats bestående av granskog och tallskog.Mätosäkerheten har bestämts genom att mäta in terrestra kontrollprofiler medtotalstation. För att kunna genomföra en inmätning av kontrollprofiler har ettbruksnät etablerats genom ett fullständigt anslutet polygontåg viahelsatsmätning. De kända punkterna som polygontåget anslutits mot har mättsin med fri stationsetablering via SmartWorx. Resultatet visar att mätosäkerheten förbättras när punktavståndet reduceras.Mätningarna med ZEB-REVO har potential att uppnå en lägre mätosäkerhetän NH i båda skogstyperna. Resultatet för tallskogen visar att ZEB-REVO kanuppnå en lägesosäkerhet på 4-centimetersnivå och en medelavvikelse i höjd på0,018 m mot inmätta kontrollprofiler. Jämförelsen mot kontrollprofiler förområdet i granskogen visar att en medelavvikelse i höjd på 0,058 m gick attuppnå där. ZEB-REVO har potential att förbättra data i NH och data insamlad med ZEBREVOkan ligga till grund för terrängmodellering för projektering.Instrumentet kan även uppnå den bästa noggrannhetsklassningen, klass 1 i SISTS21144:2016 där en maximal medelavvikelse i höjd inte får överstiga 0,02m.
Digital terrain models (DTMs) are used in society for many importantfunctions and therefore need to be kept up to date when changes occur.Sweden has a national height model (NH) that provides height data across thewhole country. The update of NH mostly relies on airborne laser scanning(ALS). The airborne laser scanning method generally has a highermeasurement uncertainty in dense forests. When exploitation or futureplanned changes in forest areas occur, a more accurate model may need to beproduced. An evaluation has been carried out of the handheld laser scanner ZEB-REVO with the aim of determining the instrument's measurement uncertainty indense forests, evaluating how the measurement uncertainty changes with thepoint distance in the produced DTM and the measurement uncertainty ZEBREVOmay achieve in comparison with NH in the same area. The study included two different types of forest consisting of spruce and pineforest trees, respectively. Measurement uncertainty has been determined bymeasuring terrestrial control profiles with a total station. In order to be ableto carry out the measurement of control profiles, a working control networkhas been established through a fully connected traverse using full rounds ofmeasurement. The known points to which the traverse is connected have beenmeasured as free stations using SmartWorx. The results show that the measurement uncertainty improves when the pointdistance is reduced. The measurements with ZEB-REVO have the potential toachieve a lower measurement uncertainty than NH in both forest types. Theresults for the pine forest show that ZEB-REVO can achieve a 4 centimetrelevel uncertainty and an average deviation of height of 0,018 m against themeasured control profiles. The comparison with control profiles for the areain the spruce forest shows that an average deviation in height of 0,058 m wasachievable. ZEB-REVO has the potential to improve data in NH and data collected withZEB-REVO can form the basis for terrain modelling for projectionwork. Theinstrument can also achieve the best accuracy rating 1, for which themaximum mean deviation in height must not exceed 0.02 m.

Framställning av digitala terrängmodell (Digital Terrain Model, DTM) är en viktig del för projekteringsunderlag vid markrelaterade frågor. Grunden för en DTM är punktmolnet som innehåller grunddata från mätningen. DTM är användbara i många olika områden, kvalitén bestäms beroende på vilken uppdrag som DTM gäller för. UAS-fotogrammetri är en av metoder som tillämpas för att framställa en DTM, det går även att framställa en DTM utifrån punktmoln från Laserdata NH. En DTM är en modell av endast markyta, där data samlas genom mätning av ett visst objekt. Syftet med detta examensarbete som är utfört vid Institutionen för ingenjörsvetenskap vid Högskolan Väst var att jämföra två olika metoder för framställning av ett punktmoln som är till underlag för en DTM. Punktmoln som framställs med egna mätningar från UASfotogrammetri och ett färdigt punktmoln från Laserdata NH. Målet med jämförelsen är att undersöka om det går att ersätta UAS-fotogrammetri med den kostnadseffektiva Laserdata NH i projektet för ett industriområde (Lödöse varvet) i Lilla Edets kommun, samt om det går att ersätta den överlag. Med hjälp av Agisoft Metashape programvaran framställdes det punktmolnet från mätning från UAS av modellen DJI Phantom 4 Advanced, sedan jämfördes den mot det färdiga punktmolnet från Laserdata NH i CloudCompare programmet. Resultatet på denna studie visar att det går att ersätta UAS-fotogrammetri mot Laserdata NH i just denna och andra liknande projekt som har samma syfte och viss bestämd noggrannhet då punktmolnen inte avviker signifikant från varandra. Medan det inte går att ersätta de mot varandra överlag, då UAS-fotogrammetri erhåller högre noggrannhet när det gäller framställning av ett punktmoln jämfört med vad Laserdata NH har för noggrannhet på sina mätningar
Generation of Digital Terrain Model (DTM) is an essential part in project planning in questions related to spatial planning. Basis for the DTM is the point cloud which obtains initial data from the measurement. DTM can be used in different areas, accepted quality level is depending on the assignment for which DTM is produced. UAS-photogrammetry is one of the methods which is used for DTM generation, but it is possible to produce DTM from point cloud originated from Laserdata NH. A DTM is a model representing entirely terrain surface, where the data used for its generation gathers from measuring of a certain object. The purpose of this study accomplished at Department of Engineering Science at University West was to compare two different methods for point cloud generation as a basis for DTM. First point cloud generated comes from own measurement with UAS-photogrammetry and second is a point cloud from acquired Laserdata NH. The goal of the comparison is to examine if it is possible to replace UAS-photogrammetry with the cost effective Laserdata NH in the project for the industrial area (Lödöse varvet) in Lilla Edet municipality, and if it is possible to replace it generally. With help of Agisoft Metashape software the point cloud from UAS-measurement with DJI Phantom 4 Advanced was generated and then compared to Laserdata NH point cloud in CloudCompare program. Result of this study is showing that it is possible to replace UAS-photogrammetry with Laserdata NH in this specific and others similar projects which have same purpose and certain decided precision since point clouds are not significantly deviating from each other. While it is not possible to replace them generally, as UAS-photogrammetry obtains higher precision concerning point cloud generation compared to accuracy that Laserdata NH has in its measurements.

En digital terrängmodell (DTM) är en representation av enbart själva markytan. Det finns flera metoder för att framställa DTM:er, där laserskanning har blivit en alltmer vanlig metod. Inom laserskanning är flygburen laserskanning (FLS) en flitigt använd metod, då metoden har fördelen av att kunna täcka stora områden på kort tid. Det finns dock nackdelar med FLS då datainsamlingen kan bli bristfällig i t.ex. skogsområden, där laserstrålar inte kan tränga igenom tät vegetation. Här kan handhållen laserskanning (HLS) vara ett bra alternativ då HLS går snabbt och inte behöver samma omfattande planering. Tidigare studier visar att HLS har många fördelar, men som dock inte kan hålla samma låga osäkerhet som terrester laserskanning (TLS). Det saknas däremot studier om hur HLS ställer sig mot mätningar med FLS. Syftet med studien är därför att utvärdera möjligheten att använda och tillämpa mätningar med HLS för framställning av DTM i skogsterräng gentemot FLS. Detta görs genom att jämföra respektive DTM:s lägesosäkerhet. I studien användes instrumentet ZEB-REVO för insamlingen av data för metoden HLS. Medan för FLS användes laserdata från Lantmäteriet. Från insamlad laserdata skapades därefter DTM:er. Dessa jämfördes mot ett antal kontrollprofiler som mättes in med totalstation. För respektive metod, HLS och FLS, beräknades medelvärde för höjdavvikelserna mot kontrollprofilerna där även standardavvikelse beräknades. Resultatet visar att DTM:en skapad av data från FLS beräknades ha en höjdavvikelse för hela området på 0,055 m som medelvärde gentemot inmätta kontrollprofiler. Standardavvikelsen för denna höjdavvikelse beräknades till 0,046 m för FLS. För DTM:en med data från HLS beräknades en höjdavvikelse på 0,043 m i medelvärde som bäst, där standardavvikelse beräknades till 0,034 m. Studien visar att metoderna HLS och FLS gav likvärdiga resultat gentemot de inmätta kontrollprofilerna, dock gav HLS generellt mindre standardavvikelse i jämförelse mot FLS. Vidare ansågs ZEB-REVO och dess tillhörande databearbetningsprogram GeoSLAM vara väldigt användarvänligt, där själva skanningen med instrumentet tog endast 10 minuter för studiens område på ca 2000 m2. Utifrån studiens resultat drogs slutsatsen att mätningar med HLS kan ge en likvärdig DTM, sett till osäkerheten, som FLS-mätningar. HLS kan därmed vara en kompletterande metod men att FLS är en fortsatt effektiv metod.
A digital terrain model (DTM) represent exclusively the earth surface. There are several methods which can be utilized to create DTMs, where laser scanning have become a common used method. Airborne laser scanning (ALS) is often used since the method can cover a large area in a relatively short time. However a disadvantage with ALS is that the data collection, for a wooded area, can be inadequate due to penetration difficulties for some laser beams. For that reason a handheld laser scanner (HLS) can be an alternative since measurements can be done fast and does not need the same extensive planning. Earlier studies mention HLS to have several advantages but can still not yet be compared with terrestrial laser scanning (TLS) concerning the measurements uncertainty. There are, however, no studies that investigates how measurements with HLS stands against FLS. The purpose with the study is to evaluate the ability to use measurements from HLS to create a DTM for a wooded area in comparison with ALS. This is done by comparing the different uncertainties for each DTM. In the study the acquisition of HLS laser data was collected with the instrument ZEB-REVO and the ALS laser data was received from Lantmäteriet (cadastral mapping and surveying authority in Sweden). After the data acquisition a DTM were created from each data set (method). The DTMs were then compared to control profiles, which have been measured with total station. From the comparison with the control profiles average height deviation and standard deviation were calculated for each DTM. The result shows that the DTM created from ALS data received an average height deviation of 0,055 m for the whole area with a standard deviation of 0,046 m. Corresponding result for the DTM created from HLS data were calculated, at best, to 0,043 m in average height deviation and 0,034 m in standard deviation. The study shows that the methods HLS and ALS gave equivalent result regarding the comparison with the control profiles, however HLS gave a generally lower value for standard deviation. Furthermore ZEB-REVO with its processing program GeoSLAM was considered to be very easy and user friendly. The area (approx. 2000 m2) for the study was scanned within only 10 min. The conclusion which were drawn from the obtained result was that measurements with HLS can generate an equivalent DTM, concerning the uncertainty, as measurements with FLS. Thereby HLS can be a complementing method but still FLS is seen as an effective method.

Idag blir användningen av drönare allt mer vanlig för dokumentation av markytor. Det är ett billigare alternativ för att dokumentera små och otillgängliga områden. Genom tekniken går det bland annat att framställa olika digitala modeller som representerar jordens yta. En sådan modell kan vara en terrängmodell (DTM) som är en modell av markytan exklusive vegetation, hus eller annat som befinner sig på marken. Modeller kan framställas genom flygdata såsom laserskannad (LiDAR-data) eller flygfotograferade data (flygbilder). För att framställa en digital modell från rådata används olika programvaror. Den här studien utvärderar två olika programvarors förmåga att framställa digitala terrängmodeller från flygbilder. Främst undersöks levererade osäkerheter och användarvänligheten i programmen. Referensdata som användes i denna studie tillhandahölls av Norconsult och samlades in vid ett projekt över Hammarbyhöjdsskogen i Stockholm, hösten 2018. Den data som erhölls från projektet till denna studie var flygbilder samt terrestra detaljmätningar. Programmen som studien utvärderar är UAS Master som både använder datorseende och fotogrammetriska metoder och SURE Aerial som använder datorseende. Genom studien visade det sig att fler än de ursprungliga programvarorna behövdes för att framställa de digitala terrängmodellerna och vidare jämföra dessa. En orsak var att UAS Master saknade förmågor att redigera och visa punktmoln i 3D-vy och vidare skapa en DTM. Detta resulterade i att använda Trimble Business Center för slutarbetet. En annan orsak var att SURE Aerial visade sig vara avsett för framställning av digitala ytmodeller (representation av den faktiska, synliga ytan). För att framställa en DTM av punktmolnet användes både Cloud Compare och Agisoft Photoscan (numera Metashape). Geo användes sedan för att ta ut höjdavvikelserna från modellen. Två slutsatser som kunde dras utifrån denna studie var: 1) trots de olika tillvägagångssätten erhölls snarlika resultat för marktypernas lägesosäkerheter för respektive programvara (asfalt: 0,039 m; grus: ca 0,040 m; gräs: ca 0,048 m), varpå alla blev godkända enligt HMK – Flygfotografering 2017; 2) SURE Aerial är ett enklare och snabbbare program men med UAS Master har man som användare bättre förståelse över processerna och erhåller bättre dokumentation.
Drones have become a more and more frequent tool to document the surface of the ground, especially in smaller areas that otherwise are too expensive to observe by other means. This technology makes it possible to create digital terrain models (DTM) that represents the surface of the ground excluding vegetation, houses or other objects on the ground. These models can be created by laser scanned data (LiDAR-data) or aerial photogrammetry (aerial photos).  In order to create a digital model from raw data are various software needed. This study aims to test two software’s ability to create digital terrain models from UAS photos. The software were evaluated by the uncertainties of the models, as well as the user-friendliness of each software. All data used in this study was collected by Norconsult for another project in 2018 and consist of UAS photos and data from terrestrial measurements.  The softwares used in this study for comparison are UAS Master (using both computer vision and photogrammetric methods) and SURE Aerial (using computer vision). It turned out that additional use of software were needed to create DTMs that were comparable. UAS Master could not show or edit point clouds in 3D, because of this the software Trimble Business Centre had to be used. This program was also used to obtain height deviations. SURE Aerial on the other hand turned out to only be able to create digital surface models (models of the visible ground). The software Cloud Compare and Agisoft Photoscan (nowadays Metashape) were therefore used to create the DTM from the point cloud. The height deviations from the ladder DTM were obtained from the software Geo. Two conclusions could be drawn from this study: 1) the uncertainties of the different surface types were similar in the software despite the different ways to create the DTMs (asphalt: 0.039 m; gravel: 0.040 m; grass: 0.048 m). All of which meet the requirements according to HMK – Flygfotografering 2017; 2) SURE Aerial is a lot easier and quicker to work with but UAS Master give the user a lot more feedback in the way of documentation throughout the different processes.