Kansallinen maastotietokanta. KMTK Kuntien tuotantoprosessit: Selvitys RPAS- ja MMS-aineistojen vektoroinnista
|
|
- Kirsi Sanna Seppälä
- 5 vuotta sitten
- Katselukertoja:
Transkriptio
1 Kansallinen maastotietokanta KMTK Kuntien tuotantoprosessit: Selvitys RPAS- ja MMS-aineistojen vektoroinnista
2 Projektin selvitys 1 Sisältö 1 JOHDANTO YLEISKUVAUS VEKTOROINTIPROSESSISTA LÄHTÖAINEISTOJEN ESIKÄSITTELY KOHTEIDEN VEKTOROINTI FORMAATTIMUUNNOKSET KOHTEIDEN VEKTOROINTI RPAS- JA MMS-AINEISTOISTA VEKTOROINTITESTIT JA TULOKSIA Omat vektorointitestit: automatiikka Konsultin vektorointityö: manuaalinen työ ja formaattimuunnokset KOHDETYYPIT JA NIIDEN VEKTOROITAVUUS JOHTOPÄÄTÖKSET LÄHTEET LIITTEET... 17
3 Projektin selvitys 2 1 Johdanto Tämä selvitys on osa Kansallinen Maastotietokanta-ohjelmaan (KMTK) kuuluvaa KMTK-Kuntien tuotantoprosessit-projektia. Selvityksessä on muodostettu yleiskuva vektorimuotoisen 2D- ja 3Dpaikkatietoaineiston tuottamisesta käyttämällä RPAS-lentotyötoiminnalla (miehittämättömillä ilma-aluksilla) tai maanpinnalla toimivalla mobiilikartoitusjärjestelmällä (MMS, mobile mapping system) tuotettuja pistepilvi- ja kuva-aineistoja. Kyseisistä teknologioista ja niiden tiedonkeruuprosesseista löytyy tietoa projektin aikaisemmissa selvityksissä. Tässä selvityksessä selvennetään, mitä RPAS- tai MMS-aineistojen vektorointi 2D- ja 3D-paikkatietoaineistoksi sisältää, mitä menetelmiä vektorimuotoisen aineiston tuottamisella on olemassa, mitä vaatimuksia aineistolle on, jotta tietyn geometriatason (2D-3D) vektoreita pystytään muodostamaan eri kohdeluokista ja kuinka käytettävää kyseisillä menetelmillä kerätty aineisto on 2D- ja 3D-paikkatietoaineiston tuottamisessa. Selvityksessä esitetään testitöitä ja esimerkkejä eri kohteiden vektoroinnista käyttäen manuaalisia ja automaattisia vektorointimenetelmiä. Kommentit ja kyselyt selvitykseen liittyen KMTK-Kuntien tuotantoprosessit-projektin projektipäällikölle: Olli Nevalainen (olli.nevalainen@maanmittauslaitos.fi) 2 Yleiskuvaus vektorointiprosessista Vektorimuotoisen 2D- ja 3D-paikkatietoaineiston tuottaminen sisältää karkeasti seuraavat kolme vaihetta: 1. Lähtöaineiston esikäsittely 2. Kohteiden vektorointi / kartoitustyö 3. Formaattimuunnokset 2.1 Lähtöaineistojen esikäsittely Lähtöaineistoja, joita RPAS- ja MMS-menetelmillä voidaan tuottaa, ovat pistepilvet (kuva- tai laserpistepilvi) ja kuva-aineistot. RPAS-tiedonkeruun osalta kuva-aineisto koostuu ortomosaiikeista ja yksittäisistä orientoiduista pysty- ja/tai viistokuvista. MMS-tiedonkeruussa olevalla kamerajärjestelmällä pääasiassa tuotetaan laserpistepilvelle RGB-väriarvot, mutta kuva-aineistoja voidaan myös käyttää vektoroinnissa, jos kameran orientointitiedot ja geometrinen ja radiometrinen tarkkuus sen mahdollistavat. Lähtöaineistojen esikäsittely pitää sisällään mahdolliset koordinaatti- ja formaattimuunnokset ja aineistojen yhteensovitukset, jos niitä ei ole eri aineistoille jo ennestään tehty. Lisäksi esikäsittelyyn voi kuulua myös pistepilviaineiston luokittelu, esimerkiksi rakennus-, kasvilisuus- ja maanpintaluokkiin, jos sitä ei ole jo olemassa. Pistepilven luokitus auttaa kohteiden tunnistamisessa ja se vaaditaan usein automaattisiin vektorointimenetelmiin. Tässä vaiheessa on myös syytä kerätä yhteen kaikki mahdolliset muut paikkatietoaineiston tuottamisessa tarvittavat lähtöaineistot, joita voidaan hyödyntää geometriatiedon tai kohteiden ominaisuustietojen tuottamisessa. 2.2 Kohteiden vektorointi Kohteiden vektoroinnissa lähtöaineistosta muodostetaan tarvittavien kohteiden (kohdemalli) vektorit määritettyjen geometria- ja tarkkuusvaatimusten mukaisesti (muodostamisohjeet ja laatuvaatimukset). Tässä vaiheessa kohteelle voidaan myös tuottaa ominaisuustietoja.
4 Projektin selvitys 3 Muodostettavat geometriat voivat olla 2D-, 2.5D- tai 3D-geometrioita riippuen kohteena olevasta paikkatietojärjestelmästä. Tässä selvityksessä 2D-paikkatietoaineiston tuottamista käsitellään JHS185 mukaisen kunnan kantakartan näkökulmasta ja 2.5D- ja 3D-paikkatietoaineiston tuottamista KMTK:n määritysten mukaisen tietokannan näkökulmasta. 2D-paikkatietoaineisto on vielä monessa kunnassa pääasiallinen paikkatietovaranto (kantakartta). 2.5D- ja 3D-paikkatietoaineistojen tarve ja käyttö on kuitenkin kovassa kasvussa nykypäivän suunnittelun tarpeiden johdosta. Kartoitusteknologioiden kehittyminen ja uusien menetelmien yleistyminen on myös mahdollistanut, että 2.5D- ja 3D-paikkatietoaineistojen tuottaminen kustannustehokkaasti on mahdollista. Tuotannollisissa toiminnassa vektorit tuotetaan pääasiassa manuaalisesti avustavia puoliautomaattisiatoimintoja hyödyntämällä. 3D-paikkatietoaineistoon siirtyminen tarkoittaa kuitenkin vektoroinnin määrän suuren kasvun, minkä takia automaattisille menetelmille on nähty suuri tarve. Automaattisia menetelmiä on kehitetty etenkin 3D-rakennusvektoroiden muodostamiseen. Muiden kohdeluokkien osalta automaattisia menetelmiä ei löydy kattavasti, mutta avustavia toimintoja esimerkiksi pylväsmäisten kohteiden ja puiden tunnistamiselle on kehitetty. Pistepilvien käsittelyyn soveltuvissa on usein eri kohteiden vektoroimiseen sopivia työkaluja, esimerkiksi erilaisten rakennusten kattogeometrioiden muodostamiselle. 2D-vektorimuotoista aineistoa tuotetaan pääasiassa ortokuvilta. 3D-vektoroiden muodostamiseksi myös lähtöaineiston täytyy olla kolmiulotteista, esimerkiksi pistepilvi. 3D-aineistoa tuotetaankin yleisesti ensin kartoittamalla/vektoroimalla ortokuvalta kohteet 2D:ssä ja nostamalla kohteet 3D:hen pistepilven avulla tai 2.5D-geometrian tapauksessa antamalla 2D-kohteelle korkeustieto pistepilviaineistosta ominaisuustiedoksi. 2.3 Formaattimuunnokset Vektorit muodostetaan pistepilvien ja kuva-aineistojen vektorointiin sopivissa ohjelmistoissa. Näiden ohjelmien käyttämät formaatit eivät välttämättä suoraan esimerkiksi kunnan tai MML:n paikkatietojärjestelmään sopivia, joten vektoroitu aineistoa täytyy tarvittaessa muuntaa määrättyyn tiedonsiirtoformaattiin, esimerkiksi KuntaGML tai CityGML-määritysten mukaisesti. Vektoroidun geometriatiedon lisäksi kohteille täytyy antaa niille määrätyt ominaisuustiedot. 3 Kohteiden vektorointi RPAS- ja MMS-aineistoista kantakartan kohteiden vektorit muodostetaan JHS185:n mukaisesti. 3D-vektoroiden muodostamiselle ei ole vielä kansallista ohjeistusta (Huom! Selvityksen ja projektin toteutuksen aikana KMTK-3D-Muodostamisohjeet eivät olleet valmiit). Myöskään kansainvälisiä standardeihin perustuvia ohjeistuksia ei ole laajalti saatavissa. Yhden CityGML 2.0 -standardiin perustuvan 3D-rakennusten vektoroinnin ohjeistuksen on laatinut SIG3D (Special Interest Group 3D, SIG 3D 2). Kyseisessä ohjeistuksessa on ehdotettu 3D-rakennusten muodostamisen käytännöt eri tarkkuustasoille (LOD, Level-of-Detail). Rakennusten osalta oleellisimpia geometrian muodostuseroja aiheuttaa seinälinjat, jotka voidaan määrittää joko rakennuksen kivijalan tai räystäslinjan mukaan. Projektin selvityksissä arvioitiin käytettyjen aineistojen käytettävyyttä sekä kivijalan että räystäslinjan mukaisen seinälinjan määrityksessä. 3.1 Vektorointitestit ja tuloksia Pistepilviaineistojen tuottaminen ei ole kallein vaihe paikkatietoaineiston tuotannossa, vaan suurin osa kustannuksista syntyy eri kohteiden vektoroinnista pistepilviaineistoista. Siirryttäessä 2D-vektoriaineistosta 2.5D- tai 3D-vektoriaineistoihin vektoroinnin määrä kasvaa. Nykyisin tuotantokäytössä vektrointi suoritetaan yleensä manuaalisesti, mikä vaati henkilötyöresursseja. Toimivalla vektroinnin automatisoinnilla pystyttäisiin vähentämään huomattavasti kustannuksia.
5 Projektin selvitys 4 Seuraavassa on esitetty tuloksia RPAS- ja MMS-aineistojen vektoroinnista automaattisin ja manuaalisin menetelmin. Projektiryhmän omat testit keskittyivät automaattisen vektorointimenetelmien kartoittamiseen ja testaamiseen. Projektissa hankittiin myös vektorointi konsultilta, jossa RPAS- ja MMS-aineistoa vektoroitiin seuraavilla geometrioilla ja tiedostoformaateilla: 3D (Rakennukset) o formaatti: CityGML Building LOD2 o muodostamisohje: SIG 3D Modeling Guide for 3D Objects - Part 2: Modeling of Buildings (SIG 3D 2) 2.5D (muut rakennukset ja rakenteet) o formaatti: CityGML Generic City Object LOD0 o muodostamisohje: alustava KMTK 2.5D-Muodostamisohje 2D (muut kohdeluokat, ei sisällä kaikkia kantakartan kohdeluokkia) o formaatti: KuntaGML o muodostamisohje: JHS 185 Hankinnan tarkemmat vaatimukset geometrioiden muodostamiselle ja formaateilla on nähtävissä selvityksen liitteenä. Konsultin työ perustui pääasiassa manuaaliseen vektorointiin puoliautomaattisia toimintoja hyödyntäen. Konsultti käytti työssään TerraSolidin ohjelmistoja vektorien määrittämisessä ja FME-ohjelmaa formaattimuunnoksissa Omat vektorointitestit: automatiikka Automaattisia vektorointi kokeiluja lähdettiin testaamaan yleisesti käytetyillä pistepilvien käsittelyyn sopivilla ohjelmistoilla. Testejä tehtiin TerraScan- ja BAE Systemsin Socet GXP-ohjelmalla. Testeissä käytettiin pääasiassa projektissa RPAS-ilmakuvauksista tuotettuja kuvapistepilviä. RPAS-kuvapistepilviä tuotettiin projektissa Nummelan keskustasta Paikkatietokeskuksen omalla laitteistolla ja Laukaan kirkonkylästä kahden eri konsultin toimesta. Testeissä vertailtiin myös konsulttien tuottamia aineistoja, sillä ne tuotettiin eri laitteistoilla ja erilaisella fotogrammetrisella prosessoinnilla. Konsulttien RPAS-aineistojen vertailua Laukaan kirkonkylästä tuotettiin keväällä 2017 RPAS-ilmakuvauksella kuvapistepilvi ja ortokuvat kahden eri konsultin toimesta. Toisen konsultin tuottama kuvapistepilvi oli huomattavasti tasaisempaa kuin toisen, mikä johtui käytetystä kamerasta ja fotogrammetrisen prosessoinnin asetuksista. Tasaisemman aineiston prosessoinnissa oli käytettä voimakkaampaa syvyyssuodatusta. Tämä johti kuitenkin myös siihen, että kyseisestä aineistoista puuttui paljon pystysuuntaisia(vertikaalisia) kohteita, kuten puita, pylväitä ja seiniä. Kuvissa 1-3 on esimerkkikuvia konsulttien aineistosta. Punaisella väritetyt pisteet ovat tasaisemmasta aineistosta.
6 Projektin selvitys 5 Kuva 1 RPAS-pistepilvien vertailua. Kuva 2 RPAS-pistepilvien vertailua
7 Projektin selvitys 6 Kuva 3 RPAS-pistepilvien vertailua. Automaattinen rakennusten vektorointi Automaattisia vektorointimenetelmiä on toistaiseksi saatavilla rakennuksille. Pistepilviaineistojen käsittelylle oleellista on myös pistepilvien luokittelu, joka helpottaa ja tehostaa aineiston käsittely. Pistepilvien luokitteluun on olemassa useita toteutuksia. Myös rakennusten automaattinen vektorointi vaatii, että pistepilvestä on luokiteltu rakennus-, kasvillisuus ja maapisteet. Automaattisessa vektroinnissa on hyvä hyödyntää muitakin saatavilla olevia lähtöaineistoja. Esimerkiksi olemassa oleva ilmalaserkeilausaineisto voi tarjota hyvän maapisteistön. Automaattinen rakennusvektorointi TerraScan-ohjelmalla Laukaan aineisto Fotogrammetrisen pistepilven rakennuspisteiden luokittelussa hyödynnettiin avointa laserkeilausaineistoa. Testeissä, joissa hyödynnettiin pelkkää RPAS-aineistoa, ohjelmistolla oli vaikeuksia alueilla, joilla maanpinnasta ei ollut mittauksia, tai maanpintaa ei muuten pystynyt luotettavasti luokittelemaan. Maanpinnan luokittelun vaikeudet näkyivät rakennusten luokittelun onnistumisessa. Lopulliset tulokset on muodostettu seuraavalla menetelmällä. 1. MML:n avoimesta laserkeilausaineistosta maanpinta-luokka 2. RPAS-pistepilvestä pisteiden poisto [-1000m; 1.5m] etäisyydeltä maanpinnasta 3. Rakennusluokittelu jäljelle jääneille pisteille
8 Projektin selvitys 7 4. Rakennusvektorit building luokan pisteistä Automaattisen vektoroinnin tuloksena saatuja vektoreita näkyy kuvissa 4-9. Tuloksena saadut rakennusvektorit ovat LOD2-tason rakennuksia, joiden seinälinja on määrittynyt rakennuksen räystäslinjan mukaisesti. 2Dvertailuaineistona on käytetty Laukaan omia 2D kantakartan rakennusvektoreita (rakennuksen kivijalan mukaan). Rakennusten automaattinen vektorointi näyttäisi löytävän melko hyvin rakennukset. Eniten puuttuvia rakennuksia on pienien rakennusten osalta. Joitain isoja rakennuksia puuttuu ja osan ison rakennuksen osalta on vektoroitunut vain osa rakennuksesta. Laukaan kirkonkylästä ei ole olemassa aikaisempia 3Drakennusvektoreita, joita olisi voitu käyttää 3D-vektroinnin onnistumisen arvioinnissa. Sama automaattinen rakennusten vektorointi suoritettiin myös toisen konsultin aineistolle (tasaisempi pistepilvi). Kahdella eri aineistolla tuotetuissa rakennusvektoreissa oli jonkin verran eroja ja näitä on esitetty kuvissa 10 ja 11.
9 Projektin selvitys 8 Kuva 4 Automaattisesti vektroidut rakennukset RPAS-kuvapistepilvestä. Kuva 5 Automaattisesti vektoroituja rakennuksia RPAS-kuvapistepilvestä.
10 Projektin selvitys 9 Kuva 6 Automaattisesti vektoroitujen rakennusten vertailua Laukaan 2D-rakennusvektoreihin. Kuva 7 Automaattisesti vektroitujen rakennusten vertailua Laukaan 2D-rakennusvektoreihin.
11 Projektin selvitys 10 Kuva 8 Automaattisesti vektoroitujen rakennusten vertailua Laukaan 2D-rakennusvektoreihin.
12 Projektin selvitys 11 Kuva 9 Automaattisesti vektoroitujen rakennusten vertailua Laukaan 2D-rakennusvektoreihin. Kuva 10 Eroja vektoreissa, jotka vektoroitiin automaattisesti eri RPAS-aineistosta.
13 Projektin selvitys 12 Kuva 11 Eroja vektoreissa, jotka vektoroitiin automaattisesti eri RPAS-aineistosta. Nummelan aineisto Samalla menetelmällä muodostettiin suoritettiin rakennusten automaattinen vektorointi Nummelassa kerätylle RPAS-kuvapistepilvelle. Kuvassa 12 on nähtävissä Nummelasta vektoroituja rakennuksia. Kuva 12 Automaattisesti vektoroituja rakennuksia Nummelasta kerätystä RPAS-aineistosta.
14 Automaattinen rakennusvektorointi Socet GXP-ohjelmalla Projektin selvitys 13 Rakennusten automaattista vektorointia testattiin myös BAE Systemsin Socet GXP:n AFE:lla (Automatic Feature Extraction). Ohjelmalla testattiin koko Nummelan RPAS-pistepilviaineiston vektrointia, mutta tämä ei kyseiselle aineistolle toiminut. Mahdollisia syitä oli kyseisen kuvapistepilven suuri tiheys ja kohinaisuus. Ohjelmaa testattiin kohinattomammalle Laukaan kuvapistepilvelle pienelle alueelle kahden omakotitalon rakennevektoreiden irrottamiseksi. Tuloksena ohjelmalta pyydettiin rakennuksen 3D-malli, rakennuksen kivijalka, rakennuksen kattomonikulmiot ja rakennusten painopisteet. Lisäksi pyydettiin maanpintamalli ja sitä tehdessä poistetaan kohteita erikseen annettavilla arvoilla. Käytetyt parametrit olivat: minimi rakennuksen korkeus 2 m minimi rakennuksen leveys 10 m maksimi rakennuksen leveys 50 m kattoyksityiskohtien raja-arvo 50 cm pakotettiin kulmat 90 asteeseen Tuloksena saatuja 3D vektoreita on nähtävissä kuvissa Kuva 13 Automaattisia rakennusvektoreita Socet GXP:llä.
15 Projektin selvitys 14 Kuva 14 Automaattisia rakennusvektoreita Socet GXP:llä. Kuva 15 Automaattisia rakennusvektoreita Socet GXP:llä.
16 3.1.2 Konsultin vektorointityö: manuaalinen työ ja formaattimuunnokset Projektin selvitys 15 Konsultti suoritti vektrointityön MicroStation-ympäristössä TerraScan-ohjelman työkaluja hyödyntäen. Työ tehtiin pääasiassa manuaalisena vektorointityönä joitakin semi-automaattisia työmenetelmiä hyödyntäen. Pääasiallisena aineistona konsultti käytti RPAS-aineistoa, jonka pistepilvi oli taisaisempi. Kohteet vektoroitiin ortokuvasta ja pistepilveä käytettiin korkeustiedon irrottamiseen. Toista RPAS-aineistoa ei käytetty pistepilven kohinaisuuden takia. Tasaisemman aineiston ortokuva oli myös laadultaan parempi vektorointityöhön. Eri mittauksilla kerättyjen aineistojen välillä havaittiin myös sijaintipoikkeavuuksia, minkä takia yhden aineiston käyttäminen oli tehokkaampaa. Koska käytettävä RPAS-aineistoa oli kerätty vain pystykuvauksella, joutui vektorointityössä käyttämään enemmän kartoittajan tulkintaa kuin, jos aineistoa olisi kerätty myös viistokuvauksella. Aineistosta pystyttiin vektoroimaan rakennukset 3D-geometrioilla ja erilaiset katto- ja seinämuodot saatiin mallinnettua hyvin. Myös 2.5D ja 2D-kohteet saatiin aineistosta vektoroitua halutulla tavalla. Suurin työmäärä konsultin työssä meni geometrioiden ja ominaisuustietojen saamiseksi haluttuun tiedostoformaattiin. Tähän vaikutti suuresti se, että halutut formaatit olivat 2D KuntaGML:ää lukuun ottamatta uusia ja niihin ei löydy ohjelmistoista valmiita skeemoja. Työtä hankaloitti myös se, että KuntaGML-formaattiin ei löytynyt helposti toimivaa ratkaisua käytetyistä ohjelmistoista. Formaattimuunnokset tehtiin yleisesti käytetyllä FME-ohjelmistolla. Vektorointityöstä ja formaattimuunnoksista saatiin hyviä kommentteja ja kehitysideoita KMTK-ohjelmassa valmisteltavaan 3D- ja 2.5D muodostamisohjeistukseen. Lisäksi mahdollisia ongelmakohtia ohjelmistojen ja ohjeistuksen nykyisen version välillä tunnistettiin. Konsulttityön perusteella kantakartan ja KMTK:n mukaisia kohteita saadaan vektoroitua RPAS-aineistosta. Viistokuvausten lisääminen kerättyyn aineistoon olisi helpottanut ja mahdollisesti parantanut työn tarkkuutta. 3.2 Kohdetyypit ja niiden vektoroitavuus Kuvilta laskettujen pistepilvien osalta oleellisesti kohteiden korkeusmääritykseen vaikuttava asia on kuvausgeometria. Viistokuvaus tuottaa pelkkää pystykuvausta paremmin tietoa vertikaalisista kohteista, kuten seinistä, pylväistä ja aidoista. Jos aineistosta on tarkoitus tuottaa 3D-geometriota pelkkää RPAS-ilmakuvausta käyttämällä kohteista, suositellaan viistokuvausta pystykuvauksen ohelle. Viistokuvauksen puuttumista voidaan paikata esimerkiksi mahdollisella mobiililaserkeilausaineistolla. Pelkällä pystykuvauksella pystytään kuitenkin saamaan myös vertikaalisia kohteita näkyviin siten, että niistä voidaan määrittää kohteen korkeus. Kuvassa X on esimerkki toisesta Laukaan kuvapistepilvestä, jossa on nähtävissä puita ja valainsinpylväitä. Tasaisemmassa Laukaan kuvapistepilvessä kyseisetä kohteet eivät ollut nähtävissä. Ilmakuvien prosessoinnilla ilmakuvapistepilviksi on myös selkeä vaikutus vertikaalisten kohteiden näkyvyydelle ja pistepilven tasaisuudelle. Esimerkiksi pistepilven horisontaalisten pintojen tasaisuutta voidaan lisätä voimakkaammalla syvyyssuodatuksella, mutta samalla tietoa vertikaalisista kohteista voidaan menettää. Aineisto pitäisikin prosessoida vektorointiin sopivaksi ja mahdollisesti laskea kuvapistepilvi uudestaan vektoroitaessa esiin tulevien ongelmien perusteella. Eri kohteet voidaan myös vektoroida eri parametreilla lasketuista pistepilvistä. Fotogrammetrisissa ohjelmistoissa ortokuvan orto-oikaisu tehdään kuvapistepilven tuottamaa korkeusmallia hyödyntäen. Tästä johtuen pistepilven tasaisuus vaikuttaa myös ortokuvan tarkkuuteen, etenkin rakennusten reunoilla. Ortokuva olisikin syytä muodostaa mahdollisimman tasaisesta pistepilvestä. RPAS-ilmakuvauksella voidaan tuottaa korkearesoluutioista ilmakuva-aineistoa, joka mahdollistaa, että kohteet on hyvin nähtävissä ja tunnistettavissa ortokuvilta. Lisäksi tiheä kuvapistepilvi soveltuu korkeustiedon selvittämiseen kapeidenkin kohteiden osalta (esim. valaisinpylväät ja puut). Värillisen kuvapistepilven etuna on myös kohteiden luokittelun ja tunnistettavuuden helpottuminen.
17 Projektin selvitys 16 RPAS-aineisto soveltuu hyvin kantakartan eri kohteiden kartoittamiseen, jos kohde on vain nähtävissä ilmasta. Sähköverkkojen osalta itse johdot ovat usein liian kapeita näkyäkseen kuvapistepilviaineistossa. MMS-aineiston etuna on tarkkapistepilvi, joka mahdollistaa maanpinnalla olevien kohteiden tarkan kartoituksen. Esimerkiksi kanttikiven reuna ja sen korkeus on mahdollista määrittää MMS-aineistosta. RPAS-ilmakuvauksella kanttikiven korkeus vaatisi erittäin tarkan ja tasaisen aineiston. Lisäksi MMS-aineistoa mahdollistaa esimerkiksi katosten ja puiden alle jäävien kohteiden näkymisen, sekä julkisivujen mittauksen. Lisäksi MMS-tiedonkeruulla voidaan tunnistaa ovet ja mahdolliset sisäänkäynnit, etenkin kamerajärjestelmän avustuksella (toistaiseksi tällaiseen ei ole automaattisia menetelmiä paikkatieto-ohjelmistoissa). MMS-aineiston ongelmana ovat katveet, joita voi syntyä etenkin sisäpihoille tai alueille, joihin ajoneuvot eivät pääse. Koska mittaus tapahtuu maanpinnalta, ei myöskään katot ja katoilla olevat kohteet näy (ainakaan korkeiden rakennusten osalta). Kuva 16 Esimerkki RPAS-kuvapistepilvestä ja siinä näkyvistä kohteista. 4 Johtopäätökset Automaattiset menetelmät vaativat geometrisesti tarkan ja tasaisen pistepilven. Oikeiden parametrien löytäminen nykyisissä menetelmissä on hyvin tapaus- ja kohdekohtaista, mistä johtuen oikeiden parametrien määrittäminen eri tarkkuuden ja tiheyden omaaville pistepilville vaatii harjautuneisuutta. Myös lähtöaineiston, esimerkiksi pistepilven, luokittelun tarkkuus vaikuttaa merkittävästi automaattisen vektoroinnin tarkkuuteen. Automaattisesti muodostettujen vektorien tarkkuus täytyy myös tarkastaa. Mahdolliset korjaukset tai uusien vektorien laskeminen uusilla parametreilla lisäävät automaattisen vektoroinnin työmäärä. Hyvin pienillä alueilla manuaalinen vektorointi on vielä usein kustannustehokkaampaa. Selvityksen testit tehtiin pelkiltä pystykuvilta
18 Projektin selvitys 17 laskettuihin kuvapistepilviin. Viistokuvat saattaisivat parantaa automaattisen vektoroinnin tarkkuutta. Automaattisen vektoroinnin tuloksissa oli kahta eri aineistoa käyttämällä paikoittain huomattavan suuriakin eroja (yli 40 cm). Selkeät ja yhtenäiset paikkatietoformaatit ja geometrioiden muodostamisohjeet mahdollistavat toimivamman ja luotettavamman aineistojen jakamisen ja yhtenäisyyden, sekä toimivuuden eri paikkatietojärjestelmissä ja - ohjelmistoissa. Koneoppimismenetelmät kehittyvät jatkuvasti. Tällaisten menetelmien määrä tuotannollisissa ohjelmistoissa tulee lisääntymään, jos tutkimuksissa kehitetyt menetelmät osoittautuvat tuotannolliseen käyttöön sopiviksi. Pistepilvien käsittelyn tehostamisessa on syytä myös harkita 3D-työasemien hankittaa ja käyttöä, jolloin aineiston pistepilvien ja kolmiulotteisuuden hahmottaminen parantuu. 5 Lähteet SIG3D 1, Modeling Guide for 3D Objects - Part 1: Basics (Rules for Validating GML Geometries in CityGML), _Part_1:_Basics_(Rules_for_Validating_GML_Geometries_in_CityGML) SIG3D 2, Modeling Guide for 3D Objects - Part 2: Modeling of Buildings (LoD1, LoD2, LoD3) _Part_2:_Modeling_of_Buildings_(LoD1,_LoD2,_LoD3) OGC, OGC City Geography Markup Language (CityGML) Encoding Standard Version 2.0, Lähteitä Suomennettuna: BuildingSmart 1, Osa 1: Perusteet (säännöt GML-geometrioiden validointiin CityGML:ssä), _201311_SIG3D_Modeling_Guide_for_3D_Objects_Part_1.pdf BuildingSmart 2, Osa 2: Rakennusten mallintaminen (LoD1, LoD2 ja LoD3), 6 Liitteet Vektoroinnin hankinnan dokumentit:
Kansallinen maastotietokanta. KMTK Kuntien tuotantoprosessit: Ohjeistus RPAS- ja MMS-menetelmien käyttöönotolle
Kansallinen maastotietokanta KMTK Kuntien tuotantoprosessit: Ohjeistus RPAS- ja MMS-menetelmien käyttöönotolle Projektin selvitys 1 Sisältö 1 JOHDANTO... 2 2 YLEISKUVA MENETELMIEN KÄYTTÖÖNOTOSTA... 2 2.1
LisätiedotKansallinen maastotietokanta 3D-kaupunkimallit
Kansallinen maastotietokanta 3D-kaupunkimallit Joonas Jokela 28.9.2017 KMTK on osa Suomen itsenäisyyden satavuotisjuhlavuoden ohjelmaa Taustaa 3D-kaupunkimallit pinnalla Monet kunnat tuottaneet viime vuosina
LisätiedotKMTK Kuntien tuotantoprosessit: Selvitys RPAS- ja MMS-menetelmien ja kuntien nykyisten tuotantoprosessien kustannuksista
Kansallinen maastotietokanta KMTK Kuntien tuotantoprosessit: Selvitys RPAS- ja MMS-menetelmien ja kuntien nykyisten tuotantoprosessien kustannuksista Sisältö Projektin selvitys 1 1 JOHDANTO... 2 2 NYKYISET
LisätiedotKansallinen maastotietokanta. KMTK Kuntien tuotantoprosessit: Loppuraportti
Kansallinen maastotietokanta KMTK Kuntien tuotantoprosessit: Loppuraportti Projektin selvitys 1 Sisältö 1 PROJEKTIN YLEISKUVAUS... 2 1.1 KÄYTETYISTÄ TERMEISTÄ JA LYHENTEISTÄ... 2 1.2 PROJEKTIRYHMÄ... 2
LisätiedotTERRASOLID Point Cloud Intelligence
www.terrasolid.com TERRASOLID Point Cloud Intelligence Keilaus- ja kuva-aineiston jalostaminen kaupunkimalliksi Kimmo Soukki 1.9.2016 Sisältö LOD ajattelu Lähtökohdat vektoroinnille Vektorointi Vektorointitavoista
LisätiedotKansallinen maastotietokanta
Kansallinen maastotietokanta 3D-Kaupunkimallit Pekka Luokkala 6.9.2018 1 Tavoitteet 2019 KMTK teemat (sisältävät tietomallit, laatuvaatimukset ja elinkaarisäännöt): Rakennukset ja rakenteet (MML ja kunnat,
LisätiedotSuunnittelun lähtöaineisto 3D:hen ja tietomallipohjaiseksi
Suunnittelun lähtöaineisto 3D:hen ja tietomallipohjaiseksi Miten kaupunkimallitietoja hallitaan Kaupunkimallit 2017 8.11.2017 Mirja Metsälä Asemakaavoitus ja suunnittelun pohja-aineisto Nykyinen MRL 55:
LisätiedotKansallinen maastotietokanta. KMTK on osa Suomen itsenäisyyden satavuotisjuhlavuoden ohjelmaa
Kansallinen maastotietokanta KMTK on osa Suomen itsenäisyyden satavuotisjuhlavuoden ohjelmaa KMTK - Kansallinen maastotietokanta Kansallinen maastotietokanta -ohjelma (KMTK) on yhteistyöhanke, joka yhtenäistää
LisätiedotJHS-hanke-ehdotus: KMTK Rakennukset ja rakenteet - kohteet
JHS-hanke-ehdotus: KMTK Rakennukset ja rakenteet - kohteet Pekka Luokkala KMTK on osa Suomen itsenäisyyden satavuotisjuhlavuoden ohjelmaa 1 Esityksen sisältö Mistä KMTK:ssa ja kohdemallinnuksessa on kyse?
LisätiedotKansallinen maastotietokanta. KMTK Kuntien tuotantoprosessit: Selvitys kuntien kantakartan ylläpidon nykyisestä tuotantoprosessista
Kansallinen maastotietokanta KMTK Kuntien tuotantoprosessit: Selvitys kuntien kantakartan ylläpidon nykyisestä tuotantoprosessista Projektin selvitys 1 Sisältö 1. JOHDANTO... 2 2. YLEISKUVA KANTAKARTAN
LisätiedotSelvitys lokakuussa 2015
CityGML ja KuntaGML skeemat kaupunkimallien tiedonvälityksessä Kuntien 3D-kaupunkimalli- ja paikkatietoseminaari 9.-10.2.2016 Pasi Lappalainen pasi.lappalainen@nostoconsulting.fi puh. 0400 858 101 Selvitys
LisätiedotMissä mennään KMTK ohjelmassa? Ohjelmapäällikkö Risto Ilves
Missä mennään KMTK ohjelmassa? 9.10.2018 Ohjelmapäällikkö Risto Ilves Kansallinen maastotietokanta (KMTK) Kansallisessa maastotietokannassa mallinnetaan julkisen hallinnon tuottamat yhteiset paikkatiedot
LisätiedotKMTK-3D/su Loppuraportti. Joonas Jokela
KMTK-3D/su Loppuraportti Joonas Jokela joonas.jokela@maanmittauslaitos.fi itos Loppuraportti 1 (13) Sisällys 1. Projektin taustat sekä asetetut ja saavutetut tavoitteet... 2 1.1. Projektin taustat ja lähtökohdat...
LisätiedotKANSALLINEN MAASTOTIETO- KANTA-HANKE (KMTK)
KANSALLINEN MAASTOTIETO- KANTA-HANKE (KMTK) KMTK KUNTIEN TUOTANTO- PROSESSIT: SELVITYS KUNTIEN KANTAKARTAN YLLÄPIDON NY- KYISESTÄ TUOTANTOPROSESSIS- TA Sisältö 1 Johdanto... 3 2 Yleiskuva kantakartan ylläpidosta...
Lisätiedotja ilmakuvauksen hankinta
HANKEKUVAUS, liite 6 1 /6 Imatran kaupungin 3Dkaupunkimalli: Laserkeilausdatan ja ilmakuvauksen hankinta HANKEKUVAUS ja KILPAILUTUSMENETTELY Vasemmalla rakennuskaavan pohjakarttaa Vuoksenniskalta1930 luvulta,
LisätiedotLoppuraportti Blom Kartta Oy - Hulevesien mallintaminen kaupunkiympäristössä / KiraDIGI
1 YMPÄRISTÖMINISTERIÖ Virve Hokkanen Loppuraportti Blom Kartta Oy - Hulevesien mallintaminen kaupunkiympäristössä / KiraDIGI Kehitystyö Tässä projektissa haluttiin selvittää kaupunkiympäristössä haasteelliseksi
LisätiedotNeljä innovaatiota - Kansallinen maastotietokanta tutuksi. Webinaari Ohjelmapäällikkö Risto Ilves
Neljä innovaatiota - Kansallinen maastotietokanta tutuksi Webinaari 20.3.2018 Ohjelmapäällikkö Risto Ilves Sisältö Maastotietokannan hajautettu ylläpito Paikkatiedon laatuvahti KMTK:n pysyvä ID Kansallinen
LisätiedotTERRASOLID Point Cloud Intelligence
www.terrasolid.com TERRASOLID Point Cloud Intelligence Kaupunkimallin visualisointikäyttö Kimmo Soukki 22.8.2017 Sisältö Rakennusten teksturointi Renderöinnit yksittäisiin kuviin ja videoiksi Suunnitteluaineiston
LisätiedotKANTAKARTASTA 3D-KAUPUNKITIETOMALLI
KANTAKARTASTA 3D-KAUPUNKITIETOMALLI #kantakartastakaupunkimalli @tanelihil 3D:n ajankohtaiset 5/2017 Kaupunkitietomalli vs. Meshmalli Kaupunkimallin perustukset Kaupunkimallin rakenne Level of Detail (LOD)
LisätiedotKansallinen maastotietokanta KMTK Ohjelmapäällikkö Risto Ilves
Kansallinen maastotietokanta KMTK 19.11.2018 Ohjelmapäällikkö Risto Ilves Kansallinen maastotietokanta (KMTK) Kansallisessa maastotietokannassa mallinnetaan julkisen hallinnon tuottamat yhteiset paikkatiedot
LisätiedotLASERKEILAUKSEEN PERUSTUVA 3D-TIEDONKERUU MONIPUOLISIA RATKAISUJA KÄYTÄNNÖN TARPEISIIN
LASERKEILAUKSEEN PERUSTUVA 3D-TIEDONKERUU MONIPUOLISIA RATKAISUJA KÄYTÄNNÖN TARPEISIIN PSK-BIM seminaari 9.5.2014 Jukka Mäkelä, Oy 1 SMARTGEO OY Palvelujen johtoajatuksena on tarkkojen, kattavien ja luotettavien
LisätiedotMaastotietokannan ylläpito
Maastotietokannan ylläpito Kuntien paikkatietoseminaari 10.-11.2.2015 Risto Ilves Kehityspäällikkö, Maastotietotuotanto Maanmittauslaitos Sisältö Nykytoiminta lyhyesti Kansallinen maastotietokanta hanke
LisätiedotYhteistyössä Kansalliseen Maastotietokantaan Risto Ilves
Yhteistyössä Kansalliseen Maastotietokantaan Risto Ilves 12.5.2016 LUCAS -työpaja Maastotietojen avaaminen 2012 Aalto yliopiston tutkimus Maastotietojen avaamisen menestystekijöitä Ilmainen aineisto Helpot
LisätiedotKansallinen maastotietokanta. KMTK Kuntien tuotantoprosessit: Selvitys MMStuotantoprosessista
Kansallinen maastotietokanta KMTK Kuntien tuotantoprosessit: Selvitys MMStuotantoprosessista Projektin selvitys 1 Sisältö 1 YLEISTÄ... 2 2 YLEISKUVAUS MMS-TUOTANTOPROSESSISTA... 2 2.1 SUUNNITTELU... 2
LisätiedotMiehittämättömän ilma-aluksen käyttö toimitustuotannon kartoitustyössä
Miehittämättömän ilma-aluksen käyttö toimitustuotannon kartoitustyössä Jussi Syväjärvi Maanmittauslaitos Maanmittauspäivät 2017 Ilmakuva Fiskari / MML Esityksen sisältö UAV UAS RPAS-Drone-Lennokki? Termit
LisätiedotKANSALLISET LASERKEILAUS- JA ILMAKUVAUSOHJELMAT
KANSALLISET LASERKEILAUS- JA ILMAKUVAUSOHJELMAT 1 ILMAKUVAUSOHJELMA Ilmakuvaukset tehty Kansallisen ilmakuvausohjelman mukaisesti vuodesta 2016 lähtien. Kansallinen kuvausohjelma: 5 vuoden kierto (Lapissa
Lisätiedotwww.terrasolid.com Kaupunkimallit
www.terrasolid.com Kaupunkimallit Arttu Soininen 03.12.2015 Vuonna 1993 Isoja askeleita 1993-2015 Laserkeilaus helikopterilla/lentokoneella Laserkeilaus paikaltaan GPS+IMU yleistynyt kaikkeen ilmasta mittaukseen
LisätiedotKANSALLINEN MAASTOTIETOKANTA
KANSALLINEN MAASTOTIETOKANTA KMTK-3D/su Rakennus ja rakenteet -kohdeluokkien 3Dgeometriatieto 21.11.2018 1 1. Kohteiden 3D-mallintaminen Kansalliseen maastotietokantaan Kansallisen maastotietokannan elinkaaren
LisätiedotINSPIRE-yhteensopivuuden mahdollisuudet paikkatietotuotteissa - Case KMTK ja ELF. Teemu Saloriutta Tietotuotteet-kärkiteeman työpaja 27.3.
INSPIRE-yhteensopivuuden mahdollisuudet paikkatietotuotteissa - Case KMTK ja ELF Teemu Saloriutta Tietotuotteet-kärkiteeman työpaja 27.3.2017 Agenda Tausta Kaksi tapaa olla INSPIRE-yhteensopiva Case ELF
LisätiedotKaupunkimallit. Tilanne Vantaalla. Kimmo Junttila Sami Rapo
Kaupunkimallit Tilanne Vantaalla Kimmo Junttila Sami Rapo Kaupunkimallinnus 2010-luvulla peruspaikkatietoaineistot ennallaan tavoiteltu nopeaa oikotietä 3D-visualisointiin laajennettu aineistohankintaa
LisätiedotKaupunkimalli Heinolassa
Kaupunkimalli Heinolassa Hankittu EAKR-hankerahoituksella, 2012 (ensimmäinen versio 2011) Alusta: Vianova Oy:n Novapoint Virtual Map (Autodesk IDSP) Tuotettu kaupungin kantakartasta, MML:n maastotietokannasta,
LisätiedotKansallinen maastotietokanta KMTK Yhteiset ominaisuustiedot Käsitemalli
Kansallinen maastotietokanta KMTK Yhteiset ominaisuustiedot Käsitemalli 2 Sisällys 1. Johdanto 3 2. Käsitteet ja lyhenteet 3 3. Kohdeluokan rakenne ja tiedot 4 3.1. KMTK kohdeluokkien yhteiset ominaisuustiedot
LisätiedotLaserkeilaus ja rakennettu ympäristö, Teemu Salonen Apulaiskaupungingeodeetti Porin kaupunki
Laserkeilaus ja rakennettu ympäristö, Teemu Salonen Apulaiskaupungingeodeetti Porin kaupunki Teemu Salonen Apulaiskaupungingeodeetti Esityksen sisältö: - Maanmittauslaitoksen laserkeilausaineistojen hyödyntäminen
LisätiedotKMTK tilannekatsaus. Risto Ilves KMTK Ohjelmapäällikkö. KMTK on osa Suomen itsenäisyyden satavuotisjuhlavuoden ohjelmaa
KMTK tilannekatsaus Risto Ilves KMTK Ohjelmapäällikkö KMTK on osa Suomen itsenäisyyden satavuotisjuhlavuoden ohjelmaa 1 KMTK Teemat ja Tasot Linkitetyt tiedot Digiroad VTJ Rakennustiedot Johtotieto Suunnitelmatiedot
LisätiedotTietomallien harmonisointi ja tietopolitiikan yhtenäistäminen
Tietomallien harmonisointi ja tietopolitiikan yhtenäistäminen -kokemuksia MML/Tampere yhteistyön perusteella Antti Jakobsson 28.11.2014, Paikkatietoverkoston seminaari Tarve Aalto-yliopiston selvityksissä
LisätiedotIlmaisia ohjelmia laserkeilausaineistojen käsittelyyn. Laserkeilaus- ja korkeusmalliseminaari 8.10.2010 Jakob Ventin, Aalto-yliopisto
Ilmaisia ohjelmia laserkeilausaineistojen käsittelyyn Laserkeilaus- ja korkeusmalliseminaari 8.10.2010, Aalto-yliopisto Johdanto Aalto-yliopiston maanmittausosastolla tehdyn kesätyön tuloksia Tehtävä oli
LisätiedotMenetelmäkuvaus ja laadunvarmistus
Menetelmäkuvaus ja laadunvarmistus Ortoilmakuvatulkinta: Seudullinen maanpeiteaineisto TP 35/14 Blom Kartta Oy; Pasilanraitio 5, 00240 Helsinki; puh 010 322 8940; fax 010 322 8941 etunimi.sukunimi@blomasa.com;
Lisätiedot3D kaupunkimallit Internetissä Sova3D Oy Petri Kokko, CEO, Founder. Internet of Spaces
3D kaupunkimallit Internetissä Sova3D Oy Petri Kokko, CEO, Founder SOVA3D IHMISET Petri Kokko - CEO, Partner 60% - M.Sc.Arch., SAFA - Yli 20 vuoden kokemus suunnittelu- ja mallinnusohjelmistoista ja sovelluksista
LisätiedotKansallinen maastotietokanta. KMTK Kuntien tuotantoprosessit: Selvitys mobiilikartoitusmenetelmistä
Kansallinen maastotietokanta KMTK Kuntien tuotantoprosessit: Selvitys mobiilikartoitusmenetelmistä Projektin selvitys 1 Sisältö 1 YLEISTÄ... 2 1.1 LYHENTEISTÄ JA TERMEISTÄ... 2 2 YLEISTÄ MOBIILIKARTOITUSJÄRJESTELMISTÄ...
LisätiedotMaailma visuaalivalmistajan näkökulmasta
Maailma visuaalivalmistajan näkökulmasta Haasteita ja motivointia projektille Esityksen sisältö Laaja-alaiset tietokannat ja niiden rakentaminen Geospesifinen ja geotyyppinen tietokanta Lähtömateriaaliongelmia
LisätiedotKMTK kohdemallinnus ja prosessityö - erityisesti maanpeite/metsä
KMTK kohdemallinnus ja prosessityö - erityisesti maanpeite/metsä Risto Ilves KMTK Ohjelmapäällikkö KMTK on osa Suomen itsenäisyyden satavuotisjuhlavuoden ohjelmaa 1 KMTK Teemat ja Tasot Linkitetyt tiedot
LisätiedotMiehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa
Miehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa Anna Lopatina, Itä-Suomen yliopisto, Metsätieteiden osasto, Anna.lopatina@uef.fi
LisätiedotRyhmät & uudet mahdollisuudet
www.terrasolid.com Ryhmät & uudet mahdollisuudet Arttu Soininen 22.08.2017 Uudet mahdollisuudet ryhmien avulla Parempi maanpinnan yläpuolisten kohteiden luokittelu Maanpäällisten kohteiden luokittelu toimii
LisätiedotKaupunkimallit ja CityGML
Kaupunkimallit ja CityGML Smart cities nyt ja huomenna SFS-seminaari 14.4.2015 Hannu Lammi, Osastopäällikkö, DI When infrastructure counts. Kaupunkimalli 3D kaupunkimalli on kolmiulotteinen digitaalinen
LisätiedotKANSALLINEN MAASTOTIETOKANTA
KANSALLINEN MAASTOTIETOKANTA KMTK-3D/su Yksittäisen kohteen rikastaminen pistepilvigeometrialla 18.12.2018 1 1. Yleistä Selvityksessä selvitettiin PgPointCloud-laajennoksen soveltuvuutta yksittäisten kohteiden
Lisätiedot3D-TIEDOT MUUTTAVAT SUUNNITTELUA
3D-TIEDOT MUUTTAVAT SUUNNITTELUA Location Business Forum 2017 Kaupunkimaiseminaari 8.11.2017 Kuopion kaupunki Jari Torvinen LÄHTÖTILANNE Harjoitetu rakennustenmainnusta vuodesta 2013 Pyritty öytämään itse
LisätiedotKansallinen maastotietokanta. haasteita ja mahdollisuuksia. Maanmittauspäivät Ohjelmapäällikkö Risto Ilves
Kansallinen maastotietokanta haasteita ja mahdollisuuksia Maanmittauspäivät 22.3.2018 Ohjelmapäällikkö Risto Ilves Kansallinen maastotietokanta (KMTK) Kansallisessa maastotietokannassa mallinnetaan julkisen
LisätiedotMaanmittauspäivät 2014 Seinäjoki
Maanmittauspäivät 2014 Seinäjoki Parempaa tarkkuutta satelliittimittauksille EUREF/N2000 - järjestelmissä Ympäristösi parhaat tekijät 2 EUREF koordinaattijärjestelmän käyttöön otto on Suomessa sujunut
LisätiedotJulkinen Mobiililaserkeilaukset rataverkolla
Julkinen Tero Savolainen & Tommi Turkka 19.9.2018 Julkinen Tero Savolainen 2011 VR Track Oy Ratatekniikka DI, konetekniikka ABB Drive, mekaniikkasuunnittelu Pöyry Civil, teräsrakennesuunnittelu 2009 Infra
LisätiedotPAIKKATIEDON KÄSITEMALLI JA GEOMETRIAT: RAKENNUKSET JA RAKENTEET
PAIKKATIEDON KÄSITEMALLI JA GEOMETRIAT: RAKENNUKSET JA RAKENTEET 1(10) Sisällysluettelo 1. Hankkeen lähtökohdat... 3 1.1 Hankkeen perustamisen tausta... 3 1.2 Hankkeen tavoitteet... 4 1.3 Hankkeen sidosryhmät...
LisätiedotRautatiekasvillisuudenhallinta laserkeilauksen avulla
Rautatiekasvillisuudenhallinta laserkeilauksen avulla LIVI/3222/02.01.02/2016 Tuomo Puumalainen Project Manager Oy Arbonaut Ltd. Katja Kapanen Global Virtual Platform GVP Oy 5.9.2018 Tavoitteita Testata
LisätiedotDrone-kuvausten käyttökelpoisuudesta metsäkeskuksen toiminnassa Maaseutu 2.0 loppuseminaari
Drone-kuvausten käyttökelpoisuudesta metsäkeskuksen toiminnassa Maaseutu 2.0 loppuseminaari 24.1.2018 Raito Paananen metsätietopäällikkö, Suomen metsäkeskus Dronet metsäkeskuksen toiminnassa SMK:n perustehtäviä
LisätiedotLOCATION BUSINESS FORUM 2018
LOCATION BUSINESS FORUM 2018 KAMERA VAI LASERKEILAIN; RPAS TIEDONKERUU MAASTOMALLIHANKKEESSA Tripodi Finland Oy Juha Liimatainen Founder & COO Kamera vai laserkeilain? Tuttu dilemma 15 vuoden takaa. Vai
LisätiedotUMTK- SUUNNITTELUPROJEKTIN ESITTELY (UMTK = MML:N UUSI MAASTOTIETOJEN TUOTANTOJÄRJESTELMÄ)
UMTK- SUUNNITTELUPROJEKTIN ESITTELY (UMTK = MML:N UUSI MAASTOTIETOJEN TUOTANTOJÄRJESTELMÄ) Kai Koistinen 1 TAUSTAA 2 KMTK Kansallinen maastotietokanta kokoaa yhteen peruspaikkatiedot, joita ovat Rakennukset
LisätiedotTero Pietilä, IT-Pie Oy. CityGML 2.0: Mitä tiedämme nyt?
Tero Pietilä, IT-Pie Oy CityGML 2.0: Mitä tiedämme nyt? CityGML, KuntaGML, 3Dkunta Nykytilanne GML Nykytilanne XML GML 3Dkunta XML «XMLSchema» GML «XMLSchema» GML Versio 3.1.1 Versio 3.2 Versio 3.1.1 Versio
LisätiedotMaanmittauslaitoksen uusi valtakunnallinen korkeusmalli laserkeilaamalla
Maanmittauslaitoksen uusi valtakunnallinen korkeusmalli laserkeilaamalla MML:n korkeusmalliprosessin taustalla: Yhteiskunnallinen tarve tarkemmalle korkeustiedolle Tulvadirektiivi, Meludirektiivi Lentokenttäkartat,
LisätiedotJHS 158 Paikkatiedon metatiedot Liite 6: Esimerkki XML-koodauksesta Versio: Julkaistu: Voimassaoloaika:
JHS 158 Paikkatiedon metatiedot Liite 6: Esimerkki XML-koodauksesta Versio: Julkaistu: Voimassaoloaika: Esimerkki XML-koodauksesta Tässä liitteessä on annettu esimerkki metatiedon sisällöstä paikkatietoaineistoon
LisätiedotOpas 3D-esineiden mallintamiseen
Opas 3D-esineiden mallintamiseen Osa 1: Perusteet (säännöt GML-geometrioiden validointiin CityGML:ssä) Perustuu SIG3D Quality Working Group -ryhmän julkaisuun Madeling Guide for 3D Objects Part 1: Basics
LisätiedotMaanmittauslaitoksen ilmakuva- ja laserkeilausaineistot ktjkii-päivä
Maanmittauslaitoksen ilmakuva- ja laserkeilausaineistot ktjkii-päivä 20.9.2011 Pentti Kupari Maanmittauslaitos, ilmakuvakeskus pentti.kupari@maanmittauslaitos.fi 1 MAANMITTAUSLAITOS TIETOA MAASTA Maanmittauslaitoksen
LisätiedotTiedot kuntien rakennuksista ajan tasalle KIRA-digi kokeilu. Loppuraportti. Copyright Trimble Solutions Corporation. All rights reserved.
Tiedot kuntien rakennuksista ajan tasalle KIRA-digi kokeilu Copyright 1992-2018 Trimble Solutions Corporation. All rights reserved. Sisällysluettelo ii (15) Sisällysluettelo 1. Johdanto...3 2. Kokeilun
LisätiedotVIRTUAALI - SEINÄJOKI 11.2.2014
VIRTUAALI - SEINÄJOKI 11.2.2014 SEINÄJOKI SEINÄJOESTA TIETOA Seinäjoki sijaitsee Etelä-Pohjanmaalla. Tampereelle matkaa n.175 km, Vaasaan n. 80km, Jyväskylään n. 200km. V.2013 ylittyi 60 000 asukkaan
LisätiedotPaikkatietoalusta Missä mennään nyt ja tulevaisuudessa? HSY:n Paikkatietoseminaari 2019 Paikkatiedon uudet ulottuvuudet Antti Jakobsson
Paikkatietoalusta Missä mennään nyt ja tulevaisuudessa? HSY:n Paikkatietoseminaari 2019 Paikkatiedon uudet ulottuvuudet 20.3.2019 Antti Jakobsson 1 Yhteentoimivuuden hallinta Laatuvahti, koordinaatistomuutospalvelu,
LisätiedotPaikkatietoalusta. Palvelut ja palveluiden hyödyt kunnille. Kuntakiertue Jaakko Uusitalo
Paikkatietoalusta Palvelut ja palveluiden hyödyt kunnille Kuntakiertue 2019 - Jaakko Uusitalo 26.9.2019 uudet palvelut 2 Hakemisto 3 Tiedon yhdistämispalvelu 4 Tiedon yhdistämispalvelu Palvelun aluerajaukset:
LisätiedotLuento 5 Mittakuva. fotogrammetriaan ja kaukokartoitukseen
Luento 5 Mittakuva 1 Aiheita Mittakuva Muunnokset informaatiokanavassa. Geometrisen tulkinnan vaihtoehdot. Stereokuva, konvergentti kuva. Koordinaatistot. Kuvien orientoinnit. Sisäinen orientointi. Ulkoinen
LisätiedotKaupunkimallintaminen Espoossa 2016 Tapani Honkanen
Kaupunkimallintaminen Espoossa 2016 Tapani Honkanen 4.2.2016 Viimeaikaisia mallinnuksia CityPlanner Online on selaimella (WebGL)käytettävä 3D-visualisointipalvelu ja vuorovaikutustyökalu. Leppävaarasta
LisätiedotLuento 6 Mittakuva. fotogrammetriaan ja kaukokartoitukseen
Luento 6 Mittakuva 1 Aiheita Mittakuva Muunnokset informaatiokanavassa. Geometrisen tulkinnan vaihtoehdot. Stereokuva, konvergentti kuva. Koordinaatistot. Kuvien orientoinnit. Sisäinen orientointi. Ulkoinen
Lisätiedottilannekatsaus KMTK-KASKO. Jussi Immonen, MML
181.2018 tilannekatsaus KMTK-KASKO Jussi Immonen, MML KMTK KASKO Projektissa toteutetaan Tallennus- sekä Laatuvahtipalvelu Toteutuksessa on keskitytty rakennuksiin Lähitulevaisuuden kehityskohteita Mikä
LisätiedotPääkaupunkiseudun ja Vantaan vesistöalueen vettä läpäisemättömien pintojen kartoitus Soil sealing rasteriaineistolla
Pääkaupunkiseudun ja Vantaan vesistöalueen vettä läpäisemättömien pintojen kartoitus Soil sealing rasteriaineistolla Johdanto Ilmastonkestävä kaupunki työkaluja suunnitteluun (ILKKA) hankkeessa on selvitetty
LisätiedotKansallinen maastotietokanta KMTK
R&R 3D-muodostamisohjeet Kansallinen maastotietokanta KMTK 3D-muodostamisohjeet Rakennukset ja rakenteet R&R 3D-muodostamisohjeet 1 1. Rakennus 1.1. Yleiset Rakennuksille voidaan jokaisella 3D-tasolla
LisätiedotTERRASOLID Terrasolidin ratkaisut UAVkartoitussovelluksiin Kimmo Soukki
www.terrasolid.com TERRASOLID Terrasolidin ratkaisut UAVkartoitussovelluksiin Kimmo Soukki 20.9.2018 SOLUTIONS FOR DATA CAPTURE Terrasolid UAV Tekniikoista Terrasolid tuotteet Fotopistepilvet UAV LiDAR
LisätiedotLASERKEILAUS JA UUSI VALTAKUNNALLINEN KORKEUSMALLI-SEMINAARI Laserkeilausaineistojen sovelluksista
LASERKEILAUS JA UUSI VALTAKUNNALLINEN KORKEUSMALLI-SEMINAARI 10.10.2008 Laserkeilausaineistojen sovelluksista Salon testiaineistoa on käytetty arvioitaessa alustavasti käyttökelpoisuutta: maaperäkartoituksessa
LisätiedotMAANALAINEN KAUPUNKIMALLI. Aleksin huoltotunneli
MAANALAINEN KAUPUNKIMALLI Aleksin huoltotunneli Maanalainen kaupunkimalli Aleksin huoltotunneli Aleksanterinkadun huoltotunnelin mallinnusprojektin tavoitteena on kehittää menetelmä ja prosessi maanalaisten
LisätiedotKMTK - Palveluiden käyttöönotto tekninen vuoropuhelu Keskustelutilaisuus Pasila Jussi Immonen MML Mirjam Salomäki PTCServices Oy Kimmo
KMTK - Palveluiden käyttöönotto tekninen vuoropuhelu Keskustelutilaisuus Pasila 23.5.2018 Jussi Immonen MML Mirjam Salomäki PTCServices Oy Kimmo Perttilä MML 1 Esityslista Osallistujien esittely KMTK/PTA
Lisätiedot1. Hankinnan tausta ja tarkoitus
1 (5) Liite 5 HANKINNALLE ASETETTUJA VAATIMUKSIA HANKITTAVA PALVELU: LASERKEILAUS JA ORTOKUVAT 2015 KERAVAN, JÄRVENPÄÄN JA TUUSULAN ALUEILTA Lomakkeessa kuvataan hankittava palvelu, sille asetettavia sekä
LisätiedotTyöpaja - rakennusten sijaintitietojen ylläpitomenettelyistä
Työpaja - rakennusten sijaintitietojen ylläpitomenettelyistä 29.1.2018 Bentley Stella Map, Jukka Kivelä 1 WWW.BENTLEY.COM 2018 Bentley Systems, Incorporated 2018 Bentley Systems, Incorporated Stella Map
LisätiedotLuento 5 Mittakuva. fotogrammetriaan ja kaukokartoitukseen
Luento 5 Mittakuva 1 Aiheita Mittakuva Muunnokset informaatiokanavassa. Geometrisen tulkinnan vaihtoehdot. Stereokuva, konvergentti kuva. Koordinaatistot. Kuvien orientoinnit. Sisäinen orientointi. Ulkoinen
LisätiedotLiite 2. Maisema- ja kulttuuriympäristön karttatarkastelu, näkemäalueanalyysien tulokset ja kuvasovitteet
Liite 2 Maisema- ja kulttuuriympäristön karttatarkastelu, näkemäalueanalyysien tulokset ja kuvasovitteet 2 (33) SISÄLTÖ 1 NÄKEMÄALUEANALYYSIT... 3 2 KUVASOVITTEET... 12 3 (33) 1 Näkemäalueanalyysit Näkemäalueanalyysi
LisätiedotKMTK kohteet. Ulla Pyysalo Paikka / Tekstiä YHTEISTYÖSSÄ:
KMTK kohteet Ulla Pyysalo 18.10.2016 Paikka / Tekstiä YHTEISTYÖSSÄ: Taustaa Maastotietokannan kohteet ovat 13 kohderyhmässä Kohteiden määritelmät, valintakriteerit, muodostaminen ja ominaisuustiedot esitetään
LisätiedotPistepilvien hyödyntäminen rakennusvalvonnassa
Pistepilvien hyödyntäminen rakennusvalvonnassa CubiCasa X Oulun Rakennusvalvonta Tiivistettynä: CubiCasan nopeassa kokeilussa kartoitettiin erilaisia rakennusten digitaalisia tallennustapoja, sekä kuinka
Lisätiedot3D-muodostamisohjeet Kommentoitava versio
3D-muodostamisohjeet Kommentoitava versio 2.2.2018 Rakennus Yleiset Rakennuksille voidaan jokaisella 3D-tasolla määrittää maanpinnan leikkausviiva (eng. Terrain Intersection Curve, TIC). Tämä viiva kuvaa
LisätiedotVäinölänrannan asemakaavan näkymäanalyysi
Väinölänrannan asemakaavan näkymäanalyysi Jyväskylän kaupunki Maankäyttö Eetu Lappalainen 21.10.2015 1 Lähtötilanne Näkymäanalyysin tarkoituksena oli tutkia, kuinka paljon olemassa olevien rakennusten
Lisätiedot3D-kaupunkitietomallit yhteistyöalustana. 11.12.2014 Jarmo Suomisto / Helsingin kaupunki / 3D kaupunkitietomallihanke
3D-kaupunkitietomallit yhteistyöalustana Mikä on kaupungin 3D-tietomalli? Alueellinen tietomallintaminen osana Euroopan Digitaaliagendaa Standardit ovat kuten laskuvarjot ne toimivat parhaiten avoimina
LisätiedotPaikkatietotuotteen määrittely
Paikkatietotuotteen määrittely Työpaja tietotuotteista 24.11.2010 Panu Muhli Maanmittauslaitos Inspire-sihteeristö etunimi.sukunimi@maanmittauslaitos.fi Sisällys Mikä on paikkatietotuote? Mitä paikkatietotuotteen
LisätiedotJHS 162 Paikkatietojen mallintaminen tiedonsiirtoa varten Liite 2 Paikkatietojen yleinen kohdemalli (GFM)
JHS 162 Paikkatietojen mallintaminen tiedonsiirtoa varten Liite 2 Paikkatietojen yleinen kohdemalli (GFM) Versio: 2.0 Julkaistu: 31.10.2011 Voimassaoloaika: toistaiseksi Sisällys 1 Yleistä... 1 2 Lyhenteet...
LisätiedotMaankäyttöpäätökset Topi Tjukanov
Maankäyttöpäätökset Topi Tjukanov 1.3.2018 1 Vuonna 2017 tehtyjä esiselvityksiä Maankäyttöpäätöstietojen nykytilakartoitus ja maankäyttöpäätösten määrittely (Ympäristöministeriö) Kaavatiedot tunnistettiin
LisätiedotMatterport vai GeoSLAM? Juliane Jokinen ja Sakari Mäenpää
Matterport vai GeoSLAM? Juliane Jokinen ja Sakari Mäenpää Esittely Tutkimusaineiston laatija DI Aino Keitaanniemi Aino Keitaanniemi työskentelee Aalto yliopiston Rakennetun ympäristön mittauksen ja mallinnuksen
LisätiedotMobiilikartoitusdatan prosessointi ja hyödyntäminen
Mobiilikartoitusdatan prosessointi ja hyödyntäminen Alkuprosessointi - Vaiheet 1. Ajoradan jälkilaskenta 2. Havaintodatan korjaus 3. RGB-värjäys 4. Tukipisteiden käyttö Ajoradan jälkilaskenta Korjataan
LisätiedotKMTK-tietokannan yleistys ja monitasoprosessit (KMTK-Yleistys)
KMTK-tietokannan yleistys ja monitasoprosessit 2016-2017 (KMTK-Yleistys) KMTK-suunnittelupäivät 18.1.2018 Pyry Kettunen K a n s a l l i n e n m a a s t o t i e t o k a n t a o n o s a S u o m e n j u h
LisätiedotMaanmittauslaitoksen laserkeilaustoiminta - uusi valtakunnallinen korkeusmalli laserkeilaamalla
Maanmittauslaitoksen laserkeilaustoiminta - uusi valtakunnallinen korkeusmalli laserkeilaamalla Juha Vilhomaa Ilmakuvakeskus MAANMITTAUSLAITOS TIETOA MAASTA Korkeusmallityön taustalla: Yhteiskunnallinen
LisätiedotYmpäristötalon seminaari Outi Kesäniemi
Vettä läpäisemätön pinta Seudullisessa maanpeiteaineistossa Ympäristötalon seminaari 24.11.2014 Outi Kesäniemi Sisältö 1) Seudullinen maanpeiteaineisto 1) Taustaa 2) Aineiston tuottaminen 2) Longinojan
LisätiedotMaastotietokantaa käytetään muiden karttatuotteiden valmistukseen sekä erilaisissa optimoinneissa.
1 of 5 6/20/2018, 12:21 PM Maanmittauslaitos Maastotietokanta Maanmittauslaitoksen Maastotietokanta on koko Suomen kattava maastoa kuvaava aineisto. Sen tärkeimpiä kohderyhmiä ovat liikenneverkko, rakennukset
LisätiedotJHS-suositus (ei julkaistu): Asemakaavan pohjakartan laatiminen
JHS-suositus (ei julkaistu): Asemakaavan pohjakartan laatiminen Marko Ollikainen Maanmittauslaitos MAANMITTAUSLAITOS TIETOA MAASTA Esityksen sisältö Taustaa JHS:lle MML:n projekti -> JHS-hanke Suosituksen
LisätiedotTammikuu KMTK rakennukset
Tammikuu 2018 KMTK rakennukset Työpaja #1 29.1.2018 Työpaja #2 12.2.2018 Ohjelma 13:00 Tilaisuuden avaus, Juha Saarentaus, FLIC Järjestelmätoimittajien alustukset á 15 min 3D Systems Oy, Jarmo Muukkonen,
LisätiedotKMTK - Digiroad -yhteistyö. KMTK on osa Suomen itsenäisyyden satavuotisjuhlavuoden ohjelmaa
KMTK - Digiroad -yhteistyö KMTK on osa Suomen itsenäisyyden satavuotisjuhlavuoden ohjelmaa 1 Tieverkon toimijoita, aineistoja ja järjestelmiä Liikennevirasto - Digiroad (VVH ja OTH) Maanmittauslaitos -
LisätiedotLapuan kaupunki Maanmittauslaitos Dnro MML /00 04 00/2015 KUNTA PAIKKATIETOAINEISTOJEN HANKINTAA JA KÄYTTÖOIKEUTTA KOSKEVA SOPIMUS
Maanmittauslaitos Dnro MML /00 04 00/2015 KUNTA PAIKKATIETOAINEISTOJEN HANKINTAA JA KÄYTTÖOIKEUTTA KOSKEVA SOPIMUS Sopimusosapuolet: Yhteyshenkilö: Jaakko Rissanen Maanmittauslaitos, Yhteyshenkilö: Kari
LisätiedotKansallinen maastotietokanta. KMTK Kuntien tuotantoprosessit: Selvitys RPASlentotyötoiminnan
Kansallinen maastotietokanta KMTK Kuntien tuotantoprosessit: Selvitys RPASlentotyötoiminnan tuotantoprosessista Projektin selvitys 1 Sisältö 1 JOHDANTO... 2 1.1 LYHENTEISTÄ JA TERMEISTÄ... 2 2 YLEISKUVAUS
LisätiedotKunnan paikkatietopalvelurajapinta
Kunnan paikkatietopalvelurajapinta Versio: 18.10.2011 Julkaistu: 27.10.2011 Voimassaoloaika: Toistaiseksi Sisällys 1 Johdanto... 2 1.1 Suosituksen tausta... 2 1.2 Suosituksen rakenne... 3 2 Soveltamisala...
LisätiedotS09 04 Kohteiden tunnistaminen 3D datasta
AS 0.3200 Automaatio ja systeemitekniikan projektityöt S09 04 Kohteiden tunnistaminen 3D datasta Loppuraportti 22.5.2009 Akseli Korhonen 1. Projektin esittely Projektin tavoitteena oli algoritmin kehittäminen
LisätiedotSiltatiedon tarkkuustason määrittäminen Taitorakennerekisterissä. Maria Vinter
Siltatiedon tarkkuustason määrittäminen Taitorakennerekisterissä Maria Vinter 2 Taustaa Diplomityö: Tietomallinnuksen hyödyntäminen siltojen ylläpidossa, valmis 09/2017 https://julkaisut.liikennevirasto.fi/pdf8/opin_2017-03_tietomallinnuksen_hyodyntaminen_web.pdf
LisätiedotMAASTOMITTAUS- JA POHJATUTKIMUSYKSIKÖN KEHITTÄMISSUUNNITELMA 2015-2025
MAASTOMITTAUS- JA POHJATUTKIMUSYKSIKÖN KEHITTÄMISSUUNNITELMA 2015-2025 Liiketoiminnan johtokunta 15.1.2015 NYKYTILAN KUVAUS Palvelutuotanto Runkomittaus Kaavan pohjakartan ylläpito Maaperätutkimukset Tonttien
Lisätiedot