Maastolaserkeilauksen mahdollisuudet metsävaratiedon hankinnassa ja puunkorjuussa Harri Kaartinen 9.3.2016, FOREST BIG DATA -hankkeen tulosseminaari
Maastolaserkeilaus Staattinen laserkeilaus, keilain + kolmijalka Terrestrial laser scanning TLS Liikkuva laserkeilaus, keilain + GNSS-IMU-paikannus Mobile laser scanning MLS 2
MLS metsässä Haasteena paikannustarkkuus latvuston alla Koetyö satelliittipaikannuksen tarkkuudesta 800 m reitti eri metsätyyppien läpi (punainen linja) Useita GNSS laitteita ja MLS-järjestelmä asennettiin mönkijään MLS-järjestelmän sijaintitarkkkuus määritettiin reitin varrella olevien 224 sijainniltaan tunnetun puun perusteella (vihreät pisteet) MLS-trajektorin 2D sijaintitarkkuus 0.7 m (RMSE) 3
Paikannustarkkuus metsässä 2D paikannustarkkuus liikkeessä metsässä GNSS laite RMSE (m), kahden ajokierroksen keskiarvo Nuori mäntymetsä Nuori kuusimetsä Kypsä mäntymetsä Kypsä kuusimetsä Käsinavigaattori 9.3 8.5 8.2 7.7 Yksitaajuusvastaanotin, A Yksitaajuusvastaanotin, B Yksitaajuusvastaanotin, jälkilaskenta, B 4.2 4.8 4.7 4.6 5.5 6.8 6.1 6.8 5.9 7.7 6.6 6.9 Kaksitaajuusvastaanotin 7.6 31.4 27.2 49.3 Kaksitaajuusvastaanotin, jälkilaskenta 0.8 1.3 1.9 2.7 4 Kaartinen, H.; Hyyppä, J.; Vastaranta, M.; Kukko, A.; Jaakkola, A.; Yu, X.; Pyörälä, J.; Liang, X.; Liu, J.; Wang, Y.; Kaijaluoto, R.; Melkas, T.; Holopainen, M.; Hyyppä, H. Accuracy of Kinematic Positioning Using Global Satellite Navigation Systems under Forest Canopies. Forests 2015, 6, 3218-3236.
Paikannustarkkuuden parantaminen Kun satelliittinäkyvyys on huono, paikannustarkkuutta voidaan parantaa SLAM-tekniikalla (Simultanious Localization And Mapping) Em. tarkkuustutkimuksen yhteydessä mönkijässä oli myös vaakatasossa mittaava laserkeilain jonka mittaamia profiileja käytettiin SLAM-laskentaan Käytetyllä testiosuudella GNSS-IMU-ratkaisun paikannustarkkuus parani SLAM-tekniikan avulla 38% 2D sijaintitarkkuus 52 cm -> 32 cm GNSS-IMU-SLAM harvestereihin? 5 Tang, J.; Chen, Y.; Kukko, A.; Kaartinen, H.; Jaakkola, A.; Khoramshahi, E.; Hakala, T.; Hyyppä, J.; Holopainen, M.; Hyyppä, H. SLAM-Aided Stem Mapping for Forest Inventory with Small-Footprint Mobile LiDAR. Forests 2015, 6, 4588-4606.
MLS kehitystyö Metsäinventointi selkäreppulaserkeilauksella Koetyö 2000 m 2 metsäkoealalla Runkojen löytymistarkkuus 82.6% Runkojen paikannustarkkuus 0.38 m (RMSE) DBH-määritystarkkuus 5.06 cm (RMSE) Paikannusvirheet vaikuttavat rungon mallinnuksen tarkkuuteen 6 Liang, X.; Kukko, A.; Kaartinen, H.; Hyyppä, J.; Yu, X.; Jaakkola, A.; Wang, Y. Possibilities of a Personal Laser Scanning System for Forest Mapping and Ecosystem Services. Sensors 2014, 14, 1228-1248.
COMBAT-hanke COMBAT = Competence-Based Growth Through Integrated Disruptive Technologies of 3D Digitalization, Robotics, Geospatial Information and Image Processing/Computing Point Cloud Ecosystem Hanke kuuluu SA:n strategisen tutkimuksen Teknologiamurrokset ja muuttuvat instituutiot ohjelmaan. Rahoitus Suomen Akatemian yhteydessä toimivalta strategisen tutkimuksen neuvostolta (STN). STN:n tehtävä on rahoittaa pitkäjänteistä ja ohjelmamuotoista tutkimusta, joka tuottaa ratkaisuja merkittäviin suomalaisen yhteiskunnan haasteisiin. Rahoitus 2015-2017 (arvioinnin jälkeen mahd. jatko 2018-2020). 7
COMBAT-hanke Konsortio: Maanmittauslaitoksen Paikkatietokeskus FGI, Kaukokartoitus ja fotogrammetria (prof. Harri Kaartinen & prof. Juha Hyyppä) Aalto-yliopisto, Autonomiset järjestelmät (prof. Arto Visala) Aalto-yliopisto, Rakennetun ympäristön mittaus ja mallinnus (prof. Hannu Hyyppä & prof. Pirjo Ståhle) Oulun yliopisto, Jokapaikan tietotekniikka (prof. Timo Ojala) Turun yliopisto, Maantiede (prof. Petteri Alho) 8
COMBAT-hanke 9 Kolme päätutkimusalaa 3D-digitalisaation kehittämisessä Älykkäät kaupungit Metsät Väylät (tiet, sähkölinjat, joet ) > 40 sidosryhmää (käyttäjät, yritykset, päättäjät) Kansainvälinen vuorovaikutusryhmä, 10 professoria Tavoitteet: Suomeen uusia ja uuteen osaamiseen perustuvia työpaikkoja Säästöjä valtiosektorilla, läpimurtoja teollisuuden kanssa Huippujulkaisuja
10 COMBAT-hanke
COMBAT-hanke ja metsät WP 1 Integrated Disruptive Technologies Paikannustarkkuuden parantaminen metsässä (kartoitus, harvesteri) Harvestereiden sensorikehitys Automaattiset työkoneet esim. sorateiden kunnossapidossa WP 2 Improving 3D digitalization of forests Datafuusio (ALS, MLS, TLS, UAV), mittaus- ja mallinnusmenetelmien kehitys, automaattinen puulajitunnistus 11
COMBAT-hanke ja metsät WP 4 Novel corridors Teiden kuntoseuranta Voimalinjakäytävät WP 5 International benchmarking studies Loppusuoralla oleva EuroSDR vertailututkimus puunrunkojen mallinnuksesta TLS pistepilvistä (sijainti, runkokäyrä, maastomalli) Miniselkäreppukeilaimen testaus Koetyöt Japanissa ja Brasilissa 12
Lisätietoja Laserkeilauksen huippuyksikkö: http://laserscanning.fi/ COMBAT: http://pointcloud.fi Twitter: @pointcloudfi