Unmanned Aircraft System (UAS) för modellering och 3D-dokumentation av byggnader

Sammanfattning: Detta projekt undersöker vilken mätavvikelse man kan få av punktmoln från Unmanned Aircraft System (UAS)-insamlade bilder i jämförelse med terrester laserskanning. Skillnaden i noggrannhet mellan manuell identifiering och automatisk identifiering av markstödpunkter undersöks också. Arbetet undersöker även vad som krävs för att framställa 3D-modeller lämpliga för 3D-utskrift utifrån UAS-fotogrammetri. Projektet är en förstudie för dokumentation av Hälsingegårdar. UAS är en teknik som har blivit mer och mer populär under senaste år då det har blivit tillgänglig för allmänheten efter att tidigare enbart har används för militärt bruk. UAS består av en mindre flygfarkost, en sensor, ett tröghetsnavigationssystem (Inertial Navigation System, INS), en Global Positioning System (GPS)-mottagare, en radiolänk och en styrdator. 3D-modeller skapade från UAS insamling kan i sin tur användas för deformationsundersökningar, ombyggnadsprojekt eller friforms-framställning, även kallat 3D-utskrift. Studieområdet för detta projekt består av en byggnad vid Högskolan i Gävle. UAS som användes var en AscTec Falcon 8 oktokoper utrustad med Global Navigation Satellite System (GNSS) och en digitalkamera. Två flygningar utfördes, första flygningen tog lodbilder från höjden 75 m, andra flygningen tog snedbilder i höjdintervallet 10-15 m. Bilderna processades i programmet Agisoft PhotoScan inför skapande av ett tätt punktmoln. Jämförelsen mellan automatisk och manuell identifiering av markstödpunkter gjordes i PhotoScan med två olika sorters markstödpunkter, kodade A4 papper och traditionella 40 x 40 cm pappskivor. Byggnaden skannades också in med en LeicaScanStation C10 och punktmolnen fördes samman till ett gemensamt punktmoln i programmet Leica Cyclone. Punktmolnen, från UAS-bilderna och från laserskanningen, jämnfördes i form av stickprov i programmet CloudCompare. Fyra digitala 3D-modeller skapades, två utifrån sned- och lodbildernas punktmoln och två utifrån en kobination av lodbildernas och laserskanningens punktmoln. Första modellen skapades i PhotoScan som en Modelling Enviroment for Software and Hardware (MESH). Andra modellen var även den en MESH skapad i CloudCompare. Tredje modellen skapades av en kombination av lodbildernas och laserskanningens punktmoln i Cyclone genom att använda polyface-MESH. Fjärde modellen skapades i AutoCAD som solida objekt genom att använda modellen från Cyclone som referens. Utifrån stickproven i CloudCompare kan det konstateras att matta ytor med mörka färger eller ytor som ligger i skugga, avviker mer i avstånd från laserskanningspunktmolnet. Vid automatisk identifiering av kodade markstödpunkter från PhotoScan kunde programmet inte hitta några punkter automatiskt. Programmet hade inga problem med att hitta de traditionella 40 x 40 cm markstödpunkterna vid en automatisk identifiering. Utifrån resultaten från beräkningen av mätosäkerhet för 40 x 40 cm markstödpunkterna kan det konstateras att automatisk identifiering är noggrannare än manuell, vilket också har påståtts i manualen för PhotoScan. Däremot är skillnaden obetydlig och vid val av metod kommer automatisk identifiering vara fördelaktigt tidsmässigt. För att få en modell så skalenlig och detaljrik som möjlig så är det att föredra att använda en kombination av laserskanning och punktmoln från lodbilder, tills tekniken för att utvinna punkmoln från snedbilder har utvecklats mer.