Maalaserkeilaus infrarakentamisen mittauksissa

Transkriptio

1 Maalaserkeilaus infrarakentamisen mittauksissa Aalto-yliopiston insinööritieteiden korkeakoulun maankäyttötieteiden laitoksella tehty diplomityö Espoo, toukokuu 2012 Tekniikan kandidaatti Juho Simonen Valvoja: Professori Martin Vermeer Ohjaaja: TkL Mirja Metsälä

2 AALTO-YLIOPISTO INSINÖÖRITIETEIDEN KORKEAKOULU PL 11000, AALTO DIPLOMITYÖN TIIVISTELMÄ Tekijä: Juho Simonen Työn nimi: Maalaserkeilaus infrarakentamisen mittauksissa Korkeakoulu: Insinööritieteiden korkeakoulu Laitos: Maankäyttötieteiden laitos Professuuri: Geodesia Koodi: Maa-6 Työn valvoja: Professori Martin Vermeer Työn ohjaaja: TkL Mirja Metsälä Tiivistelmä: Tässä diplomityössä tutkittiin koetyön avulla terrestriaalisen laserkeilaimen eli maalaserkeilaimen hyödyntämismahdollisuuksia infrarakentamisen mittauksissa. Työn tavoitteena oli luoda tai täsmentää vaatimuksia, joita maalaserkeilaukselle asetetaan, jotta aineistosta saadaan tiheydeltään ja laajuudeltaan tarkoituksenmukaista infrarakentamisen mittausten tarpeisiin. Toisena tavoitteena oli pistepilviaineistoa takymetrimittauksiin vertaamalla arvioida, kuinka tarkasti koemittausalue saatiin takymetrimittauksiin ja toisaalta kohdekohtaisiin vaatimuksiin nähden laserkeilaamalla mitatuksi. Suunniteltuun geometriaan vertailemalla muodostettiin myös käsitys koemittauskohteen pintarakenteen suunnitelmanmukaisuudesta, jonka toteamiseen merkittävä osa infrarakentamisen mittaustarpeista liittyy. Koemittauskohde on kumirouhetekonurmipintainen jalkapallokenttä, jonka valmiiksi rakennettua pintaa mitattiin todellisissa maasto-olosuhteissa. Kohteen valmiin pinnan laatuvaatimuksista tärkein oli suunnitellun korkeusaseman toteutuminen, joten tämän työn tulokset sekä johtopäätökset perustuvat lähinnä eri havaintojen ja suunnitelman välisten tietyllä laskentaalueella tehtyjen korkeuserotushavaintojen tutkimukseen. Korkeuskomponenttiin keskittyminen on perusteltua, sillä yleisemminkin infrarakenteen toimivuus määräytyy usein toteutuneen korkeusaseman suunnitelmanmukaisuuden perusteella. Erotushavainnot muodostettiin kahden eri ohjelmiston avulla, jotta päästiin vertailemaan laskentatuloksia ja ohjelmistojen soveltuvuutta maalaserkeilausaineiston käsittelyyn. Tutkimuksen perusteella maalaserkeilaus todettiin koemittauskohteeseen ja yleisemminkin infratyömaamittauksiin soveltuvaksi menetelmäksi tietyin edellytyksin, joista osan täyttäminen työmaaoloissa voi olla haastavaa. Lisäksi esitettiin vähimmäisvaatimus koemittauskohteen mittaustiheydelle, jota voidaan soveltaa muihinkin maalaserkeilaamalla mitattaviin infrakohteisiin. Päivämäärä: Kieli: suomi Sivumäärä: Avainsanat: terrestriaalinen laserkeilaus, maalaserkeilaus, infrarakentaminen

3 AALTO UNIVERSITY SCHOOL OF ENGINEERING PO Box 11000, FI AALTO ABSTRACT OF THE MASTER'S THESIS Author: Juho Simonen Title: Terrestrial laser scanning in civil engineering surveying School: School of Engineering Department: Department of Real Estate, Planning and Geoinformatics Professorship: Geodesy Code: Maa-6 Supervisor: Professor Martin Vermeer Instructor: Lic.Sc. (Tech.) Mirja Metsälä Abstract: This thesis examines the possibilities to use terrestrial laser scanning (TLS) in civil engineering surveying. A set of field measurements was organized to gather real data for analysis. The aim of this thesis was to create or specify the requirements which should be set to TLS measurements to obtain accurate enough, not too dense and otherwise applicable laser scanning data for civil engineering surveying projects. Another aim was to compare TLS data to total station data to evaluate, how accurate TLS data is compared to total station data and compared to the requirements set to quality of construction. A comparison to theoretical geometry was conducted as well to find out, how accurately according the plan the measurement target was constructed. This is a major aim in all engineering surveying. The test target of field measurements is a football field on which an artificial turf was installed. Because the most important quality requirement for installed turf surface was the height position, the results and conclusions of this thesis are mostly based on height difference calculations within a certain observation area. The differences are calculated between TLS data, total station data and theoretical geometry data. This focus is generally relevant since the functionality of most pieces of infrastructure is highly dependent on the correctness of its height position. The height difference observations were calculated by using two different software packages to compare their calculation results and assess their applicability to process TLS data. The results of the thesis show that terrestrial laser scanning is applicable to civil engineering surveying under certain conditions which can partly be difficult to satisfy in field conditions. This thesis also introduces a minimum point cloud density to measure the test target. This density value can also be applied to other civil engineering targets. Date: Language: Finnish Number of pages: Keywords: terrestrial laser scanning (TLS), civil engineering

4 Esipuhe Tämä diplomityö on tehty Espoon kaupungin toimeksiannosta Aalto-yliopiston insinööritieteiden korkeakoulun maankäyttötieteiden laitokselle. Ehdotin työn aiheeksi maalaserkeilaimen käyttötutkimusta todellisessa infrarakennuskohteessa, johon toimeksiantaja innokkaasti suostui. Työsuhteeni alkaessa kesäkuussa 2011 minut määrättiin työmaavalvojaksi jalkapallokentän parannusurakkaan, jolloin toimeksiantaja samalla osoitti tämän työn koemittauskohteen. Aluksi haluan kiittää toimeksiantajaa, rakennuttajapäällikkö Reijo Rossia mahdollisuudesta tehdä tämä diplomityö. Suuri kiitos kuuluu tärkeille yhteistyökumppaneille, 3D-System Oy:lle sekä Leica Geosystems Oy:lle, jotka luovuttivat käyttööni työssä tarvittavat ohjelmistot sekä maalaserkeilaimen koemittauksia varten. 3D-Systemiltä haluan kiittää Jarmo Muukkosta 3D-Win -ohjelmiston käyttötuesta. Erityiskiitoksen ansaitsee Leican Vahur Joala, joka järjesti maalaserkeilaimen työmaalle, avusti minua maastomittauksissa sekä opasti alkuun Cyclone-ohjelmiston käytössä. Lämmin kiitos kuuluu ohjaajalleni Mirja Metsälälle, joka antoi arvokasta palautetta työn edetessä erityisesti akateemisesta näkökulmasta. Kiitän professori Vermeeriä työn valvomisesta. Lopuksi kiitän vanhempiani. He ovat tukeneet minua pitkällä opintiellä, joka tuskin vielä tähän päättyy. Espoossa huhtikuussa 2012 Juho Simonen

5 Sisällys Lyhenteet... 1 Johdanto, työn tausta ja tavoitteet Infrarakentamisen mittausmenetelmät murroksessa Infrarakentamisen mittausperusta Mittausperustan teoreettinen tausta Mittausperusta käytännössä Infrarakentamisen perinteisiä mittausmenetelmiä Vaaitus Tasolaser Takymetri GNSS eli satelliittipaikannus Työkoneohjauksen tausta ja perusteet Työkoneohjaukseen liitetty tarke- eli toteutumamittaus Maalaserkeilaimen teoreettinen tausta Laserin perusteet Laserkeilaimen toimintaperiaate Etäisyyden mittaus Suorakulmaisen koordinaattien muodostuminen Kojekoordinaatiston ja mittausperustan suhde Maalaserkeilaimen tarkkuus Laitteiston virhelähteet Muut virhelähteet Koemittaukset Case-kohteessa Kohde: Espoonlahden urheilupuisto Kohteen toleransseista Kohteen mittausperusta Mittausjärjestelyt Käyttöpisteiden mittaus Pistepilven rekisteröintiin käytetyt tähykset Tulokset Pistepilven rekisteröinnin onnistuminen Vertailu teoreettiseen suunnitelma-aineistoon Leica Cyclone-ohjelmistolla tehdyt työvaiheet D-Winillä tehtävä tarkastuslaskenta D-Winillä tehtävä pistepilven harvennus D-Winillä tehtävä vertailulaskenta eri pisteväleillä Vertailu takymetrimittauksin saatuihin tuloksiin Leica Cyclonella tehtävä vertailulaskenta D-Winillä tehtävä tarkastuslaskenta D-Winillä tehtävä vertailulaskenta tietyillä pisteväleillä Pistepilven harvennuksen vaikutus korkeuskäyrien laatuun Muutama erityisvertailu Yhteenveto koetyön mittaus- ja laskentavaiheessa muodostuneista käsityksistä Yhteenveto ja johtopäätökset...65 Lähteet...68 Liitteet...72

6 Lyhenteet ASCII American Standard Code for Information Interchange merkistökoodaus CAD Computer Aided Design tietokoneavusteinen suunnittelu ETRS European Terrestrial Reference System EUREF-FIN ETRS-järjestelmän realisaatio Suomessa GLONASS GLObalnaja NAvigatsionnaja Sputnikovaja Sistema GNSS Global Navigation Satellite System maailmanlaajuinen satelliittipaikannusjärjestelmä tai satelliittipaikannus GPS Global Positioning System LAS LASerkeilausaineiston avoin tallennus- ja siirtoformaatti LIDAR LIght Detection And Ranging RTCM Radio Technical Commission for Maritime services RTK Real Time Kinematic tosiaikainen vaihemittaus RYL Infrarakentamisen yleiset laatuvaatimukset, eli InfraRYL sarja (Rakennustietosäätiö RTS, 2006) VRS (Trimble) Virtual Reference Station -GNSS-tukiasemaverkko VVJ Valtion vanha järjestelmä (koordinaattijärjestelmä) WGS84 World Geodetic System 1984 GPS-satelliittien käyttämä globaali koordinaattijärjestelmä

7 1 Johdanto, työn tausta ja tavoitteet Infrastruktuurilla tarkoitetaan tuotannon ja taloudellisen kehityksen perusehtoja ja järjestelyjä yhteiskunnassamme (Kotimaisten kielten tutkimuskeskus 2006). Niitä ovat erilaiset kulkuyhteydet, energia-, vesihuolto-, ja tietoliikenneverkostot sekä muunlaiset ympäristö- ja maarakenteet. Uuden infrastruktuurin rakentaminen ja vanhan parantaminen eli infrarakentaminen on keskeistä yhteiskuntamme toimivuuden ylläpitoon ja kehittämiseen tähtäävää toimintaa, joka rahoitetaan lähinnä julkisella, joko kuntien tai valtion varoilla. Infrarakentamiselle on nykyisin tyypillistä, että julkinen taho teettää paljon ja tulevaisuudessa entistä enemmän omia infrakohteitaan yksityisillä urakoitsijoilla oman tuotannon sijasta. Julkisia tilaajia Suomessa ovat valtion virastot (ainakin Liikennevirasto, Elinkeino-, liikenne-, ja ympäristökeskukset, Finavia ja Puolustushallinnon rakennuslaitos) sekä kunnat ja niiden omistamat liikelaitokset. Niiden tilaamista urakoista ovat kilpailemassa niin yksityisomisteiset urakoitsijat kuin kuntien tai valtion omistamat liikelaitokset tai yhtiötkin. Näin ollen korostuu julkisen tahon rooli infrastruktuurin tilaajana ja rakennuttajana. Julkisen rakentamistyön luonteen muuttumisen rinnalla infrarakentamiseenkin kiinteästi liittyvät maanmittausmenetelmät ovat kehittyneet nopeasti. Satelliittipaikannus (GNSS) muutti runkoverkkomittauksen luonteen dramaattisesti vuosikymmenten pituisesta urakoinnista muutaman vuoden mittaustyöksi 1980luvulta alkaen (Puupponen, s. 71). Erilaiset differentiaali- ja RTK-menetelmät ovat nyttemmin mahdollistaneet jopa työmaamittausten tekemisen GNSS-menetelmin. Satelliittipaikanmäärityksen kehityksen ohella ja ehkä hieman varjossa myös laserkeilaus on kehittynyt 1990-luvulta alkaen nopeasti niin, että se on melkoisen tehokkaasti syrjäyttänyt perinteiset korkeusmallituotannon fotogrammetriset menetelmät. Laserkeilaus voidaan jakaa maa- ja ilmalaserkeilaukseksi, joista jälkimmäistä tehdään ilma-aluksesta käsin. Maanrakennustyömaille tyypillisten perinteisten takymetri- ja GNSS-mittausten avulla tuotetun pistetiedon lisäksi myös Espoon kaupunki tilaajana haluaa saada kohteesta maalaserkeilauksella tuotettua tarkemittausaineistoa (esimerkiksi Länsimetroon liittyvät huoltotunneleiden suuurakat Tapiolassa). Samalla erilaiset työkoneohjausmenetelmät ovat kehittyneet ja jossain määrin yleistyneetkin, sillä joskus tilaaja edellyttää urakoitsijalta niiden käyttöä, vaikkakin toistaiseksi lähinnä pilottiluontoisesti (Palomaa et al. 2010, s. 7). Edellytyksenä on tietomalliajattelu, joka pyritään vähitellen tuomaan myös infrarakentamisprojekteihin, sillä tietomallinnus nähdään keinona rakennuttamisen toimintaprosessien uudistamiseen ja tehostamiseen (Hyvärinen et al. 2010, s. 6). 1

8 Koneohjauksen tuomina etuina perinteiseen maastoonmerkinnän avulla tehtävään työhön verrattuna pidetään koneen tekemän työn parantunutta laatua ja pienentyneitä kustannuksia (Palomaa et al. 2010, s. 7). Koneohjaus perustuu tosiaikaiseen ja lähes jatkuvaan työkoneen terän, kauhan tai muun työstävän laitteen asennonmuutokseen ohjauslaskennan perusteella. Voidaan ajatella, että saavutettu rakenteen laatu ja tarkkuus riippuvatkin nyt ohjausjärjestelmän tarkkuudesta, järjestelmän mekanisoinnin onnistumisesta sekä työkoneelle syötetyn mallin yksityiskohtaisuudesta. Toimiakseen ohjauslaskenta tarvitsee tietenkin tosiaikaista tietoa työkoneen taso- ja korkeussijainnista, etenemissuunnasta sekä työstävän laitteen asennosta. Kun koneohjaus on taso- ja korkeussijainnin muuttuessa lähes jatkuvaa, niin olisi tarkemittauksenkin tulos syytä olla mahdollisimman jatkuva. Näin ollen rakennuttaja onkin tulevaisuudessa entistä kiinnostuneempi mittausmenetelmistä, joilla tarkemittauksia voitaisiin tehdä tehokkaasti, jatkuvasti ja tarkasti. Laserkeilaus voisi olla hyvä menetelmä koneohjauksella saavutetun laadun toteamiseen ja tarkemittaamiseen. Nykyisten laitteiden tuottama tarvittaessa varsin tiheä pistepilvi alkaa lähestyä avaruudessa jatkuvaa pintaa. Tämän työn tavoitteena on tutkia koetyön avulla, miten terrestriaalinen laserkeilaus eli maalaserkeilaus soveltuu edellä kuvailtuun infrarakentamisen tarke- tai valvontamittaukseen. Koetyön avulla pyritään luomaan tai täsmentämään vaatimuksia, joita maalaserkeilaukselle asetetaan, jotta aineistosta saadaan tiheydeltään ja laajuudeltaan tarkoituksenmukaista myös tietomallinnusta ajatellen. Lisäksi laserkeilauksen käytännöllisyyttä, tehokkuutta ja tarkkuutta verrataan perinteisiin takymetrimittauksiin. Varsinkin pääkaupunkiseudulla jatkuvasti kasvavat liikennemäärät edellyttävät suurten liikennejärjestelmien ymmärrystä ja entistä monimutkaisempien suunnittelua, mikä edellyttää yhteistyötä suunnittelijoiden, viranomaisten, rakennuttajan ja tienkäyttäjien välillä. Kun liikennejärjestelmä on suuri ja monimutkainen, on kokonaisuuden hahmottaminen ja yhteistyö osapuolten välillä hankalaa. Apuna voitaisiin käyttää liikennejärjestelmän tietomallinnusta ja liikennevirran simulointia, joiden soveltaminen tosin edellyttää tarkkoja 3D-malleja rakennetusta ympäristöstä. Työkoneohjauksen laadun ja tarkkuuden toteamisen rinnalla nykyaikaisten liikennejärjestelmien suunnittelu luokin tarpeen entistä yksityiskohtaisemmille rakennettujen infrakohteiden tarkemittauksille eli As Built -tiedolle ja maastomalleille. 2

9 Työn rakenne on seuraava: Luvussa 2 käsitellään lyhyesti perinteisiä infrarakentamisen mittausmenetelmiä, niiden ominaisuuksia ja tunnettuja ongelmia. Luvussa 3 esitetään maalaserkeilaimen toimintaperiaate, yhtäläisyydet perinteisiin mittausmenetelmiin sekä arvioidaan laserkeilauksen riippuvuutta niistä. Luvussa 4 esitellään koetyön kohde, sille asetetut tarkkuusvaatimukset, mittausjärjestelyt sekä yleisemmin infrarakenteille asetettuja vaatimuksia. Luvussa 5 esitetään mittauksilla saadut tulokset ja vertaillaan niitä suunnitelmiin sekä takymetrimittauksin saatuihin tuloksiin. Lopuksi esitetään johtopäätökset. 3

10 2 Infrarakentamisen mittausmenetelmät murroksessa Geodesia on maapallon pinnan mittaamista käsittelevä tiede eli tarkoittaa maanmittausoppia. (Kotimaisten kielten tutkimuskeskus 2006, s.178). Aivan suoraa suomenkielistä käännöstä ei ole englannin kielen termille civil engineering, jonka moniin merkityksiin kuuluvat infrastruktuurin suunnittelu, rakentaminen ja ylläpito. Edellisten yhdistelmällä, insinöörigeodesialla ja edelleen insinöörimittauksilla tarkoitetaan sellaista mittaustyötä tai mittaustyön suunnittelua, joiden tarkoitus on tuottaa tai viedä maastoon paikkatietoa infrastruktuurin tai sen osan suunnittelemiseksi, rakentamiseksi ja ylläpitämiseksi (Kavanagh 2009, s. 3). Tässä työssä valitaan soveltava insinöörigeodeettinen näkökulma, sen teoreettista, geodeettista perustaa kuitenkaan unohtamatta. Insinöörimittaukset voidaan jakaa ainakin suunnitteluvaiheen kartoitusmittauksiin, rakentamisvaiheen merkintämittauksiin, rakentamisvaiheen kartoitusmittauksiin eli tarkemittauksiin sekä erilaisiin valvonta- ja deformaatiomittauksiin, joita sivutaan myöhemmin. Tässä luvussa käsitellään aluksi erityisesti asemakaava-alueella infrarakentamisen kannalta tärkeintä viitekehystä: koordinaatti- ja korkeusjärjestelmiä, joiden avulla kaupungin infrastruktuuri suunnitellaan ja toteutetaan kaavoituksen määräämään muotoon. Seuraavaksi käsitellään lyhyesti perinteisiä infrarakentamisen mittausmenetelmiä, joita käytetään arkipäiväisesti työmaalla. Koska merkittävä osa infratyömaiden mittaustyöstä yhä tehdään takymetrilla, korkeudenmittauksesta vaaituskojeella ja monesti tasolaserilla, esitellään niiden periaatteet ja käyttö lyhyesti lähinnä insinöörimittauksen näkökulmasta. Satelliittipaikannusta ei tässä voida täysin sivuuttaa. Vasta riittävän klassisten menetelmien pohjustuksen jälkeen voidaan esitellä laserkeilaimen teoreettinen tausta ja toimintaperiaate, jotta selviää, mikä on laserkeilaimen toiminnassa ja sen tuottamassa datassa oleellinen ero perinteisiin menetelmiin nähden. 2.1 Infrarakentamisen mittausperusta Mittausperustan teoreettinen tausta Koordinaattijärjestelmä tarkoittaa niitä suureita, jotka täytyy asettaa geodeettisen koordinaatiston määrittelemiseksi, sijoittamiseksi ja orientoimiseksi. Geodeettisella koordinaatistolla tarkoitetaan vertausellipsoidiin kiinnitettyä koordinaattiakselien muodostamaa mitta-asteikkoa eli koordinaattijärjestelmän realisaatiota, joita nykygeodesiassa on useita. Geodeettinen datumi määrittelee koordinaatiston sijainnin ja orientoinnin suhteessa Maan pintaan eli toisaalta kuvaa, kuinka tarkasti koordinaatisto on määritelmänsä mukainen (JHS 153, s. 3-4). Infrarakentamisen mittausperustalla tarkoitetaan osaa runkopisteistöstä tai runkoverkosta eli niitä taso4

11 ja korkeuskiintopisteitä, joiden tunnettujen koordinaattien ja korkeuden perusteella työmaalle muodostetaan koordinaatisto ja näin sidos paikalliseen tai valtakunnalliseen koordinaatti- ja korkeusjärjestelmään (Ratahallintokeskus 2003, s. 5). Käytännössä koordinaattijärjestelmän realisoinnissa on siis valittava vertausellipsoidin isoakselin puolikas ja ellipsoidin litistyssuhde siten, että ellipsoidi kuvaa maapallon pintaa mahdollisimman hyvin. Lisäksi on valittava kaksi muuta Maata kuvaavaa parametria, jotka kiinnittävät nollameridiaanin ja painovoiman vertausellipsoidilla. Aikaisemmin oli pyrkimyksenä muodostaa alueellisesti edustavia ellipsoideja, kun globaaleja mittausvälineitä ja siten myöskään mittaustarpeita ei ollut. Sittemmin satelliittipaikannuksen keksimisen jälkeen alettiin suosia globaalisti mahdollisimman hyviä ellipsoideja, kun globaalit havainnot sen mahdollistivat. Kolmiulotteisen (3D) geodeettisen koordinaatiston origo ja ellipsoidin keskipiste asetetaan mahdollisimman lähelle Maan massakeskipistettä ja ellipsoidi niin, että pikkuakseli (Z-akseli) osoittaa mahdollisimman tarkasti Maan pyörimisakselin suuntaan ja isoakseli (X-akseli) ekvaattoritasoa pitkin Greenwichin meridiaaniin. Yakseli on X- ja Z-akselia vastaan kohtisuorassa. Tätä kolmiulotteista, geosentristä koordinaatistoa havainnollistaa Kuva 1. (Häkli et al. 2009, s. 19) Kuva 1. Kolmiulotteinen, geosentrinen koordinaatisto (mukaillen Vermeer 2010a, s. 5) 5

12 Se, että realisoitu koordinaattijärjestelmä ei ole aivan ideaali, aiheutuu monimutkaisiin realisointimittauksiin liittyvistä epävarmuuksista. Näin selviää geodeettisen datumin merkitys, sillä edellä kuvaillun realisaation origon poikkeamaa todellisesta Maan massakeskipisteestä sekä X-, Y-, ja Z-akseleiden suuntien poikkeamaa niiden todellisista suunnista voidaan kutsua juuri datumiksi ne määrittävät koordinaatiston sijainnin ja asennon (Vermeer 2010a, s. 14). Nykyaikainen koordinaattijärjestelmien realisointi on monimutkainen avaruusgeodeettisten, maanpäällisten ja erilaisten satelliittimittausten laskennallinen yhdistämistehtävä, jota ei tässä yhteydessä käsitellä enempää. Käytännön työmaamittauksissa karteesinen, geosentrinen 3D-koordinaatisto olisi varsin epäkäytännöllinen, sillä geosentriset koordinaatit eivät kovin selvästi liity monesti käytettyihin paikallisiin (ilman)suuntiin tai korkeuseroihin maastossa. Onkin tarpeen projisioida Maan pinta tasoon alueellisesti, sillä kartat, erityyppinen paikkatieto ja muun muassa infrakohteiden suunnitelmat on luontevaa esittää tasossa. Tasoapproksimaatio voidaan tehdä toisaalta siksi, että monesti työmaa on sen verran rajallisella alueella, että mitattaessa työmaan lyhyitä etäisyyksiä ei Maan kaarevuutta tarvitse huomioida. Maan kaarevaa pintaa ei voida kuitenkaan esittää tasolla virheettömästi, joten karttaprojektioihin ja tasokoordinaatistoihin liittyvät aina mittakaava- ja suuntavirheet, jotka on huomioitava tarvittaessa, esimerkiksi pitkällä valtatietyömalla. Suomen kansallisen geosentrisen EUREF-FIN koordinaatiston kanssa karttaprojektiona käytetään konformisia poikittaisia lieriöprojektioita. Lieriöprojektiossa kohteet kuvataan vertausellipsoidia sivuavalle tai leikkaavalle lieriölle, joka leikataan auki tasoksi (Kuva 2.). Konformisessa lieriöprojektiossa kulmat ja pituussuhteet säilyvät paikallisesti oikeina, vaikkakin mittakaava ja suunnat vääristyvät systemaattisesti kaistalla liikuttaessa. Karttaprojektiot on esitetty hyvin yksityiskohtaisesti Julkisen hallinnon suosituksessa 154, jonka liitteeseen 1. tutustuminen osoittaa projisiointilaskennan olevan melko suoraviivainen, mutta monivaiheinen prosessi (JHS 154, liite 1.). Sen yksityiskohtiin ei ole tarpeen tässä tutustua, mutta on tiedostettava tosiaikaisen projisioinnin tarve esimerkiksi työmaalla käytettävien GNSS-mittausten yhteydessä. 6

13 Kuva 2. Poikittainen lieriöprojektio Työmaan mittaukset tehdään alueellisessa tai kansallisessa tasokoordinaatistossa ja korkeusjärjestelmässä, joissa suunnitelmat tulisi olla esitetty. Toisaalta esimerkiksi talonrakentamisessa ei ole lainkaan mahdotonta, että mittaukset sidotaan työmaan sisäiseen erilliskoordinaatistoon. Sen käyttö voi olla perusteltua, sillä suunnitelmat eivät välttämättä ole kiinnitetty muuhun kuin suunnittelijan omaan työkoordinaatistoon. Infrarakentamisessa maastokoordinaatiston käyttö jo suunnitteluvaiheessa on kuitenkin perusteltua, sillä suunnittelussa on huomioitava aivan eri laajuudessa asemakaava sekä olemassaolevat rakennukset, rakennelmat ja rakenteet kaikki mahdollinen ns. As Built -tieto, joka esitetään yleensä jossain maastokoordinaatistossa. Työmaalla käytettävä koordinaatisto ja korkeusjärjestelmä onkin oltava yksikäsitteisesti selvillä ja selvästi määritelty urakka-asiakirjoissa, mistä rakennuttajan on jo oman etunsa vuoksi huolehdittava. Mittausperustat ovat mittaustekniikoiden rinnalla paraikaa murroksessa, kun nykyaikainen satelliittipaikannus mahdollistaa entistä tarkempien runkoverkkojen mittaamisen ja toisaalta paljastaa klassisten kolmio- ja monikulmioverkkojen epätarkkuuksia sekä todellisista maankuoren liikkeistä aiheutuneita muutoksia. Toisaalta yhteys fysikaaliseen, vaaittuun korkeustietoon heikentyy, sillä satelliittipaikannuksella suoraan saatava korkeustieto on korkeus vertausellipsoidista (h). Se on puhtaasti laskennallinen, geometrinen suure vailla käytännön fysikaalista merkitystä, joka ratkaisee oleellisen veden virtaussuunnan. Käytännön työmaamittauksissa satellittipaikannusta käytettäessä varsinaiseen mittausperustaan pääseminen edellyttääkin melko monimutkaista konversioiden ja muunnosten ketjua (JHS 154, s. 11 sekä Poutanen 2007, s. 100): EUREF-FIN (WGS84) ETRS-GKn ellipsoidinen h 7 paikallinen tasokoordinaatisto esim. N2000 H

14 Erityisesti muunnos ' ' on työmaamittausten kannalta oleellinen ja vaikuttaa merkittävästi GNSS:llä saavutettavaan tarkkuuteen, sillä muunnos voi paikallisesta järjestelmästä riippuen olla alueellinen ja laadultaan vaihteleva. Tasokoordinaatiston osalta muunnosta ei välttämättä tarvita, mutta usein se on edelleen tarpeen, sillä monissa kunnissa on yhä käytössä jokin oma, paikallinen tasokoordinaatisto. Ellipsoidisesta korkeudesta h normaalikorkeuteen H pääseminen geoidimallin avulla on aina sijainnin funktio. Jollain hyvin rajallisella (työmaa-)alueella voidaan korkeuksien erotus pitää vakiona, jos geoidimallia ei ole käytettävissä. Tällöin erotuksen suuruus on tarkastettava mahdollisimman monella lähiympäristön korkeuskiintopisteellä. Todettakoon, että geoidimalleja on kuitenkin helposti ja edullisesti saatavilla, ja niiden käyttökin on kattavasti esitelty ja ohjeistettu Geodeettisen laitoksen julkaisussa 29 (Bilker-Koivula ja Ollikainen 2009, s. 20) Mittausperusta käytännössä Espoon kaupungin tasorunkoverkko on toistaiseksi vanhassa valtion järjestelmässä eli VVJ-järjestelmässä ja korkeusrunkoverkko N60-järjestelmässä. Espoossa ja monissakin kunnissa tai kuntayhtymissä ollaan paraikaa siirtymässä EUREF-FIN:in mukaiseen tasokoordinaatistoon ja uuteen N2000-korkeusjärjestelmään. Lahden kaupungissa toteutettiin ensimmäisenä Suomessa EUREF-FIN koordinaatistomuunnos vuonna 2005 ja N2000-korkeusjärjestelmään siirryttiin tammikuussa 2010 (Honkanen 2010, s. 1). Pääkaupunkiseudun kunnissa vastaava muunnos tehdään vuoden 2012 loppupuolella, jolloin siirrytään myös uuteen koko pääkaupunkiseudun kattavaan karttalehtijakoon. Muunnoshankkeessa mukana ovat Espoon, Helsingin, Vantaan sekä Kauniaisten kaupungit, joissa tällä hetkellä käytössä olevilla koordinaattija korkeusjärjestelmillä ei varsinaisesti ole yhteismitallista perustaa, sillä kukin kaupunki on järjestelmänsä itsenäisesti mitannut ja laskenut. Lahden kaupungin tilanteeseen nähden pääkaupunkiseudun yhteinen muunnoshanke onkin selvästi moniulotteisempi ja haastavampi. Tärkeimpänä syynä yhtenäiseen vertausjärjestelmään siirtymiselle on kasvava kuntien keskinäisen ja valtion välisen paikkatietoyhteistyön tarve, jota osaltaan ovat luomassa maankäytön ja kaavoituksen tarpeet, infrastruktuurin suunnittelu, rakentaminen ja ylläpito. Kunnallisen infrastruktuurin eli kuntatekniikan suunnittelu ja rakentaminen yhteistyönä kuntarajojen yli yleistyy jatkuvasti. Näin yhtenäisen tasokoordinaatiston ja yhtä tärkeänä yhtenäisen korkeusjärjestelmän tarve korostuu, kun rakennetaan kuntarajat ylittävää tietä, katua, jotain verkostoa tai junarataa. Hyviä esimerkkejä kuntarajat ylittävästä kuntatekniikan suunnittelusta, toteutuksesta ja 8

15 ylläpidosta ovat Helsingin seudun ympäristöpalvelut (HSY), Helsingin seudun liikenne (HSL) sekä Länsimetro Oy, joiden toimintaa yhtenäinen vertausjärjestelmä varmasti helpottaisi. Rakennuttajan on osoitettava urakoitsijalle riittävä määrä tunnettuja ja alkuperäisellä paikallaan olevia lähtöpisteitä, jotka muodostavat työmaan mittausperustan. Työmaan koosta ja työn luonteesta riippuen riittävä määrä voi tarkoittaa muutamaa tasokiintopistettä ja korkeuskiintopistettä tai kokonaista verkkoa, jonka rakennuttaja on itse mitannut, laskenut tai vähintään hyväksynyt. Työmaan laajuus ja luonne saattavat vaikuttaa myös vaatimuksiin, joita rakennuttaja työmaamittauksille asettaa. Rakennuttajan vaatimukset haastaville, pitkille tunnelimittauksille ovat toiset kuin esimerkiksi lyhyen kadun tai urheilukentän rakentamisessa. Maanalaisen pisteverkon virheiden kontrollointi on käytännön syistä varsin hankalaa, kun yhteyttä lähialueen toisiin runkopisteisiin on maan alta usein mahdotonta muodostaa. Urakoitsija vastaa mittausperustan avulla luotavan työmaan käyttö- tai apupisteistön mittaamisesta. Urakoitsijan on kiinnitettävä jatkuvasti huomiota siihen, että työmaan runko- ja edelleen käyttöpisteistö pysyy (sisäisesti ja ulkoisesti) tarkkana. Mitä suurempi on työmaa, sitä haastavampaa tämä työ on. Rakennuttaja saattaa auttaa tässä kontrolloimalla oman mittaustyön avulla osan tai jopa kaikki urakoitsijan mittaukset työmaan koosta ja tarkkuusvaatimuksista riippuen. Helsingistä Espooseen johtavan Länsimetron rakentaminen on merkittävissä määrin tunnelirakentamista, joka on jo pelkästään mittausteknisesti varsin haastavaa. Urakan laajuuden vaikutusta mittaustyölle ja lähtöpisteille asetettuihin vaatimuksiin kuvaa hyvin se, että Länsimetroa varten on olemassa tilaajan teettämä kokonainen runkoverkko, johon kuuluu varta vasten rakennettuja uusia, mutta myös vanhoja kaupunkien pisteitä. Pisteillä tehtyjen GPS- ja takymetrirunkomittausten avulla on luotu koordinaatisto, joka on yhtenäinen koko metrolinjan ja samalla kuntarajojen läpi. Metrokoordinaatiston on oltava toisaalta sellainen, että Espoon ja Helsingin kaupunkien omissa, epähomogeenisissa ja erillisissä vertausjärjestelmissä esitetyt paikkatietoaineistot voidaan siihen lähinnä suunnittelua varten mahdollisimman tarkasti muuntaa. Länsimetron rakentaminen onkin mainio esimerkki infrahankkeesta, joka vaatii tarkan, kuntarajat ylittävän yhtenäisen mittausperustan, mutta osoittaa samalla sellaisen vielä puuttuvan pääkaupunkiseudulta alueelta, jossa kansallisella tasolla sellaista ehkä eniten tarvittaisiin. Toivottavasti vuosi 2012 tuo tilanteeseen kaivatun parannuksen. 9

16 2.2 Infrarakentamisen perinteisiä mittausmenetelmiä Vaaitus Vaaitsemalla määritetään pisteiden välisiä korkeuseroja tähtäämällä vaaituslattaan paikallista luotiviivaa vastaan kohtisuoraa vaaituskojeen tähtäysakselia pitkin. Työmaamittauksissa kolmijalalle pystytettyä ja vaakasuoraan tasattua vaaituskojetta käyttäen voidaan esimerkiksi viedä viemärikaivantoon asennettavan tarkastuskaivon korkeuspaaluun merkitty korkeus, kuten kuva 3. osoittaa: Kuva 3. Kaivon vesijuoksun paikalleen vaaitseminen Perinteisen optisen vaaituskojeen rinnalla käytetään nykyisin myös digitaalivaaituskojeita, jotka käytännössä poistavat inhimillisen latanlukuvirheen mahdollisuuden. Numeerisen, säännöllisen asteikon sijaan digitaalivaaituskojeen latassa on useimmiten epäsäännöllinen viivakoodi, jonka lukemiseksi kojeen tulee nähdä latta useamman kymmenen senttimetrin matkalta tähtäyskohdan ympäriltä. Peitteisessä maastossa tämä digitaalivaaituksen piirre ei aina ole eduksi. Kun vaaitaan pitkiä etäisyyksiä, on Maan kaarevuus huomioitava, sillä jo 100 metrin etäisyydellä kaarevuus ilmakehän refraktioon yhdistettynä vääristää korkeuseroa melkein 1 mm:n (Kavanagh 2009, s. 25). On lisäksi valittava tarkkuudeltaan sopiva koje mittauksen luonteesta riippuen, sillä vaaituskojeiden tarkkuusluokkia on useita Tasolaser Yksin käytettävä tasolaser on muuttanut korkeudenmittauksen robottivaaitukseksi. Nykyisin tasolaser on varsin käytetty työmaamittauksissa. Vaaituskojeella Kuvan 3. korkeuden siirto onnistuu kätevästi myös kolmijalalle tasatulla tasolaserilla, jonka vaakatasoon, pystytasoon tai määrättyyn kallistukseen asetettu pyörivä prisma virittää lasertason, joka voidaan lattaan kiinnitetyllä vastaanottimella havaita. Mittausperiaate on käytännössä sama kuin vaaituskojeella: asetetaan latta korkeudeltaan tunnetulle pisteelle ja siirretään vastaanotin tarkasti lasertasoon. Nyt 10

17 voidaan havaita tietty korkeusero, kun siirretään vastaanotinta latassa esimerkiksi 0,20 m ylöspäin latan alapinta asettuu 0,20 m alemmas kuin tunnettu korkeus. Joskus latta voidaan asentaa kaivinkoneeseen, jolloin konetta voidaan sanoa 1Dohjatuksi. Kallistetulla tasolaserilla voidaan vaaita infrarakentamiselle tyypillisiä kaltevia rakenteita, kuten luiskia, rakennekerrosten tasauksia tai putkikaivantoja. (Schofield et al. 2007, s ) Tasolasereille luvataan melko hyviä tarkkuuksia, jopa luokkaa 1,5 mm 3,0 mm / 30 m (esim. Leica 2011b). Tämä tarkoittaa korkeushavaintojen keskihajontaa 30 metrin päässä, jos laite on tasattu oikein ja sen mahdollinen kompensaattori toimii oikein. Tasolaser ei tarkkuudeltaan siis ole varsinkaan digitaalisen (tarkka)vaaituskojeen tasolla, mutta ainakin infrarakentamisen tavallisissa korkeudenmittauksissa tasolasereiden tarkkuustaso on riittävä. Yksin käytettävä tasolaser helpottaa selvästi korkeudenmittausta työmaalla, kun monesta tilanteesta selvitään ilman työmaan varsinaisen mittahenkilön apua. Varsinkin halvan, ilman kompensaattoria tasattavan tasolaserin kanssa on kuitenkin helppo mitata vääriä korkeuksia, sillä kaukaa latan päästä on vaikea havaita, jos koje jostain syystä menettää tasauksen. Tasolaserin apuna käytetään työmailla hyvin arkipäiväisesti myös putkilaseria, joka tasataan putkilinjalle, esimerkiksi asennetun tarkastuskaivon päälle. Tasauksen jälkeen asetetaan putkilaseriin linjan kallistus, johon koje kallistaa kirkkaan laserosoittimen. Lasertäplä havaitaan esimerkiksi puukapulalla, johon on merkattu kohta, johon täplän on osuttava kaivannossa edettäessä. Kuva 4. Putkilaser Takymetri Takymetri on elektroninen teodoliitti, johon elektro-optinen etäisyysmittari ja suorakulmaisia koordinaatteja suunta- ja etäisyyshavainnoista tosiaikaisesti laskeva maastotietokone on nykyisin kiinteästi integroitu. Takymetrin maastotietokoneen avulla työmaan sitominen määrättyyn mittausperustaan onnistuu apupisteitä tai apupistejonoja mittaamalla. Maastotietokone suoriutuu muustakin varsinkin merkintämittauksessa hyödyllisestä laskennasta, kuten tielinjalaskennasta (Kuva 5.), tunnetun tai tuntemattoman vertailulinjan laskennasta, pinta-ala- sekä 11

18 tilavuuslaskennasta. Erityisen käteviä ovat maastotietokoneen näytölle asetettavat karttapohjat, joilla voidaan esittää esimerkiksi putkilinjoja, rakennekerrosten pintoja tai reunakivien sijainti ja korkeusasema. Kuva 5. Tien tai kadun poikkileikkaus: tien linjalaskenta ja maastoonmerkintä laskennan perusteella (RTS 2010, s. 297) Tien linjalaskennalla tarkoitetaan tässä yhteydessä maastoon merkittävän tielinjan mittapaalujen tasokoordinaattien ja niihin kiinnitettävien sihti- eli korkolappujen korkeuksien tosiaikaista laskentaa mittalaitteen maastotietokoneella sen muistiin syötetyn suunnitelmien mukaisen tiegeometrian, sovitusta nollapisteestä tielinjaa pitkin lasketun paaluluvun (PL) sekä halutun sivumitan avulla. Sivumitta mitataan suunnitellusta tien keskilinjasta (KL), jonka pystygeometriaa sanotaan tasausviivaksi (TSV). Joskus tasausviiva ja keskilinja eivät ole päällekkäin tai täsmälleen kadun keskellä, mikä täytyy tarvittaessa tarkistaa poikkileikkauksesta. (Hartikainen 2001, s. 82) Käytännössä linjalaskennan ja muunkin merkintämittauksen yhteydessä ratkaistaan tien vaakageometrian ja asemapisteen koordinaattien avulla halutulle paaluluvulle ja sivumitalle poikkileikkauksessa geodeettinen käänteistehtävä. Tuloksena saatava suunta- ja etäisyys mittalaitteen asemapisteeltä esitetään mittaajalle yleensä kahtena toisaan vastaan kohtisuorana (A ja B) mittana tielinjan ja kojeen tai prismasauvan ja kojeen suhteen. Tavoitepisteeseen asennetaan jokin mittamerkki, kuten korkolapullinen mittapaalu tai maalimerkki. Käytännön kokemus osoittaa, että mittapaalujen asentaminen voi olla varsin työlästä. Paalun lyöminen esimerkiksi hyvin tiivistettyyn murskeeseen tai ison kiven läpi ei onnistu rautakangen ja nuijan avulla. Joskus apuna on käytettävä jopa polttomoottori- tai akkukäyttöistä porakonetta, jolla maahan tehdään reikä paalua varten. Monesti paalun sijainti on vielä syytä tarkistaa asentamisen jälkeen korkeuden merkitsemisen yhteydessä. 12

19 Perinteisesti teodoliitteja on luokiteltu niiden kulmatarkkuuksien mukaan: minuuttiteodoliitti: tarkkuus on joitain uusminuutteja eli > 1 mgon sekuntiteodoliitti: tarkkuus on joitain uussekunteja eli 0,5 1 mgon tarkkuusteodoliitti: tarkkuus on luokkaa < 0,5 mgon Infrarakentamisen mittauksissa käytetään yleisesti takymetrejä, joiden teodoliitti on tarkkuudeltaan minuutti- tai sekuntiluokkaa. Tarkkuusteodoliitteja käytetään runkomittausten lisäksi vain kaikkein suurinta tarkkuutta vaativissa insinöörimittauksissa, esimerkiksi suurten koneiden tai koneistojen, kuten paperikoneiden asennusmittauksissa. On tietysti infrakohteita, joiden mittaaminen vaatii suurta tarkkuutta. Esimerkiksi tunnelimittauksissa, pitkää apupistejonoa edellyttävillä työmailla tai pitkän, monimutkaisen sillan rakennusmittauksissa vaaditaan tarkkuusteodoliitin tasoisen takymetrin käyttöä. Riittävän tarkkuusluokan lisäksi on syytä vaatia, että kaikki mittalaitteet huolletaan ja kalibroidaan säännöllisesti esimerkiksi Aalto-yliopiston Maanmittaustieteiden laitoksella, jossa nykyisin yhteistyössä Mittatekniikan keskuksen kanssa harjoitetaan riippumatonta takymetrien ja joidenkin muiden mittalaitteiden kalibrointitoimintaa (Simonen 2011). Takymetri on ainakin toistaiseksi kaikkein eniten infrarakentamisen työmaamittauksissa käytetty mittalaite. Takymetri on kehittynyt nopeasti kahden miehen käytettävästä kojeen ja prisman laitteistosta yhden miehen robottitakymetriksi, jossa maastotietokone kulkee prismasauvan kanssa mittaajan mukana. Yleisemminkin mittalaitteiden kehityksen taustalla on ollut työmaan mittaustyöhön tarvittavan työvoiman minimointi, työn tehostaminen ja nopeuttaminen. On tosin syytä pohtia, onko esimerkiksi kuvan 5. periaatteella tehtävä tiepaalutus nopeampaa tai tarkempaa tehdä yksin kuin kahden mittaajan ryhmässä. Robottitakymetri tietenkin nopeuttaa tässä, jos toinen mittaa ja toinen asentaa paaluja sekä korkolappuja. Työparin apu paalujen asentamisessa korostuu, kun maasto on hankala. Korkeuden merkitseminen paaluun tarkasti ilman avustajaa on myös hankalaa, kun on samanaikaisesti etsittävä oikea korkeus, tarkisteltava lukemaa maastotietokoneen näytöltä, pidettävä prismasauva suorassa paikallaan ja merkittävä oikea kohta paalun kylkeen. Takymetrin kehittymisen ohessa putki- ja tasolaserkin ovat vähentäneet korkopaalujen ja ajokeppien kanssa työskentelyä, joka vaatii aina jo yhden silmäparin pelkästään arvioimaan korkeusasemaa visuaalisesti. 13

20 2.2.4 GNSS eli satelliittipaikannus Tässä työssä ei käsitellä tarkasti satelliittipaikannuksen toimintaperiaatetta, joka on kuvattu tämän työn kannalta sopivasta näkökulmasta esimerkiksi Häklin ja Koivulan artikkelissa Reaaliaikaisen GPS-mittauksen laatu. (2005). Satelliittipaikannusta sivuttiin jo edellä luvussa 2.1 karttaprojektioiden yhteydessä. Infratyömaan mittausten kannalta mielenkiintoisia ovat juuri reaaliaikaiset GNSS-mittaukset, sillä koordinaattien tarve työmaalla on akuutti. Edullinen käsi-gnss tai autonavigaattori käyttää koodihavaintoja paikannukseen. Satelliitin lähettämä kaikkien käytettävissä oleva paikannusjärjestelmästä riippuva koodi ja vastaanottimen generoima vastaava pseudosatunnainen koodisekvenssi korreloidaan aikaerolla δt vastaamaan toisiaan. Näin on saatu signaalin kulkuaika δt satelliitista vastaanottimeen. Tästä saadaan arvio pseudoetäisyydelle P kertomalla kulkuaika valonnopeudella c. Vastaanottimen geosentriset koordinaatit voidaan estimoida, kun pseudoetäisyyshavaintoja on tehty vähintään neljään tai joskus viiteen satelliittiin (Häkli ja Koivula 2005, s. 21). Yhden koodisekvenssin pituus on 1 ms eli 300 km, jossa yhden lukuarvon pituus on 1 μs eli 300 m. Tämän 300 metrin sisällä korreloinnin suorittama elektroniikka pääsee parhaimmillaan noin 1%:n tarkkuuteen eli ±3 m (Vermeer 2010b, s ). Tämä tarkkuus riittää varsin hyvin auto- tai retkeilynavigointiin, mutta vaikkapa infrarakenteiden tarkemittaus tai paikalleenmittaus 3 metrin tarkkuudella ei tuota toivottua lopputulosta. Koodihavaintoihin perustuvan GNSS-paikannuksen tarkkuus ei selvästikään riitä geodeettisiin sovelluksiin tai työmaamittauksen tarpeisiin. Nykyaikaisten GNSSvastaanottimien suorittimien hyvä laskentateho ja toimivat laskurutiinit mahdollistavat sen, että GNSS-kantoaaltovaihemittauksia voidaan käyttää niin, että vastaanottimesta saadaan ulos melko tarkkoja tasokoordinaatteja ja normaalikorkeudeksi muunnettua korkeustietoa tosiaikaisesti. Tämä RTK-mittaus eli Real Time Kinematic -mittaus perustuu tunnetulla pisteellä olevan vastaanottimen ja liikkuvan vastaanottimen eli roverin välisen vektorin mittaamiseen (Vermeer 2010b, s ). Näin saatavia koordinaatteja voidaan monesti käyttää työmaalla kartoitustai merkintämittaustyössä, kunhan varmasti tiedetään, että edellytykset koordinaattien käyttämiselle ovat olemassa. Nämä edellytykset vaihtelevat alueellisesti riippuen ainakin työmaalla käytettävästä tasokoordinaatisto- ja korkeusjärjestelmästä, muunnoksista näihin järjestelmiin, käytössä olevasta geoidimallista, paikallisen runkoverkon tilasta, joskus auringon aktiivisuudesta sekä mittalaitteen välittömästä ympäristöstä. 14

21 Nykyisin työmaan GNSS-mittauksissa käytetään lähinnä verkko-rtk -ratkaisuja. Verkko-RTK -ratkaisuille on ominaista se, että kaikilla tukiasemilla tehdyt havainnot kootaan yhteen laskentakeskukseen. Siellä havaintojen avulla generoidaan monimutkaisen matemaattisen mallin avulla ilmakehäkorjausparametreja, muita korjausparametrejä sekä virtuaalitukiaseman havaintodataa (Häkli ja Koivula 2005, s. 7). Roverin lähelle luodun virtuaalitukiaseman havaintodata (Kuva 6.) välitetään roverille tosiaikaisesti internetin yli RTCM-tiedostomuodossa, jota todellinen RTKtukiasemakin käyttäisi. Näin ollen tietoliikenneyhteydellä varustettu normaali RTKvastaanotin useimmiten riittää verkko-rtk:n käyttöön. Ilmakehäkorjausparametrit, muut korjausparametrit sekä näiden avulla generoitu havaintodata riippuvat ajasta, paikasta ja päivittyvät hyvin usein. Kuva 6. Verkko-RTK: periaatekuva Suomessa suosittu koko maan kattava RTK-tukiasemaverkko on Geotrim Oy:n ylläpitämä VRS-verkko eli Virtual Reference Station -verkko VRSnet.fi. Tämän verkon tarkkuutta on tutkittu Geodeettisen laitoksen toimesta vuonna 2005, jolloin paikannuksen tasotarkkuudeksi saatiin ±27 mm ja korkeustarkkuudeksi ±35 mm (Häkli ja Koivula 2005, s. 7). Hieman tuoreempi tutkimus osoittaa, että tarkkuus lienee parantunut, sillä vastaavalla menetelmällä toimivaa VRS-verkkoa on tutkittu Iso-Britanniassa vuonna Tutkimuksessa saatiin tasotarkkuudeksi ±(10 20) mm ja korkeustarkkuudeksi ±(15-30) mm. Samalla todettiin, että koordinaattien tarkkuus parantuu %, jos mitataan 2 erillistä 3 minuutin keskiarvoistavaa sessiota 20 minuutin välein. Jos väliä kasvatetaan 45 minuuttiin, parannus on jopa 15 30% yhden havaintoepookin tarkkuuteen verrattuna (Edwards et al. 2008, s. 3738). Näin selittynee ilmoitettu tarkkuuksien vaihteluväli. 15

22 Edellä käsitellyistä infrarakentamisen perinteisistä mittausmenetelmistä ainoastaan satelliittipaikannus herättää niin käytännön mittahenkilöissä, alan asiantuntijoissa kuin rakennuttajaorganisaatioissakin vaihtelevia mielipiteitä. Käytäntö on osoittanut, että varsinkin GNSS-korkeustieto on yhä monesti epäluotettavaa. Oikea korkeusasema on kuitenkin yksi tärkeimmistä infrarakenteen ominaisuuksista, joka usein määrää monen muun rakenteen aseman. Korkeuteen tulisi voida ehdottomasti luottaa. Maaston peitteisyys, kasvillisuus, rakennetun ympäristön aiheuttamat monitieheijastukset, ilmakehän vaihteleva aktiivisuus, maaperän vuoksi-ilmiö sekä muut selittämättömät mittaustarkkuutta ja -mahdollisuutta heikentävät häiriöt huonontavat satelliittipaikannuksen hyödyntämismahdollisuuksia, jotka kuitenkin kuluneen vuosikymmenen aikana ovat merkittävästi kohentuneet. Joskus väitetään markkinointimielessä satelliittipaikannuksen olevan kiintopisteistä riippumaton mittausmenetelmä, mikä ei pidä paikkaansa. Kiintopisteiden avulla realisoitiin aikanaan ja realisoidaan yhä edelleenkin vertausjärjestelmä, jossa vastaanottimen ratkaisemat koordinaatit esitetään. Vertausjärjestelmä muuttuu ajassa jatkuvasti: mannerlaatat liikkuvat, joskin hitaasti, mutta varmasti. Lisäksi Skandinavian alueella huomattava jääkauden jälkeinen maannousu aiheuttaa sen, että korkeusdatumi on realisoitava ajoittain uudelleen, jolloin myös elliptisen korkeuden ja normaalikorkeuden yhteys muuttuu ajassa. Päivittäin maankuorta pystysuunnassa edestakaisin noin 0,30 m liikuttavan vuoksi-ilmiön vaikutus on myös poistettava (Poutanen 2007, s. 111). Kiintopisteillä tehtävillä jatkuvilla staattisilla mittauksilla järjestelmän kehittymistä ajassa seurataan. Käytännön työmaamittausten tasollakin RTK-GNSS -alustuksen onnistuminen, muunnosten ja konversioiden toimivuus, geoidimallin toimivuus sekä vuoksi-ilmiön, satelliittigeometrian ja monen muun ilmiön yhteisvaikutuksesta määrittyvä 'päivän korkeustilanne' on syytä ajoittain muutamilla kiintopisteillä tarkistaa. 2.3 Työkoneohjauksen tausta ja perusteet Edellä esiteltiin lyhyesti keskeisimmät infrarakennustyömailla käytettävät mittausvälineet. Yhteenvetona voidaan niissä kaikissa nähdä yksi keskeinen niin kartoitus- kuin merkintämittaustyön luonnetta ohjaava ominaisuus: pistemäisyys tai yksittäisyys. Jokainen mittaus pysähdytään tekemään määrättyyn, yksittäiseen paikkaan, jolle saadaan koordinaatit ja korkeus. Tämä ilmenee konkreettisimmin perinteisen tiemerkinnän luonteessa: tien tai kadun tasosijainti ja korkeusasema esitetään pistemäisten, yksittäisten tiepaalujen avulla. Tietysti on paljon rakennusosia, joiden sijainnin ja korkeusaseman luonnekin on pistemäinen, kuten kaivot, valaisinpylväiden, liikennemerkkien tai portaalien jalustat. Toisaalta keskeisiä pintamaisia, jatkuvia infrarakenteita ovat tietenkin tiet tai kadut, kevytväylät, sillat, 16

23 tunnelit sekä monentyyppiset kenttäalueet. Keskeisiä viivamaisia kohteita taas ovat erilaiset vesihuolto-, energia- ja tietoliikenneverkostot. Havaitaan selvä ristiriita, sillä pistemäisten mittausten perusteella joudutaan monesti toteuttamaan rakenteita, joilla on kuitenkin oleellisesti jatkuva luonne. Jatkuvuus on edellä kuvattujen perinteisten mittausmenetelmien avulla vaikeasti saavutettavissa. Käytännössä geometria on aina diskretoitava yleistäen niin, että monimutkainen tai lyhyellä matkalla paljon muuttuva geometria mitataan ja merkitään maastoon mittapaaluilla, niihin kiinnitettävillä korkolapuilla tai maalimerkeillä tiheämmin ja tarkemmin kuin yksinkertainen geometria. Jokainen infrakohde on yksilöllinen, mutta sisältää kuitenkin paljon toistoa vaativia töitä, kuten tien rakennekerrosten muotoilu, tiivistys, päällystys sekä monet pohjanvahvistustyöt. Kohteen rakentaminen mittaustöineen vaatii aina tarkkuutta ja samanaikaista taloudellista tehokkuutta. Perinteisillä teollisuudenaloilla automaatio on valjastettu ihmisen avuksi sellaisiin työvaiheisiin, jotka vaativat paljon toistoa, tarkkuutta ja tehokkuutta. Infratyömaan mittausten asteittainen automatisointi ja integrointi työtä tekeviin koneisiin, kuten kaivinkoneeseen tai tiehöylään nähdäänkin keskeisenä tulevaisuuden tavoitteena. Automatisoinnin avulla pyritään muuttamaan työkoneen ohjaus itsenäiseksi, automatisoiduksi prosessiksi, joka ei enää riippuisi inhimillisille virheille alttiista, ajallisesti ja paikallisesti epäjatkuvista perinteisistä merkintämittausmenetelmistä. Automatisoidulla työkoneella saadaan aikaan tasalaatuinen työtulos. Kun laatupoikkeamia ilmenee vähemmän, saavutaan taloudellisia ja ajallisia hyötyjä. Muita automatisoinnin tavoitteita ovat työympäristön ja työturvallisuuden parantaminen. (Heikkilä ja Jaakkola 2004, s. 1113) Varmasti juuri lyhytviiveisen reaaliaikaisuuden vaatimus on ollut keskeinen ongelma koneohjausjärjestelmän mekanisoinnissa. Koneen ajaessa eteenpäin on tehtävä jatkuvasti toistaen ja erilaisia havaintoja yhdistäen monta eri työvaihetta, jotka eivät laskennallisesti ole aivan suoraviivaisia (Kuva 7.): työkoneen (konekoordinaatiston referenssipisteen Pk) paikannus takymetrilla tai satelliittipaikannuksella (x,y,z)-maastokoordinaatistossa GNSS-havaintojen projisiointi tasokoordinaatistoon ja ellipsoidisen korkeuden muutos normaalikorkeudeksi geoidimallin avulla työkoneen (etenemis)suunnan ξ määritys perättäisten paikannushavaintojen, kahden GNSS-antennin avulla ja/tai gyrokompassin avulla työkoneen kallistuskulmien muutoksen (pitch Δψ ja roll Δθ) määritys 17

24 työkoneen terän, kauhan tai muun työkalun asennon ja sijainnin määritys konekoordinaatistossa referenssipisteen Pk suhteen työkoneen terän tms. sijainti maastokoordinaatistossa ohjausparametrien määrittäminen terän sijaintia ja suunnitelma-aineistoa vertaamalla ohjausparametrien eteenpäin ennustaminen esimerkiksi Kalman-suodatinta käyttäen perättäisten havaintoepookkien välillä Kuva 7. Työkoneen (ξ, η, ζ)-koordinaatiston ja suunnitellun ajolinjan suhde (mukaillen Retscher 2002, s. 9) Järjestelmästä riippuen ohjausparametrit voivat välittyä joko kuljettajalle graafisen näytön tai merkkivalojen avulla tai suoraan koneelle, joka tekee terän asentoon ja koneen suuntaan tarvittavat muutokset joko osittain tai kokonaan automaattisesti. Automatisoinnin taso vaikuttaa kuljettajan tehtävien määrään : opastavalla järjestelmällä varustettua konetta voi ohjata täysin manuaalisesti kaikkine asennonmuutoksineen (esim. kaivusyvyyteen opastava kaivinkone) koordinoidussa manuaalisessa ohjauksessa tai osittain automatisoidussa ohjauksessa automaatio voi hoitaa esimerkiksi asennonmuutokset tai asennonpidon ja kuljettaja ohjaa konetta tai työkalua järjestelmän osoittamaa reittiä karteesisessa koordinaatistossa (esim. tiehöylän terän kallistus) täysin automatisoidussa järjestelmässä kuljettajan tehtäväksi jää ainostaan koneen ajaminen, ohjausjärjestelmän valvonta ja tarvittaessa manuaalinen ohjaus. 18

25 Ohjausjärjestelmän käyttöönotto esimerkiksi tiehöylässä, asfaltinlevittimessä tai muussa luonteeltaan toistuvaan ja samalla tarkkuutta vaativaan työvaiheeseen suunnitellussa koneessa on teknisesti ja taloudellisesti järkevämpää kuin kaivinkoneessa tai muussa yleiskäyttöisemmässä koneessa. Yleiskäyttöisen koneen työkohteet ja -tavat vaihtelevat paljon, mikä asettaa automatisoinnin tekniselle toteutukselle melkoiset haasteet. Vallitseva kehityssuunta on kuitenkin sellainen, että varsinkin erityisiin, luonteeltaan toistuviin työvaiheisiin suunniteltujen koneiden kuljettajan tehtävä alkaa muuttua tarkkaa keskittymistä vaativasta manuaalisesta ohjaustehtävästä ohjausjärjestelmän ja mittalaitteiden hallintaan liittyviin töihin. Tämä edellyttää kuljettajalta selvästi varsinkin maanmittausteknistä taitotietoa sekä modernien tietoteknisten laitteiden hallintaa. Työkoneen ajaminen tarkkaa ja laadukasta työjälkeä tuottaen ei välttämättä muutukaan yhtään yksinkertaisemmaksi, kun on hallittava ohjausjärjestelmän käyttö, osattava arvioida sen toiminnan oikeellisuutta sekä tarvittaessa kuitenkin ohjata konetta perinteisin menetelmin täysin manuaalisesti suunnitelma-aineiston reuna-alueilla tai yllättävissä ongelmatilanteissa. (Kilpeläinen et al. 2004, s ) Työkoneohjaukseen liitetty tarke- eli toteutumamittaus Tarkemittaus on tärkeä infrarakentamisen laadunvarmistuksen työkalu. Varmistuakseen siitä, että urakoitsija toteuttaa tilatut rakenteet suunnitelmien mukaisesti, vaatii rakennuttaja urakoitsijaa tekemään tarkemittauksia ja toimittamaan toteutumatietoja valvonnan ja dokumentoinnin tarpeisiin. Tarkemittausten merkitys korostuu etenkin yksikköhintaurakoissa, joissa laskutusperusteena on toteutetun infrarakenteen määrä: esimerkiksi rakennekerrosten teoreettiset tilavuudet, reunatukien juoksumetrit tai kiveysten pinta-ala. Viimeistään ennen yksikköhintaurakan taloudellista loppuselvitystä selvitetään urakoitsijan tekemien tarkemittausten avulla, että laskutetut määrät ovat oikeita suhteessa suunnitelmien perusteella tehtyyn rakennuttajan määrälaskentaan. Joillain rakennuttajilla, kuten Espoon kaupungilla, on tapana tehdä työmaillaan omia valvontamittauksia. Leikkauspohjan korkeusasema, rakennekerrosten korkeus, tasosijainti sekä muoto, kalliopinnat, siltojen tai muiden rakennelmien perustukset sekä vesihuoltolinjojen kaivot ovat perinteisiä valvottavia kohteita, joiden koordinaattien avulla urakoitsijan määrälaskennan oikeellisuutta ja edelleen laskutuksen mielekkyyttä on mahdollista arvioida. Kokonaishintaurakoissa tarkemittausta koskevat vaatimukset eivät ole sen väljempiä, sillä tarkemittauksilla eli tarkkeilla on suunnitelman toteuttamisvalvonnan lisäksi muukin merkitys. Tarkemittauksen tulokset ja niistä laaditut kartat ovat jossain vaiheessa myöhemmin lähtötietoa uudelle infrasuunnittelulle, joten niiden tarkkuus ja yksityiskohtaisuus vaikuttavat suoraan laadittavien suunnitelmien laatuun ja toteuttamiskelpoisuuteen. 19

26 Työkoneohjauksella pyritään tehostamaan työmaan toimintaa ja vähentämään perinteisen mittaustyön tarvetta, kuten edellä todettiin. Tarkemittausten ja toteutumatiedon laatiminen on kuitenkin välttämätöntä. Ohjausjärjestelmän yhteyteen voidaan toteuttaa tarkemittausjärjestelmä, mutta ei liene aivan selvää, tuottaako järjestelmä tarkemittaus- ja toteutumatietoa rakennuttajaa tyydyttävällä tavalla ja tarkkuudella. Esimerkiksi tiehöylällä voisi mitata valmiiksi rakennetun tien pinnan geometrian asettamalla terän varovasti rakennekerroksen pintaan halutussa kohdassa ja tallentaa terän asentotiedon, työkoneen sijainnin, suunnan ja edelleen terän sijainnin ja asennon teoreettisen ajolinjan suhteen. Näin hankittujen mittaustulosten käyttö virallisena laatudokumenttina eli tarkemittauksena riippuu kuitenkin rakennuttajasta, joka saattaa edellyttää myös koneohjausjärjestelmästä riippumatonta tarkemittausta. Edellytys on perusteltu, sillä jos tarkemittaus tehdään samalla työkoneella ja jopa samaan aikaan, kun rakennekerrosta höylätään, kuvaavat tarkemittauksen paljastamat poikkeamat oikeastaan karkeiden työstövirheiden lisäksi vain ohjausjärjestelmän sisäisen tarkkuuden tuomia satunnaisvirheitä. Vaikka ohjausjärjestelmä olisi suljettu ja estäisi tulosten muokkaamisen ja vääristelyn, mikä olisi tietenkin ehdoton rakennuttajan vaatimus, jäisivät mahdolliset ulkoiset systemaattiset virheet ohjausjärjestelmän toiminnassa täysin havaitsematta. Jos rakennuttaja hyväksyy koneohjauksen avulla tehdyt tarkemittaukset viralliseksi laatudokumentiksi, tulisi ohjausjärjestelmän harhattomuus varmasti osoittaa jonkinlaisen kalibroinnin avulla. (Kilpeläinen et al. 2004, s. 41) Koneohjauksen kalibrointivälineeksi tai vähintäänkin työn laadun ja ohjausjärjestelmällä tehtyjen tarkemittausten harhattomuuden arviointiin tarvitaan tehokas ja ohjausjärjestelmästä riippumaton mittausmenetelmä. Infrarakentamisen mittausmenetelmien murros kohti työkoneisiin liitettyä mittausautomaatiota alkaa samalla muuttaa myös tarkemittauksen luonnetta. Tässä työssä esitellään seuraavaksi maalaserkeilaus yhtenä mahdollisena käytettävänä menetelmänä toisaalta työkoneohjauksen laadunvalvontaan, mutta myös yleisemmin infrarakentamisen tarkemittauksiin. 20

27 3 Maalaserkeilaimen teoreettinen tausta 3.1 Laserin perusteet Laserilla tarkoitetaan stimuloidun emission avulla vahvistettua näkyvän valon tai infrapunasäteilyn aallonpituusalueen sähkömagneettista säteilyä. Laser onkin akronyymi englannin kielen ilmaisusta Light Amplification by Stimulated Emission of Radiation. Laseria käytetään monissa arkipäiväisissä sovelluksissa, kuten optisten medioiden luku- ja kirjoituslaitteissa, viivakoodinlukijoissa sekä maanmittarin keskeisissä työkaluissa, kuten takymetreissa, laseretäisyysmittareissa ja laserkeilaimissa. Lasersäteen monimuotoiset sovellukset on kehitetty verraten lyhyessä ajassa, sillä ensimmäinen toimiva laser saatiin rakennettua Yhdysvalloissa vuonna 1960, jolloin sovelluksista ei ollut vielä tietoakaan. Laseriin liittyvien vuorovaikutusprosessien taustalla ovat Albert Einsteinin aaltohiukkasdualismia tukevat tarkastelut, joita hän esitti artikkelissaan jo vuonna (Hakola 2008, s. 44) Koska laservalon tuottaminen on aivan keskeinen laserkeilaimen toiminnan edellytys, on syytä käydä läpi joitain tuottamisen perusteita. Laserin tuotantoprosessissa on kolme komponenttia (Hakola 2008, s. 44): laseraine, jossa stimuloitu emissio tapahtuu pumppaus, jolla luodaan laseraineeseen sopivat olosuhteet jatkuvalle lasertoiminnalle (eli ns. miehitysinversio) sekä resonaattori, jolla luotu lasersäteily vahvistetaan ja josta säteily päästetään hallitusti ulos. Lasertoiminnan alkamiseksi laseraineeseen on järjestettävä miehitysinversio, jossa aineen atomit (tai molekyylit) virittyvät ylempään energiatilaan. Jos aineeseen absorboituu sähkömagneettista säteilyä sopivalla taajuudella f, laseraine virittyy. Jos elektroni siirtyy yhtäkkiä ylemmältä energiatilalta alemmalle, emittoituu kvantti samalla taajuudella f kuitenkin sattumanvaraisessa vaiheessa eli tapahtuu spontaani emissio. Taajuus f on verrannollinen laseraineen energiatilojen E2 ja E1 erotukseen: f =( E 2 E 1 ) / h, missä h on Planckin vakio. Stimuloitu emissio tapahtuu, jos laseraineeseen tuleva säteily absorboitumisen sijaan aiheuttaa välittömän emission, jolloin vapautuu alkuperäisen säteilyn kanssa samantaajuuksista säteilyä, joka on samassa vaiheessa ja samansuuntainen tulevan säteilyn kanssa. Näin selittyy pumppauksen tarve: laseraineeseen on luotava jatkuvat ylempään energiatilaan virittyneet olosuhteet, jotta stimuloitu emissio tapahtuu jatkuvasti. Laseraineen pumppaus tapahtuu lasertyypistä riippuen toisen laserin, 21

28 sähköpurkausten, kirkkaan valonväläyksen, jonkin kemiallisen reaktion tai hiukkasten törmäyttämisen avulla. Varsinainen valonvahvistus tapahtuu peilisysteemissä, johon laseraine asetetaan. Peilisysteemissä peilien väli L valitaan siten, että niiden väliin saadaan syntymään resonanssi seisova aaltoliike, jonka c f n=n, missä n tarkoittaa monikertaa (Hakola 2008, s. 49). taajuus on 2L Tilannetta havainnollistaa kuva 8. Kuva 8. Laserin pääosat (Hakola 2008, s. 50) Lasersäteen käyttö esimerkiksi laserkeilaimen mittauspulssina tai mittausvärähtelyn kantoaaltona on perusteltua, sillä lasersäde on monokromaattinen eli tarkasti halutulla taajuudella, koherentti eli kaikki säteen säteily on joka hetkellä samassa vaiheessa sekä hyvin kirkas. Näin ollen edellytykset heijastuneen säteen havaitsemiseen ja kvantitatiiviseen signaalinkäsittelyyn etäisyyshavainnon muodostamiseksi ovat hyvät. Lisäksi lasersäteen suunnattavuus on hyvä, sillä säteen hajaantumiskulma on approksimatiivisesti θ λ /d, missä d on säteen halkaisija ja λ laserin aallonpituus (Hakola 2008, s. 51). Esimerkiksi halkaisijaltaan 4,5 mm:n vihreä 532 nanometrin lasersäde hajaantuu puolittain kulmaan θ 532 nm /4,5 mm 0,118 mrad, jolloin kokonaishajaantumiskulmaksi saadaan noin 0,240 mrad. Sadan metrin etäisyydellä alun perin 4,5 mm:n säde on hajaantunut niin, että sen halkaisija on nyt d = 100 m 0, rad = 2,4 cm. 3.2 Laserkeilaimen toimintaperiaate Etäisyyden mittaus Keskeisin laserkeilaimen havaintosuure on etäisyys, jonka havaitaan kohteeseen koskematta ilman heijastinta toimivaa elektro-optista etäisyysmittaria (Electrooptical Distance Meter, EDM) käyttäen. Mittarin lähettämä säde on lasersäteilyä, jonka aallonpituus vaihtelee välillä μm eli karkeasti vihreästä valosta infrapuna-alueelle. Laserkeilaimia voidaan luokitella niissä käytettävän etäisyysmittarin toimintaperiaatteen mukaan, sillä se vaikuttaa oleellisesti keilaimen suurimpaan mittausetäisyyteen, -tarkkuuteen ja siten käytettävyyteen. 22

29 Laserkeilaimien etäisyysmittareissa käytetään lähinnä kolmea eri tekniikkaa (Fröhlich & Mettenleiter 2004, s. 7): lähetetyn laserpulssin edestakaisen kulkuajan mittaus (Time of Flight, TOF) jatkuvasti kohteeseen lähetetyn lasersignaalin vaihemittaus kolmiointi. Infrarakentamisen kannalta mielenkiintoisissa maalaserkeilaimissa käytetään lähinnä ajanmittaus- ja vaihemittausmenetelmää. Kolmiointiin perustuvaa etäisyysmittausta käytetään lähinnä lyhyiden etäisyyksien (alle 5 m) tarkkuuskeilaimissa, joita tässä työssä ei ole tarpeen käsitellä. Laserpulssin kulkuaikaan perustuva etäisyyshavainto muodostuu periaatteessa yksinkertaisesti. Lähetin lähettää kohteeseen pulssin, jonka edestakainen kulkuaika mitataan tarkan kellon avulla. Etäisyys s kohteeseen voidaan laskea, sillä valonnopeudella c etenevän pulssin kulkuajan t perusteella voidaan kirjoittaa t s=c. 2 (1) Koska valo etenee varsin nopeasti, c = m/s, on kellon käynnin oltava tasaista ja tarkkaa. Jo nanosekunnin (10-9 s) virhe ajanmittauksessa aiheuttaa etäisyyshavaintoon noin 15 cm:n virheen. Vaihe-eromittaukseen perustuva etäisyyshavainnon muodostaminen on pulssihavaintoa monimutkaisempaa, sillä ratkaistavaksi tulee kokonaislukutuntematon eli ambiguiteettiongelma. Kun jatkuvasti lähetettävään valonsäteeseen taajuus- tai amplitudimoduloitu mittausvärähtely heijastuu kohteesta, tapahtuu vaihesiirto. Kun vaihe-ero Δ ϕ ja kokonaislukutuntematon N ovat selvillä, saadaan etäisyydeksi s (Kahmen & Faig 1988, s. 152) s = N λ+ (2) Δϕ λ, 2π missä λ on mittausvärähtelyn aallonpituus. Infrarakentamisen mittaukset ovat pääasiassa ulkomittauksia, joissa laserkeilaimelta ei välttämättä tarvitse vaatia millimetriluokan tarkkuutta, mutta yli sadan metrin etäisyyshavainnot saattavat olla tarpeen. Pulssin lentoajan mittaukseen perustuva keilain soveltuukin paremmin ulkona tehtäviin mittauksiin, sillä sen suurin mittausetäisyys on jopa satoja metrejä vaihe-erokeilaimella päästään vain alle sataan metriin. Tämän työn koemittauksissa käytetään juuri pulssin lentoajan mittaukseen perustuvaa Leica ScanStation C10 -maalaserkeilainta. 23

30 Vaikka lasersäde onkin hyvin suunnattava, kuten edellä esitettiin, muuttuu etäisyyshavainto sitä epätarkemmaksi, mitä pitempi etäisyys havaitaan. Sitä alaa, jolle laserkeilaimen mittaussäde lankeaa, kutsutaan usein jalanjäljeksi (eng. Footprint) jollain etäisyydellä. Edellä esitettiin, kuinka 4,5 mm:n säteen halkaisija kasvaa 100 metrin päässä 2,5 cm:iin, joten pisteen alalle mahtuu jo hyvinkin monta eri etäisyyttä. Tällöin heijastuneesta pulssista havaintaan todennäköisemmin monta kaikua, joista vähintään ensimmäinen tai viimeinen tallennetaan. Varsinainen etäisyyshavainto muodostuu valitusta laskentatavasta riippuen jompaankumpaan kaikuun tai niiden keskiarvoon, mikäli kaikujen välinen aika on lähtöpulssin kestoa yli puolet lyhyempi. Säteen halkaisijan kasvusta seuraa myös suuntahavainnon epävarmuuden kasvu mittausetäisyyden kasvaessa, sillä todellinen etäisyyshavainnon suunta voi olla missä tahansa jalanjäljen sisällä. Ilmiö korostuu ilmalaserkeilauksessa, jossa jalanjäljen halkaisija voi olla jopa useita metrejä. Kuva 9. Etäisyyshavainnon epävarmuuden kasvu: mitä suurempi on jalanjälki, sitä todennäköisemmin heijastuksia on useampi Heijastuneiden pulssien määrän lisäksi voidaan tarkastella heijastuneen pulssin muotoa, joka kuvaa kohteen pinnan laatua. Esimerkiksi 1. kaiku kuvassa 9. lienee tasaisemmasta ja paremmin heijastavasta kohteesta kuin 2. kaiku, sillä vastaanotettu teho on suurempi ja havaitaan lyhyemmän aikaa. Havaittaessa kooltaan lasersäteen jalanjälkeä suurempaa kohdetta, vastaanotetun pulssin teho Pr noudattaa LIDARtutkayhtälöä (LIght Detection And Ranging) (Pfeifer et al., s. 1046) 24

31 Pr = missä P t D 2r ηsys ηatm ρ D, 16 R2 (3) Pt = pulssin lähetysteho (W) Dr = vastaanottimen aukko (m) R = keilaimen ja kohteen välinen etäisyys (m) ηsys = keilainjärjestelmän sisäiset häviöt ηatm = ilmakehän häviöt ρd = pinnan (suunnasta riippuva) heijastavuus. Yhtälöstä (3) havaitaan ensinnä, että vastaanotettu teho luonnollisesti riippuu suoraan lähetystehosta, erilaisten häviöiden suuruudesta sekä pinnan heijastavuudesta, joka riippuu säteen saapumiskulmasta, pinnan lämpötilasta ja kosteudesta. Havaitaan lisäksi, että heijastunut teho on kääntäen verrannollinen havaitun etäisyyden neliöön, joten vastaanotetun pulssin teho heikkenee voimakkaasti mittausetäisyyden kasvaessa (Pfeifer et al., s. 1046). Ongelmallisin etäisyysmittauksen virhelähteistä on heijastavan kohteen reflektanssin vaihtelevuus. Reflektanssin suuntariippuvuus ei ole hyvin tunnettu epähomogeenisilta ja materiaaliltaan vaihtelevilta pinnoilta, joita maastossa käytännössä mitataan. Voidaan sanoa, että hyvin heijastavilta pinnoilta tehty etäisyyshavainto on tarkempi kuin huonosti heijastavilta pinnoilta. Lisäksi reflektanssilla on tunnetusti myös aallonpituusriippuvuus, joka vaikuttaa myös siihen, miten heijastus tapahtuu ja kuinka paljon pulssin muoto muuttuu eli käytännössä pitenee. Heijastumisen epävarmuudesta aiheutuvaa etäisyysmittauksen virhettä on yksikäsitteisesti siis hyvin vaikea määrittää. Apuna voidaan käyttää suuntariippuvaiselta reflektanssiltaan tunnettuja, mahdollisimman virheettömiä referenssipintoja, joiden avulla etäisyysmittarin virheen laitteesta riippuva osa voidaan määrittää. Todellisessa mittaustilanteessa on kuitenkin hankala täsmälleen sanoa, mistä kohtaa ja missä kulmassa pintaa mitataan. Mittauksen yhteydessä tehtävä tosiaikainen pinta-analyysi ja edelleen etäisyyshavainnon korjaaminen ei ole vielä nykypäivää. Tulevaisuudessa laskentateho ja -algoritmit varmasti kehittyvät suuntaan, jossa peräkkäisiä tai vierekkäisiä etäisyyshavaintoja esimerkiksi keskiarvoistetaan pulssin muodon ja mittauksen edetessä estimoidun pinnan suunnan perusteella. Ongelmallista kaikissa mittalaitteen automaattisesti tekemissä korjauksissa on niissä käytettyjen menetelmien dokumentoimattomuus, varsinkin jos jotain automaattikorjausta ei voi kytkeä pois päältä. (Reshetyuk 2006, s. 59) 25

32 Päätelläänkin, että maalaserkeilaimen etäisyyshavainnon epävarmuus lisääntyy monestakin syystä mittausetäisyyden kasvaessa. Kauempaa havaitaan todennäköisemmin vain lasersäteen jalanjälkeä suurempia ja hyvin heijastavia kohteita, joista heijastuu selvästi pieniä ja huonosti heijastavia kohteita suurempi teho. Edellä esitetyn lisäksi elektro-optisessa etäisyysmittarissa on muitakin virhelähteitä, kuten nollapistevirhe ja mittakaavavirhe, joita on käsitelty tarkemmin esimerkiksi takymetrin kalibrointia käsittelevässä viitteessä (Simonen 2011, s. 5-8) Suorakulmaisen koordinaattien muodostuminen Edellä esitetyllä periaatteella havaitun etäisyyden s sekä jokaista etäisyyshavaintoa vastaavan pysty- (z) ja vaakakulmahavainnon (A) perusteella laserkeilain muodostaa pisteelle karteesiset, kolmiulotteiset, toposentriset koordinaatit [X, Y, Z] laskemalla takymetrin maastotietokoneen tapaan (Vermeer 2011, s. 21): [][ (4) ] X s cos Asin z Y = s sin Asin z. Z s cos z Kulmanmittauksen suhteen maalaserkeilain muistuttaa takymetria. Kojeen pystyakseli, vaaka-akseli sekä tähtäysakseli virittävät etäisyysmittauksen nollakohdan kanssa toposentrisen kojekoordinaatiston. Keskeisin ero takymetrin kulmamittaukseen on havainnon muodostumisen periaatteessa, havaintonopeudessa sekä kulmatarkkuudessa. Vaakakulmahavainto muodostuu takymetrin tapaan, mutta pystykulmahavaintoa varten on tunnettava kojeen sisällä hyvin nopeasti pyörivän peilisysteemin asento (Kuva 10.). Keilaimessa käytettävästä peilisysteemistä riippuen voi keilaimen näkökenttä olla joko kupolimainen tai panoraamatyyppinen. Kupolimaisen keilaimen näkökenttää rajoittaa alaspäin ainoastaan koje itse, mutta panoraamatyyppinen kapeampi näkökenttä on verrattavissa pystyakselin ympäri pyörivään kameraan. 26

33 Kuva 10. Näkökentältään kupolimaisen maalaserkeilaimen periaatekuva (mukaillen Vosselman & Maas 2010, s. 38) Keilausjärjestelmästä riippuen peilin asentohavainto muodostetaan servomoottorin askeltarkkuuden perusteella tai havaitaan perinteisesti erillisen pystykehän avulla. Kulmahavainto on tehtävä jokaiselle pulssille eli kymmeniätuhansia kertoja sekunnissa, ja vaihe-erokeilaimessa nopeus on vielä suurempi. 3.3 Kojekoordinaatiston ja mittausperustan suhde Eri kojeasemilta laserkeilattu aineisto yhdistetään samaan koordinaatistoon ja edelleen mittausperustan koordinaatistoon käyttämällä mitattavalle alueelle asetettavia maastokoordinaateiltaan tunnettuja tähyksiä. Usein tähykset ovat muodoltaan ja/tai heijastusominaisuuksiltaan sopivasti säännöllisiä, mikä mahdollistaa niiden automaattisen algoritmiavusteisen tunnistamisen ja koordinaattien määrittämisen pistepilvestä. Vielä muutama vuosi sitten ainoa tapa tehdä muunnos kojekoordinaatistosta työmaan mittausperustaan oli pistepilven käsittelyn yhteydessä tehtävä jälkilaskenta. Nykyaikainen keilain voidaan pystyttää ja orientoida takymetrin tapaan tunnetulle tai vapaalle asemapisteelle, jolloin mitattu pistepilviaineisto voidaan mitata suoraan työmaan mittausperustana toimivaan maastokoordinaatistoon. Tässä työssä tyydytään kuitenkin perinteiseen jälkilaskentaan perustuvaan orientointiin, sillä koemittauksissa käytettyjen erikokoisten tähysten toimivuutta haluttiin tutkia erikseen. Pistepilven muuntamista maastokoordinaatistoon sanotaan absoluuttiseksi orientoinniksi tai georeferoinniksi. Absoluuttista orientointia edeltää usein eri koneasemilta mitattujen pistepilvien yhdistäminen. Näiden työvaiheiden kokonaisuutta kutsutaan pistepilven rekisteröinniksi. 27

34 Käytännössä orientoinnissa määritetään muunnosparametrit kojekoordinaatiston ja mittausperustan välille (Kuva 11.). Sama muunnos toimii myös pistepilvien yhdistämisessä eri kojeasemien välisenä muunnoksena. Kojekoordinaatistosta {1} maastokoordinaastioon {2} muunnettaessa on luontevinta käyttää kolmiulotteista yhdenmuotoisuusmuunnosta eli 7-parametristä Helmert-muunnosta, joka voidaan kirjoittaa muotoon [] [ X2 1 e z e y Y 2 = (1+m) e z 1 ex Z2 e y e x 1 ][ ] [ ] X1 ΔX Y1 + ΔY, ΔZ Z1 (5) siirtovektori missä ex on kierto X-akselin suhteen, ey on kierto Y-akselin suhteen ja ez on kierto Zakselin suhteen. Nämä kierrot yhdessä origon siirtovektorin sekä mittakaavan m kanssa ovat tuntemattomia, jotka orientoinnissa ratkaistaan pienimmän neliösumman menetelmällä. Seitsemän tuntemattoman ratkaisemiseksi tarvitaan kolmen pisteen koordinaatit molemmissa järjestelmissä. (Häkli et al. 2009, s. 19) Edellä esitetyn perusteella jokaista maalaserkeilaimen kojeasemaa varten tarvitaan vähintään kolme tähystä, joiden avulla pistepilvi orientoidaan absoluuttisesti. Käytännössä maastoon on asetettava enemmän tähyksiä, jotta rekisteröinti saadaan tehdyksi tyydyttävällä tarkkuudella. Erityisesti jos keilain orientoidaan maastokoordinaatistoon mittausten yhteydessä, varmistetaan useampaa tähystä käyttämällä orientoinnin laatu ja oikeellisuus, joita jälkikäteen on hankala arvioida. Jälkilaskennalla tehtävän orientoinnin etuna mittausten yhteydessä tehtävään orientointiin nähden voidaankin nähdä paremmat mahdollisuudet orientoinnin laadun arviointiin, ainakin jos tähyksiä on käytetty tarpeeksi. Kuva 11. Maalaserkeilauksen eri koordinaatistot 28

35 3.4 Maalaserkeilaimen tarkkuus TkT Jaakko Santala otsikoi artikkelinsa Maankäyttö-lehdessä (2002) hyvin tiukkaan sävyyn: Kaikki mittauslaitteet mittaavat väärin! Kuinka väärin se selvitetään kalibroinnilla. Otsikon väite on kiistatta tosi myös maalaserkeilaimen suhteen, sillä jo edellä esitettiin useita virhelähteitä, jotka systemaattisesti vääristävät havainnoista muodostuvaa pistepilveä. Lisäksi havaintoihin sisältyy aina satunnaisvirheitä. Eri valmistajien laserkeilainten teknisiin tietoihin tutustuminen osoittaa, että varsinaista standardia tai yhteistä sopimusta, joka määrittelisi keilaimen tarkkuustason esitys- tai kalibrointitavan, ei ole olemassa. Silloisen Teknillisen korkeakoulun aikaan julkaistussa artikkelissa on kuitenkin jo luotu varteenotettava ehdotus maalaserkeilainten kalibrointirutiiniksi (Santala ja Joala 2003, s. 4-7). Kokonaisuutena maalaserkeilaimen tarkkuuteen vaikuttaa virhelähteitä, jotka voidaaan jakaa neljään tyyppiin (Reshetyuk 2006, s. 39): 1. Laitteiston virhelähteet 2. Mitattavan kohteen aiheuttamat virhelähteet 3. Ympäristön virhelähteet 4. Havaintojen laskentaan ja tulkintaan liittyvät menetelmävirheet Laitteiston virhelähteet Edellä esiteltyjen etäisyysmittarin virheiden lisäksi myös kulmahavainnot sisältävät virheitä, sillä maalaserkeilaimen akselit eivät koskaan täsmälleen täytä täydellisen, virheettömän teodoliitin ehtoja. Ehdot ja virheet niiden täyttymisessä on kuvattu seikkaperäisesti viitteessä (Simonen 2011, s. 3). Virheet ehtojen toteutumisessa selvitetään kalibroinnin avulla. Keilausjärjestelmän ominaisuuksista riippuen kalibroinnin tulokset saatetaan syöttää keilaimen ohjelmistoon, joka tekee havaintoihin tarvittavat korjaukset. On tunnettua, että takymetrin kojevirheistä osa voidaan eliminoida kahdessa kojeasennossa mittaamalla. Koska maalaserkeilaimella ei mitata erikseen kahdessa kojeasennossa, ei tiettyjä virheitä voida havaintosarjasta eliminoida, jolloin maalaserkeilaimen akselivirheiden suuruuden ja kehittymisen tunteminen on ehkä jopa tärkeämpää kuin takymetrin tapauksessa. Koemittausten aikana havaittiinkin laitteen tekevän erityisesti tähysten tarkemman keilauksen yhteydessä ilmeisesti jonkinlaista automaattista itsekalibrointia. Reshetyukin lisensiaatintyössä (2006) rakennetaan matemaattinen malli kuvaamaan maalaserkeilaushavainnon tarkkuutta ja edelleen kojekoordinaatistosta mittausperustaan muunnetun pistepilven tarkkuutta. Mallin muodostamista ei yksityiskohtaisesti tässä käsitellä. Yksittäisen pisteen tarkkutta kuvataan kovarianssimatriisilla, joka on 29

36 esitetty liitteessä 1. Lukijalle esitetään tämä, jotta muodostuu käsitys jokaisen koordinaattihavainnon tarkkuuden yksilöllisyydestä ja moniulotteisesta riippuvuudesta. Laitevalmistajan antamien tarkkuustietojen (liitteessä 1.) arvioimiseksi lasketaan Leica Scanstation C10 maalaserkeilaimelle yksittäisen havainnon tarkkuutta kojekoordinaatistossa kuvaava kovarianssimatriisi muutamalla eri tähtäyskulman arvolla (sijoitus liitteen 1. kaavaan). Valitaan etäisyydeksi s = 50 m, suuntakulmaksi A = 0 gon ja pystykulmaksi z = 100 gon. Lasketun matriisin diagonaalilta saadaan koordinaattien varianssit ja edelleen keskihajonnat: [] [ ] σx 0,0040 σ Y =± 0,0033 m, 0,0033 σz josta voidaan laskea 3D-pistevirheeksi σ p = σ 2X +σ2y +σ2z ±0,0062 m. Tuplataan mittausetäisyys ja muutetaan tähtäystä: s = 100 m, A = 100 gon ja z = 85 gon. Näillä arvoilla saadaan [] [ ] σx 0,0065 =± σy 0,0041 m σ p ±0,0102 m. 0,0066 σz Saadut tulokset ovat oikeita laitevalmistajan antamiin arvoihin nähden, sillä niissä luvataan [X,Y,Z]-sijainnin tarkkuudeksi 6 mm 50 metrin etäisyydellä (Leica 2011c, s. 2). Huomataan, että mittausetäisyyden tuplautuminen ja tähtäyksen muutos kasvattaa virhettä ja muuttaa komponenttia, jolla on suurin virhe. Etäisyyshavainnon virhe pysyy tässä laskennassa vakiona etäisyydestä riippumatta. Oletus ei ole aivan oikea, sillä epävarmuus lisääntyy, kun takaisin heijastuvan pulssin intensiteetti heikkenee mittausetäisyyden kasvaessa ja ilmakehä pääsee vaikuttamaan pulssin kulkuun pidemmän aikaa. 30

37 3.4.2 Muut virhelähteet Lopulliseen pistepilven tarkkuuteen vaikuttaa laitteiston virhelähteiden lisäksi merkittävästi kaavan (5) muunnosparametrien varianssi eli havaintojen laskentaan ja tulkintaan liittyvät menetelmävirheet, jotka edelleen kasautuvat Liitteessä 1. kuvattuun kojekeskeiseen varianssiin Cinst ja muuttavat pisteiden tarkkuutta ja eri komponenttien tarkkuuksien keskinäisiä riippuvuussuhteita entistä monimutkaisemmiksi (Reshetyuk 2006, s ). Muunnoksen laatuun vaikuttavat tähysten määrä, laatu, niiden sijoittelun geometria sekä havaitsemisen tiheys. Tähyksien maastokoordinaateilla on lisäksi oma tarkkuutensa, joka edelleen vaikuttaa rekisteröinnin tarkkuuteen. Mitattavasta kohteesta aiheutuvia virhelähteitä käsiteltiin etäisyysmittauksen osalta jo luvussa Ympäristön virhelähteistä merkittävin on ilmakehän lähinnä ilmanpaineesta, lämpötilasta ja kosteudesta riippuva vaikutus lasersäteen etenemiseen. Lämpötila- ja ilmanpaine-erot taittavat sädettä ja vaikuttavat valonnopeuden arvoon. Lisäksi ilmakehä sirottaa säteilyä, mikä heikentää palaavan pulssin intensiteettiä. Näitä virheitä voidaan kohtuullisen hyvin mallintaa. Joissain laserkeilausdatan käsittelyohjelmistoissa havaintoihin tehtävän sääkorjausten laskenta on mahdollista tehdä jälkikäteen (Reshetyuk 2006, s. 64). Mittalaitteen valmistajan ilmoitus kulma- ja etäisyysmittaustarkkuudesta ei siis vielä kerro sitä, mikä on todellisten laitteella tehtävien havaintojen tarkkuus. Todellinen, lopullinen mittaustarkkuus riippuu varsin monesta tekijästä, joita edellä esitettiin. Eri virhelähteiden kokonaisvaikutusten arviointi ei ole yksinkertainen tehtävä, minkä jo liitteen 1. pelkästään kojekeskeinen esimerkkilaskelma osoittaa. Pistekohtainen mittaustarkkuus ei maalaserkeilaimen kohdalla ole kaikkein merkitsevin, sillä kuten edellä jo pohdittiin, on laserkeilainhavainnoista tarkoitus johtaa kohdetta kuvaava 3D-malli, jonka luonne on jatkuva. Monesti teknisissä tiedoissa ilmoitetaankin pistepilvestä luodun mallin tarkkuus, joka Leican ScanStation C10:lle on ±2 mm (Leica 2011c, s. 2). Malli muodostetaan pistepilven perusteella erityyppisin menetelmin, joiden yhteisiä piirteitä ovat hajontaa pienentävä keskiarvoistaminen, pienimmän neliösumman menetelmään ja parametrisointiin perustuvat muotojen ja pintojen sovitusmenetelmät. On huomioitava, että laitevalmistajan lupaama mallin tarkkuus perustuu todennäköisesti heijastusominaisuuksiltaan mahdollisimman hyvän ja geometrialtaan yksinkertaisen kohteen mallinnustuloksiin. 31

38 4 Koemittaukset Case-kohteessa 4.1 Kohde: Espoonlahden urheilupuisto Maalaserkeilaimen soveltuvuutta infrarakentamisen työmaamittauksiin tutkittiin koemittausten avulla. Kohteeksi valittiin geometrialtaan melko yksinkertainen, mutta tarkkuusvaatimusten täyttymisen suhteen silmämääräisestikin anteeksiantamaton jalkapallokenttä. Kohde on Espoon kaupungin ylläpitämässä Espoonlahden urheilupuistossa, osoitteessa Espoonlahdentie 2-4. Aikaisemmin luonnonnurmipintainen jalkapallokenttä haluttiin muuttaa kumirouhehiekkatekonurmipintaiseksi, jotta kentällä voitaisiin pelata myös talvisin, ylipainehallin alla. Nykyaikainen tekonurmi kestää jatkuvaa kulutusta selvästi paremmin kuin luonnonnurmi, jonka vaatima kasvu- ja huoltoaika rajoittivat kentän käyttöastetta merkittävästi. Kentälle tehtiin kesän 2011 aikana perusteellinen parannustyö, jossa rakennettiin uudet valaisinpylväät perustuksineen ja uusittiin kaikki rakennekerrokset, kuivatus ja kentän pintamateriaali. Piiloon rakennekerroksiin rakennettiin myös ylipainehallin anturapalkki, johon asennettuihin lenkkeihin halli voidaan vaijereilla kiinnittää. Kuva 12. Rajaus jalkapallokentän asemapiirustuksesta (ei mittakaavassa) 32

39 4.1.1 Kohteen toleransseista Lähes kaikkien erityyppisten infrarakenteiden ja rakennusosien yleiset työselitykset ja yhteinen kuvaus laatuvaatimuksista on koottu moniosaiseen InfraRYL-julkaisuun, josta on olemassa versiot 2006 ja InfraRYL on jaettu infrarakenteiden teknisiin vaatimuksiin ja toimivuusvaatimuksiin. Rakenteiden toimivuusvaatimukset kuvaavat, kuinka rakenne elinkaarensa aikana käyttäytyy, mikä ohjaa teknisten vaatimusten asettamista. Ensisijaiseksi tavoitteeksi InfraRYLiä laadittaessa on asetettu työn lopputuloksen rakennusteknisen laadun määritteleminen. Määritelmissä esitetään lähes kaikille rakenteille toleranssit (eli suurimmat sallitut poikkeamat suunnitellusta sijainnista ja korkeusasemasta) sekä yleiset laatuvaatimukset niin työlle kuin rakennustarvikkeille ja -materiaaleille. Näin muodostuvat infrarakenteen tekniset vaatimukset, jotka eivät välttämättä vastaa käytännön vaatimuksia. Yksittäiseen urakkaan laaditaankin useimmiten kohdekohtainen työselitys, jossa monesti viitataan InfraRYLiin, mutta tarvittaessa esitetään siitä poikkeavia ja edelle meneviä vaatimuksia. Tarjouspyyntöä tehdessään ja urakasta sopiessaan rakennuttaja lisäksi määrittelee, mitkä laatuvaatimuksia koskevat asiakirjat pätevät missäkin järjestyksessä. (Rakennustietosäätiö RTS 2010, 1. osan s ) Koemittauskohteen työselityksissä viitataan InfraRYLiin useassa kohtaa, mutta Suomen palloliiton laatiman Tekonurmioppaan (2011) vaatimuksia (joiden taustalla ovat jalkapallon kansainvälisen kattojärjestön FIFAn vaatimukset) mukaillen on asetettu joitakin tämän työn kannalta oleellisia kohdekohtaisia vaatimuksia. Kuvassa 13. on esitetty kentän rakennekerrokset. Kuva 13. Kentän rakennekerrokset (mukaillen Suomen palloliitto 2011, s. 8) 33

40 Koemittauskohteen rakennekerroksille on kohdekohtaisissa työselityksissä asetettu seuraavia enimmäispoikkeamia (Taulukko 1.): Taulukko 1. Koemittauskohteen rakenteiden enimmäispoikkeamia Rakennekerros Yläpinnan tasopoikkeama [mm] Yläpinnan tasaisuuspoikkeama [mm / 3m] Jakava kerros Kantava kerros Tasauskerros ± 15 6 Työselityksissä todetaan, että taso ja tasaisuus mitataan kentän pituus- ja poikkisuunnassa 10 metrin välein. Perinteisesti mittaukset tehdään takymetrilla ja sopivalla oikolaudalla. Tässä työssä käytettävällä menetelmällä toleranssivaatimusten täyttymistä tutkintaankin selvästi tiheämmin kuin työselityksissä on vaadittu. Lisäksi rakeisuudeltaan 0/8 kivituhkasta rakennettavan tasauskerroksen päälle asennetaan kumirouhehiekkatekonurmi, jonka rakenne selviää kuvasta 14. Tekonurmipinnan taso- ja tasaisuuspoikkeaman enimmäispoikkeamat tulkitaan samoiksi kuin tasauskerroksen, jonka mahdollinen epätasaisuus näkyy tietysti suoraan sen päälle asennettavan tekonurmen pinnassa. Kuva 14. Kumirouhehiekkatekonurmen rakenne (mukaillen FIFA s. 3) * Asfalttikerrosta ei tässä kohteessa rakennettu. Kuvan 14. perusteella voidaan tekonurmipinnan laserkeilaamisen suhteen olettaa, että osa mittauksista on havaintoja nukan yläpinnasta, osa kumirouhetäytön pinnasta ja loput näiden väliltä, mikä aiheuttaa edellä käsiteltyjen maalaserkeilaimen kojevirheiden lisäksi selvää pinnasta riippuvaa lisäkohinaa havaintoihin. 34

41 4.1.2 Kohteen mittausperusta Kohteen mittaukset sidottiin luvussa kuvattuun Espoon kaupungin tasorunkoverkkoon ja N60-korkeusjärjestelmään. Käyttöpisteiden ja korkeuden siirron mittausgeometria on esitetty liitteessä 2. Pistepilven rekisteröinnissä käytetyt tasotähykset sidottiin mittausperustaan takymetrimittauksin, joiden lähtöpisteinä toimivat tasorunkopisteet 234 ja 238 sekä korkeuden lähtöpisteenä korkeuskiintopiste 29. Piirustuksen 'ASEMAPISTE 1':ltä havaittiin tasokoordinaatit käyttöpisteille ap1-3. Korkeus siirrettiin apupisteille erikseen trigonometrisesti takymetrin avulla korkeuskiintopisteeltä Mittausjärjestelyt Käyttöpisteiden mittaus Tasorunkopisteille, korkeuskiintopisteelle sekä tuleville käyttöpisteille (ap1-3 liitteessä 2.) asetettiin kolmijaloille runkomittaukseen tarkoitetut prismatähykset, jotka tasattiin pakkokeskisten avulla pisteille hyvin tarkasti. Prismakorkeus mitattiin mittanauhalla ja redukoitiin pystyetäisyydeksi tavalliseen tapaan. Vakaasti paikallaan pysyviä prismoja käyttämällä varmistettiin, että aikanaan tähysten mittaamiseen valittavan kojeaseman (vapaan) asemapisteen orientoinnille olisi käytettävissä sisäisesti ja ulkoisesti mahdollisimman tarkat käyttöpisteet. Havaintoja ei kuitenkaan tehty runkomittausrutiinia noudattaen, sillä tässä kohteessa lähtöpisteet olivat lähellä, eikä käyttöpisteiden mittaamiseksi tarvinnut muodostaa pitkää monikulmiojonoa. Muutenkaan pienen infrarakennuskohteen mittauksilta vaadittava tarkkuus ei edellytä runkomittaukselle tyypillistä mittaustapaa. Tyypillisesti lähtö runkopisteeltä mitataan jopa tavallisella kartoitusprismasauvalla, joka voidaan tukea esimerkiksi statiivin tai linjaseipäiden avulla. On selvää, että runkomittausprismoja käyttäen saavutettiin tämän työmaan mittausten perustana käytettävälle kolmelle käyttöpisteelle varsin hyvä sisäinen ja ulkoinen tarkkuus, johon kartoitusprismasauvaa käyttäen ei olisi päästy. Kun runkomittausrutiinia ei noudateta, jää osa takymetrin akselivirheistä koordinaattihavaintoihin. Ainakin tähtäysakselin kollimaatiovirhe, pystykehän indeksivirhe sekä tappikaltevuus eliminoituvat, jos kahden kojeasennon havainnot keskiarvoistetaan. Esitin takymetrin kalibrointia käsittelevässä seminaarityössäni (s ) laskurutiinin, joka selvittää akselivirheiden vaikutuksen havaittuihin suorakulmaisiin koordinaatteihin eri tähtäyskulmien arvoilla. Koemittauksissa käytetyn takymetrin (Leica TCRP1205) kalibrointituloksia ei ollut käytettävissä, joten oletetaan edellä esitetyiksi virheiksi ja niiden epävarmuudeksi takymetrin kulmamittaustarkkuus 1,5 mgon, joka on luultavasti pessimistinen arvio. 35

42 Etäisyysmittarin vakiovirheeksi oletetaan 1,0 mm + 1,5 ppm ja kohinaksi ±1,0 mm (Leica 2012, s. 10). Lasketaan näillä oletuksilla virheen suuruus käyttöpisteiden mittauksessa pisimmälle, noin 180 metrin etäisyyshavainnolle. Tulokseksi saadaan [ ][ ] Δx 0,0015 Δ y = 0,0040 m, Δz 0,0043 eli kaikkien komponenttien virheet ovat alle 0,005 m. Runkomittauksessa tällaisia virheitä ei voitaisi hyväksyä. Tässä työssä yhden kojeasennon menettely kuitenkin hyväksytään edellä esitetyistä syistä. On myös huomioitava, että kalibrointiarvot ovat keksittyjä, luultavasti liian suuria, mutta kuitenkin käytännössä mahdollisia. Runkomittausrutiiniin kuuluisi myös Maan kaarevuuden huomiointi. Virhe näkyy lähinnä trigonometrisessa korkeudenmäärityksessä. Havaittua korkeuseroa on korjattava termien c1 ja c2 summan verran (Vermeer 2011, s. 105): c 1+c 2 = (1 k ) s2 2R (6) Korkeutta siirrettäessä havaittiin asemapisteeltä ap2 pisimmillään noin 115 metrin etäisyys, jolloin kaavaan (6) sijoittamalla saadaan tehdyksi korkeuserovirheeksi noin 1 mm, kun Maan kaarevuus jätettiin huomioimatta. Refraktiokertoimeksi k valittiin vallitsevia mittausolosuhteita ja käytettyä mittausaallonpituutta vastaava arvo Pistepilven rekisteröintiin käytetyt tähykset Yleisimmin käytettävät tähystyypit ovat erityyppiset tasotähykset (b. ja c.) tai pallomaiset kolmiulotteiset tähykset (a. ja d.), joiden selvä etu tasotähyksiin nähden on niiden mitattavuus kaikista suunnista. On myös olemassa pakkokeskiselle kiinnitettäviä tasotähyksiä ja puolipalloja (a. ja c.), joille voidaan mitata koordinaatit jossain asennossa ja tämän jälkeen kääntää ne mielivaltaiseen asentoon keilausta varten. Kuva 15. Erityyppisiä tähyksiä (Rönnholm 2011) 36

43 Tässä työssä käytettiin tasotähyksiä (tyyppi b.), joita on helposti tulostettavissa suuriakin määriä. Käytettävissä ollut pinnasta mittaava takymetri puolsi osaltaan valintaa. Tasotähysten etuna voidaan pitää myös helppoa asennettavuutta ja riippumattomuutta kolmijaloista tai muista erityisvälineistä. Harmaita ja mustia sektoreita tulostettiin testimielessä A3- ja A4-kokoihin. Tähyksistä puolet pinnoitettiin tavallisella laminointimuovilla, joka kuuluu asiallisen toimiston perusvarustukseen. Nämä niitattiin pahvisille pohjalevyille, ja näin muodostuu jaykkä, mutta edullinen toimistovalmisteinen tasotahys. Kuva 16. havainnollistaa maastossa käytettyjä tähysasetelmia. Kuva 16. Koetyön tähysasetelma Tähysten maastokoordinaatit mitattiin Leica TCRP1205 -takymetrilla kentän keskivaiheille valitulta vapaalta kojeasemalta, jolle koje orientoitiin käyttöpisteitä ap1, ap3 sekä runkopistettä 238 käyttäen. Tarkoitus oli myös käyttää pistettä ap2, joka kuitenkin oli rakennustarvikkeiden peitossa. Kartoitusprismasauva tuettiin pisteelle kahden linjaseipään avulla. Kahta erillistä keilausta varten tehtyjen vapaan asemapisteen orientointien tarkkuutta kuvaavat maastotietokoneen tulostamat virheet (Taulukko 2.): Taulukko 2. Tähysten mittaamiseen valitun kojeaseman orientointitarkkuudet Keskivirhe X [m] elokuu 0,002 syyskuu 0,003 Keskivirhe Y [m] 0,002 0,003 Keskivirhe Z [m] 0,001 0,002 Keskivirhe Ori. [gon] 0,0005 0,

44 Kaikki tähyksiin tehdyt etäisyyshavainnot olivat suuruudeltaan alle 80 metriä. Orientointivirhe aiheuttaa näin ollen tasokoordinaatteihin alle 1 mm:n lisävirheen. Tässä työssä ei tarkasti analyyttisin keinoin tutkita, miten virheet kasautuvat käyttöpisteiden mittaamisen virheistä, tähysten mittaamisen virheistä ja kaikkiin vaiheisiin liittyvistä takymetrin kojevirheistä lopulta tähysten maastokoordinaattien virheiksi. Jo pelkästään tässä analyysissä olisi aineksia opinnäytetyön laajuiseen tutkimukseen. Edellä on kuitenkin arvioitu eri työvaiheessa tehtyjä virheitä, joiden suuruusluokan perusteella ilman sen suurempaa laskentaa väitän, että jokaisen tähyksen koordinaattien tarkkuus on parempi kuin ± 0,01 m. 38

45 5 Tulokset Tässä luvussa esitetään kahdessa koemittaussessiossa (I ja II ) mitattuun aineistoon perustuvia tuloksia, joiden perusteella arvioidaan käytetyn mittausmenetelmän soveltuvuutta koekohteeseen ja yleisemmin infrarakentamisen mittaustilanteisiin. Soveltuvuuden arviointia varten maalaserkeilausaineistoa verrataan liitteessä 2. esitetyllä laskenta-alueella yhtäältä teoreettiseen, suunniteltuun geometriaan ja toisaalta takymetrimittauksiin. Mittauskohteen rakentamisaikataulun muuttumisesta johtui, että sessioita oli kaksi. Alun perin sessiossa I oli tarkoitus mitata valmis tasauskerros sen suunnitelmanmukaisuuden varmistamiseksi (kuva 14.), mutta koska rakennustyö viivästyi, muodostui I sessiosta lähinnä hyvä harjoituskierros. Sessio II järjestettiin vasta, kun mittauksissa käytetty keilain oli jälleen käytettävissä ja hiekkatekonurmi jo asennettu. Suurin osa tuloksista perustuu session II mittaustulosten analysointiin. Aluksi arvioidaan pistepilven rekisteröinnin onnistuminen, sillä rekisteröinti luo perustan kaikelle aineistolle tehtävälle ja myöhemmin esitettävälle vertailulaskennalle niin suunnitelma-aineiston, takymetrimittausten kuin eri keilausmittausten välillä. Tässä työssä aineiston käsittelyyn ja laskentaan käytetään Leica Cyclone sekä 3D-Win -ohjelmistoja. Eri ohjelmilla saatuja tuloksia voidaan vertailla ja samalla arvioida niiden oikeellisuutta sekä luotettavuutta. 5.1 Pistepilven rekisteröinnin onnistuminen Kummassakin koemittaussessiossa mitattiin kahdelta kojeasemalta. Mittaukset saatetaan samaan koordinaatistoon tähysten avulla luvussa 3.3 kuvattua muunnosta käyttäen. Esitetään taulukossa 3. koemittausten tähysten muunnostarkkuutta ja näin rekisteröintitarkkuutta kuvaavia tunnuslukuja. Luvut perustuvat rekisteröintiin käytetyn Leica Cyclone -ohjelmiston tulostamiin arvoihin. Taulukko 3. Koemittausten rekisteröintitarkkuus, yksikkö [m] Se ssio 3D-ke skivirhe Suurin 3D-virhe 0,005 0,013 I 0,003 0,008 II Suurin tasovirhe 0,012 0,008 Suurin korkovirhe -0,003-0,001 3D-keskivirheellä tarkoitetaan kaikkien tähysten muunnosten jäännösvirhevektorien keskipituutta. Taulukossa 3. esitetään myös sessioiden suurimpien jäännösvirhevektoreiden pituudet, niiden tasokomponenttien pituudet sekä korkeuskomponenttien suuruudet. Taulukon arvojen valossa voidaan kumpaakin rekisteröintiä pitää onnistu39

46 neena ja tarkkuudeltaan riittävänä. Tarkkuutta voidaan suhteuttaa esimerkiksi luvussa esitettyihin kentän tasaisuusvaatimuksiin. Voidaan myös päätellä, että tasokoordinaateissa on enemmän virhettä kuin korkeudessa. Rekisteröintiä varten on tehtävä jokaisella kojeasemalla erillinen tiheä keilaus jokaiselle tähykselle. Osoittautui, että keilain on hankala kohdistaa tähysskannausta varten riittävän tarkasti kaukana olevalle tähykselle. Huonon kohdistuksen seuraus ilmenee kuvasta 17., jossa vasemmalla noin 79 metrin päässä kojeesta ollut A3kokoinen tähys nro 16 on lukittunut karkeasti väärään kohtaan. Tähyksen keskipiste ei ole lainkaan näkyvissä. Samassa kuvassa oikealla on noin 50 metrin etäisyydellä A4-kokoinen tähys nro j01, jonka kohdistus on onnistunut paremmin, mutta silti lukitus on lähes 1 cm:n pielessä. Keilain on laskenut nämä virheelliset lukitukset automaattisesti tähysskannauksen yhteydessä, joten ainakin tasotähyksiä käytettäessä on jokaisen automaattisen lukituksen laatu syytä käsin tarkistaa. Kuvan 17. ilmiön mahdollisuus on tiedostettava varsinkin, jos keilain orientoidaan heti mittaustilanteessa vapaalle kojeasemalle takymetrin tapaan tunnettuja tähyksiä käyttäen. Jos orientoinnin yhteydessä tarkat tähysskannaukset jäävät tallentamatta, ei tunnistuksesta aiheutuvaa orientointivirhettä päästä edes jälkikäteen pistepilven käsittelyvaiheessa korjaamaan. Kuva 17. Automaattinen tasotähyksen keskipisteen tunnistus ei aina täysin onnistu Rekisteröinnissä tasokoordinaatteihin painottuvaa virhettä saattaa selittää tähysten pieni epätasaisuus ja joidenkin tähysten kuperuus, jotka vievät automaattisesti tunnistetun pisteen hieman pinnan sisäpuolelle. Merkkejä ilmiöstä on havaittavissa kuvassa 18. Ilmiön syy on taustalevynä käytetyn pahvin laatu, joka ei kaikkien tähysten kohdalla ollut riittävä. Varsinkin toimistovalmisteisten tasotähysten laatuun onkin kiinnitettävä enemmän huomiota. Taustalevyksi täytyisi valita esimerkiksi 40

47 muovi- tai pleksilevy, joka kastuessaankin pitää hyvin muotonsa. Joidenkin tähysten kohdalla oli havaittavissa myös selkeä karkea virhe, joka selittää ainoastaan tähyksen liikkuminen takymetrimittauksen ja keilausmittauksen välillä. Näitä tähyksiä ei käytetty lopullisten muunnosparametrien ratkaisemiseen. Kuva 18. Epätasainen ja kupera tasotähys Onnistuneeseen rekisteröintiin pääseminen edellytti jokaisen tähyksen manuaalista tarkastamista Leica Cyclone -ohjelmiston rekisteröintitilassa. Ohjelmisto näyttää vierekkäin valittujen kahden tai useamman kojeaseman pistepilvet, joista tunnistetaan automaattisesti mittausvaiheessa tiheästi skannatut tähykset ja voidaan osoittaa käsin vastintähyksiä tai muita vastinpisteitä. Tähysten parantelua tai vastinpisteen luontia varten on kuitenkin siirryttävä eri työtilaan, jossa pistepilviä käsitellään yksittäin. Ohjelmisto tuntui olettavan myös, että pistenumeroissa ei voi olla virhettä, sillä sen korjaaminen jälkikäteen oli tehty hankalaksi. Ohjelmiston hankaluus tässä työvaiheessa ohjaa mittaajaa tai aineiston käsittelijää luottamaan automaattisiin toimintoihin, mitä ei voida pitää pelkästään hyvänä ominaisuutena. Monet karkeat virheet tässä kohtaa jäävät huomaamatta tai korjaamatta, jos ohjelmisto ei sitä kätevästi mahdollista. Työvaiheena pistepilven rekisteröinti on niin oleellinen, että kaikki korjailumahdollisuudet olisi syytä olla kätevästi käytettävissä. Tässä työssä tehtyjen rekisteröintien perusteella opittiin ainakin, että ylimääräisiä tähyksiä on syytä aina käyttää, sillä tiheä tähyskeilaus ei ainakaan yli 50 metrin 41

48 päästä välttämättä onnistu. Automaattisen tähystunnistuksen estää toisaalta virhe tähyksen pistenumerossa, joka on kirjattava mittausvaiheessa eri kojeasemilta havatuille samoille tähyksille yhteneväksi. On syytä huomioida, että saavutettu rekisteröintitarkkuus suhteessa yhden tähyksen hintaan (noin 1-2 ) on hyvä. 5.2 Vertailu teoreettiseen suunnitelma-aineistoon Koemittauskohteen jalkapallokentille tyypillinen, suoraviivainen geometria ilmenee kuvasta 12. Harjalla kivituhkapinnan suunniteltu korkeustaso on +4,75 m, pelialueen rajalla +4,43 m ja tekonurmen rajalla +4,40 m (N60). Pinnan kaltevuus on kuivatussyistä huomattava, 1 cm/m harjalta reunalle ja harjan päätepisteestä 1,3 cm/m maaliviivalle. Kentän harjan suuntainen pituuskaltevuus on 0 cm/m. Koska koemittauskohteen keskeisin laatuvaatimus liittyy korkeusasemaan ja sen muutoksen tasaisuuteen, keskitytään tässä työssä erityisesti aineiston korkeuskomponentin tutkimiseen. Yleisemminkin infrarakenteen korkeusasema määrää monessa tilanteessa sen, toimiiko rakenne turvallisesti suunnitellulla tavalla. Konkreettinen esimerkki tästä on toimiva kadun kuivatus, joka häiriintyy jo cm-tasoisista korkeusvirheistä Leica Cyclone-ohjelmistolla tehdyt työvaiheet Leica ScanStation C10 -keilainta käytettäessä on pistepilven käsittely ainakin aloitettava Leica Cyclone -ohjelmistolla, sillä keilaimen kiintolevylle tallentuva data on laitevalmistajan omassa binääriformaatissa. Tämä lienee ominaista kaikille laitevalmistajille. Pistepilvi voidaan rekisteröinnin jälkeen muuntaa johonkin muuhun formaattiin. Tuettuja formaatteja ovat muun muassa erityyppiset ASCIIriviformaatit, LandXML, binääriset Autocadin tukemat dxf ja tiedonsiirtoformaatti coe. Suoraa tietä binääriseen pistepilven standardiformaattiin LASiin ei ainakaan käytetyssä versiossa 7.3 ollut. Ennen erotusten laskentaa on eri kojeasemilta mitattu, rekisteröity pistepilvi yhdistettävä (eng. unify), rajattava ja siivottava. Yhdistämisellä tarkoitetaan erillisistä keilauksista muodostuvan rekisteröidyn pistepilven saattamista yhtenäiseen helpommin käsiteltävään tietorakenteeseen. Samalla poistetaan päällekkäiset ja liian lähellä toisiaan olevat pisteet. Kuva 19. esittää tilannetta ennen pistepilven rajausta ja siivousta. 42

49 Kuva 19. II session yhdistetty pistepilvi ennen rajausta ja siivousta Kuva 20. Siivottu pistepilvi, korkeuskäyrät 0,02 metrin välein ja suunniteltu geometria 43

50 Kuvasta 19. nähdään heti, että pistepilven siivous on tarpeen. Aineistossa voi olla virheellisiä kaikuja johtuen kojeen kohisevista sattumanvaraisista häiriöistä, työalueella liikkuneista ihmisistä, rakennusmateriaaleista, työkoneista sekä työkaluista. Kuvan 19. etualalla on aitatolpan vieressä ihmishahmo, taivaalla on yksittäisiä hajakaikuja ja lisäksi jokin systemaattinen virhe näkyy kojeesta kohti äärettömyyttä ulottuvana pistejonona. Karkea aluerajaus, osittainen kasvillisuuden ja joidenkin hajakaikujen poisto tehtiin aluksi käsin. Tämän jälkeen jääneiden virheiden siivousmenetelmäksi valittiin eräs Region growing -tyyppinen algoritmi, joka jakaa pistepilven segmentteihin annetujen parametrien ja lähtöpisteen muodostamien ehtojen perusteella. Annettu parametri voi liittyä pisteen intensiteettiarvoon, keilaimen etäisyyshavainnon arvoon, pysty- ja vaakakulmahavainnon arvoon tai pisteiden väliseen korkeuseroon. Käytetylle Smooth Surface -rutiinille annettiin korkeuserolukema 0,05 m ja osoitettiin piste tekonurmen pinnasta. Rutiini kerää lähtöpisteen ympäriltä toisistaan korkeudeltaan enintään 0,05 metrin päässä olevia pisteitä, ilmeisesti sovittaa pisteihin (taso)pinnan ja jatkaa etsintää 0,05 metrin alueella pinnan ympärillä. Välillä pinnan parametreja päivitetään ja rutiinia toistetaan, kunnes koko pistepilvi on käyty läpi. Kuva 20. esittää tilannetta siivouksen jälkeen. Kuvassa siniset viivat ovat suunnitellun geometrian mukaisia ja kolmiointiin perustuvat harmaat korkeuskäyrät 0,02 metrin välein on piirretty näkyviin mahdollisten karkeiden korkeusvirheiden tunnistamista varten. Ainakin länsireunan luiska, valotolpat ja suuri osa aidoista ja epämääräisistä kohteista heijastuneista pisteistä ovat kadonneet. Smooth surface -rutiini on tunnistanut kenttäalueelta ainakin neljä eri pintaa, sillä koko pelialue on mukana siivotussa pistepilvessä. Jostain syystä kenttäalueen ulkopuolelle on jäänyt pisteitä, jotka eivät näytä toteuttavan yhtäkään kenttäalueen neljän eri tason yhtälöistä, eivätkä varsinaisesti muodosta itsenäistä pintaa. Keskeistä tämän siivousrutiinin onnistumisen kannalta oli oikea lähtöpisteen ja korkeuserolukeman valinta. Liian pienellä korkeuserolla osa pinnoista jäi havaitsematta. Väärä lähtöpiste taas johti luonnollisesti väärien pintojen tunnistamiseen. Korkeuserolaskentaa varten pistepilvi kolmioitiin Leica Cyclone -ohjelmistolla. Jo pelkkä kolmiointi osoitti käytetyn keilaustiheyden olleen vähintäänkin riittävä, sillä (liitteessä 2. osoitetun) laskenta-alueen siivotun pistepilven pisteestä jäi jäljelle Tämä tarkoittaa noin 239 pistettä/m2 eli pisteiden väli on keskimäärin 6,5 cm. Vertailulaskennan sujuvoittamiseksi mallia harvennettiin 10%:iin alkuperäisestä, jolloin jäljelle jäi pistettä, noin 24 pistettä/m 2 eli pisteiden väli on keskimäärin 20 cm. Harventamisen vaikutusta laskentatuloksiin 44

51 tarkastellaan myöhemmin. Myös suunnitelman mukainen geometria kolmioitiin korkeuserojen laskentaa varten. Tuloksena saatiin 14 kolmion verkko. Leica Cyclone -ohjelmistolla laskettiin session II pistepilvestä korkeuserohavaintoja teoreettiseen geometriaan nähden. Laskenta-alue ilmenee liitteestä 2. Tuloksista on piirretty neljän frekvenssijakauman sarja, joka esitetään liitteessä 3. Tämän liitteen ensimmäinen jakauma kuvaa koko harvennetun kolmioverkon alueelta 0,25 metrin välein laskettuja erotushavaintoja (yht kpl). Korkeuserot on siis havaittu tasavälein 0,25 m x 0,25 m: ruudukkoon kolmiointien kärkipisteiden sijainnista riippumatta. Erotushavainnot eivät ole jakaantuneet normaalisti odotusarvonsa ympärille, sillä jakauma on selvästi kaksihuippuinen. Tätä tukee myös Leica Cyclone -ohjelmistolla piirretty erotushavaintojen visualisointi (Kuva 21.). Yksihuippuisen jakauman aikaansaamiseksi rajattiin pistepilvestä omiksi alueikseen pohjois- ja eteläkolmio sekä pitkät lappeet, joille piirrettiin omat jakaumansa. Kootaan lasketut tunnusluvut (laskukaavat liitteessä 4.) taulukkoon 4. Taulukko 4. Leica Cyclone -ohjelmiston erotushavainnoista lasketut tunnusluvut korkeuserolle suunniteltuun geometriaan nähden [m] erotushavaintojen keskisarvo erotushavaintojen otoskeskihajonta keskiarvon keskivirhe koko alue eteläkolmio pohjoiskolmio lappeet 0,044 0,060 0,065 0,038 0,011 0,005 0,006 0,006 0, , , ,00002 Kuva %:iin harvennetun kolmioverkon korkeus suunnitellusta geometriasta 45

52 Suunnitelman mukainen oikea arvo korkeuserolle on 0,040 m (kuva 14.) ja koemittauskohteen työselitykset antavat sille sallitun vaihteluvälin 0,025..0,055 m. Toleranssien sisällä kuvassa 21. ovat kaksi vihreää, turkoosi ja vaaleansininen alue. Taulukon 4. tunnusluvuista päätellään, että lappeiden alueella 95% erotuksista on välillä 0,026..0,050 m (kahden keskihajonnan päässä odotusarvosta) eli hienosti toleranssien sisällä. Kentän päiden kolmioissa on havaittavissa systemaattisesti suurempia erotuksia kuin lappeilla ja toleranssien suhteen. Virheen syykin selviää kuvasta 20: päätykolmioiden harjalta alkavien sivujen välinen kulma on suunniteltua pienempi, jolloin luiskaus kentän päähän alkaa myöhemmin ja korkeammalta kuin on suunniteltu. Aivan kentän päässä virhe tasoittuu. Virheeseen ei työvaiheessa ollut tarvetta puuttua, sillä kuten erotusten systemaattisuus osoittaa, on pintarakenne kuitenkin oikeassa kaltevuudessa, joten kuivatus toimii. Erotushavaintojen keskihajonta ei ole kaukana käytetyn Leica ScanStation C10:n etäisyysmittaustarkkuudesta (4 mm), mikä tuntuu luontevalta, kun vielä huomioidaan mitatun tekonurmipinnan karkeus. Keskihajonnasta voidaan päätellä jotain myös kentälle asetetun tasaisuusvaatimuksen (6 mm / 3m) täyttymisestä. Vaatimus tarkoittaa, että 3 metriä pitkän oikolaudan alle ei saa jäädä yli 6 mm:n rakoja. Kolmen metrin matkalla on keskimäärin 12 erotushavaintoa, joista tilastollisesti päätellen 68 % eli keskimäärin 8,16 havaintoa on eteläkolmiossa alle 0,005 metrin ja muualla alle 0,006 metrin päässä (hyväksyttävästä) odotusarvosta. Kun edelleen muistetaan mitatun pinnan karkeus, voidaan turvallisesti päätellä, että tasaisuusvaatimukset täyttyvät. Kentän kivituhkapinta asennettiin oikeaan korkeuteen tasolaserohjatulla tiehöylällä, jonka alkuperäisasenteinen ohjauslaitteisto oli noin 20 vuotta vanha. Koska työkoneessa oli ainoastaan terän korkeus- ja kaltevuusohjaus, on päätykolmioiden sivujen tasosijainti haarukoitu maastoon merkittyjen harjan ja kentän kulmien mukaan silmämääräisesti kohdalleen. Tätä taustaa vasten voidaan lopputulosta pitää varsin onnistuneena. Työteknisesti päätykolmion viimeistely on hankala työvaihe, jossa höylän terän on viistettävä tarkasti lopullisessa korossa olevaa lappeen reunaa sitä pilaamatta ja oltava samalla oikeassa kaltevuudessa 1,3 cm/m. Ohjauslankojen käyttö olisi hyvin hankalaa, sillä työkoneella täytyisi käytännössä ajaa niiden päältä. Oikeastaan vasta lopuksi tehtävä jyräys kiinnittää lopullisen tasauksen ja taitepisteet, jotka noudattavat suunniteltua geometriaa edellä laskettujen arvojen valossa esimerkillisen hyvin. 46

53 D-Winillä tehtävä tarkastuslaskenta Suomessa käytännön maanmittaustehtävissä käytetään mittausaineiston jatkokäsittelyyn ja laskentaan yleisesti 3D System Oy:n kehittämää monipuolista 3DWin -ohjelmistoa. Espoon kaupungilla ohjelmisto on yleisesti käytössä niin kaupunkimittauksen, geoteknisen mittauksen, oman katu- ja viherrakentamisen mittauksen kuin rakennuttamisyksikön valvontamittauksen tehtävissä. 3D-Winin versiota käytettiin tässä työssä edellä laskettujen tulosten tarkastamiseen. Lisäksi 3D-Winin avulla tutkitaan kolmioverkon tai pistepilven harventamisen vaikutusta korkeuserotushavaintoihin, niistä laskettuihin tunnuslukuihin sekä tehtyihin päätelmiin kentän geometrian suunnitelmanmukaisuudesta. Työskentely 3D-Winillä edellytti laserkeilausaineistolle tehtävää formaatinmuunnosten sarjaa, johon jo edellä viitattiin: Leican oma formaatti ASCII-riviformaatti (pts) LAS-formaatti LAS on oikeastaan ilmalaserkeilausaineiston tallentamiseen ja toimittamiseen suunniteltu avoin binääriformaatti, joka on määritelty The American Society for Photogrammetry & Remote Sensing -yhteisön (ASPRS) julkaisussa LAS Specification Version R10 (2009). Verkossa on tarjolla maksuttomia työkaluja, joilla voidaan muuntaa aineistoa ASCII-riviformaatista LAS-formaattiin. Ensin riviformaattiin päästiin Leica Cyclone -ohjelmistoon toteutetulla vientityökalulla. Avoimen lähdekoodin LAStools-ohjelmapakettiin kuuluvalla txt2las-ohjelmalla tehtiin viimeinen muunnos riviformaatista LAS-formaattiin (Isenburg 2012). Binäärimuotoon siirtyminen tehtiin, jotta päästään lukemaan tiedosto tehokkaasti 3DWiniin siihen toteutetun formaatinmuuntimen avulla. Tekstitiedostona aineiston koko on n. 357 megatavua, ja LAS-muodossa n. 170 megatavua, mikä osaltaan kuvaa binääriformaatin parempaa tehokkuutta ja taloudellisuutta tietorakenteena. Aloitetaan Leica Cyclone -ohjelmistolla tehdyn laskennan tarkistamisella. Tarkistus tehtiin vertaamalla Leica Cyclonen siivotun pistepilven perusteella laskemaa 10 %:iin harvennettua ja harventamatonta kolmioverkkoa itse pistepilveen. Näin voidaan yhtäältä arvioida, kuinka tarkasti alkuperäinen kolmioverkko on luotu. Toisaalta voidaan päätellä, kuinka paljon kolmioverkon harventaminen on huonontanut sen tarkkuutta. Tämä tarkastelu kuvaa kolmioverkon sisäistä tarkkuutta. Laskenta onnistuu 3D-Winin maastomallirutiineilla. Cyclonen luoma kolmioverkko tuotiin dwg-muodossa ja kolmioitiin vielä 3D-Win -formaattiin. Visuaalinen tarkastelu osoitti kärkipisteiden vastaavan toisiaan. Nyt voidaan käyttää rutiinia 47

54 Korkeus mallista. Piirretään laskentatulosten perusteella histogrammien sarja, joka on esitetty liitteessä 5. Ensimmäinen histogrammi kuvaa harventamattoman pistepilven korkeuden erotushavaintoja harventamattomasta kolmioverkosta, toinen erotushavaintoja 10 %:iin harvennetusta kolmioverkosta ja lopuksi esitetään harventamisen suhteellinen vaikutus korkeuden erotushavaintojen jakaumaan. Esitetään vielä keskeiset tunnusluvut taulukossa 5. Käytetään neljää desimaalia, jotta ero saadaan näkyviin. Todettakoon tässä yhteydessä, että Microsoft Excelin tai OpenOfficen taulukkolaskentaohjelman kyky ei enää lasketun datamäärän käsittelyyn riittänyt, vaan 3D-Winin 18 minuutin laskennan jälkeen kirjoittama noin 680 megatavun laskennan tulostiedosto (n. 8,8 miljoonaa riviä) oli luettava MATLABiin. Taulukko 5. 3D-Winillä laskettuja Leica Cyclonen luoman kolmioverkon tarkkuustutkimuksen tuloksia: pistepilven korkeus kolmioverkosta [m] erotushavaintojen keskisarvo erotushavaintojen otoskeskihajonta 100 %:n verkko 10 %:n verkko -0,0012-0,0010 0,0032 0,0031 Taulukon 5. ja liitteessä 5. esitettyjen histogrammien valossa päätellään, että kolmioverkon harventaminen ei merkittävästi ole huonontanut sen laatua. Muutosta tapahtuu vain 7,6%:ssa erotushavainnoista, joista 4,8%-yks. on välillä [-0,001 0,005[ m. Vaikka 90 % verkosta kärkipisteistä kadotetaan, ei tarkkuus merkittävästi muutu. Jos otoskeskihajonta olisi tilastollisesti merkitsevästi pienentynyt verkon harventamisen yhteydessä, olisi se jossain määrin yllättävää. Näin ei kuitenkaan nyt voida sanoa tapahtuneen. Laskettujen tulosten valossa kumpikin kolmioverkko vastaa pistepilveä keskimäärin 0,003 metrin tarkkuudella odotusarvolla -0,001 m. Lisäksi erotukset jakautuvat todella normaalisti odotusarvon ympärille. Tätä ei tilastollisesti testata, mutta tilannetta havainnollistetaan liitteen 5. frekvenssijakaumiin viivana piirretyillä normaalijakaumasta MATLABin avulla arvotuilla aineistoilla. Kun erotushavaintoja on yli 8,8 miljoonaa, on niiden jo syytäkin jakautua aika normaalisti. Sen lisäksi, että havaitun jakauman odotusarvo poikkeaa teoreettisesta oletuksesta 0,001 m vasemmalle, ovat jakaumat jonkin verran vinoja vasemmalle. Tämä voisi olla seurausta kentän koverasta geometriasta. Pistepilven tiheyden ollessa luokkaa 10x10 cm tämä lienee epätodennäköistä, sillä geometrian taitekohdissa väärään korkeuteen kolmioituvien pisteiden määrä (Kuva 22.) tuskin vaikuttaa erotushavaintojen odotusarvoon noin paljoa. Suurempi vaikutus on varmasti tekonurmipinnan karkeudella. Leica Cyclone tekee harvennuksen ilmeisen taitavasti. 48

55 Ohjelmistolla on käytössään ainakin pulssin intensiteettitieto, joka saattaa olla apuna harvennuksessa. Tulevaisuudessa, kun keilaimen ja toisaalta tietokoneiden työmuisti ja laskentateho riittävät koko takaisinheijastuneen kaiun tallentamiseen, voidaan kolmiointiin varmasti valita pisteitä myös pulssin muodon eli heijastuspinnan perusteella. Näin esimerkiksi referenssimittausten avulla saadaan rajattua vääriä kaikuja pois. Tämän tarkastuslaskennan perusteella Leica Cyclonella laskettuja tuloksia voidaan pitää varsin luotettavina. Kuva 22. Harvennetun kolmioverkon korkeusvirhe Δh kuperalla ja koveralla pinnalla D-Winillä tehtävä pistepilven harvennus Käytännön mittaustilanteissa on tiedostettava, että maalaserkeilauksen mittaustiheys on (lineaarisesti) kääntäen verrannollinen kohteen etäisyyteen kojeasemasta. Tiheys valitaan aina jollekin etäisyydelle, jota pienemmillä etäisyyksillä mitataan valittua suuremmalla tiheydellä. Tässä työssä valittiin sessiossa II tiheydeksi eli pisteväliksi 0,10 m 100 metrin päässä. Jos pistepilveä ei edellä esitetyn siivoamisen ja tarkastamisen jälkeen harvenneta mielekkäästi, saattaa pistepilvestä tehtävä laskenta johtaa vääristyneisiin tuloksiin. Ilmiön konkretisoimiseksi lasketaan aluksi harventamattoman pistepilven korkeus suunnitellusta geometriasta. Liitteen 6. histogrammi esittää tätä tilannetta. Äkkipikainen päättely osoittaisi, että jakauma on yksihuippuinen ja korkeuseron odotusarvo 0,038 m ja keskihajonta 0,008 m kuvaavat kentän korkeusasemaa suunnitelman suhteen hyvin. Luvussa tehdyn laskennan perusteella ei näin voida kuitenkaan päätellä. Kaukana kojeasemalta olevat päätykolmiot tulevat selvästi lappeita harvemmin mitatuiksi, joten tilastollisessa tarkastelussa niiden selkeä korkeuspoikkeama jää helposti havaitsematta. Voidaan ajatella, että vastaavalla tavalla on vääristynyt myös edellisessä luvussa tehty tarkistuslaskennan tulos. 3D-Winin LAS-muuntimeen on toteutettu pistepilven harvennustyökalu, jolla voidaan lukea pisteitä määrätyn ruutukoon hilaksi ja/tai tiedostosta ainoastaan joka n:s havainto. Näin päästään edellä kuvatusta ilmiöstä eroon. LAS-tiedostossa pisteet ovat keilausjärjestyksessä, johon Leica Cyclone koordinaatit alunperin kirjoittanut. Käytetyn panoraamatyyppisen keilaimen tapauksessa onkin mielekkäämpää käyttää 49

56 suoraan harvennusta määrättyyn ruutukokoon. Ilmalaserkeilausaineiston luvussa havaintojen lukeminen tiedostosta sopivin välein voi olla mielekästä. Harvennustyökalua käytetään tässä työssä koemittauskohteen optimaalisen mittaustiheyden arviointiin. Mittaustiheys on optimaalinen silloin, kun tarkemittauksen tuloksesta voidaan tehokkaasti, helposti, mutta riittävän yksityiskohtaisesti määrittää, onko tarkemitattu rakenne suunnitelmien mukainen. Koemittauskohteen optimaalinen mittaustiheys toimii eräänä arviona siitä, millaisella tarkkuudella yleisesti infrarakenteita tulisi laserkeilaamalla tarkemitata. Kuten edellä todettiin, arvioidaan tässä kohtaa tilannetta erityisesti korkeuskomponentin suhteen. Testataan ensin, miten harvennus muuttaa tarkistuslaskennan tuloksia. Harvennetaan pistepilvi 3D-Winin työkalulla noin 0,4 x 0,4 metrin hilaksi ja toistetaan tarkastuslaskenta edellisen luvun periaatteita noudattaen. Esitetään tulokset taulukossa 6. ja frekvenssijakaumat liitteenä 7. Taulukko 6. 3D-Winillä laskettu Leica Cyclonen luoman kolmioverkon tarkkuus: 0,4 metrin ruutuun harvennetun pistepilven korkeus kolmioverkosta [m] erotushavaintojen kesk isarvo erotushavaintojen otoskeskihajonta 100 %:n verkko 10 %:n verkk o -0, , , ,00171 Taulukon 6. valossa voidaan päätellä, että havaintojen keskiarvo asettuu kolmioverkon harvennuksen myötä aavistuksen lähemmäs teoreettista odotusarvoa 0,000 m. Kojeasemien läheltä tiheästi ja jyrkemmässä kulmassa mitatulla kentän osalla lasersäde on ilmeisesti heijastunut useammin syvemmältä tekonurmesta kuin kauempaa harvemmin ja loivassa kulmassa mitatuilta osilta. Laskenta toistettiin vielä 0,25 x 0,25 metrin hilalla, ja korkoerotusten keskiarvoksi saatiin molemmissa kolmioverkoissa sama keskiarvo 0,0016 m:n keskihajonnalla. Pistepilven harvennuksen myötä keskihajonta puolittui taulukon 5. arvoihin nähden ja keskiarvoksi (eli korkeuden keskivirheeksi) jäi jäljelle ainoastaan millimetrin kymmenyksiä. Harvennetun pistepilven avulla laskettuja erotushavaintoja ei välttämättä voida pitää yhtä normaalisti jakautuneina kuin täydestä pistepilvestä laskettuja. Tämän taustalla on epäilemättä havaintomäärän dramaattinen lasku, sillä nyt erotuksia laskettiin vain noin kpl 0,4 m hilaan ja kpl 0,25 m hilaan. Harventamattomana havaintoja tehtiin yli 8,8 miljoonaa. Vielä lopuksi piirretään päällekkäin (Liite 8.) samaan frekvenssijakaumaan 0,25 metrin ruutuun 3D-Winillä tehdyn harvennuksen korkeuserohavainnot ( kpl) ja vastaavat Leica Cyclonen 10%:iin harvennetusta kolmioverkosta säännölliseen samankokoiseen hilaan laskemat korkeuserohavainnot ( kpl). Havaintojen 50

57 muodostumistavat poikkeavat siten, että 3D-Winin valitsemat pisteet ovat todellisia havaintoja, mutta Cyclonen havainnot ovat säännöllisen pistepilvestä lasketun kolmioverkon läpikäynnin tulos. Vaikka erotusten lukumäärät eivät täsmää, eivätkä pylväät siten ole täsmälleen toisiinsa verrannollisia, on verranto mielenkiintoinen ja osoittaa molempien menetelmien tuottavan varsin samansuuntaisia tuloksia. Molempien erotushavaintojen suhteelliset frekvenssit ovat yhteismitallisia, joten voidaan laskea niiden välinen suhde. Jos aineistot vastaisivat täsmälleen toisiaan, olisi suhteellisten frekvenssien suhde jokaisella korkeuserovälillä 100 %. Liitteen 8. toisesta frekvenssijakaumasta nähdään, ettei näin täsmälleen tapahdu. Samalla nähdään, että absoluuttisesti suurimmat erot eivät suhteessa ole kovin suuria. Suurimmat suhteelliset erot havaitaan välillä [0,005m 0,010m[ sekä välillä [0,075m 0,085m[, joilla Cyclone on laskenut 80% ja 20-30% vähemmän erotuksia kuin 3DWin. Tämän taustalla voidaan nähdä Cyclonen kolmiointirutiini, jonka suodatus lienee poistanut esimerkiksi karkeiksi virheiksi katsomiaan havaintoja. Edellä tehdyssä laskennassa korostui maalaserkeilauksen säteittäinen luonne ja siitä seuraava selkeä tarve pistepilven mielekkäälle harventamiselle laskennan tehostamiseksi ja havaintotiheyden tasaamiseksi. Sopivaa harvennuksen pisteväliä arvioidaan seuraavissa luvuissa. Ensinnä tutkitaan, minkälaisella pistevälillä laskettujen korkeuserotusten tilastolliset tunnusluvut ja frekvenssijakauma alkavat merkittävästi poiketa luvussa esitetystä. Sopivaksi valikoituvaa tiheyttä testataan luvussa 5.3, kun lasketaan korkeuserotuksia takymetrimittauksiin nähden D-Winillä tehtävä vertailulaskenta eri pisteväleillä Kootaan eri pisteväleillä sekä luentaväleillä tehtävän korkeuserotuslaskennan tulokset taulukkoon 7. Näkyviin piirretään ne keskeisimmät (suhteelliset) frekvenssijakaumat, joiden muodon ja taulukon 7. tunnuslukujen perusteella voidaan arvioida, millä pistevälillä eli -tiheydellä laskettujen tulosten tarkkuus ei enää riitä. Yhdeksi verrokiksi lasketaan mukaan myös takymetrimittausten korkeuserohavainnot, joita laskenta-alueella tehtiin 132 kpl eli noin 0,016 hav/m 2 = 1,6 hav / 100 m2 eli molemmissa suunnissa 1,6 havaintoa noin 10 metrin välein. Tämä ylittää jonkin verran työselitysten tarkemittaustiheysvaatimuksen, joka on 1 havainto 10 metrin välein. 51

58 Taulukko 7. Eri piste- ja luentaväleillä laskettujen korkeuserotushavaintojen tunnuslukuja Piste väli [m] ke skiarvo [m] 0,25 0,0438 0,5 0, , , , ,0409 Lue ntaväli, [riviväli] 10 0, , , , ,0378 Takyme tritarkke e t ke skihajonta [m] ka:n kes kivirhe [m] 0,0119 0,0000 0,0119 0,0000 0,0118 0,0001 0,0116 0,0005 0,0115 0,0010 0,0112 0,0012 0,0308 0,0082 0,0082 0,0082 0,0082 0,0082 0,0000 0,0000 0,0000 0,0000 0,0000 0,0137 0,0012 Kuva 23. 0,25 metrin ruutuun ja 10 rivin luentavälillä harvennettujen laserkeilausmittausten perusteella laskettujen korkeuserohavaintojen suhteellisten jakaumien vertailua (turkoosi = sininen + vihreä) 52

59 Taulukon 7. arvoista nähdään heti, ettei LAS-tiedoston luentavälin harvennus käytännössä ollenkaan muuta korkeuserotusten tunnuslukuja. Lisäksi edellä luvussa laskettujen tunnuslukujen, liitteen 6. kuvaajan sekä kuvan 23. perusteella päätellään, että luentavälin harvennuksella saatava jakauma on vääristynyt ja korostaa lyhyitä etäisyyshavaintoja liikaa. Luentavälin harvennus kadottaa myös jakauman ilmeisen kaksihuippuisuuden, kuten kuva 23. selvästi osoittaa. Maalaserkeilausaineiston luentavälin harvennus ei ainakaan panoraamatyyppistä laserkeilainta käytettäessä ole oikea pistepilven harvennustapa. Kun määritetään laserkeilausaineistosta pistevälin 0,25 m erotushavaintojen tyyppiarvo (Liite 4.), saadaan 0,037 m, mikä on käytännössä sama kuin luentavälin harvennuksen jälkeen (ja harventamattakin) laskettujen erotushavaintojen keskiarvo. Säännölliseksi 0,25 metrin hilaksi harvennetun pistepilven erotushavaintojen tyyppiarvon ja keskiarvon eron sekä kuvien 21. ja 23. valossa on helppo todeta, että korkeuserotuksien jakauma ei muodostu ainakaan yhden odotusarvon ympärillä vaihtelevista havainnoista. Keskitytäänkin jatkossa pistevälin harvennuksen frekvenssivaikutuksiin. Vertaillaan liitteessä 9. eri harvennusten suhteellisia frekvenssijakaumia 0,25 metrin tilanteeseen, jota voidaan kahden ohjelman laskennan perusteella pitää mielekkäänä vertailukohtana. Esitetään liitteessä 1 metrin, 4 metrin, 10 metrin sekä 20 metrin harvennuksen vaikutus jakauman muotoon. Kuvaajia tulkittaessa on muistettava, että havaintojen määrä vähenee periaatteessa (noin) neljäsosaan pistevälin puolittuessa. Tiheimmän 0,25 metrin hilan pisteestä on jäljellä 1 metrin ruudukossa enää 8146, 4 metrissä 134, 10 metrissä 82 ja 20 metrissä 39 kappaletta. Tässä työssä ei tilastollisesti testata, ovatko eri harvennuksilla saadut suhteelliset frekvenssijakaumat samoja. Päättely tehdään lähinnä tunnuslukujen sekä jakaumien visuaalisen tulkinnan avulla. Kaksihuippuisen jakauman asettaminen testauksen nollahypoteesiksi ei liene edes mahdollista, joten aineisto tulisi ensin jakaa osiin, kuten luvussa tehtiin. On yllättävää, että vielä 20 metrin pistevälillä jakauma antaa viitteitä kaksihuippuisuudesta. Jakauman gaussista muotoa voidaan pitää merkkinä yhtäältä riittävän tiheästi tehdyistä havainnoista ja toisaalta mittauskohteen hyvästä rakentamisen laadusta pinnan korkeusaseman suhteen. Enää neljän metrin pistevälillä jakaumasta ei muodostu kauniin gaussista, eikä laserkeilaimen suuren mittaustiheyden mahdollistamaa gaussisuutta päästä hyödyntämään. Päätellään, että mielekäs korkeusaseman mittaustiheys maalaserkeilaamalla on vähintään 1-2 metriä. Mittaustilanteessa tiheys on valittava luonnollisesti suurimmalle käytetylle mittausetäisyydelle, esimerkiksi 1 m sadan metrin päässä, jolloin esimerkiksi 50 53

60 metrin päässä pisteväli on 0,5 m. Edellä luvussa esitettiin, kuinka paljon harhapisteitä muodostuu epämääräisistä hajakaiuista tai epäkiinnostavista kohteista. Näiden erottaminen oikeista havainnoista esimerkiksi pelkän intensiteettiarvon avulla ei välttämättä onnistu, joten harhapisteiden siivoamisen mahdollistamiseksi on käytännössä valittava tavoitetiheyttä suurempi mittaustiheys, esimerkiksi vähintään kaksinkertainen tavoitetiheys. Käytännössä harvennus on järkevä tehdä vasta jälkikäsittelyvaiheessa, jotta mahdolliset karkeat väärät pisteet voidaan havaita ja siivota pois. Koemittaussessiossa I käytettiin itse määriteltyä mittaustiheyttä 0,05m x 0,05m 35 metrin päässä. Sessiossa II valittiin aluksi keilaimen High Res 0,05m x 0,05m 100 metrin päässä. Koko kierroksen mittausaika olisi ollut 30 minuuttia, jolloin resoluutiota pienennettiin arvoon 0,10m x 0,10m 100 metrin päässä. Resoluution puolittuessa mittausaika vähenee neljäsosaan eli noin 7-8 minuuttiin. On selvää, ettei ainakaan näissä mittauksissa kannattanut käyttää Leica ScanStation C10 -maalaserkeilaimen suurinta resoluutiota 0,02m x 0,02m 100 metrin päässä. Näin meneteltäessä mittausaika olisi ollut turhan pitkä, noin 2 tuntia. Käytännössä edellä tehdyn vertailulaskennan olisi mahdollistanut tyydyttävästi myös Low Res 0,20m x 0,20m 100 metrin päässä. Mittaustiheyttä valittaessa on (ainakin vielä vuonna 2012) huomioitava, ettei miljardien pisteiden pistepilvi sujuvasti mahdu toimistotasoisen tietokoneen työmuistiin. Tietokoneiden nopea kehitys poistaa tämän ongelman tai ainakin mahdollistaa entistä suurempien pistepilvien sujuvan käsittelyn. Ainoastaan laskentatehon ja muistin kasvu ei kuitenkaan riitä, sillä liian yksinkertainen, tehoton ja työmuistia tuhlaava käsittelyalgoritmi tukahduttaa tehokkaankin tietokoneen. Edellä luvuissa sekä tehtyjen laskelmien ja tulkintojen valossa päätellään, että pistepilven siivous ja harventaminen riittävän tasaväliseksi hilaksi on käytännössä pätevän tilastollisen päättelyn edellytys. Muutoin lasketut korkeuserotukset korostavat liikaa kojeaseman lähiympäristön tilannetta. Käytetyn kahden ohjelmiston laskennan vertailun perusteella voidaan niiden sanoa tuottavan keskenään vertailukelpoisia tuloksia, kuten oletettiinkin. Ohjelmistoilla mittauksista laskettujen tulosten absoluuttista oikeellisuutta arvioidaan luvussa 5.3, jolloin vertaillaan tuloksia takymetrimittauksiin. 54

61 5.3 Vertailu takymetrimittauksin saatuihin tuloksiin Takymetrimittaukset tehtiin urheilukentän keskivaiheille pystytetyltä vapaalta kojeasemalta. Laserkeilausja takymetrimittausten vertailukelpoisuuden varmistamiseksi orientoinnissa käytettiin samoja käyttöpisteitä ap1 ja ap3 sekä runkopistettä 238 kuin tähysten mittaamisen yhteydessä (Liite 2.). Orientointi tehtiin luvussa kuvatulla tavalla. Kojeaseman orientoititarkkuus oli hyvin tarkasti sama kuin käyttöpisteiden mittaamisen yhteydessä Leica Cyclonella tehtävä vertailulaskenta Takymetritarkkeet mitattiin noin 10 askeleen kokoiseen ruutuun kohdekohtaisen työselitysten vaatimusten valossa. Takymetrilla saadaan mitattua ainoastaan tekonurmen kumirouhepinta (Kuva 14.), jonka teoreettinen korkeusasema on 0,015m tekonurmipinnan alapuolella. Tätä voidaan pitää teoreettisena odotusarvona takymetrimittausten ja laserkeilausmittausten väliselle korkeuserolle. Jotta prismasauva ei uppoaisi pehmeään kumirouheeseen kovin syvälle, käytettiin sauvan päässä suojatulppaa (Ø 0,028 m), joka nosti prismakorkeutta työntömitalla tehdyn tarkastusmittauksen mukaan 0,003 m (Kuva 24). Leica Cyclone -ohjelmistolla erotuslaskenta tehtiin jälleen kahdesta päällekäisestä kolmioverkosta 0,25 metrin ruutuun. Takymetrimittaukset tuotiin Cycloneen ASCII-formaatissa ja kolmioitiin. Erotuslaskennan tuloksia havainnollistaa kuva 25. Kuva 24. Takymetrimittauksissa käytetyn prismasauvan pää: tulpattuna ja ilman 55

62 Kuva %:iin harvennetun laserkeilauskolmioverkon korkeus takymetrimittausten kolmioverkosta 0,25 metrin välein Kuvan 25. yläreunassa on havaittavissa selviä kohtia, joissa on ollut kolmiointivirheitä. Nämä aiheutuvat kentän länsireunan luiskan taitekohdasta, jonka ympäristössä lähinnä takymetrimittausten kolmioverkon oikeellisuus tulisi kolmoinnin jälkeen tarkasti varmistaa. Suurin virheellinen kolmio on poistettu, jolloin jäljelle on jäänyt musta kolmio vasempaan yläreunaan. Erotushavainnoista laskettiin seuraavat keskeiset tilastolliset tunnusluvut (Taulukko 8.) ja piirrettiin frekvenssijakauma (Liite 10.). Taulukko 8. Leica Cyclone -ohjelmiston erotushavainnoista lasketut tunnusluvut korkeuserolle takymetrimittauksiin nähden [m] e rotushavaintoje n ke skisarvo e rotushavaintoje n otoske skihajonta ke skiarvon ke skivirhe 0,016 0,016 0,00004 Kentän päätykolmioiden taitteiden ympäristössä on havaittavissa selviä pieniä alueita, joissa korkeusero äkisti kasvaa jopa 0,05 metriin (kuva 25.). Ilmiö selittyy kuvan 26 valossa helposti. Takymetrikolmiointi menee selvästi taitteiden läpi, mutta korkeuseron äkillinen kasvu ei ole mikään systemaattinen mittauslaitteistoon liittyvä virhe. Vika on mittaustavassa, sillä takymetrihavaintoja olisi pitänyt tehdä systemaattisesti myös päätykolmion ja pitkän lappeen taitteen kohdalta, jota kuitenkin maastossa kävellessä on silmämääräisesti hyvin vaikea havaita. Kentän harja taas oli silmämääräisesti helppo havaita ja takymetrilla mitata. Kolmioverkko ei leikkaakaan harjaa juuri missään kohtaa. 56

63 Kuva 26. Takymetrimittausten kolmioverkko ja suunniteltu geometria Teoreettiseen odotusarvoon (0,015 m) nähden voidaan mittaamalla saatua keskiarvoa 0,016 m pitää varsin hyvänä. Keskihajonta on 5 mm suurempi kuin suunnitelmaan verrattaessa (Taulukko 4.). Keskihajonnan kasvun selittäjäksi voidaan tunnistaa takymetrin mittausepävarmuuden ohessa epätasaisuudet kumirouhekerroksen paksuudessa. Yhden millimetrin ero teoreettiseen arvoon nähden on oikeastaan hämmästyttävän hyvä ja kertoo erotushavaintojen systemaattisuuden kanssa mittausjärjestelyssä käytetyn mittausperustan hyvästä sisäisestä tarkkuudesta. Havaitut karkeat virheet liittyvät joko mittausjärjestelyyn tai mittausten jälkikäsittelyyn, mutta eivät varsinaisesti laitteiston toiminnan virheisiin. Ne näkyvät myös liitteen 10. frekvenssijakaumassa selvänä häntänä arvoilla ]0,25 0,55]m. Keskihajonta on suurehko, minkä taustalla on epäilemättä tekonurmipinnan karkeus. Tulokset eivät anna aihetta epäillä laserkeilaus- ja takymetrimittausten vertailukelpoisuutta. 57

64 D-Winillä tehtävä tarkastuslaskenta Tässä luvussa tarkistetaan Cyclonen laskenta ja testataan, onko 1-2 metrin pistetiheys takymetrimittauksiin verrattaessa riittävä. Työ aloitettiin takymetrimittausten kolmioinnilla ja saadun kolmioverkon tarkastuksella. Laskenta suoritetaan samalla liitteestä 2. ilmenevällä laskenta-alueella kuin edellä. Luetaan Leica Cyclone -ohjelmistosta dxf-muodossa viedyt, AutoCadissä räjäytetyt (explode -komento) ja dwg-muotoon muunnetut kolmioverkot 3D-Winiin. Laskentatapa poikkeaa jälleen Cyclonen tavasta, sillä vertailussa käytetään Cyclone-kolmioverkon kärkipisteitä ja Korkeus mallista -ruutinia. Siivottu laskennan tulostiedosto luetaan MATLABiin, jolla lasketaan tilastolliset tunnusluvut. Taulukko 9. 3D-Winillä laskettu Cyclonen kolmioverkkojen korkeus takymetrimittausten kolmioverkosta [m] e rotushavaintoje n ke skisarvo e rotushavaintoje n otoskeskihajonta ke skiarvon ke skivirhe 100% ve rkko 0,017 0,010 7,18E % ve rkko 0,016 0,010 2,25E-005 Tässä lasketut tulokset ovat johdonmukaisesti luvussa tehdyn tarkastuslaskennan kanssa varsin samansuuntaisia Cyclonen laskemiin verrattuna. Merkittävin ero on 3D-Winillä tehtyjen erotushavaintojen pienempi keskihajonta, joka selittyy luultavasti havaintojen suuremmalla määrällä. Harventamattomassa verkosta erotushavaintoja tehtiin kpl ja 10 %:n verkosta kpl, kun säännöllisessä 0,25 metrin ruudukossa havaintoja tehtiin kpl. Tulokset osoittavat jälleen eri ohjelmistojen tekemän laskennan olevan hyvin keskenään vertailukelpoista D-Winillä tehtävä vertailulaskenta tietyillä pisteväleillä Edellä luvussa pääteltiin, että riittävä korkeuserohavaintojen pisteväli on 1-2 metriä. Harvennetaan nyt pistepilvi 3D-Winin LAS-muuntimen avulla 2 metrin ruutuun sekä 0,25 metrin ruutuun. Lasketaan korkeuserotushavainnot takymetrikolmioverkon suhteen ja verrataan havainnoista laskettuja tunnuslukuja (Taulukko 10.) sekä suhteellisia frekvenssijakaumia (Kuva 27.) toisiinsa. Vertailun vuoksi lasketaan vielä taulukkoon 10. tunnusluvut erotushavainnoista mittauskohteen työselitysten vaatimalla 10 metrin pistevälillä. 58

65 Taulukko 10. 3D-Winillä lasketut harvennetun pistepilven ja takymetrimittausten välisten korkeuserohavaintojen tunnusluvut eri pisteväleillä [m] 0,25 m piste väli 2,0 m pisteväli 10,0 m piste väli 0,0164 0,0166 0,0206 erotushavaintoje n ke skisarvo 0,0112 0,0116 0,0689 erotushavaintoje n otoske skihajonta 0,0000 0,0002 0,0072 ke skiarvon ke skivirhe Kuva 27. 0,25 metrin ruutuun ja 2,0 metrin ruutuun harvennettujen laserkeilausmittausten ja takymetrimittausten välisten korkeuserohavaintojen suhteellisten jakaumien vertailua (turkoosi = sininen + vihreä) Vertailu takymetrimittauksiin (Kuva 27. ja Taulukko 10.) tukee edellä tehtyä johtopäätöstä: 2,0 metrin harvennusta voidaan pitää sopivana ja yksityiskohtaisuudeltaan riittävänä kentän pintarakenteen korkeusaseman suunnitelmanmukaisuuden ja tasaisuuden mittaamiseen. Muitakin harvennuksia kokeiltiin, mutta kuvaajia ei niistä piirretä. Edellä luvussa ja liitteessä 9. esitettyjä jakaumia tulkitsemalla todettiin 4,0 metrin pisteväli turhan harvaksi. Lähes 0,07 metrin keskihajontaan johtava 10 metrin pisteväli (91 havaintoa) on jo selvästi liian harva. Kun verrattiin takymetrihavaintoja suunniteltuun geometriaan (Taulukko 7.), oli keskihajonta alle 0,02 metriä, vaikka pisteväli oli lähes 10 metrin luokkaa (132 havaintoa). Mitatun pinnan karheus korostuu, kun pistepilveä harvennetaan liikaa. Päätellään myös, ettei työselitysten mittaustiheysvaatimus ole suoraan sovellettavissa ainakaan maalaserkeilausmittaukseen. 59

66 5.4 Pistepilven harvennuksen vaikutus korkeuskäyrien laatuun Piirretään 3D-Winillä korkeuskäyrät 0,25 metrin ruutuun ja 2,0 metrin ruutuun harvennetuista pistepilvistä 0,01 metrin välein. Rajataan liitteeseen 11. pieni alue kentän lounaiskulman taitteesta. Huomataan, että korkeuskäyrät vääristyvät jonkin verran pistepilven harvennuksen seurauksena. Edellä todettiin, että korkeuserotusten tilastollisissa tunnusluvuissa vääristymä ei vielä näy. Koemittauskohteen pintarakenteen toiminnallisuuden kannalta 2,0 metrin pistevälin korkeuskäyrien mahdollistama yksityiskohtaisuus riittää mainiosti, mutta tätä tulosta ei kannata välttämättä yleistää kovin moneen muuhun mittauskohteeseen. Liitteen 11. suurimmillaan noin 0,70-0,80 metrin vääristymät olisivat jo kohtalokkaita esimerkiksi kadun kuivatuksen toimivuuden arvioinnin kannalta. Jos 0,80 metriä väärässä kohdassa olevien korkeuskäyrien valossa ritiläkannellinen hulevesikaivo (kannen Ø 0,55-0,60 m) on paikallisesti alimmassa kohdassa, saattaa tilanne tiheämmästä pistepilvestä piirrettyjä korkeuskäyriä vasten tarkasteltuna olla aivan toinen. Korkeuskäyrien pyöristyminen pistepilven harvennuksen seurauksena on oikeastaan yksi esimerkki laserkeilausaineiston ainoasta merkittävästä heikkoudesta, joka on viivamaisten ja terävien geometristen taitteiden täsmällinen tunnistettavuus. Katualueen mittauksessa tyypillinen esimerkki olisi reunakivilinjan sijainnin määrittäminen, joka onnistuu (tasokoordinaattien suhteen) korkeintaan valitun pistevälin tarkkuudella. Tässä työssä on tavoiteltu lähinnä korkeuskomponentin havaitsemiseen riittävää ja samalla laskentataloudellista pisteväliä. Päätellään korkeuskäyräesimerkin perusteella, ettei 2,0 metrin pisteväli riitä kaikkiin sovelluksiin. Edellä kuvattu kaivon korkeusaseman tarkastaminen vaatisi vähintään 0,5-1,0 metrin pistevälin, jotta korkeuskäyrät olisivat riittävän yksityiskohtaiset. Käytännössä mahdollisimman tiheää pisteväliä edellyttävät myös seuraavaksi esitettävät erityisvertailut. 60

67 5.5 Muutama erityisvertailu Leica Cyclone -ohjelmiston huomattavan sujuvaksi toteutettu pistepilven kolmiulotteinen käsittelytila mahdollistaa aineiston tulkinnan mitattavana kuvana, kun mittaustiheys on riittävän suuri. Jotkin työmaalla sovitut muutokset oli helppo todentaa ensin aineistoa katsomalla ja tarvittaessa mittaamalla. Esimerkiksi kuvasta 28 on helppo todeta, että työmaakokouksessa sovittu aitalinjan noin puolen metrin suuruinen siirto on toteutettu. Paikallavalettujen tukimuurien sijainnin tarkastamista varten sovitettiin sopivasti rajattuihin pistepilven osiin pintoja, joiden sijaintia ja leikkauspisteitä voidaan tarkastella ja mitata (Kuva 29.). Lisäksi tutkittiin valaisinpylväiden tasosijaintia suhteessa suunniteltuun. Cyclone -ohjelmiston lieriönsovitustyökalu osoittautui käteväksi tähän tarkoitukseen. Kaikki lieriösovitukset (6 kpl) onnistuivat alle 0,005 metrin tarkkuudella. Kuvassa 30. esitetään pylväs A1 (kuva 12.), jonka keskipiste määritettiin 0,002 metrin tarkkuudella. Tasosijaintipoikkeamaksi suunniteltuun sijaintiin nähden (kuvassa 30. sinisen ja oranssin pisteen välinen etäisyys) saatiin (Δx, Δy) = ( 0,019; 0,045) m. Kaikkien valaisinpylväiden sijainti määritettiin vastaavalla tavalla. Suurin havaittu sijaintipoikkeama oli koilliskulman pylväässä A3, jolle (Δx, Δy) = ( 0,097; 0,025) m. Kuva 28. Pistepilven tulkintaa kuvan tapaan: aidan etäisyys suunnitellusta on 0,46 m 61

68 Kuva 29. Tukimuuriin sovitetun pinnan (vino)etäisyys (0,09 m) suunnitellusta muurin sijainnista Kuva 30. Valaisinpylvään sijainnin määrittäminen 62

69 5.6 Yhteenveto koetyön mittaus- ja laskentavaiheessa muodostuneista käsityksistä Tässä alaluvussa kootaan enimmäkseen kvalitatiivisia ja vain vähän kvantitatiivisia ajatuksia sekä ideoita, jotka ovat ilmenneet käytännön koetyötä tehtäessä joko mittaustöiden tai jälkilaskennan aikana. Mittaustöiden yhteydessä osoittautui, että maalaserkeilauksen käyttöön liittyvät edellytykset saattavat olla ajoittain hankalasti täytettävissä työmaaolosuhteissa. Ehkä kaikkein merkittävin käytännön hankaluus muodostuu työmaalla liikkuvista työntekijöistä ja -koneista. Tilaajalla on tietysti oikeus keskeyttää työt kohteessa ja siirrättää ajoneuvot sivuun mittausten ajaksi, mutta tämän mielekkyys on arvioitava aina erikseen. Pistepilven rekisteröinti on tärkeä edellytys, jonka täyttymisessä käytettävällä tähystyypillä on suuri merkitys. Tässä muodostuu voimakas riippuvuus luvussa 2.2 esitetyistä perinteisistä mittausmenetelmistä. Pinnasta mittaavalla takymetrillä on kätevä mitata koemittauksissa käytettyjä tasotähyksiä, mutta RTK-GNSS:llä työ ei olisi onnistunut. RTK-GNSS:n käyttö tähysten koordinaattien mittaamisessa edellyttää käytännössä huolellisesti pystytetyille kolmijaloille tasattujen tähysten (tyypit a. c. ja d. kuvassa 15.) käyttöä. Tasaamisessa, varsinkin ennalta mitatulle pisteelle, kuluu tunnetusti jonkin verran aikaa. Voi siis olla, että GNSS:n käytön aikasäästö takymetrimittauksiin verrattuna kuluu kolmijalkojen kanssa toimimiseen. Jukka Tolonen on tutkinut RTK-GNSS -menetelmän avulla mitattujen tähysten käyttöä maalaserkeilaimen vapaan asemapisteen tosiaikaisessa orientoinnissa diplomityössään (2011). Tolosen työn tulokset olivat saavutettavan mittaustarkkuuden suhteen hyviä, mutta keskeinen edellytys on hyvä tähysgeometria, hyvät muunnosparametrit paikalliseen koordinaatistoon (edellä luku 2.2.4) sekä riittävän tarkat RTK-GNSS -havainnot, joihin mittaajan kenttätyöskentelyllä on suuri vaikutus. Tässä luvussa olen edellä tehnyt samansuuntaisia havaintoja, sillä koemittausten rekisteröinnin yhteydessä ilmenneet ongelmat olivat oikeastaan suora seuraus kenttätyöskentelyssä tapahtuneista virheistä tai epämääräisyyksistä. Koemittauksissa valmiiden tähysasetelmien (Kuva 16.) asentamiseen ja maastokoordinaattien mittaamiseen kului aikaa noin 30 minuuttia. Työstä olisi voinut selvitä nopeamminkin, jos tähysmäärä olisi ollut pienempi. Varsinaiseen pistepilven mittaamiseen aikaa kului valitusta pistetiheydestä riippuen noin 7-15 minuuttia/kojeasema. Eniten aikaa vei tähysten tarkkuuskeilaus, johon kului mielestäni koemittauksissa liikaa aikaa: jopa minuuttia/kojeasema. Kokonaisuudessaan rekisteröidyn pistepilven aikaansaamiseen tarvittaviin mittauksiin takymetrilla ja maalaserkeilaimella kului kahden kojeaseman 63

70 koemittauksissa aikaa lähes kaksi tuntia. Selvästi eniten aikaa kului juuri rekisteröinnin edellytysten järjestämiseen. Oma merkityksensä oli toki myös sillä, että laitteen käyttöjärjestelmä ja mittausrutiini ei ollut ennalta tuttu. Takymetrimittausten tekemiseen työselitysten vaatimalla tiheydellä kului aikaa jopa aavistuksen vähemmän kuin laserkeilausmittausten tekemiseen. Tätä ajankäyttövertailua ei voida pitää kovin mielekkäänä, sillä vastasin käytännössä itse kaikista mittauksista, eikä työrutiinia varsinkaan maalaserkeilaimen käyttöön ollut. Tehokkaalla, paremmin suunnitellulla ja optimoidulla tähysten sijoittelulla ja käytöllä saavutetaan varmasti tilanne, jossa maalaserkeilaukseen kuluva aika on pienempi verrattuna takymetrimittauksiin kuluvaan aikaan. Käytännössä optimoitu ratkaisu voisi sisältää 4-6 kpl kolmijaloilla seisovaa tähystä, joiden maastokoordinaatit mitataan nopeasti RTK-GNSS:n avulla sekä rekisteröinnin vastinpisteiksi sopivia laadukkaita tasotähyksiä, joille ei välttämättä mitattaisi maastokoordinaatteja laisinkaan. Jo pelkästään hyvä mittausrutiini sekä tasotähysten määrän optimointikin olisi nopeuttanut työtä. Toki jos lasketaan havaintonopeus yksikkönä piste/s, on maalaserkeilaimen (rekisteröidyn ja siivotunkin aineiston) havaintonopeus monituhatkertainen takymetrihavaintoihin nähden. Käytin laserkeilausaineiston käsittelyssä kotitietokonetta, jossa oli 32-bittinen Windows XP -käyttöjärjestelmä, 3,25 gigatavua keskusmuistia ja vanhaan LGA775suoritinkantaan sopiva 2,5 GHz Pentium Dual-Core E5200 -suoritin. Leica Cyclone -ohjelma toimi laitteiston kapasiteettiin nähden aika sujuvasti. Kolmiulotteiseen käsittelytilaan rekisteröity pistepilvi latautui (ei aivan kokonaan, mutta riittäviltä osin) sekunnissa. Pistepilven pyörittely onnistui verraten sujuvasti, mutta kolmioinnin jälkeen viimeistään korkeuseropistepilvien laskennassa alkoi ilmetä lisätehon tarvetta. 3D-Win ei ole alun perin laserkeilausaineiston käsittelyyn tarkoitettu ohjelma, mikä ymmärrettävästi ilmenee sen toiminnan hitaudessa varsinkin harventamatonta pistepilveä käsiteltäessä. Jopa 680 megatavun laskennan tulostiedostoon johtanut lähes 18 minuuttia kestänyt harventamattoman pisteestä muodostuvan pistepilven korkeuserolaskenta kuitenkin onnistui. Laitteiston kapasiteetti ei kumpaakaan ohjelmistoa käytettäessä varsinaisesti loppunut kesken, mikä oli jonkinlainen yllätys. Tietotekniikasta ja ohjelmistosta tehdyt johtopäätökset vanhenevat nopeasti, mutta laserkeilausaineiston sujuva käsittely edellyttää kiistatta optimoitua ohjelmistoa ynnä 2010-luvun alun kotitietokonetta tehokkaampaa 64bittisellä käyttöjärjestelmällä ja sen mahdollistamalla suurella keskusmuistilla varustettua tietokonetta. 64

71 6 Yhteenveto ja johtopäätökset Tässä diplomityössä tutkittiin maalaserkeilaimen hyödyntämismahdollisuuksia infrarakentamisen mittauksissa. Aluksi esitettiin nykyisin työmailla käytettävät perinteiset mittaustavat, joilla on selkeä diskreetti luonne. Näiden rinnalle esiteltiin uusi menetelmä, lähes jatkuvuuden mahdollistava maalaserkeilaus, jota käytettiin koemittauksissa. Tässä luvussa kootaan koemittausten perusteella lasketut ja päätellyt tulokset yhteen. On syytä myös arvioida, täyttyvätkö tutkimuksen alussa asetetut tavoitteet. Lopuksi esitetään johtopäätökset ja mahdolliset jatkotutkimusideat, joihin tulokset ja päättelyt antavat aihetta. Työn tavoite oli tutkia koetyön avulla, miten maalaserkeilaus soveltuu infrarakentamisen tarke- tai valvontamittaukseen. Kumirouhetekonurmipintaisen jalkapallokentän pinnasta tehtyjen koemittausten avulla arvioitiin laserkeilausaineiston todellista ulkoista tarkkuutta käytännön mittaustilanteessa, tarkkuuden riippuvuutta käytetystä harvennuksesta ja näin voitiin luoda suositus käytännössä riittävästä mittaustiheydestä koemittauskohteeseen. Suositusta voidaan soveltaa jatkossa muihin kohteisiin ja arvioida tarvittaessa uudelleen. Ulkoista tarkkuutta arvioitiin tässä työssä korkeuserotushavaintojen avulla. Korkeuserotuksia laskettiin suhteessa suunniteltuun geometriaan ja takymetrimittauksiin, jotka kolmioitiin omiksi kolmioverkoikseen. Laskenta tehtiin kahden toisistaan riippumattoman ohjelmiston (Leica Cyclone ja 3D-Win) avulla, jotta erilaisten (suljettujen) laskurutiinien tuloksia voidaan verrata. Kootaan keskeisimmät mittaustuloksista lasketut tilastolliset tunnusluvut taulukkoon 11. Taulukko 11. Keskeiset tunnusluvut tekonurmipinnasta mitatun pistepilven korkeuskomponentin erotukselle Korke us suunnite llus ta ge ome triasta Leica Cyclone: 0,25m ruutu [m] koko alue eteläkolmio pohjoiskolmio μ 0,044 0,060 0,065 σ 0,011 0,005 0,006 3D-Win 100% p.pilvi 0,25 m ruutu 0,044 0,038 0,012 0,008 2,0 m ruutu 0,043 0,012 Korke us takyme trimittauksis ta [m] μ σ koko alue 0,016 0, % p.pilvi 0,25 m ruutu 0,014 0,016 0,008 0, ,0 m ruutu 0,017 0,012

72 Tämän työn koemittausten tulosten perusteella oli tarkoitus luoda tai täsmentää vaatimuksia, joita maalaserkeilaukselle asetetaan, jotta aineistosta saadaan tiheydeltään ja laajuudeltaan tarkoituksenmukaista. Laskettujen tunnuslukujen valossa tämän työn keskeisimpänä tuloksena suositellaan, että koemittauskohteen suunnitelmanmukaisuuden toteamiseksi pinnasta mitataan korkeusero enintään 2,0 metrin välein. Luvun 5.5 korkeuskäyrien laatuun liittyvän esimerkin valossa esimerkiksi katualuetta mitattaessa on valittava vähintään 0,5-1,0 metrin pisteväli. Samalla Taulukon 11. arvojen valossa päätellään, että maalaserkeilaamalla urheilukentän pinnan korkeusasema saatiin mitattua varsin tiheästi ja hyvällä, erittäin todennäköisesti oikean odotusarvon ympärillä vaihdelleella noin 0,01 metrin tarkkuudella. Tarkkuus olisi ollut varmasti parempi, jos olisi mitattu jotain hiekkatekonurmipintaa kovempaa ja sileämpää pintarakennetta. Kuten Taulukon 11. erotushavaintojen tunnusluvut ja luvussa 5 sekä liitteissä esitetyt histogrammit osoittavat, saadaan onnistuneesti rekisteröidystä ja siivotusta maalaserkeilausaineistosta esille pisteiden korkeuskomponentin kaunis tilastollinen luonne. Se kuvaa erinomaisesti käytetyn mittausmenetelmän hyvää ja riittävää tarkkuutta. Koemittauksissa käytetyn Leica ScanStation C10 -maalaserkeilaimen mittaustarkkuus sekä rekisteröidyn aineiston (ulkoinen) tarkkuus on infrarakentamisen mittausten vaatimuksiin nähden selvästi riittävä. Aineiston ulkoinen tarkkuus riippuu eniten rekisteröinnin laadusta eli kenttämittauksissa joko mittaajan tekemistä tai mitattavasta kohteesta aiheutuvista karkeista virheistä. Satunnaisvirheiden suuruuteen vaikuttaa merkittävästi mitattavan pinnan laatu (karkeus ja mittaussuuntariippuvainen reflektanssi). Kaikkein suurin maalaserkeilauksen käytön hankaluus muodostuu hyvän rekisteröinnin huolellisuutta vaativista työvaiheista, joista tähysten kanssa toimiminen vilkkaalla työmaalla on haastavinta. Edellä esitettyjen korkeuserotuslaskentojen, pintapuoliseksi jääneen tasokoordinaattitutkimuksen ja erityisvertailujen perusteella voidaan maalaserkeilausta pitää tietyt edellytykset ja ongelmat huomioiden koemittauskohteeseen ja yleisemminkin infrarakennuskohteeseen soveltuvana mittausmenetelmänä. Varsinkin infrarakennuskohteen alkuvaiheen maastomallin mittaamisessa, työn aikana paljastuvien kalliopintojen kartoittamisessa sekä valmiin rakenteen yksityiskohtaisessa tarkemittauksessa maalaserkeilainta voisi hyvinkin käyttää. Työnaikaisten mittausten tekemistä maalaserkeilaamalla vaikeuttaa työkoneiden ja työntekijöiden liike, joka väistämättä tulee mitatuksi. Tätä työtä tehtäessä ilmeni useita tärkeitä jatkotutkimus- sekä kehitysaiheita, jotka rajattiin tämän työn ulkopuolelle. Niistä keskeisimpiä ovat pistepilven rekisteröinnin helpottaminen, tehostaminen sekä laadun mittaustenaikainen varmistaminen, todellisen yhteensopivan pistepilviaineiston siirto- ja tallennusformaatin kehittäminen sekä 66

73 laskentatehokkaiden pistepilven käsittelyalgoritmien kehittäminen. 3D-Win -ohjelmiston tyyppiseen laitevalmistajasta riippumattomaan maastomittausohjelmistoon on toteutettava tehokkaat työkalut pistepilviaineiston käsittelyyn, mikä on keskeinen edellytys maalaserkeilauksen yleistymiselle infrarakentamisen mittauksissa. Kehittelyä vaatisivat myös tähykset, jotka voisivat olla nykyistä helpommin automaattisesti tunnistettavissa. Tässä työssä ei perehdytty pistepilven luokitteluun, joka vastaa mittaajan tekemää takymetrihavainnon koodaamista. Luokitteluun liittyvät sovellukset vaativat lisätutkimusta. Jos havaittuun pisteeseen liitetään integroidulla kameralla havaittu väriarvo, täysi paluupulssin muoto, mittaus- ja heijastuskulma pinnasta sekä jollain tavalla tehty varma havainto heijastaneesta materiaalista, voidaan periaatteessa luoda kirjastoja automaattisen luokittelun perustaksi. Varsinkin ilmalaserkeilaukseen liittyen tätä tutkimustyötä on varmasti jo tehty. Täyden paluupulssin tallentamiseen vaadittava laskenta- ja tallennuskapasiteetti on toistaiseksi ongelma, joka kuitenkin ratkeaa ajan kuluessa. Luokittelutarve korostuu maalaserkeilausaineistonkin käsittelyssä viimeistään, kun liikkuvat maalaserkeilainsovellukset yleistyvät ja on selvitettävä, mitä on mitattu. Kun huomioidaan laserkeilauksen kehitystahti 1990-luvun ensimmäisistä laitteista tähän päivään, ei liikkuvien maalaserkeilaussovellusten yleistymiseen välttämättä kulu kauaakaan aikaa. 67

74 Lähteet Bilker-Koivula, Mirjam & Ollikainen, Matti Suomen geoidimallit ja niiden käyttäminen korkeuden muunnoksissa. Geodeettisen laitoksen tiedote 29. ISBN [viitattu ] Saatavilla Edwards, S., Clarke, P., Goebell, S. and Penna, N An examination of commercial network RTK GPS services in Great Britain, The Survey Associationin raportti. [viitattu ] Saatavilla FIFA eli Fédération Internationale de Football Association. FIFA Quality Concept for Football Turf. Hiekkatekonurmelle asetetut kansainväliset laatuvaatimukset. [viitattu ] Saatavilla _342.pdf Fröhlich, C. & Mettenleiter, M Terrestrial laser scanning new perspectives in 3D surveying. s [Viitattu ]. Saatavilla Hakola, Antti Johdatus aineen rakenteeseen. Espoo. TKK:n Teknillisen fysiikan julkaisu TKK-F-B207. ISBN Hartikainen, Olli-Pekka Tietekniikan perusteet. Espoo. ISBN Heikkilä, R. & Jaakkola, M Johdatus tienrakentamisen automaatioon. Loppuraportti, Tienpidon digitaalisen toimintaprosessin kehittäminen ja rakentamisen automatisointi. Tiehallinto. Tiehallinnon selvityksiä 61/2004. ISSN , ISBN , TIEH Honkanen, Petri Lahden kaupungin taso- ja korkeusjärjestelmien vaihtaminen EUREF-FIN ja N2000-järjestelmiin. Diplomityö. Aalto-yliopisto, Maanmittausosasto. Espoo. Hyvärinen, Juha & Mäkeläinen, Tarja & Rekola, Mirkka & Törnqvist, Jouko InfraTimantti esiselvitys, loppuraportti. [Rakennetun ympäristön elinkaarenaikaisten tietomallipohjaisten prosessien ja liiketoimintamallien kehittäminen -tutkimushankkeen esiselvitys, VTT-R ] VTT. [viitattu ] Saatavilla Häkli, Pasi & Koivula, Hannu Reaaliaikaisen GPS-mittauksen laatu. [verkkoartikkeli, julkaistu Maanmittaus-lehden numerossa 80:1-2] Geodeettinen laitos, Geodesian ja geodynamiikan osasto [viitattu ] Saatavilla 68

75 Häkli, Pasi & Puupponen, Jyrki & Koivula, Hannu & Poutanen, Markku Suomen geodeettiset koordinaatistot ja niiden väliset muunnokset. Geodeettisen laitoksen tiedote 30. ISBN [viitattu ] Saatavilla Isenburg, Martin Avoimen lähdekoodin LAStools-ohjelmaperhe. [viitattu ] Saatavilla JHS Julkisen hallinnon suositus 153: ETRS89-järjestelmän mukaiset koordinaatit Suomessa.[viitattu ] Saatavilla liitteineen JHS Julkisen hallinnon suositus 154: ETRS89-järjestelmään liittyvät karttaprojektiot, tasokoordinaatistot ja karttalehtijako.[viitattu ] Saatavilla liitteineen Kahmen, Heribert & Faig, Wolfgang Surveying. New York, USA (alunperin Saksa). ISBN X Kavanagh, Barry F Surveying with Construction Applications: 7th Edition. Toronto, Kanada. ISBN ISBN Kilpeläinen, Pekka & Nevala, Kalervo & Tukeva, Pirkka & Rannanjärvi, Leila & Näyhä Tuomo & Parkkila, Tommi Älykäs tietyömaa tienrakennuskoneiden modulaarinen ohjaus. Valtion teknillinen tutkimuskeskus. Espoo. VTT:n tiedotteita ISBN (painettu) ISBN (sähköinen) Saatavilla Kotimaisen kielten tutkimuskeskus Kielitoimiston sanakirja, 1. osa. Helsinki. ISBN Laininen, Pertti Tilastollisen analyysin perusteet. Helsinki, Suomi. ISBN X Leica Geosystems. 2011a. Leica TPS1200 -takymetrisarja. Esite. [viitattu ] Saatavilla e_en.pdf Leica Geosystems. 2011b. Erilaisten tasolasereiden esitteitä. [viitattu ] Saatavilla Leica Geosystems. 2011c. Leica ScanStation C10. Maalaserkeilaimen esite. [viitattu ] Saatavilla 69

76 Leica Geosystems Leica TPS1200+ Series takymetrisarjan esite. [viitattu ] Saatavilla tps/tps1200/brochures/leica_tps1200+_brochure_en.pdf Pfeifer, Norbert & Höfle, Bernhard & Briese,Christian & Rutzinger, Martin & Haring, Alexander Analysis of the backscattered energy in terrestrial laser scanning data. [Viitattu ] Saatavilla Palomaa, Tuomo & Mustonen, Markku & Lindberg, Janne TEKES Loppuraportti: Koneohjauspilotti katuhankkeessa.[viitattu ] Saatavilla Poutanen, Markku GPS-paikanmääritys. Helsinki. ISBN Poutanen, Markku Satelliittipaikannus. Helsinki. [GPS-paikanmääritys -teoksen revisio, viitattu ] Saatavilla Puupponen, Jyrki Kolmiomittauksen historiaa. [historiallinen tietoisku, julkaistu Maanmittaus-aikakauskirjan numerossa 84:1] Saatavilla [viitattu ] Reshetyuk, Yuriy Investigation and calibration of pulsed time-of-flight terrestrial laser scanners. Lisensiaatintyö. Kungliga Tekniska Högskolan. DOI [viitattu ] Saatavilla doi= &rep=rep1&type=pdf RTS eli Rakennustietosäätiö InfraRYL: Infrarakentamisen yleiset laatuvaatimukset -sarja. Helsinki. ISBN Ratahallintokeskus Geodeettiset mittaustyöt. Ratahallintokeskuksen julkaisuja D 15. Helsinki. ISBN [viitattu ] Saatavilla Retscher, Günther Multi-Sensor Systems for Machine Guidance and Control. [viitattu ] FIG XXII International Congress Articel. Saatavilla Rönnholm, Petri Aalto-yliopiston insinööritieteiden korkeakoulun Maanmittaustieteiden laitoksen Laserkeilaus-kurssin opetusmateriaali. Ei saatavilla julkisesti. 70

77 Santala, Jaakko Kaikki mittauslaitteet mittaavat väärin! Kuinka väärin - se selvitetään kalibroinnilla. [artikkeli, julkaistu Maankäyttölehden numerossa 1/2002] Teknillinen korkeakoulu, Geodesian laboratorio. [viitattu ] Saatavilla Santala, Jaakko & Joala, Vahur On the Calibration of a Ground-based Laser Scanner. [viitattu ] Saatavilla Schofield, Wilfred & Breach, Mark Engineering Surveying. Oxford. ISBN-13: Simonen, Juho Takymetrin kalibrointi case Geodimeter 444. Seminaarityö. Aalto-yliopisto. Maanmittaustieteiden laitos. Suomen palloliitto Ry Tekonurmiopas. Tekonurmikenttien rakentamisopas. [viitattu ] Saatavilla The American Society for Photogrammetry & Remote Sensing (ASPRS) LAS SPECIFICATION VERSION 1.3 R10. [viitattu ] Saatavilla Tolonen, Jukka Terrestriaalisen laserkeilaimen tosiaikainen orientointi virtuaali-rtk (Real Time Kinematic) menetelmällä. Diplomityö. Aalto-yliopisto. Vermeer, Martin. 2010a. Aalto-yliopiston insinööritieteiden korkeakoulun Maanmittaustieteiden laitoksen Reference Systems -kurssin opetusmoniste [viitattu ] Saatavilla Vermeer, Martin. 2010b. Moderni geodesia. Aalto-yliopiston insinööritieteiden korkeakoulun Maanmittaustieteiden laitoksen Moderni geodesia -kurssin opetusmoniste [viitattu ]. Saatavilla Vermeer, Martin Johdanto geodesiaan. Aalto-yliopiston insinööritieteiden korkeakoulun Maanmittaustieteiden laitoksen Johdanto geodesiaan -kurssin opetusmoniste [viitattu ]. Saatavilla Vosselman George & Maas Hans-Gerd Airborne and terrestrial laser scanning. Tieteellisistä artikkeleista toimitettu käsikirja. Skotlanti, Iso-Britannia. ISBN

78 Liitteet Liite 1. Leica ScanStation C10:n yksittäisen havainnon kovarianssimatriisi Laitevalmistajan ilmoittamia arvoja (Leica 2011c, s. 2): Etäisyysmittauksen tarkkuus: σ s = 4 mm Kulmahavainnon tarkkuus: σ A = σ z = 60 μ rad Lasersäteen hajaantumiskulma: θ λ /d = 532 nm/4,5 mm 0, mrad Kulmahavainnon lisähajonta: σ beam = θ μ rad 4 Nyt voidaan sijoittaa 2 s 0 0 C inst =[σ 0 σ 2 2 A +σ beam σ 2 2 z +σ beam ]=[ m ] Jacobin matriisi saadaan kaavaa (4) derivoimalla muotoon (Reshetyuk 2006, s. 78) X s J =[ Y s Z s X A Y A Z A X z Y z Z z ]=[ cos A sin z ssin Asin z scos A cos z ] sin Asin z scos A sin z ssin Acos z, cos z 0 ssin z joten varianssin kasautumislain ja Reshetyukin mukaan (2006, s. 78) voidaan kirjoittaa yksittäisen havainnon kovarianssimatriisi kojekoordinaatistossa muotoon =[ 2 σ X σ X σ Y σ X σ Z 2 C X σ Y σ X σ Y σ Y σ ]= Z J C J T inst. 2 σ Z σ X σ Z σ Y σ Z Ei avata matriisituloa tähän, sillä tulos on hyvin pitkä.

79

80 Liite 3. Leica Cyclone -ohjelmistolla tehdyn laskennan perusteella piirrettyjä frekvenssijakaumia

81

82 Liite 4. Tilastollisten tunnuslukujen laskukaavoja (Laininen 2000, s ) Korkeuden erotushavainto Δ h( x, y) = h keilaus (x, y) h i (x, y), missä h = 3D-koordinaattien korkeuskomponentti [m] (x, y) = havainnon tasokoordinaatit [m] i = suunnitellun geometrian kolmioverkko tai i = takymetrimittausten kolmioverkko n 1 Erotushavaintojen aritmeettinen keskiarvo h = j=1 n Δ h ( x, y) j Erotushavaintojen otoskeskihajonta s = 1 n 1 n (Δ h j (x, y ) h) 2 j =1 Keskiarvon keskivirhe se[ h] = s n Tyyppiarvo eli moodi: useimmin esiintyvä arvo havaintoaineistossa Mediaani: arvo, jonka alapuolelle jää 50% havainnoista

83 Liite 5. 3D-Win: Leica Cyclonella tehdyn kolmionnin sisäinen tarkkuus, jakaumia

84

85 Liite 6. 3D-Win: harventamattoman pistepilven vertailu suunniteltuun geometriaan

86 Liite 7. 3D-Win: Cyclonen kolmioverkon sisäinen tarkkuus 0,4 metrin ruutuun harvennetun pistepilven suhteen

87 Liite 8. Leica Cyclonen ja 3D-Winin laskemien korkeuserohavaintojen vertailua (turkoosi = sininen + vihreä)

88 Liite 9. Pistepilven pistevälin harvennuksen vaikutus korkeuserotushavaintojen jakaumaan: frekvenssijakaumavertailut 0,25 m vs. 1, 4, 10 ja 20 m. (turkoosi = sininen + vihreä)

89