Mätosäkerhet vid digital terrängmodellering med handhållen...
Transcript of Mätosäkerhet vid digital terrängmodellering med handhållen...
AKADEMIN FÖR TEKNIK OCH MILJÖ Avdelningen för industriell utveckling, IT och samhällsbyggnad
Mätosäkerhet vid digital terrängmodellering med handhållen laserskanner
Undersökning av den handhållna laserskannern ZEB-REVO
Amanda Gustafsson & Olov Wängborg
2018
Examensarbete, Grundnivå (kandidatexamen), 15 hp Lantmäteriteknik
Lantmätarprogrammet, teknisk inriktning
Handledare: Yuriy Reshetyuk Examinator: Stig-Göran Mårtensson
Bitr. examinator: Ulrika Ågren
i
Förord
I och med detta examensarbete avslutar vi våra tre år på Högskolan i Gävles
Tekniska Lantmätarprogram, vilket har varit tre intensiva men lärorika år. Vi
vill med detta förord passa på att tacka alla personer som hjälpt oss under det
omfattande examensarbetet.
Först och främst vill vi tacka Yuriy Reshetyuk för värdefull handledning och
stöttning vid stunder av tvivel. Även övriga lärare tillhörande programmet
som ställt upp extra när det behövts. Vi vill även rikta ett stort tack till Bengt
Lindell och Susanna Gavhed på Norsecraft Geo som gjorde detta
examensarbete möjligt genom att låna ut instrumentet ZEB-REVO. Även
Tommy Segerkvist, ägare av Segerkvist Mätteknik, ska tackas för att ha bistått
med andra viktiga instrument.
Till sist men inte minst vill vi tacka våra respektive familjer och vänner som
stöttat oss under examensarbetet som såväl under hela studietiden.
Gävle, maj 2018
Amanda Gustafsson & Olov Wängborg
ii
iii
Sammanfattning
En digital terrängmodell (DTM) är en representation av enbart själva
markytan. Det finns flera metoder för att framställa DTM:er, där
laserskanning har blivit en alltmer vanlig metod. Inom laserskanning är
flygburen laserskanning (FLS) en flitigt använd metod, då metoden har
fördelen av att kunna täcka stora områden på kort tid. Det finns dock
nackdelar med FLS då datainsamlingen kan bli bristfällig i t.ex. skogsområden,
där laserstrålar inte kan tränga igenom tät vegetation. Här kan handhållen
laserskanning (HLS) vara ett bra alternativ då HLS går snabbt och inte behöver
samma omfattande planering. Tidigare studier visar att HLS har många
fördelar, men som dock inte kan hålla samma låga osäkerhet som terrester
laserskanning (TLS). Det saknas däremot studier om hur HLS ställer sig mot
mätningar med FLS. Syftet med studien är därför att utvärdera möjligheten att
använda och tillämpa mätningar med HLS för framställning av DTM i
skogsterräng gentemot FLS.
Detta görs genom att jämföra respektive DTM:s lägesosäkerhet. I studien
användes instrumentet ZEB-REVO för insamlingen av data för metoden HLS.
Medan för FLS användes laserdata från Lantmäteriet. Från insamlad laserdata
skapades därefter DTM:er. Dessa jämfördes mot ett antal kontrollprofiler som
mättes in med totalstation. För respektive metod, HLS och FLS, beräknades
medelvärde för höjdavvikelserna mot kontrollprofilerna där även
standardavvikelse beräknades. Resultatet visar att DTM:en skapad av data från
FLS beräknades ha en höjdavvikelse för hela området på 0,055 m som
medelvärde gentemot inmätta kontrollprofiler. Standardavvikelsen för denna
höjdavvikelse beräknades till 0,046 m för FLS. För DTM:en med data från
HLS beräknades en höjdavvikelse på 0,043 m i medelvärde som bäst, där
standardavvikelse beräknades till 0,034 m. Studien visar att metoderna HLS
och FLS gav likvärdiga resultat gentemot de inmätta kontrollprofilerna, dock
gav HLS generellt mindre standardavvikelse i jämförelse mot FLS. Vidare
ansågs ZEB-REVO och dess tillhörande databearbetningsprogram GeoSLAM
vara väldigt användarvänligt, där själva skanningen med instrumentet tog
endast 10 minuter för studiens område på ca 2000 m2. Utifrån studiens
resultat drogs slutsatsen att mätningar med HLS kan ge en likvärdig DTM, sett
till osäkerheten, som FLS-mätningar. HLS kan därmed vara en
kompletterande metod men att FLS är en fortsatt effektiv metod.
Nyckelord: Digital terrängmodell (DTM), Flygburen laserskanning (FLS),
Handhållen laserskanning (HLS), Simultaneuos localization and mapping
(SLAM), ZEB-REVO
iv
v
Abstract
A digital terrain model (DTM) represent exclusively the earth surface. There
are several methods which can be utilized to create DTMs, where laser
scanning have become a common used method. Airborne laser scanning
(ALS) is often used since the method can cover a large area in a relatively
short time. However a disadvantage with ALS is that the data collection, for
a wooded area, can be inadequate due to penetration difficulties for some
laser beams. For that reason a handheld laser scanner (HLS) can be an
alternative since measurements can be done fast and does not need the same
extensive planning. Earlier studies mention HLS to have several advantages
but can still not yet be compared with terrestrial laser scanning (TLS)
concerning the measurements uncertainty. There are, however, no studies
that investigates how measurements with HLS stands against FLS. The
purpose with the study is to evaluate the ability to use measurements from
HLS to create a DTM for a wooded area in comparison with ALS.
This is done by comparing the different uncertainties for each DTM. In the
study the acquisition of HLS laser data was collected with the instrument
ZEB-REVO and the ALS laser data was received from Lantmäteriet
(cadastral mapping and surveying authority in Sweden). After the data
acquisition a DTM were created from each data set (method). The DTMs
were then compared to control profiles, which have been measured with
total station. From the comparison with the control profiles average height
deviation and standard deviation were calculated for each DTM. The result
shows that the DTM created from ALS data received an average height
deviation of 0,055 m for the whole area with a standard deviation of 0,046
m. Corresponding result for the DTM created from HLS data were
calculated, at best, to 0,043 m in average height deviation and 0,034 m in
standard deviation. The study shows that the methods HLS and ALS gave
equivalent result regarding the comparison with the control profiles,
however HLS gave a generally lower value for standard deviation.
Furthermore ZEB-REVO with its processing program GeoSLAM was
considered to be very easy and user friendly. The area (approx. 2000 m2) for
the study was scanned within only 10 min. The conclusion which were
drawn from the obtained result was that measurements with HLS can
generate an equivalent DTM, concerning the uncertainty, as measurements
with FLS. Thereby HLS can be a complementing method but still FLS is
seen as an effective method.
Key words: Airborne laser scanning (ALS), Digital terrain model (DTM), Handheld laser scanning (HLS), Simultaneuos localization and mapping (SLAM), ZEB-REVO
vi
vii
Innehållsförteckning
1 Introduktion ................................................................................. 1
1.1 Bakgrund .............................................................................. 1
1.1.1 Digital terrängmodell ......................................................... 1
1.1.2 Laserskanning .................................................................. 1
1.2 Syfte .................................................................................... 2
1.3 Tidigare studier....................................................................... 3
1.3.1 Mobil laserskanning ........................................................... 3
1.3.2 Simultaneous localization and mapping (SLAM) ......................... 4
1.3.3 Handhållen laserskanning .................................................... 4
2 Teoretisk bakgrund ........................................................................ 6
2.1 Terminologi för höjdmodeller ..................................................... 6
2.2 Olika metoder för laserskanning .................................................. 6
2.3 SLAM .................................................................................. 8
2.4 RUFRIS ................................................................................ 8
2.5 Kontrollprofiler ...................................................................... 8
3 Metod och material ....................................................................... 10
3.1 Instrument............................................................................ 10
3.1.1 ZEB-REVO .................................................................... 10
3.1.2 Övriga instrument och utrustning ......................................... 11
3.2 Studieområde ........................................................................ 12
3.3 Laserskanning ........................................................................ 12
3.4 Mätning ............................................................................... 13
3.4.1 Stationsetablering ............................................................. 13
3.4.2 Inmätning av sfärer ........................................................... 14
3.4.3 Kontrollprofiler ............................................................... 14
3.5 Bearbetning .......................................................................... 15
3.5.1 Georeferering ................................................................. 15
3.5.2 Skapa DTM som TIN ........................................................ 16
3.6 Jämförelse av DTM:er mot kontrollprofiler ................................... 16
4 Resultat ..................................................................................... 18
5 Diskussion .................................................................................. 23
5.1 Vidare studier ........................................................................ 25
5.2 Hållbar utveckling och etiska aspekter .......................................... 26
6 Slutsats ...................................................................................... 27
Referenser ........................................................................................ 28
Bilaga A ........................................................................................... A1
Bilaga B ............................................................................................ B1
Bilaga C ........................................................................................... C1
viii
Bilaga D........................................................................................... D1
Bilaga E ............................................................................................ E1
Bilaga F ............................................................................................ F1
Bilaga G ........................................................................................... G1
1
1 Introduktion
1.1 Bakgrund
1.1.1 Digital terrängmodell
Digital terrängmodell (från engelskans digital terrain model) kan förkortas DTM och
är en modell som enbart representerar markytan utan vegetation eller andra objekt
som finns på marken (INSPIRE Thematic Working Group Elevation [TWG-EL],
2012). DTM kan även kallas för markmodell (SIS-TS 21144:2016 avsnitt 3.6).
Höjddata, i form av exempelvis DTM:er, har många olika användningsområden och
används därför ofta (Hubacek, Kovarik & Kratochvil, 2016; INSPIRE TWG-EL,
2012). Det är därför viktigt att utforska hur framställning av DTM:er kan utvecklas
och förbättras, vilket är anledningen till denna studie.
Det finns flera olika metoder för insamling av data vid framställning av DTM. En
allmän beskrivning av möjliga framställningsmetoder för en DTM framgår i SIS-TS
21144:2016 avsnitt 7.1, där bland annat fotogrammetrisk-, geodetisk mätning
(terrester eller satellitbaserad) samt laserskanning (mark- eller flygbaserad) listas
som några användbara metoder. Då mätning utförs med exempelvis totalstation
eller global navigation satellite system (GNSS) gör användaren ett urval av indata
redan ute i fält genom de faktiskt inmätta punkterna, vilket leder till generaliserad
data som sedan kan genereras till en DTM. Vid användning av terrester
laserskanning (TLS) som insamlingsmetod mäts i stort sett ”allt” in och
generaliseringen (filtreringen) av data får bearbetas i efterhand för att skapa en
DTM. I och med att TLS kan samla in betydligt mer data än exempelvis totalstation
eller GNSS är en DTM skapad genom TLS, teoretiskt sett, mer noggrann
(Lantmäteriet m.fl., 2013; Mårtensson, 2016; Reshetyuk, 2017).
1.1.2 Laserskanning
Enligt HMK-Höjddata (2017) och Hubacek et al. (2016) är laserdata det vanligaste
utgångsmaterialet för höjddata, där flygburen laserskanning (FLS) beskrivs som en
effektiv metod för att samla in höjddata över större områden som kan användas vid
framställning av både yt- och markmodeller. HMK-Höjddata (2017) förtydligar att
när avståndet till sensorn ökar, avtar punkttätheten, vilket genererar högre
mätosäkerhet. TLS eller annan geodetisk mätning kan användas för mindre områden
eller där det ställs högre krav på lägesosäkerheten och det är inte ovanligt att
metoderna kombineras för att uppnå önskat resultat (HMK-Höjddata, 2017).
2
Sveriges höjdmodell är framtagen med hjälp av FLS (Lantmäteriet, 2016). För en
varierad terräng kan höjdmodellen förväntas ge en osäkerhet i höjd på omkring 0,2
m, där osäkerheten bland annat kan bero på att vegetation hindrar laserstrålarna från
att nå ända ner till marken (Lantmäteriet, 2011). Osäkerheten kan jämföras med
Tjeckiens nya nationella höjdmodell (DMR 5G), som även den tagits fram genom
FLS och där Hubacek et al. (2016) utförde en studie för att verifiera angivna
osäkerheter (0,18 m för öppen terräng och 0,30 m för skogsterräng). Genom
geodetiska mätningar kom författarna fram till att höjdmodellens osäkerhet
överensstämde med de angivna, till och med gav testerna något bättre resultat för
skogsterräng. Med handhållen laserskanner (HLS) bör mer data kunna samlas in på
ett hållbart sätt för ett mindre område och dessutom på kortare tid i jämförelse med
mätningar utförda med TLS eller totalstation som kräver fler uppställningar för att
få motsvarande data. Från tidigare studier (avsnitt 1.3) framgår det att HLS verkar
vara en lovande metod med många fördelar men som ännu inte kan mätas med den
låga osäkerhet som TLS kan åstadkomma. Däremot saknas det studier om hur
mätningar med HLS ställer sig mot mätningar med FLS. Därför är det av högsta
intresse att göra en fördjupning för i vilken utsträckning HLS kan användas och om
HLS i vissa skeden kan ersätta eller komplettera mer tidskrävande metoder som
t.ex. FLS, vilket kommer undersökas i och med denna studie.
1.2 Syfte
Syftet med studien är att utvärdera möjligheterna att använda och tillämpa
mätningar från HLS för framställning av en digital terrängmodell (DTM) i
skogsterräng. Främsta fokus är att se hur låg osäkerhet en DTM kan erhålla med
hjälp av mätningar med en HLS i jämförelse med FLS. Studien begränsas till
praktiskt utförande och kvantitativ metod. Området för studien, vilken är beläget
strax utanför Gävle, begränsades till ett ca 2000 m2 stort område för att undvika
påverkan av kringliggande snö och säkerställa att den bestämda tidsramen för arbetet
inte överskrids. För att kunna jämföra de båda metoderna och de framställda
DTM:ernas osäkerheter gjordes mätningar med totalstation som referensdata.
Forskningsfrågor som har behandlats i studien:
Hur låg osäkerhet kan erhållas för en DTM skapad genom mätningar med
HLS i jämförelse med FLS-mätningar?
Vilka för- respektive nackdelar finns det med användandet av HLS i
jämförelse med FLS?
Förhoppningen innan studiens utförande var att HLS-mätningarna med simultaneuos
localization and mapping (SLAM) algoritmer kunde generera en likvärdig DTM, sett
till osäkerheten, som FLS-mätningarna.
3
1.3 Tidigare studier
1.3.1 Mobil laserskanning
Tyagur och Hollaus (2016) skriver att laserskanning har blivit en allt mer använd
teknik för att samla in tredimensionell data, vilket ofta används för att skapa
DTM:er eller andra ytmodeller. Författarna skriver även att FLS har mer eller
mindre blivit en standardmetod för att samla in topografisk data för skapandet av
DTM:er. Dock menar författarna att det finns begränsningar med FLS när det
kommer till att fånga de många detaljerna för t.ex. ett skogsområden. I studien
använder författarna mobil laserskanning (MLS), i form av en laserskanner monterad
på en bil. Författarna beskriver MLS som en snabb och noggrann metod för att samla
in data för ett område, i detta fall för ett skyddat naturreservat. Genom några
kontrollpunkter inmätta med totalstation kunde den genomsnittliga vertikala
osäkerheten sättas till omkring 0,1 m för DTM skapad med MLS mätningar. I likhet
med studien av Tyagur och Hollaus (2016) användes MLS även i denna studie för att
samla in detaljrik data för ett skogsområde på ett effektivt sätt som sedan
genererades till en DTM. Till skillnad från Tyagur och Hollaus (2016) användes HLS
istället för en laserskanner monterad på ett fordon, för att samla in ytterligare data
från fler vinklar och på så vis täcka hela området av intresse.
Lehtola et al. (2017) menar även de att MLS är en lovande teknik och gör i studien
jämförelser mellan flera olika mobila laserskanningssystem för att därefter göra en
sammanställning av samtliga systems styrkor respektive svagheter. Liang et al.
(2014) använder en viss typ av MLS, närmare bestämt personburen laserskanner
(PLS). Författarna beskriver att största fördelen med MLS är att metoden kan samla
in data på kortare tid i jämförelse med TLS. PLS kan även komma åt mer
svårtillgängliga platser och samla in ytterligare data av intresse (Liang et al., 2014).
Författarna skriver att bortsett ifrån en laserskanningsenhet ingår även GNSS och
inertial measurment unit (IMU) i PLS-enheten. Studien visade på goda möjligheter
att i framtiden använda PLS som metod för skogsinventering men att TLS
fortfarande ger lägre osäkerhet (Liang et al., 2014). Främsta orsaken till PLS:ens
osäkerhet tros bero på bristande GNSS-signaler som försämrar resultatet och är
något som måste utvecklas för framtida användning (Liang et al., 2014). Författarna
ger förslag på andra tillämpningar av PLS än bara skogsinventering, t.ex.
dokumentering av skogsområden som vandringsleder för rekreation. Istället för att
fokusera på inventering har denna studie koncentrerat på framställning av DTM. På
grund av svagheterna med GNSS-mätning i skog användes SLAM-algoritmer för
punktmolnsregistrering.
4
1.3.2 Simultaneous localization and mapping (SLAM)
Qian et al. (2017) har undersökt hur en integration av tekniken SLAM med
GNSS/inertial navigation system (INS) kan göras för att positionera instrument i
svårtillgängliga områden såsom skog. I studien användes MLS för att kartera ett
skogsområde. Positionering med GNSS/INS anses i dessa fall vara otillräckligt på
grund av förlorade signaler och flervägsfel, men en integrering av SLAM anses vara
både en effektiv och hållbar metod utan extra kostnader för hårdvaruteknik. I
studien av Qian et al. (2017) testas två olika metoder för SLAM-integration, en som
stödjer sig på rörelsens riktning samt en metod baserad på rörelsens riktning och
hastighet. Studien visar att den första SLAM-metoden som endast stödjer sig på
rörelsens riktning ger en horisontell postitionsnoggrannhet på 0,13 m, vilket är en
förbättring med 70% mot traditionell positionsmätning med GNSS/INS. För den
andra SLAM-metoden som stödjer sig på både rörelsens riktning och hastighet, så
kunde en positionsnoggrannhet på 0,06 m beräknas, vilket är en förbättring på 86%
mot traditionell positionsmätning med GNSS/INS (Qian et al., 2017).
1.3.3 Handhållen laserskanning
I likhet mellan studierna (Bauwens, Bartholomeus, Calders & Lejeune, 2016; James
& Quinton, 2014; Ryding, Williams, Smith & Eichhorn, 2015) har MLS i form av
HLS använts utomhus. James och Quinton (2014) beskriver TLS som en vanlig
metod för att samla in topografisk data men att metoden har begränsningar när det
kommer till att samla in täckande data för mer komplexa miljöer på ett effektivt
sätt. Författarna skriver att geomorfologiska studier ofta hanterar någon typ av
höjddata och när det gäller kilometervisa områden används ofta FLS men för mindre
områden (tio, hundratals meter) används idag ofta TLS som kan vara en tidskrävande
metod för att samla in önskad data. Författarna uttrycker att HLS verkar vara en
lovande metod för att samla in önskad data för ett mindre men komplext område. I
studien jämfördes bl.a. mätningar med HLS (ZEB1) mot mätningar med TLS (Riegl
VZ-1000) för ett mer komplext utformat område. Utifrån mätningarna kunde
författarna konstatera att HLS är en betydligt snabbare metod vad gäller insamling av
data. Enligt författarna tar SLAM-registreringen ungefär lika lång tid som
datainsamlingen men punktmolnet kan behöva vidare bearbetning. Än så länge kan
HLS inte generera en DTM med lika låg osäkerhet som TLS men kan ändå användas
och möjliggöra för fler typer av geomorfologiska tillämpningar, dessutom kan det
vara ett kostnadseffektivt alternativ (James & Quinton, 2014). Bauwens et al.
(2016) skriver att det finns begränsningar med att använda GNSS i skogen men att
en HLS inte är beroende av GNSS då en HLS använder SLAM-algoritmer som ger en
bättre registrering av punktmolnet. För att optimera SLAM-registreringen utfördes
mätningar efter ett planerat mönster för att täcka hela området med god punkttäthet
och avsluta mätningen med att sluta slingan (Bauwens et al., 2016).
5
Författarna (Dewez et al., 2017; James & Quinton, 2014) framhäver dock att även
SLAM-registrering har vissa begränsningar. Metoden kräver väldefinierade objekt
för att registreringen ska vara möjlig, om objekten är glest utspridda kan SLAM-
registreringen ha för få objekt att registrera punktmolnet efter. Bauwens et al.
(2016) menar att en annan svaghet är att HLS har en högre stråldivergens som leder
till något osäkrare resultat, strålarna kan t.ex. inte penetrera låg vegetation på
samma sätt som TLS gör.
Dewez et al. (2017) konstaterar att HLS:en ZEB-REVO använder SLAM-algoritmer
för att navigera utan att behöva tillgången till GNSS. Författarna har testat
instrumentet både inomhus och utomhus där resultatet renderade i att skannern inte
kunde skanna ett avstånd på mer än 7,5 m utomhus för 99 % av punkterna. Inomhus
kunde skanningsavståndet dock uppnå specifikationerna från tillverkaren på 30 m.
Dewez et al. (2017) redogör även att punktmoln skannade från ZEB-REVO har en
median punkttäthet på 1 punkt per 21 mm och att ZEB-REVO har en relativ
osäkerhet på 1/10000 (3 mm/30,20 m). Ytterligare tekniska specifikationer för
instrumentet finns i avsnitt 3.1.1 i denna rapport (tabell 1).
6
2 Teoretisk bakgrund
Mer detaljerade beskrivningar kring betydande begrepp och moment som ingår i
denna studie kommer tas upp här i teoridelen. Avsnitt 2.1 och 2.2 är en allmän
fördjupning för att separera begrepp och förtydliga studiens omfattning. Medan
avsnitt 2.3 översiktligt behandlar tekniken bakom SLAM. Slutligen ger avsnitt 2.4
och 2.5 en mer djupgående beskrivning av två viktiga delmoment som ingår i
studiens mätningsmetod.
2.1 Terminologi för höjdmodeller
Utöver DTM finns det ytterligare två benämningar på tredimensionella modeller av
jordens yta. Nämligen DEM, som är en förkortning av engelskans digital elevation
model (digital höjdmodell) och DSM som också kommer från engelskans digital
surface model (digital ytmodell). Efterföljande stycke kommer därmed att sortera i
begreppen och ange de vanligt förekommande definitionerna av dem.
DEM fungerar som ett samlingsbegrepp för höjder som digitalt eller matematiskt
presenteras i en modell motsvarande en topografisk yta. DSM innehåller
information om marken samt andra fasta objekt som finns på marken som
exempelvis vegetation, byggnader m.m. DTM däremot avser endast själva markytan
utan information om övriga objekt. Höjddata och därmed modellerna kan lagras på
olika sätt. Antigen som raster, vektor eller triangular irregular network (TIN)
(INSPIRE TWG-EL, 2012; Mårtensson, 2016). Där TIN utgår från
kontrollpunkter, brytlinjer och stopplinjer som placeras på ett representativt sätt för
terrängen. Mellan inmätta punkter skapas därefter trianglar (INSPIRE TWG-EL,
2012; SIS-TS 21144:2016 avsnitt 9.2)
I och med denna studie kommer ett utsnitt av laserdata, som ligger till grund för
Sveriges höjdmodell, att användas för att skapa en DTM i form av en TIN-modell.
Detta för att möjliggöra kontroll och jämförelsen mellan resultaten från flygburen
respektive handhållen laserskanning. Då fokus för denna studie är att utvärdera
användningen av HLS jämfört med FLS för skapandet av DTM.
2.2 Olika metoder för laserskanning
Laserskanning går ut på att en sändare i instrumentet skickar ut en laserstråle,
närmare bestämt en elektromagnetisk energi. Om laserstrålen träffar ett objekt
reflekteras en del av strålen tillbaka till instrumentets mottagare som då registrerar
den returnerade signalen. Resultatet av mätningarna blir ett punktmoln som kan få
koordinater i ett referenssystem genom georeferering (Reshetyuk, 2017).
Laserskanningstekniken kan tillämpas på flera olika sätt genom olika metoder.
7
Med terrester laserskanning (TLS) menas markburen laserskanning, vilket går ut på
att en laserskanner placeras på ett stativ som är placerad över önskad position på
marken. Vid skanning med TLS kan det behövas fler uppställningar av instrumentet
för att kunna täcka hela objektet av intresse. Vid varje uppställning skapas ett eget
punktmoln med internt koordinatsystem, för att möjliggöra georeferering av dessa
punktmoln måste de först sättas ihop till ett punktmoln, vilket kallas för registrering
(Reshetyuk, 2017).
Principen att använda laser för att göra avståndsmätningar är densamma oberoende
och laserskanningen är flygburen eller terrester. Dock kan FLS användas för mer
omfattande mätningar än TLS som är mer lämplig för skanning av mindre, specifika
objekt som t.ex. byggnader, tunnlar. Ett FLS-system består av en laserskanner, en
GNSS, ett tröghetssystem samt en kontrollenhet som monteras i/på ett flygplan
eller helikopter. Laserskanningssystemets uppgift är att skicka ut och registrera
returnerade laserstrålar. Med hjälp av GNSS och tröghetssystemet bestäms
laserskannerns position och läge när skanningen ägde rum. Det är mycket viktigt att
alla enheter är noggrant synkroniserade för att undvika fel, vilket är en av
kontrollenhetens uppgift att se över, dessutom lagras all data i kontrollenheten
(Lantmäteriet m.fl., 2013).
Tröghetssystemet mäter ständigt accelerationer och vinkelhastigheter för att
bestämma laserskanningssensorns position och riktning. Både acceleration och
vinkelmätningarna görs i tre riktningar vinkelrätt mot varandra. Detta för att
inmätta punkter ska få korrekta koordinater (Lantmäteriet m.fl., 2013).
En laserskanner kan även monteras på andra rörliga (mobila) föremål än flygplan
som till exempel på fordon (Tyagur & Hollaus, 2016), eller de kan också vara
personburna i en ryggsäck (Liang et al., 2014). De kan också vara handhållen
(Bauwens et al., 2016; Dewez et al., 2017; James & Quinton, 2014; Ryding et al.,
2015). Mobila laserskannrar innehåller förutom själva laserskannern även ett system
för att positionering och orientering. Detta system kommer vanligen i form av
GNSS och IMU (Ryding et al., 2015). Positions- och orienteringssystemet är i likhet
med tröghetssystemet FLS använder. Den handhållna laserskannern ZEB-REVO
använder istället tekniken SLAM och IMU för positionering (GeoSLAM Ltd., 2017).
8
2.3 SLAM
SLAM är en förkortning av engelskans simultaneous localization and mapping och är
en process (algoritm) som har till syfte att skapa en karta över ett okänt område i
vilken en mobil robot (enhet) samtidigt vistas i. Detta görs genom att enheten tar
hjälp av olika landmärken som finns i området och utifrån dessa landmärken görs
andra observationer. Mätningar i tid, lokalisering och orientering av enheten under
dess rörelse genom området sker relativt landmärkena. Förhållandena mellan varje
landmärke måste stämma överens. SLAM använder främst två typer av matematiska
filter, ”extended Kalman filter” (EKF) och ”Rao-Blackwellised filter”, vilka har till
uppgift att förse observationsekvationerna för SLAM med data (Durrant-Whyte &
Bailey, 2006).
2.4 RUFRIS
Stationsetablering med metoden realtidsuppdaterad fri station (RUFRIS) kan vara
ett alternativ då kända stompunkter inte finns tillgängliga för ett område och
mätning med real time kinematic (RTK) inte anses ge tillräckligt låg osäkerhet. Med
fri station menas att stationen kan etableras över valfri uppställningspunkt. Metoden
för RUFRIS går ut på att en mätstång kombineras med både GNSS och prisma för att
på så vis kunna göra två mätningar samtidigt. Genom etablering med RUFRIS kan
GNSS-mätningar därefter övergå till traditionella mätningar med totalstation (Vium
Andersson, 2012).
Vid fri stationsetablering med RUFRIS beskriver Vium Andersson (2012) att
gemensamma punkter (inmätta med både GNSS och totalstation) bör placeras
utspridda, minst 200 gon, runt stationen där minst 20 % av punkterna bör placeras
vid mätområdets gräns. Osäkerheten på stationsetableringen styrs av antalet
gemensamma punkter som mäts in, men desto fler punkter desto lägre osäkerhet,
antalet ska dock vara minst 15 stycken. Dessa tre riktlinjer för placering av
gemensamma punkter görs för att förbättra skattningen av stationens läge i: plan
(spridning i 200 gon), höjd (≥15 punkter) och orientering (20 % av punkterna i
ytterområdet).
2.5 Kontrollprofiler
Kontroll av DTM (markmodell) görs enligt tekniska specifikationer i SIS-TS
21144:2016 kap. 10 med underliggande avsnitt. Syftet med kontrollen är att se om
eventuella systematiska eller grova fel finns i modellen och dessutom göra en
utvärdering av modellens lägesosäkerhet i höjd.
9
Det finns två olika nivåer för kontroll, 1 och 2. Val av kontrollnivå beror bland
annat på vad avsikten är med användandet av DTM:en. Beroende på val av
kontrollnivå finns det tre olika kontrollutföranden (A, B och C). För kontrollnivå 1
gäller utförande A, vilket ger en översiktlig kontroll. För kontrollnivå 2 gäller
utförande B och C. Där utförande B har som syfte att ge större säkerheten av
modellens bedömda kvalitet. Utförande C gäller för kontroll av undantagsytor.
Kontrollen består i att profiler (punkter på rak linje) mäts in. Antalet profiler som
ska mätas in beror på valt utförande, hur stort område modellen täcker och hur
många marktyper som finns för området. Kontrollprofilerna ska placeras utspridda
över modellen och på ett sådant sätt att de representerar den faktiska marken för
området. Antalet kontrollprofiler för utförande A respektive B beräknas enligt
ekvation 1 respektive 2:
3𝑁 + √𝐴 (1)
5𝑁 + 2√𝐴 (2)
Där N är antalet marktyper och A är områdets area i hektar.
Utförande C kräver minst 4 profiler per objekt, därefter tillkommer fler profiler
beroende på objektets utbredning. Därefter jämförs profilerna med den skapade
DTM:en för att se hur väl de stämmer överens (se avsnitt 3.6 för denna studies
beräkningar).
Utifrån kontrollberäkningarna kan en DTM klassas efter toleranser gällande
användningsområde samt markslag enligt SIS-TS 21144:2016 avsnitt 8.2, tabell 6
respektive 7 (avsnitt 4).
10
3 Metod och material
3.1 Instrument
3.1.1 ZEB-REVO
Instrumentet ZEB-REVO tillsammans med en bärbar dator lånades av företaget
Norsecraft Geo. Instrumentet bestod huvudsakligen av två delar, skanningsenheten
(1,0 kg) och dataloggern. Där all utrustning, tillhörande skannern inklusive laddare
m.m, rymdes i ryggsäcken och vägde då totalt kring 4,1 kg (Figur 1). Med
instrumentet ingick en licens till bearbetningsprogrammet GeoSLAM som
processade insamlad data till ett registrerat punktmoln som gavs i filformaten
.las/.laz (Figur 6). Dessutom erhölls en .ply-fil som innehöll det utförda gångstråket
(Figur 7-8).
Figur 1. Utvalda delar från den handhållna laserskanningsutrusningen, från vänster: huvudkabel, datalogger, laserskanningsenhet, överföringskabel och ryggsäck. Bakgrundsmaterial från Norsecraft Geo.
Tabell 1. Utvalda tekniska specifikationer för handhållna laserskannern ZEB-REVO (GeoSLAM Ltd., 2017).
Laserklass 1
Skannade punkter per sekund 43200
Räckvidd 30 m*
Relativ osäkerhet 1 - 3 cm
Absolut positionsosäkerhet 3 - 30 cm
Vinkel siktfält 270° x 360°
* Maximalt avstånd inomhus mot objekt med 90 % reflektans.
Avstånd utomhus kan reduceras till 15-20 m beroende på miljö.
11
3.1.2 Övriga instrument och utrustning
För att möjliggöra georeferering av det laserskannande punktmolnet användes sfärer
(figur 3) monterade på stativ. Stativen var försedda med cirkulärprismor Leica
GPR121 (figur 4) i sfärernas ställe. Dessa placerades ut i området och mättes in med
totalstation MS60 (serienummer: 882619). Inför skanningen byttes
cirkulärprismorna ut till sfärerna. För att etablera totalstationen användes en GNSS,
iCON (serienummer: 2677577) med stång och 360-prisma Leica MPR 122.
Ytterligare utrustning som användes för att mäta kontrollprofiler var en stång
försedd med plan fot samt prisma Geodimeter 571126111 (figur 2).
Genom digital avvägning höjdbestämdes även en kontrollpunkt i området, där
instrumentet Leica DNA03 (serienummer: 341852) användes tillsammans med
digital avvägningsstång, flyttpunkter och stativ.
Programvaror som använts för bearbetning och beräkning i studien var Geo
Professional School (version 2016.1.952.67), Terrascan (version 08.11.09.292) och
CloudCompare (version 2.9.1).
Figur 3. Halvsfär (till vänster) och helsfär (till höger).
Figur 4. Cirkulärprisma som användes för att mäta in sfärernas position.
Figur 2. Stång med prisma och plan fot som användes vid inmätning av kontrollprofiler.
12
3.2 Studieområde
För att skanna in marken för ett skogsområde behövde området vara fritt från snö.
Antal eventuella områden för studien begränsades därför på grund av snömängden
som fanns i landet under tillfället. Området som valdes för studien var ett mindre
skogsparti i Valbo utanför Gävle och bestod mestadels av barrskog med något
enstaka lövträd. Vidare bestod landskapet av en större slänt med en brant lutning
intill en asfalterad landsväg. I området fanns även ett större elskåp och en skogsväg
som nyttjades som fasta objekt när skanningen utfördes. Området som skannades in
hade en yta på omkring 2000 m2 (figur 5).
3.3 Laserskanning
Vid insamlingen av data för metoden HLS gjordes först en rekognosering av hur
gångstråket skulle utformas för att täcka området med data. Stativ med sfärer (figur
3) placerades utmed det planerade gångstråket för att möjliggöra georeferering av
punktmolnet. Slingan skapades på ett sådant sätt att början och slut utgick från
samma ställe. Innan mätningens början och avslut placerades skanningsenheten på
ett stabilt underlag där den fick rotera ca 5 varv för att initialisera respektive
verifiera mätningen. Själva skanningen av området tog ca 10 min.
För att skapa punktmolnet över området överfördes insamlad data från
instrumentets datalogger, via en kabel och ett externt USB-minne, till en dator.
Data laddades sedan upp till datorprogrammet GeoSLAM som processade det till ett
registrerat punktmoln, innehållande ca 8,8 miljoner punkter (figur 6). Det tog
ungefär lika lång tid för programmet att processa data som det tog att samla in data.
Figur 5. Studieområdet där mätningarna utfördes.
13
.
För FLS laddades laserdata över det aktuella området ner från Lantmäteriet (2015)
från produkten ”Laserdata vektor”. Laserskanningen av området ägde rum mellan
2015-05-04 och 2015-05-09.
3.4 Mätning
3.4.1 Stationsetablering
RUFRIS användes som stationsetableringsmetod (avsnitt 2.3), där totalstationen
placerades på önskad plats för att möjliggöra fri sikt till samtliga objekt och samtidigt
försäkra att GNSS-mottagaren hade täckning. För att kunna göra jämförelser med
Lantmäteriets data etablerades stationen i samma referenssystem, SWEREF 99 TM
och RH 2000 i höjd. Mätningarna för stationsetableringen med RUFRIS som metod
finns i bilaga E. Under mätningen sattes även reflextejpar upp i området som mättes
in för att kunna förflytta stationen längre upp i området och med hjälp av dessa
etablerades stationen genom fri stationsetablering (bilaga E).
Figur 7. Gångstråk från början (röd färg) till slut (blå färg).
Figur 8. Gångstråk som visar hur mycket data som samlats in. Röd färg indikerar sämre datainsamling och blå indikerar god datainsamling.
Figur 6. Exempel på det registrerade punktmolnet (HLS) från olika perspektiv.
14
En egen kontroll av stationsetableringen gjordes genom att en utmarkerad punkt
mättes in, med ett 360-prisma som fästes på en prismastång, före respektive efter
utförd mätning. Då stationsetableringen gjordes genom metoden RUFRIS krävdes
ytterligare kontroll av höjden på kontrollpunkten. Detta då GNSS, som metoden
RUFRIS använder, endast har en lägesosäkerhet på 10 mm i höjd enligt HMK-
Teknisk rapport 2018:1 (2018). För att kontrollera punktens och därmed även
stationsetableringens höjd gjordes därför en digital avvägning (i form av en slinga)
från en känd höjdfix, via en annan, till den markerade punkten (bilaga F). Genom att
gå från en känd höjdfix till en annan gjordes även en allmän kontroll av de kända
fixarnas höjd innan höjden för den utmarkerade punkten togs fram. Eftersom
avvägningen gjordes vid ett senare tillfälle än resterande mätning gjordes även en
extra inmätning av kontrollpunkten med totalstation, som etablerades efter de
tidigare inmätta reflextejparna i studieområdet. Inmätningen gjordes för att
upptäcka eventuell förflyttning av kontrollpunkten. Resultatet av avvägningen och
kontrollmätningarna redovisas i tabell 6.
3.4.2 Inmätning av sfärer
Utplacerade stativ med sfärer mättes in genom att cirkulärprismor monterades i
sfärens ställe (figur 3 och 4) för att kunna få koordinater över sfärens position.
Höjderna för varje signal (cirkulärprisma samt sfär) mättes också för att kunna få
korrekt höjd inför georefereringen. Detta gjordes med måttband som placerades på
trefoten. Höjden från trefoten till signalens centrum mättes också med måttband
därefter.
3.4.3 Kontrollprofiler
Enligt SIS-TS 21144:2016 avsnitt 10.4.2 och avsnitt 2.5 i denna rapport, beräknades
antalet kontrollprofiler för området till 7 st. Detta genom användandet av
ekvationen för utförande A, där antalet beräknades utifrån två markslagstyper
(skogsmark blandskog och slänt jämn) och en area på 0,2 ha. Kontrollprofilerna
placerades på ett sådant sätt att de var inom räckhåll för totalstationen och rymdes i
området, samtidigt som de representerade markens utformning (figur 9). Mätningen
gjordes genom att prismat (Geodimeter 571126111) sattes fast på stången med plan
fot, på en känd höjd. Därefter mättes 8 raka linjer (en extra profil) in med
totalstationen, vardera minst 20 m långa och innehållande minst 20 punkter.
15
Figur 9. Hur de olika profilerna var placerade över DTM:en. P1-P8 utgör profilerna 1 till 8.
3.5 Bearbetning
3.5.1 Georeferering
Georefereringen av det registrerade punktmolnet gjordes i CloudCompare, vilket
gjordes genom att först modellera varje sfär i punktmolnet. Modelleringen gick till
på så sätt att mittpunkten av varje sfär inledningsvis fastställdes. För helsfärerna
kunde programmet själv hitta mittpunkten genom att först låta programmet
modellera sfären, för att sedan ändra radien för denna och passa in sfären i centralt
läge. För halvsfärerna var det dock tvunget att göra en egen bedömning var
mittpunkten av sfären var, då CloudCompare inte hade möjlighet att modellera
dessa. Halvsfärerna skapades som helsfärerna efter bestämd radie och den bedömda
mittpunktens koordinater för sfären fastställde sfärens position. De modellerade
sfärerna gjordes sedan om till punktmolnsdata, som sammanfogades till det egentliga
punktmolnet från HLS-mätningarna. Efter sammanfogningen importerades en
koordinatfil för det inmätta sfärerna till programmet i form av punkter. Därefter
valdes var och en av sfärerna i punktmolnet ut, för varje markerad sfär i
punktmolnet valdes motsvarande inmätta punkt ut från koordinatfilen. Programmet
beräknade även ett root mean square (RMS) värde över georefereringen (bilaga G).
16
3.5.2 Skapa DTM som TIN
Det första steget för att skapa DTM:enra var att filtrera bort punkter som fanns
ovanför det som representerade marken. Lantmäteriets laserdata för FLS DTM:en
hade redan klassificerat punktmolnet och de aktuella punkterna för endast marken
kunde lätt plockas ut med hjälp av programvaran Terrascan. Då detta punktmoln har
en punkttäthet på 2 m behövdes ingen vidare reducering av punkterna. Därefter
skapades själva DTM:en i form av TIN i programmet Cloudcompare.
Punktmolnet från HLS mätningarna behövde bearbetas mer för att filtrera
punktmolnet, tills det endast avsåg själva marken. För detta användes tillägget med
algoritmen cloth simulation filtering (CSF) i CloudCompare (Zhang et al, 2016).
Algoritmen definierade punkterna som representerade marken och filtrerade bort
resterande punkter. Enligt Zhang et al. (2016) använder algoritmen en inverterad
form av punktmolnet där ett tänkt ”täcke” passas in efter punktmolnets yta och
användarens valda parametrar. De delar av punktmolnet som av tillägget fortfarande
felaktigt ansågs vara markpunkter kunde sedan manuellt avlägsnas. Därefter
reducerades antalet punkter i det filtrerade punktmolnet genom att bestämma
avståndet mellan punkterna, vilket fastställdes till 0,5 m, 1 m och 2 m för HLS.
Detta gjordes för att skapa en DTM med ett relevant antal trianglar men som
fortfarande representerade markytans utformning. Anledningen till att tre olika
DTM:er, med varierande punkttäthet testades, var att utreda huruvida mängden
data påverkade resultat för respektive DTM från HLS. Detta i likhet med Klang och
Burman (2006) som testade hur osäkerheten av höjdmodellen påverkades av olika
punkttäthet. Tillsist gjordes trianguleringen av modellen genom att använda en av
programvarans funktioner för Delauney triangulering som gjorde en bästa
anpassning i alla dimensioner.
3.6 Jämförelse av DTM:er mot kontrollprofiler
Kontrollberäkningen av respektive DTM utfördes enligt SIS-TS 21144:2016 avsnitt
10.8, med underliggande avsnitt. Resultatet från kontrollberäkningarna utgjorde
jämförelsen mellan DTM:erna som har sammanställts i tabell 2-5. Beräkningarna
gjordes stegvis och DTM:erna var för sig. Första steget var att beräkna
höjdskillnaden (Ah) mellan den genererade DTM:en (Th) och de inmätta punkterna i
varje enskild profil (Kh), enligt ekvation (3). Då profilens värde anses vara den sanna
värdet för marken utgör höjdskillnaden en avvikelse. Programvaran Geo användes
för att beräkna fram höjdavvikelserna för samtliga DTM:er (Bilaga A-D).
𝐴ℎ = 𝑇ℎ − 𝐾ℎ (3)
17
Nästa steg var att beräkna medelavvikelsen (Ahm) enligt ekvation 4. Där summan av
höjdavvikelserna (Ahi), från ekvation 3, dividerades med antalet inmätta punkter i
profilen (n).
𝐴ℎ𝑚 =∑ 𝐴ℎ𝑖𝑛𝑖=1
𝑛 (4)
Därefter beräknades höjdavvikelsernas standardavvikelse (Sp) enligt ekvation 5. I
beräkningen ingick värden för varje enskild höjdavvikelse (Ahi) som subtraherades
med medelavvikelsen (Ahm). Differensen kvadrerades och summerades, därefter
dividerades summan med antalet mätpunkter i profilen (n).
𝑆𝑝 = √∑ (𝐴ℎ𝑖−𝐴ℎ𝑚)
2𝑛𝑖=1
𝑛−1 (5)
Resultatet sammanställdes manuellt i tabell 2-5 där värden för min, max, medel-
samt standardavvikelse för varje enskild profil framgår. För att få en helhet över
DTM:ernas avvikelse mot profilerna beräknades även medelavvikelse (Mapt) och
standardavvikelse (Spt) för varje markslagstyp enligt ekvation 6 och 7. Den totala
medelavvikelsen (Mapt) för en viss marktyp beräknades genom att samtliga
höjdavvikelser (Ahi) för respektive profil (tillhörande marktypen) summerades och
dividerades med antalet mätpunkter (n).
𝑀𝑎𝑝𝑡 =∑ 𝐴ℎ𝑖𝑛𝑖=1
𝑛 (6)
Medelavvikelsen (Mapt) för respektive marktyp användes vid beräkningen av
standardavvikelsen för respektive marktyp (Spt) tillsammans med varje profils
höjdavvikelser (Ahi) och antalet mätpunkter (n), allt enligt ekvation 7.
𝑆𝑝𝑡 = √∑ (𝐴ℎ𝑖−𝑀𝑎𝑝𝑡)
2𝑛𝑖=1
𝑛−1 (7)
Samma ekvationer (6 och 7) användes för att beräkna medel- och standardavvikelse
för hela området för ytterligare jämförelse (tabell 2-5 och figur 10).
18
4 Resultat
I detta avsnitt visas resultatet av de jämförelser som gjorts mellan kontrollprofilerna
och DTM:erna som skapats från flygburen respektive handhållen laserskanning. För
varje enskild profil anges minsta (Min) respektive största (Max) avvikelsen som
DTM:en hade gentemot profilerna. Även medelvärdet (Ahm) och standardavvikelsen
(Sp) för höjdavvikelserna anges för varje enskild profil. RMS beräknades också fram
för varje enskild profil, vilket är en annan typ av statistiskt spridningsmått som
bättre visar systematiska fel än standardosäkerhet. Mapt1 visar medelvärdet för
höjdavvikelserna för hela området, medan Spt1 visar standardavvikelsen för hela
området. Därefter beräknades höjdavvikelsernas medelvärde (Mapt2) och
standardavvikelse (Spt2) ut för varje marktyp. Där profil 1 till 3 var belägna på ett
område som ansågs vara slänt (marktyp 15p) och profil 4 till 8 på skogsmark
(marktyp 5), val av marktyper utgick ifrån SIS-TS 21144:2016, avsnitt 6.1, tabell 3.
Området som ansågs vara av marktypen slänt var dock fortfarande beläget i
skogsområdet.
Resultatet av jämförelsen mellan DTM:en för FLS och kontrollprofilerna visas i
tabell 2. För FLS beräknades ett medelvärde på 0,055 m i höjdavvikelse för hela
området med en standardavvikelse på 0,046 m. Höjdavvikelsens medelvärde för
profil 1 till 3 beräknades till 0,057 m där standardavvikelsen var 0,056 m. För profil
4 till 8 beräknades höjdavvikelsen till 0,054 m med en standardavvikelse på 0,041
m.
DTM:en skapad från FLS-data klarar klass 3 enligt SIS-TS 21144:2016 avsnitt 8.2
tabell 6, samt uppfyller kraven för klass E, jämn skogsmark, enligt tabell 7 i samma
avsnitt. Klass 3 avser att markmodellen klarar en maximal avvikelse i höjd på 0,10
m.
Tabell 2. Resultatet från jämförelsen mellan kontrollprofilerna och DTM:en från flygburen laserskanning med data inhämtad från Lantmäteriet (2015). Resultatet redovisas i meter.
Profil 1 Profil 2 Profil 3 Profil 4 Profil 5 Profil 6 Profil 7 Profil 8
Min 0,002 -0,002 0,003 0,005 0,000 0,008 0,050 -0,005
Max 0,123 0,110 0,218 0,081 0,116 0,109 0,184 0,151
Ahm 0,054 0,044 0,069 0,033 0,046 0,058 0,078 0,055
Sp 0,049 0,043 0,067 0,019 0,037 0,032 0,043 0,053
RMS 0,072 0,060 0,096 0,038 0,059 0,066 0,088 0,076
Mapt2 0,057 0,054
Spt2 0,056 0,041
Mapt1 0,055
Spt1 0,046
19
För DTM:erna som skapades av laserdata från HLS, med varierande punkttätheter
på 0,5 m, 1 m respektive 2 m, beräknades tre olika resultat fram. I tabell 3 visas
resultaten för DTM:en med en punkttäthet på 0,5 m, där höjdavvikelsens
medelvärde för hela området beräknades till 0,043 m med en standardavvikelse på
0,034 m. För profil 1 till 3 beräknades höjdavvikelsernas medelvärde till 0,047 m,
med en standardavvikelse på 0,032 m för. Profil 4 till 8 fick ett medelvärde på
0,044 m för höjdavvikelserna och en standardavvikelse på 0,036 m.
DTM:en klarar klass 2 enligt SIS-TS 21144:2016 avsnitt 8.2 tabell 6, samt uppfyller
klass E, i tabell 7. Klass 2 avser en maximal medelavvikelse på 0,05 m i höjd.
Tabell 3. Resultatet från jämförelsen mellan kontrollprofilerna och DTM:en från handhållen laserskanning där en punkttäthet på 0,5 m användes. Resultatet redovisas i meter.
Profil 1 Profil 2 Profil 3 Profil 4 Profil 5 Profil 6 Profil 7 Profil 8
Min -0,001 0,001 0,001 0,000 -0,001 0,010 -0,002 0,000
Max 0,104 0,107 0,106 0,045 0,088 0,092 0,116 0,158
Ahm 0,039 0,046 0,054 0,012 0,040 0,056 0,046 0,067
Sp 0,034 0,034 0,031 0,014 0,027 0,025 0,028 0,049
RMS 0,051 0,055 0,062 0,019 0,048 0,061 0,053 0,083
Mapt2 0,047 0,044
Spt2 0,032 0,036
Mapt1 0,043
Spt1 0,034
Tabell 4 visar resultatet av HLS DTM:en baserad på reducerad punkttäthet, från 0,5
m till 1 m. Höjdavvikelsernas medelvärde ökade till 0,058 m med en
standardavvikelse på 0,046 m för hela området. Likaså ökade även höjdavvikelsen
för de olika marktyperna. Där profil 1 till 3 fick ett medelvärde på 0,065 m med en
standardavvikelse på 0,051 m, medan medelvärdet för profil 4 till 8 beräknades till
0,056 m med en standardavvikelse på 0,043 m.
DTM:en skapad från HLS-data med 1 m punkttäthet klarar samma toleranskrav,
enligt SIS-TS 21144:2016 avsnitt 8.2 tabell 6 och 7, som DTM:en skapad från FLS-
data.
20
Tabell 4. Resultatet från jämförelsen mellan kontrollprofilerna och DTM:en från handhållen laserskanning där
en punkttäthet på 1 m användes. Resultatet redovisas i meter.
Profil 1 Profil 2 Profil 3 Profil 4 Profil 5 Profil 6 Profil 7 Profil 8
Min -0,006 0,006 -0,003 0,000 0,003 0,012 0,020 0,012
Max 0,128 0,132 0,198 0,085 0,105 0,137 0,110 0,170
Ahm 0,054 0,062 0,076 0,034 0,050 0,068 0,051 0,080
Sp 0,037 0,050 0,061 0,025 0,035 0,031 0,035 0,066
RMS 0,065 0,077 0,096 0,041 0,060 0,075 0,061 0,102
Mapt2 0,065 0,056
Spt2 0,051 0,043
Mapt1 0,058
Spt1 0,046
Ytterligare reducering av punkttätheten för DTM:en med data från HLS gjordes för
att jämföra 2 m punkttäthet gentemot DTM:en med data från FLS, som även den
hade 2 m punkttäthet. Följande resulterade i ytterligare växande avvikelser som visas
i tabell 5. Höjdavvikelsen för DTM:en med 2 m punkttäthet från HLS beräknades
till 0,087 m i medelvärde med en standardavvikelse på 0,102 m. Även här växte
höjdavvikelsen för de olika marktyperna, där profil 1 till 3 fick en höjdavvikelse på
0,104 m som medelvärde och en standardavvikelse på 0,116 m. För profil 4 till 8
beräknades höjdavvikelsernas medelvärde till 0,078 m med standardavvikelse på
0,094 m.
Resultatet klarar klass 4 enligt SIS-TS 21144:2016 avsnitt 8.2 tabell 6, samt
uppfyller klass E, tabell 7.
Tabell 5. Resultatet från jämförelsen mellan kontrollprofilerna och DTM:en från handhållen laserskanning där en punkttäthet på 2 m användes. Resultatet redovisas i meter.
Profil 1 Profil 2 Profil 3 Profil 4 Profil 5 Profil 6 Profil 7 Profil 8
Min 0,029 -0,011 0,002 0,000 0,009 0,069 -0,009 0,010
Max 0,293 0,335 0,489 0,303 0,216 0,166 0,163 0,222
Ahm 0,114 0,099 0,105 0,149 0,049 0,107 0,078 0,022
Sp 0,107 0,100 0,136 0,099 0,092 0,039 0,041 0,113
RMS 0,154 0,139 0,169 0,177 0,103 0,113 0,088 0,113
Mapt2 0,104 0,078
Spt2 0,116 0,094
Mapt1 0,087
Spt1 0,102
21
Figur 10. Sammanställning av samtliga DTM:ers beräknade medel samt standardavvikelse gentemot kontrollprofilerna för hela området och för varje marktyp för sig. Resultatet redovisas i meter.
I Figur 11-12 visas skillnaden mellan DTM:erna skapade med data från FLS med 2 m
punkttäthet respektive HLS med 0,5 m punkttäthet, i en grafisk 3D-vy. HLS-datat
med 0,5 m visar på en mer detaljrik modellering av DTM.
Figur 11. DTM skapad med FLS-data från ”Laserdata vektor” © Lantmäteriet (2015) med 2 m punkttäthet. Framtagen i Geo.
-0,05
0
0,05
0,1
0,15
0,2
0,25
Mapt1(skogsmark, hela området)
Mapt2(skogsmark, stark lutning)
Mapt2(skogsmark, svag lutning)
Meter FLS HLS 0,5 m HLS 1 m HLS 2 m
22
Figur 12. DTM skapad från HLS-data med 0,5 m punkttäthet. Framtagen i Geo.
Skillnaden i höjd var 13 mm mellan första stationsetableringen med RUFRIS och
den digitala avvägningen. Vid mätningen av kontrollpunkten mellan första
stationsetableringen och kontrollen beräknades en skillnad på 8 mm fram, vilket inte
säkert kan fastställas som en förflyttning av punkten då skillnaden är inom
mätosäkerheten för RUFRIS.
Tabell 6. Resultat från inmätningen av kontrollpunkten (K1). Den digitala avvägningen gav endast resultat i
höjdled. Referens- och höjdsystem, SWEREF 99 TM och RH 2000.
N E H (m) Typ Datum
6 727 073,014 612 938,682 28,452 Efter stationsetablering 2018-04-17
6 727 073,017 612 938,684 28,451 Efter mätning 2018-04-17
6 727 073,017 612 938,680 28,448 Efter stationsetablering 2018-04-18
6 727 073,019 612 938,679 28,447 Efter mätning 2018-04-18
- - 28,439 Avvägning 2018-05-15
6 727 073,016 612 938,678 28,444 Kontroll 2018-05-16
23
5 Diskussion
Genomförd studie visar att mätningar med HLS kan jämställas med FLS-mätningar
som mätningsmetod, sett till respektive DTM:s avvikelse mot kontrollprofilerna.
Från både HLS och FLS som mätningsmetod skapades DTM:er med en medel- samt
standardavvikelse på centimeternivå, där skillnaden dem emellan var små.
Det som är viktigt att ha i åtanke när resultatet analyseras är att laserskanningen med
FLS gjordes för tre år sedan, medan skanningen med HLS och inmätningen av
kontrollprofilerna gjordes vid samma tillfälle i och med studien. Men då skillnaderna
mellan DTM:erna är små anses det inte ha någon betydelse i detta fall. Skanningen
av området gjordes utefter rådande väderförhållanden, vilket gjorde att området
begränsades i yta för att undvika att kvarliggande snö skannandes in. Dock kan tjäle
ha funnits kvar i marken och påverkat resultatet, men vid sådant fall förmodligen
ytterst lite. Denna eventuellt påverkande faktor bör också beaktas gällande
kontrollen av höjden på kontrollpunkten som gjordes genom digital avvägning.
Kontrollen gjordes vid ett senare tillfälle efter att den först mättes in, vilket ger en
viss osäkerhet i och med att kontrollpunkten kan ha rört sig. Men kontrollen gav
ändå ett tillfredsställande värde då skillnaden för kontrollpunkten inte var mer än 8
mm från första tillfället. Tidsaspekten mellan mätningarna anses därför inte ha haft
någon större påverkan på resultatet.
Ett orosmoment inför skanningen var om miljön var tillräckligt detaljrik för att få en
lyckad registrering med SLAM-algoritmen, vilket inte blev något problem. Under
skanningen var det svårt att avgöra vilka delområden som blivit skannande och inte.
Det blev inte synliggjort förrän punktmolnet var registrerat av
bearbetningsprogrammet, vilket ansågs vara en nackdel. Önskvärt var att ha en
slinga likt Bauwens et al. (2016) men vilket försvårades väl ute i fält. Vid bedömning
av punktmolnet i efterhand upptäcktes vissa brister och mindre hål i punktmolnet,
där bl.a. vissa sfärer var något ovala eller hade allmänt få punkter. Detta hade kunnat
undvikas genom en bättre planering av skanningens utförande. Där sfärerna
förslagsvis skulle kunna rundas för att få heltäckande data att modellera sfärerna
efter. Detta hade underlättat placeringen av de modellerade sfärerna och eventuellt
resulterat i en bättre georeferering. Insamlad laserdata anses ändå vara
tillfredsställande med tanke på det erhållna slutresultatet.
24
Fördelarna med HLS gentemot FLS är bland annat att skanningen och registreringen
av punktmolnet kan göras mycket snabbt utan omfattande planering. Instrumentet
ZEB-REVO med bearbetningsprogrammet GeoSLAM var dessutom mycket
användarvänligt där mindre förkunskaper krävdes. I likhet med James och Quinton
(2014) kan denna studie endast bekräfta att HLS verkar vara en lovande metod som
är mycket snabb. För denna studie skannandes omkring 2000 m2 på strax under 10
min och bearbetningen till ett registrerat punktmoln gjordes på ungefär lika lång tid.
Om punktmolnet däremot också ska georefereas krävs det en hel del arbete, både
före och efter skanningen, vilket kan vara tidskrävande (speciellt för ett område i
skogsmiljö). Det omfattande arbetet med georeferering av punktmolnet anses vara
en nackdel men som kanske skulle kunna lösas genom att integrera SLAM-
algoritmerna med GNSS, som Qian et al. (2017). RUFRIS som
stationsetableringsmetod kunde användas i denna studie då studieområdet låg intill
en öppen yta, i form av en landsväg. Då RUFRIS använder GNSS-mätningar krävs
det att instrumenten kan få signaler från satelliterna, vilket kan förhindras av t.ex.
träd eller höga byggnader. Detta gör att etableringsmetoden inte kan tillämpas
överallt. Därmed kan mer svårtillgängliga områden behöva göra mer omfattande
mätningar inför skanningen än vad denna studie behövde göra.
Riktlinjerna som anges i avsnitt 2.1, om att använda bl.a. brytlinjer vid framställning
och representation av DTM, var ogenomförbart för denna studie. Anledningen till
detta var att bearbetningen gjordes i CloudCompare, där brytlinjer inte går att skapa
i efterhand. I resultatet har även profilpunkterna 3-4 i profil 1 och punkterna 2-4 i
profil 2 tagits bort från samtliga mätningar. I jämförelsen mellan FLS DTM:en och
kontrollprofilerna hade dessa punkter höga negativa värden som avvek markant från
övriga höjdavvikelser. De höga negativa värdena bidrog till att i profil 1 och 2 fick
höjdavvikelserna ett medelvärde (Ahm) som minskade avsevärt i förhållande till vad
höjdavvikelserna skulle resultera i utan dessa höga negativa värden. Även det slutliga
resultatet (Mapt1) för FLS DTM:en beräknades få en betydande skillnad på grund av
detta. Innan dessa punkter togs bort hade profil 1 för FLS DTM:en en höjdavvikelse
på 0,004 m, vilket ökade till 0,054 m utan punkternas inverkan. Punkternas
negativa värden resulterade i att profil 2 för samma DTM också fick en höjdavvikelse
på 0,004 m, vilket ökade till 0,044 m utan punkterna. I det slutliga resultatet fick
FLS DTM:en ett medelvärde på 0,045 m med punkterna, vilket ökade till 0,055 m
utan dess inflytande. En bedömning gjorde därför att profilpunkterna 3 och 4, samt
2 till 4 för profil 1 respektive 2 inte var representativ för resultatet, varför
punkterna togs bort.
25
I jämförelsen mellan DTM:erna skapade med data från FLS och HLS så levererade
metoderna likvärdiga höjdskillnader i medelvärde för hela området. HLS med 0,5 m
punkttäthet var förvisso ca 1 cm bättre än FLS, men HLS med 1 m punkttäthet gav
en DTM med väldigt likvärdigt resultat gentemot FLS. Det förväntade resultatet
innan studien var att de båda metoderna skulle leverera likvärdiga resultat, vilket de
även gjorde på ett tillfredsställande sätt. Sett till standardavvikelsen så var även här
DTM:en skapad från HLS med 0,5 m punkttäthet ca 1 cm lägre än DTM:en från
FLS. Resultatet för marktyp 15p, dvs. slänt, resulterade i 2 cm lägre
standardavvikelse för HLS med 0,5 m punkttäthet än DTM:en från FLS. DTM:en
med 2 m punkttäthet som skapades från HLS gav dock sämst resultat utav samtliga
DTM:er. Höjdavvikelsernas medelvärde var 0,087 m, där det var som sämst på
marktyp 15p uppkom höjdavvikelsen till 0,104 m och med en standardavvikelse på
0,116 m. I och med att studien endast utgick ifrån åtta kontrollprofiler vid
beräknande av medel- och standardavvikelser kan resultatet, med de relativt små
skillnaderna, inte försäkra statistisk signifikans. Skapandet av DTM från HLS-data
gav bättre resultat när högre punkttäthet av punktmolnet användes. Därmed visar
studien på samma trend som Klang och Burman (2006), att högre punkttäthet kan
generera i en DTM med lägre osäkerhet. HLS kan vara en alternativ metod, men
samtidigt kan laserdata från FLS ändå ge låg osäkerhet för en DTM skapad från
betydligt färre punkter.
I studien av Bauwens et al. (2016) jämfördes b.la. höjdskillnader mellan DTM:er
skapade från mätningar med handhållen laserskanner (ZEB1, vilket är en föregångare
till ZEB-REVO) och terrester laserskanner (FARO Focus 3D 120). Detta gjordes
för tio olika testområden. Där resultatet visade att skillnaderna mellan DTM:erna
kunde uppnå värden lägre än 20 cm för vissa områden. Då ZEB-REVO är en nyare
modell än ZEB1 bör ZEB-REVO åtminstone kunna uppnå liknande osäkerhet som
ZEB1 i jämförelse med TLS (FARO Focus 3D 120). Denna reflektion är dock inget
som vår studie kan bekräfta.
5.1 Vidare studier
En vidare inriktning på denna studie skulle kunna vara att testa samla in FLS-data
med UAS istället för att använda Lantmäteriets. Detta kan vara intressant då UAS
blir en allt mer vanlig metod bland verksamma yrkesmän.
En annan idé för kommande studier skulle kunna vara att utforska hur SLAM-
algoritmen integrerat med GNSS eventuellt skulle kunna förbättra registrering och
georeferering av ett punktmoln. Där studien skulle kunna testa olika detaljrika
områden för att se hur och när teknikerna behöver komplettera varandra.
26
5.2 Hållbar utveckling och etiska aspekter
HLS med instrumentet ZEB-REVO är en tidseffektiv metod som underlättar och
effektiviserar arbetsprocessen. Då metoden HLS är fri från avgaser gör HLS mindre
inverkan på miljön och kan vara en alternativ metod i jämförelse med flygplan eller
andra bränsledrivna fordon. I och med att HLS snabbt kan samla in önskad data för
ett mindre område kan dessutom antalet extra arbetsresor minskas och utsläppen av
avgaser med dem. Då studien använde ny teknik i form av instrumentet ZEB-REVO
kan studien gå under mål nio av 17 för hållbar utveckling (United Nations, u.å.).
Etiska aspekter som togs i beaktning för denna studie var om markägaren hade några
synpunkter på att vi var på dennes mark och gjorde studien. Markägaren
kontaktades varav markägaren godkände vår förfrågan om att tillfälligt få vistas på
marken och även använda det data vi samlade in för studien.
27
6 Slutsats
Utifrån en inledande utvärdering av HLS som mätningsmetod, för framställande av
en DTM i skogsterräng, visar studien på likvärdigt resultat sett till lägesosäkerheten
för vad en DTM med FLS-mätningar kan åstadkomma. I och med det kan slutsatser
dras att FLS är fortsatt bra, effektiv metod att samla in data för att skapandet av
DTM i skogsterräng. Men att HLS kan vara en kompletterande metod om data
saknas för ett mindre område, eller om området i fråga har en utmanande terräng.
Då metoden inte behöver samma omfattande planering och kan utföras mycket
snabbt på bara några minuter. I jämförelse med FLS som mätningsmetod är
enkelheten att samla in data och få ett registrerat punktmoln på en sådan kort tid en
klar fördel för HLS. Medan nackdelarna med HLS är att insamlad data inte blir
synlig förrän efter bearbetningen av punktmolnet och att om punktmolnet ska
georefereras krävs en hel del förberedande samt vidare bearbetning.
28
Referenser
Bauwens, S., Bartholomeus, H., Calders, K. & Lejeune, P. (2016). Forest Inventory with Terrestrial LiDAR: A Comparison of Static and Hand-Held Mobile Laser Scanning. Forests, 7(6). https://doi.org/10.3390/f7060127
Dewez, T. J. B., Yart, S., Thuon, Y., Pannet, P., & Plat, E. (2017). Towards cavity-collapse hazard maps with Zeb-Revo handheld laser scanner point clouds. Photogrammetric Record, 32(160), 354–376. https://doi.org/10.1111/phor.12223
Durrant-Whyte, H., & Bailey, T. (2006). Simultaneous localization and mapping (SLAM): part I The Essential Algorithms. Robotics & Automation Magazine, 2, 99–110. https://doi.org/10.1109/MRA.2006.1638022
GeoSLAM Ltd. (2017). ZEB-REVO user manual v3.0.0 [Broschyr]. Hämtad 8 maj, 2018, från http://download.geoslam.com/docs/zeb-revo/ZEB-REVO%20User%20Guide%20V3.0.0.pdf
HMK-Höjddata. (2017). Handbok i mät- och kartfrågor, Höjddata. Gävle: Lantmäteriet. Hämtad den 1 januari, 2018, från http://www.lantmateriet.se/globalassets/om-lantmateriet/var-samverkan-med-andra/handbok-mat--och-kartfragor/dokument/2017/hmk_hojddata_2017.pdf
HMK-Teknisk rapport 2018:1. (2018). Handbok i mät- och kartfrågor, Teknisk rapport 2018:1:Mät- och lägesosäkerhet vid geodatainsamling – en lathund. Gävle: Lantmäteriet. Hämtad den 14 maj, 2018, från https://www.lantmateriet.se/globalassets/om-lantmateriet/var-samverkan-med-andra/handbok-mat--och-kartfragor/tekn_rapporter/hmk-tr_2018-1_lathund.pdf
Hubacek, M., Kovarik, V., & Kratochvil, V. (2016). ANALYSIS OF INFLUENCE OF TERRAIN RELIEF ROUGHNESS ON DEM ACCURACY GENERATED FROM LIDAR IN THE CZECH REPUBLIC TERRITORY. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI-B4, 25–30. https://doi.org/10.5194/isprs-archives-XLI-B4-25-2016
INSPIRE Thematic Working Group Elevation. (2012). D2.8.II.1 INSPIRE Data Specification on Elevation – Technical Guidelines. Hämtad 7 maj, 2018, från http://inspire.ec.europa.eu/documents/Data_Specifications/INSPIRE_DataSpecification_EL_v3.0.2.pdf
James, M.R. & Quinton, J.N. (2014). Ultra-rapid topographic surveying for complex environments: the hand-held mobile laser scanner (HMLS). Earth Surf. Process. Landforms, 39, 138-142. https://doi.org/10.1002/esp.3489
29
Klang, D. & Burman, H. (2006). En ny svensk höjdmodell – Laserskanning, Testprojekt Falun. LMV-rapport 2006:3. Gävle: Lantmäteriet. Hämtad 24 maj, 2018, från https://www.lantmateriet.se/globalassets/kartor-och-geografisk-information/gps-och-matning/geodesi/rapporter_publikationer/rapporter/lmv-rapport_2006_03_laserskanning_falun.pdf
Lantmäteriet. (2011). Rapporter - Höjdmodellens noggrannhet. Gävle: Lantmäteriet. Hämtad den 1 januari 2018 från http://www.lantmateriet.se/globalassets/kartor-och-geografisk-information/hojddata/rapporter/nnh_noggrannhet.pdf
Lantmäteriet m.fl. (2013). Geodetisk och fotogrammetrisk mätnings- och beräkningsteknik. Gävle: Lantmäteriet.
Lantmäteriet. (2015). Laserdata vektor. Hämtad den 13 april, 2018.
Lantmäteriet. (2016). Kvalitetsbeskrivning nationell höjdmodell. Gävle: Lantmäteriet. Hämtad den 15 februari, 2018, från https://www.lantmateriet.se/globalassets/kartor-och-geografisk-information/hojddata/produktbeskrivningar/kvalitetsbeskrivning_nh.pdf
Lehtola, V. V., Kaartinen, H., Nüchter, A., Kaijaluoto, R., Kukko, A., Litkey, P., Honkavaara, E., Rosnell, T., Vaaja, M.T., Virtanen, J-P., Kukela, M., El Issaoui, A., Zhu, L., Jaakkola, A. & Hyyppä, J. (2017). Comparison of the selected state-of-the-art 3D indoor scanning and point cloud generation methods. Remote Sensing, 9(8). https://doi.org/10.3390/rs9080796
Liang, X., Kukko, A., Kaartinen, H., Hyyppä, J., Yu, X., Jaakkola, A. & Wang, Y. (2014). Possibilities of a Personal Laser Scanning System for Forest Mapping and Ecosystem Services. Sensors, 14(1), 1228–1248. https://doi.org/10.3390/s140101228
Mårtensson, S-G. (2016). Geodetisk mätning och beräkning [Kompendium]. Högskolan i Gävle, Akademin för teknik och miljö.
Qian, C., Liu, H., Tang, J., Chen, Y., Kaartinen, H., Kukko, A., Zhu, L., Liang, X., Chen, L. & Hyyppä, J. (2017). An Integrated GNSS/INS/LiDAR-SLAM Positioning Method for Highly Accurate Forest Stem Mapping. Remote Sensing, 9(1). https://doi.org/10.3390/rs9010003
Reshetyuk, Y. (2017). Terrester Laserskanning. Bookboon. Hämtad från https://bookboon.com/se/terrester-laserskanning-ebook
Ryding, J., Williams, E., Smith, M. J., & Eichhorn, M. P. (2015). Assessing handheld mobile laser scanners for forest surveys. Remote Sensing, 7(1), 1095–1111. https://doi.org/10.3390/rs70101095
SIS-TS 21144 (2016). Byggmätning - Specifikationer vid framställning och kontroll av digitala terrängmodeller. Stockholm: SIS Förlag AB.
30
Tyagur, N. & Hollaus, M. (2016). DIGITAL TERRAIN MODELS FROM MOBILE LASER SCANNING DATA IN MORAVIAN KARST. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI-B3, 387–394. https://doi.org/10.5194/isprs-archives-XLI-B3-387-2016
United Nations. (u.å). SUSTAINABLE DEVELOPMENT GOALS: 17 GOALS TO TRANSFORM OUR WORLD. Hämtad 19 december, 2017, från United Nations, http://www.un.org/sustainabledevelopment/sustainable-development-goals/
Vium Andersson, J. (2012). Underlag till metodbeskrivning RUFRIS. Hämtad den 28 mars, 2018, från Trafikverket, https://trafikverket.ineko.se/se/metodbeskrivning-rufris
Zhang, W., Qi, J., Wan, P., Wang, H., Xie, D., Wang, X., & Yan, G. (2016). An easy-to-use airborne LiDAR data filtering method based on cloth simulation. Remote Sensing, 8(6). https://doi.org/10.3390/rs8060501
A1
Bilaga A
Nedan listas FLS DTM:ens höjdavvikelser i jämförelse mot kontrollprofilerna.
Gulmarkerade punkter, punkt 3 och 4 i profil 1 samt punkt 2 till 4 i profil 2, togs
bort från beräkningarna på grund av avvikande värden för FLS DTM:en (läs mer om
detta i avsnitt 4 och 5). Samtliga beräkningar är i enheten meter och i
referenssystemet SWEREF 99 TM med höjdsystemet RH2000.
A1. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i jämförelse mot kontrollprofil 1.
Profil 1 Min Max Ahm Sp RMS
0,002 0,123 0,054 0,049 0,072
Punkt nr N E Ah
1 6 727 077,396 612 911,278 0,028
2 6 727 078,003 612 910,633 -0,076
3 6 727 078,501 612 910,166 -0,259
4 6 727 079,142 612 909,538 -0,361
5 6 727 079,910 612 908,415 0,005
6 6 727 080,269 612 907,808 0,109
7 6 727 080,747 612 907,038 0,066
8 6 727 081,420 612 906,074 0,091
9 6 727 082,082 612 905,241 0,083
10 6 727 082,390 612 904,779 0,085
11 6 727 082,968 612 903,854 0,067
12 6 727 083,829 612 902,835 0,040
13 6 727 084,852 612 901,280 0,064
14 6 727 085,257 612 900,543 0,070
15 6 727 085,787 612 899,781 0,123
16 6 727 086,414 612 898,389 0,115
17 6 727 087,447 612 897,194 0,066
18 6 727 088,254 612 896,010 0,002
19 6 727 088,979 612 895,009 0,012
20 6 727 089,610 612 893,898 0,024
21 6 727 090,148 612 893,329 0,024
A2
A2. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i
jämförelse mot kontrollprofil 2.
Profil 2 Min Max Ahm Sp RMS
-0,002 0,110 0,044 0,043 0,060
Punkt nr N E Ah
1 6 727 078,380 612 913,228 -0,026
2 6 727 079,110 612 912,859 -0,182
3 6 727 079,773 612 912,529 -0,337
4 6 727 080,226 612 912,338 -0,347
5 6 727 081,362 612 911,758 -0,002
6 6 727 082,353 612 911,229 0,073
7 6 727 083,322 612 910,821 0,075
8 6 727 084,297 612 910,403 0,044
9 6 727 085,362 612 909,934 0,014
10 6 727 086,426 612 909,431 0,036
11 6 727 087,516 612 908,804 -0,017
12 6 727 088,522 612 908,237 0,103
13 6 727 089,364 612 907,550 0,106
14 6 727 090,320 612 906,807 0,038
15 6 727 091,314 612 906,300 0,053
16 6 727 091,991 612 906,119 0,056
17 6 727 092,756 612 905,720 0,110
18 6 727 093,509 612 905,205 0,058
19 6 727 094,384 612 904,582 -0,029
20 6 727 095,617 612 903,797 0,033
21 6 727 096,598 612 903,229 0,060
A3
A3. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i
jämförelse mot kontrollprofil 3.
Profil 3 Min Max Ahm Sp RMS
0,003 0,218 0,069 0,067 0,096
Punkt nr N E Ah
1 6 727 080,974 612 918,243 0,126
2 6 727 081,612 612 917,936 0,094
3 6 727 082,074 612 917,877 0,054
4 6 727 082,719 612 917,832 0,003
5 6 727 083,181 612 917,665 -0,029
6 6 727 084,190 612 917,597 -0,106
7 6 727 085,320 612 917,484 0,004
8 6 727 086,301 612 917,451 0,051
9 6 727 087,223 612 917,338 0,065
10 6 727 088,197 612 917,066 0,073
11 6 727 089,050 612 917,066 0,101
12 6 727 090,062 612 917,055 0,077
13 6 727 090,963 612 917,071 0,091
14 6 727 091,825 612 917,078 0,112
15 6 727 092,864 612 917,165 -0,012
16 6 727 094,067 612 917,427 0,059
17 6 727 094,926 612 917,638 0,030
18 6 727 095,837 612 917,833 0,099
19 6 727 097,036 612 918,074 0,051
20 6 727 098,512 612 917,713 0,218
21 6 727 099,799 612 917,861 0,187
22 6 727 100,657 612 918,038 0,147
23 6 727 101,449 612 918,116 0,096
24 6 727 102,507 612 918,177 0,062
25 6 727 103,500 612 918,316 0,072
A4
A4. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i
jämförelse mot kontrollprofil 4.
Profil 4 Min Max Ahm Sp RMS
0,005 0,081 0,033 0,019 0,038
Punkt nr N E Ah
1 6 727 107,596 612 919,007 0,028
2 6 727 106,673 612 917,382 0,055
3 6 727 105,784 612 916,146 0,045
4 6 727 104,401 612 914,345 0,049
5 6 727 103,755 612 913,602 0,040
6 6 727 103,058 612 912,837 0,029
7 6 727 102,481 612 912,055 0,042
8 6 727 101,394 612 910,880 0,034
9 6 727 100,571 612 909,929 0,037
10 6 727 099,719 612 908,752 0,037
11 6 727 098,798 612 907,689 0,029
12 6 727 098,125 612 907,008 0,053
13 6 727 097,553 612 906,157 0,027
14 6 727 096,972 612 905,256 0,009
15 6 727 096,729 612 904,584 0,027
16 6 727 096,341 612 903,737 0,051
17 6 727 096,127 612 903,251 0,022
18 6 727 095,775 612 902,463 0,005
19 6 727 095,007 612 901,294 0,005
20 6 727 093,798 612 899,757 0,081
21 6 727 092,446 612 898,493 0,019
22 6 727 092,281 612 898,012 0,007
A5
A5. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i
jämförelse mot kontrollprofil 5.
Profil 5 Min Max Ahm Sp RMS
0,000 0,116 0,046 0,037 0,059
Punkt nr N E Ah
1 6 727 093,533 612 905,710 0,073
2 6 727 093,924 612 905,083 0,044
3 6 727 094,328 612 904,429 -0,008
4 6 727 094,744 612 903,783 0,041
5 6 727 095,244 612 902,965 0,027
6 6 727 095,782 612 902,048 0,003
7 6 727 096,050 612 901,165 0,079
8 6 727 096,349 612 900,565 0,067
9 6 727 096,666 612 899,762 0,002
10 6 727 096,974 612 898,984 -0,036
11 6 727 097,218 612 898,181 0,109
12 6 727 097,527 612 897,368 0,074
13 6 727 097,815 612 896,689 0,022
14 6 727 098,088 612 895,927 0,079
15 6 727 098,388 612 895,311 0,109
16 6 727 098,645 612 894,753 0,000
17 6 727 098,964 612 893,888 0,000
18 6 727 099,619 612 892,882 0,056
19 6 727 100,167 612 891,926 0,085
20 6 727 100,675 612 890,955 0,052
21 6 727 101,282 612 889,925 0,050
22 6 727 101,748 612 889,107 0,046
23 6 727 102,366 612 887,909 0,023
24 6 727 102,879 612 886,990 0,060
25 6 727 103,298 612 885,995 0,040
26 6 727 103,776 612 884,883 0,043
27 6 727 104,283 612 883,905 0,054
28 6 727 104,939 612 882,974 0,116
29 6 727 105,509 612 882,226 0,034
A6
A6. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i
jämförelse mot kontrollprofil 6.
Profil 6 Min Max Ahm Sp RMS
0,008 0,109 0,058 0,032 0,066
Punkt nr N E Ah
1 6 727 106,787 612 880,801 0,063
2 6 727 107,361 612 881,749 0,058
3 6 727 107,668 612 882,351 0,008
4 6 727 107,922 612 883,241 0,066
5 6 727 107,944 612 883,679 0,058
6 6 727 108,113 612 884,311 0,063
7 6 727 108,255 612 885,367 0,045
8 6 727 108,688 612 887,117 0,067
9 6 727 108,697 612 888,403 0,094
10 6 727 109,007 612 889,593 0,089
11 6 727 109,252 612 890,965 0,109
12 6 727 109,647 612 892,437 0,079
13 6 727 109,677 612 894,876 0,057
14 6 727 109,556 612 896,553 0,034
15 6 727 109,434 612 897,820 -0,039
16 6 727 109,382 612 899,594 0,051
17 6 727 109,513 612 900,005 0,055
18 6 727 109,875 612 900,868 0,064
19 6 727 110,080 612 901,743 0,099
20 6 727 110,207 612 902,607 0,070
21 6 727 110,438 612 903,105 0,033
A7
A7. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i
jämförelse mot kontrollprofil 7.
Profil 7 Min Max Ahm Sp RMS
0,050 0,184 0,078 0,043 0,088
Punkt nr N E Ah
1 6 727 108,849 612 904,488 0,107
2 6 727 108,619 612 903,912 0,081
3 6 727 108,451 612 903,172 0,050
4 6 727 108,273 612 902,388 0,120
5 6 727 108,210 612 901,672 0,146
6 6 727 107,973 612 900,781 0,184
7 6 727 107,617 612 899,836 0,031
8 6 727 107,314 612 898,871 0,118
9 6 727 106,904 612 897,796 0,063
10 6 727 106,575 612 897,126 0,129
11 6 727 105,655 612 895,038 0,011
12 6 727 105,194 612 894,059 0,071
13 6 727 104,927 612 893,333 0,069
14 6 727 104,548 612 892,678 0,065
15 6 727 103,872 612 891,913 0,080
16 6 727 103,536 612 890,843 0,049
17 6 727 103,243 612 890,073 0,050
18 6 727 103,062 612 889,047 0,104
19 6 727 102,909 612 888,154 0,013
20 6 727 102,763 612 887,120 0,044
21 6 727 102,459 612 885,904 0,073
22 6 727 102,188 612 884,891 0,052
A8
A8. FLS DTM:en som skapades i CloudCompare med data från Lantmäteriet (2015), med 2 m punkttäthet, i
jämförelse mot kontrollprofil 8.
Profil 8 Min Max Ahm Sp RMS
-0,005 0,151 0,055 0,053 0,076
Punkt nr N E Ah
1 6 727 094,646 612 887,414 0,011
2 6 727 094,643 612 887,416 0,009
3 6 727 095,212 612 888,115 -0,016
4 6 727 095,827 612 889,072 -0,005
5 6 727 096,224 612 889,756 0,055
6 6 727 097,370 612 891,558 0,151
7 6 727 097,885 612 892,373 -0,038
8 6 727 098,330 612 893,150 -0,014
9 6 727 098,664 612 894,027 0,054
10 6 727 099,238 612 895,102 0,022
11 6 727 099,712 612 896,042 0,098
12 6 727 100,369 612 897,579 0,016
13 6 727 101,324 612 898,966 0,096
14 6 727 101,503 612 899,866 0,086
15 6 727 101,941 612 900,814 0,080
16 6 727 102,343 612 901,400 0,151
17 6 727 102,896 612 902,426 0,132
18 6 727 103,378 612 903,115 0,038
19 6 727 103,961 612 903,932 0,032
20 6 727 104,718 612 904,739 0,093
21 6 727 105,640 612 905,571 0,087
22 6 727 106,408 612 906,256 0,013
23 6 727 107,020 612 907,511 0,078
24 6 727 107,617 612 908,337 0,090
B1
Bilaga B
Nedan listas höjdavvikelser för HLS DTM:en, med punkttätheten 0,5 m, i
jämförelse mot kontrollprofilerna. Gulmarkerade punkter, punkt 3 och 4 i profil 1
samt punkt 2 till 4 i profil 2, togs bort från beräkningarna på grund av avvikande
värden för FLS DTM:en (läs mer om detta i avsnitt 4 och 5). Samtliga beräkningar
är i enheten meter och i referenssystemet SWEREF 99 TM med höjdsystemet
RH2000.
B1. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 1.
Profil 1 Min Max Ahm Sp RMS
-0,001 0,104 0,039 0,034 0,051
Punkt nr N E Ah
1 6 727 077,396 612 911,278 0,020
2 6 727 078,003 612 910,633 -0,025
3 6 727 078,501 612 910,166 0,018
4 6 727 079,142 612 909,538 0,023
5 6 727 079,910 612 908,415 0,062
6 6 727 080,269 612 907,808 0,104
7 6 727 080,747 612 907,038 -0,002
8 6 727 081,420 612 906,074 0,047
9 6 727 082,082 612 905,241 0,066
10 6 727 082,390 612 904,779 0,080
11 6 727 082,968 612 903,854 0,050
12 6 727 083,829 612 902,835 0,030
13 6 727 084,852 612 901,280 0,074
14 6 727 085,257 612 900,543 0,041
15 6 727 085,787 612 899,781 0,057
16 6 727 086,414 612 898,389 0,055
17 6 727 087,447 612 897,194 0,025
18 6 727 088,254 612 896,010 0,003
19 6 727 088,979 612 895,009 -0,001
20 6 727 089,610 612 893,898 0,010
B2
B2. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 2.
Profil 2 Min Max Ahm Sp RMS
0,001 0,107 0,046 0,031 0,055
Punkt nr N E Ah
1 6 727 078,380 612 913,228 0,021
2 6 727 079,110 612 912,859 0,023
3 6 727 079,773 612 912,529 0,062
4 6 727 080,226 612 912,338 0,070
5 6 727 081,362 612 911,758 0,068
6 6 727 082,353 612 911,229 0,036
7 6 727 083,322 612 910,821 0,050
8 6 727 084,297 612 910,403 0,069
9 6 727 085,362 612 909,934 0,075
10 6 727 086,426 612 909,431 0,013
11 6 727 087,516 612 908,804 0,018
12 6 727 088,522 612 908,237 0,107
13 6 727 089,364 612 907,550 0,044
14 6 727 090,320 612 906,807 0,007
15 6 727 091,314 612 906,300 0,061
16 6 727 091,991 612 906,119 0,080
17 6 727 092,756 612 905,720 0,085
18 6 727 093,509 612 905,205 0,051
19 6 727 094,384 612 904,582 0,001
20 6 727 095,617 612 903,797 0,010
21 6 727 096,598 612 903,229 0,029
B3
B3. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 3.
Profil 3 Min Max Ahm Sp RMS
0,001 0,106 0,054 0,031 0,062
Punkt nr N E Ah
1 6 727 080,974 612 918,243 0,037
2 6 727 081,612 612 917,936 0,073
3 6 727 082,074 612 917,877 0,064
4 6 727 082,719 612 917,832 0,104
5 6 727 083,181 612 917,665 0,032
6 6 727 084,190 612 917,597 0,039
7 6 727 085,320 612 917,484 0,066
8 6 727 086,301 612 917,451 0,001
9 6 727 087,223 612 917,338 -0,001
10 6 727 088,197 612 917,066 0,019
11 6 727 089,050 612 917,066 0,062
12 6 727 090,062 612 917,055 0,065
13 6 727 090,963 612 917,071 0,078
14 6 727 091,825 612 917,078 0,052
15 6 727 092,864 612 917,165 0,008
16 6 727 094,067 612 917,427 0,071
17 6 727 094,926 612 917,638 0,036
18 6 727 095,837 612 917,833 0,106
19 6 727 097,036 612 918,074 0,055
20 6 727 098,512 612 917,713 0,091
21 6 727 099,799 612 917,861 0,079
22 6 727 100,657 612 918,038 0,100
23 6 727 101,449 612 918,116 0,029
24 6 727 102,507 612 918,177 0,061
25 6 727 103,500 612 918,316 0,035
B4
B4. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 4.
Profil 4 Min Max Ahm Sp RMS
0,000 0,045 0,012 0,014 0,019
Punkt nr N E Ah
1 6 727 107,596 612 919,007 0,045
2 6 727 106,673 612 917,382 0,027
3 6 727 105,784 612 916,146 0,027
4 6 727 104,401 612 914,345 -0,001
5 6 727 103,755 612 913,602 0,012
6 6 727 103,058 612 912,837 0,017
7 6 727 102,481 612 912,055 0,004
8 6 727 101,394 612 910,880 0,022
9 6 727 100,571 612 909,929 0,040
10 6 727 099,719 612 908,752 0,011
11 6 727 098,798 612 907,689 0,012
12 6 727 098,125 612 907,008 -0,002
13 6 727 097,553 612 906,157 0,000
14 6 727 096,972 612 905,256 -0,003
15 6 727 096,729 612 904,584 -0,003
16 6 727 096,341 612 903,737 -0,003
17 6 727 096,127 612 903,251 0,019
18 6 727 095,775 612 902,463 0,006
19 6 727 095,007 612 901,294 0,003
20 6 727 093,798 612 899,757 0,024
21 6 727 092,446 612 898,493 -0,001
22 6 727 092,281 612 898,012 0,016
B5
B5. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 5.
Profil 5 Min Max Ahm Sp RMS
-0,001 0,088 0,040 0,027 0,048
Punkt nr N E Ah
1 6 727 093,533 612 905,710 0,032
2 6 727 093,924 612 905,083 0,039
3 6 727 094,328 612 904,429 0,006
4 6 727 094,744 612 903,783 0,014
5 6 727 095,244 612 902,965 -0,001
6 6 727 095,782 612 902,048 0,030
7 6 727 096,050 612 901,165 0,054
8 6 727 096,349 612 900,565 0,058
9 6 727 096,666 612 899,762 0,071
10 6 727 096,974 612 898,984 0,087
11 6 727 097,218 612 898,181 0,032
12 6 727 097,527 612 897,368 0,028
13 6 727 097,815 612 896,689 0,033
14 6 727 098,088 612 895,927 0,056
15 6 727 098,388 612 895,311 0,080
16 6 727 098,645 612 894,753 0,051
17 6 727 098,964 612 893,888 0,072
18 6 727 099,619 612 892,882 0,061
19 6 727 100,167 612 891,926 0,029
20 6 727 100,675 612 890,955 0,043
21 6 727 101,282 612 889,925 0,002
22 6 727 101,748 612 889,107 -0,003
23 6 727 102,366 612 887,909 0,022
24 6 727 102,879 612 886,990 0,053
25 6 727 103,298 612 885,995 -0,015
26 6 727 103,776 612 884,883 0,030
27 6 727 104,283 612 883,905 0,056
28 6 727 104,939 612 882,974 0,047
29 6 727 105,509 612 882,226 0,088
B6
B6. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 6.
Profil 6 Min Max Ahm Sp RMS
0,010 0,092 0,056 0,025 0,061
Punkt nr N E Ah
1 6 727 106,787 612 880,801 0,053
2 6 727 107,361 612 881,749 0,086
3 6 727 107,668 612 882,351 0,010
4 6 727 107,922 612 883,241 0,034
5 6 727 107,944 612 883,679 0,016
6 6 727 108,113 612 884,311 0,059
7 6 727 108,255 612 885,367 0,087
8 6 727 108,688 612 887,117 0,076
9 6 727 108,697 612 888,403 0,092
10 6 727 109,007 612 889,593 0,065
11 6 727 109,252 612 890,965 0,085
12 6 727 109,647 612 892,437 0,032
13 6 727 109,677 612 894,876 0,042
14 6 727 109,556 612 896,553 0,072
15 6 727 109,434 612 897,820 0,023
16 6 727 109,382 612 899,594 0,043
17 6 727 109,513 612 900,005 0,076
18 6 727 109,875 612 900,868 0,058
19 6 727 110,080 612 901,743 0,070
20 6 727 110,207 612 902,607 0,065
21 6 727 110,438 612 903,105 0,030
B7
B7. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 7.
Profil 7 Min Max Ahm Sp RMS
-0,002 0,116 0,046 0,028 0,053
Punkt nr N E Ah
1 6 727 108,849 612 904,488 0,038
2 6 727 108,619 612 903,912 0,061
3 6 727 108,451 612 903,172 0,021
4 6 727 108,273 612 902,388 0,048
5 6 727 108,210 612 901,672 0,116
6 6 727 107,973 612 900,781 0,050
7 6 727 107,617 612 899,836 0,039
8 6 727 107,314 612 898,871 0,041
9 6 727 106,904 612 897,796 0,075
10 6 727 106,575 612 897,126 0,101
11 6 727 105,655 612 895,038 0,038
12 6 727 105,194 612 894,059 0,070
13 6 727 104,927 612 893,333 0,060
14 6 727 104,548 612 892,678 0,048
15 6 727 103,872 612 891,913 0,047
16 6 727 103,536 612 890,843 0,017
17 6 727 103,243 612 890,073 0,016
18 6 727 103,062 612 889,047 0,050
19 6 727 102,909 612 888,154 0,034
20 6 727 102,763 612 887,120 0,027
21 6 727 102,459 612 885,904 0,011
22 6 727 102,188 612 884,891 -0,002
B8
B8. HLS DTM:en som skapades i CloudCompare, med 0,5 m punkttäthet, i jämförelse mot kontrollprofil 8.
Profil 8 Min Max Ahm Sp RMS
0,000 0,158 0,067 0,049 0,083
Punkt nr N E Ah
1 6 727 094,646 612 887,414 0,010
2 6 727 094,643 612 887,416 0,009
3 6 727 095,212 612 888,115 0,000
4 6 727 095,827 612 889,072 0,015
5 6 727 096,224 612 889,756 0,009
6 6 727 097,370 612 891,558 0,075
7 6 727 097,885 612 892,373 0,018
8 6 727 098,330 612 893,150 0,119
9 6 727 098,664 612 894,027 0,137
10 6 727 099,238 612 895,102 0,051
11 6 727 099,712 612 896,042 0,063
12 6 727 100,369 612 897,579 -0,021
13 6 727 101,324 612 898,966 0,090
14 6 727 101,503 612 899,866 0,060
15 6 727 101,941 612 900,814 0,127
16 6 727 102,343 612 901,400 0,158
17 6 727 102,896 612 902,426 0,104
18 6 727 103,378 612 903,115 0,114
19 6 727 103,961 612 903,932 0,032
20 6 727 104,718 612 904,739 0,104
21 6 727 105,640 612 905,571 0,113
22 6 727 106,408 612 906,256 0,069
23 6 727 107,020 612 907,511 0,069
24 6 727 107,617 612 908,337 0,084
C1
Bilaga C
Nedan listas höjdavvikelser för HLS DTM:en, med punkttätheten 1 m, i jämförelse
mot kontrollprofilerna. Gulmarkerade punkter, punkt 3 och 4 i profil 1 samt punkt
2 till 4 i profil 2, togs bort från beräkningarna på grund av avvikande värden för FLS
DTM:en (läs mer om detta i avsnitt 4 och 5). Samtliga beräkningar är i enheten
meter och i referenssystemet SWEREF 99 TM med höjdsystemet RH2000.
C1. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 1.
Profil 1 Min Max Ahm Sp RMS
-0,006 0,128 0,054 0,037 0,065
Punkt nr N E Ah
1 6 727 077,396 612 911,278 0,079
2 6 727 078,003 612 910,633 -0,007
3 6 727 078,501 612 910,166 -0,006
4 6 727 079,142 612 909,538 0,006
5 6 727 079,910 612 908,415 0,069
6 6 727 080,269 612 907,808 0,111
7 6 727 080,747 612 907,038 0,046
8 6 727 081,420 612 906,074 0,075
9 6 727 082,082 612 905,241 0,068
10 6 727 082,390 612 904,779 0,062
11 6 727 082,968 612 903,854 0,048
12 6 727 083,829 612 902,835 -0,007
13 6 727 084,852 612 901,280 0,128
14 6 727 085,257 612 900,543 0,058
15 6 727 085,787 612 899,781 0,080
16 6 727 086,414 612 898,389 0,050
17 6 727 087,447 612 897,194 0,066
18 6 727 088,254 612 896,010 0,020
19 6 727 088,979 612 895,009 -0,006
20 6 727 089,610 612 893,898 0,033
C2
C2. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 2.
Profil 2 Min Max Ahm Sp RMS
0,006 0,132 0,062 0,047 0,077
Punkt nr N E Ah
1 6 727 078,380 612 913,228 0,049
2 6 727 079,110 612 912,859 0,043
3 6 727 079,773 612 912,529 0,013
4 6 727 080,226 612 912,338 0,074
5 6 727 081,362 612 911,758 0,132
6 6 727 082,353 612 911,229 0,059
7 6 727 083,322 612 910,821 0,056
8 6 727 084,297 612 910,403 0,073
9 6 727 085,362 612 909,934 0,118
10 6 727 086,426 612 909,431 0,056
11 6 727 087,516 612 908,804 0,028
12 6 727 088,522 612 908,237 0,097
13 6 727 089,364 612 907,550 0,089
14 6 727 090,320 612 906,807 0,006
15 6 727 091,314 612 906,300 0,097
16 6 727 091,991 612 906,119 0,030
17 6 727 092,756 612 905,720 0,127
18 6 727 093,509 612 905,205 0,090
19 6 727 094,384 612 904,582 -0,055
20 6 727 095,617 612 903,797 0,022
21 6 727 096,598 612 903,229 0,038
C3
C3. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 3.
Profil 3 Min Max Ahm Sp RMS
-0,003 0,198 0,076 0,061 0,096
Punkt nr N E Ah
1 6 727 080,974 612 918,243 0,180
2 6 727 081,612 612 917,936 0,082
3 6 727 082,074 612 917,877 0,025
4 6 727 082,719 612 917,832 0,047
5 6 727 083,181 612 917,665 0,052
6 6 727 084,190 612 917,597 0,032
7 6 727 085,320 612 917,484 0,073
8 6 727 086,301 612 917,451 0,028
9 6 727 087,223 612 917,338 -0,003
10 6 727 088,197 612 917,066 0,021
11 6 727 089,050 612 917,066 0,080
12 6 727 090,062 612 917,055 0,137
13 6 727 090,963 612 917,071 0,050
14 6 727 091,825 612 917,078 0,045
15 6 727 092,864 612 917,165 0,006
16 6 727 094,067 612 917,427 0,073
17 6 727 094,926 612 917,638 0,066
18 6 727 095,837 612 917,833 0,106
19 6 727 097,036 612 918,074 0,060
20 6 727 098,512 612 917,713 0,196
21 6 727 099,799 612 917,861 0,198
22 6 727 100,657 612 918,038 0,197
23 6 727 101,449 612 918,116 0,071
24 6 727 102,507 612 918,177 0,058
25 6 727 103,500 612 918,316 0,014
C4
C4. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 4.
Profil 4 Min Max Ahm Sp RMS
0,000 0,085 0,034 0,025 0,041
Punkt nr N E Ah
1 6 727 107,596 612 919,007 0,084
2 6 727 106,673 612 917,382 0,041
3 6 727 105,784 612 916,146 0,040
4 6 727 104,401 612 914,345 0,032
5 6 727 103,755 612 913,602 0,015
6 6 727 103,058 612 912,837 0,026
7 6 727 102,481 612 912,055 0,043
8 6 727 101,394 612 910,880 0,053
9 6 727 100,571 612 909,929 0,049
10 6 727 099,719 612 908,752 0,035
11 6 727 098,798 612 907,689 0,004
12 6 727 098,125 612 907,008 -0,007
13 6 727 097,553 612 906,157 -0,006
14 6 727 096,972 612 905,256 0,004
15 6 727 096,729 612 904,584 0,008
16 6 727 096,341 612 903,737 0,022
17 6 727 096,127 612 903,251 0,029
18 6 727 095,775 612 902,463 0,085
19 6 727 095,007 612 901,294 0,051
20 6 727 093,798 612 899,757 0,040
21 6 727 092,446 612 898,493 0,036
22 6 727 092,281 612 898,012 0,055
C5
C5. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 5.
Profil 5 Min Max Ahm Sp RMS
0,003 0,105 0,050 0,035 0,060
Punkt nr N E Ah
1 6 727 093,533 612 905,710 0,007
2 6 727 093,924 612 905,083 0,052
3 6 727 094,328 612 904,429 -0,043
4 6 727 094,744 612 903,783 0,003
5 6 727 095,244 612 902,965 0,052
6 6 727 095,782 612 902,048 0,074
7 6 727 096,050 612 901,165 0,057
8 6 727 096,349 612 900,565 0,079
9 6 727 096,666 612 899,762 0,105
10 6 727 096,974 612 898,984 0,050
11 6 727 097,218 612 898,181 0,055
12 6 727 097,527 612 897,368 0,100
13 6 727 097,815 612 896,689 0,052
14 6 727 098,088 612 895,927 0,062
15 6 727 098,388 612 895,311 0,076
16 6 727 098,645 612 894,753 0,023
17 6 727 098,964 612 893,888 0,071
18 6 727 099,619 612 892,882 0,082
19 6 727 100,167 612 891,926 0,043
20 6 727 100,675 612 890,955 0,005
21 6 727 101,282 612 889,925 -0,021
22 6 727 101,748 612 889,107 0,024
23 6 727 102,366 612 887,909 0,051
24 6 727 102,879 612 886,990 0,082
25 6 727 103,298 612 885,995 0,062
26 6 727 103,776 612 884,883 0,086
27 6 727 104,283 612 883,905 0,048
28 6 727 104,939 612 882,974 0,034
29 6 727 105,509 612 882,226 0,068
C6
C6. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 6.
Profil 6 Min Max Ahm Sp RMS
0,012 0,137 0,068 0,031 0,075
Punkt nr N E Ah
1 6 727 106,787 612 880,801 0,061
2 6 727 107,361 612 881,749 0,088
3 6 727 107,668 612 882,351 0,068
4 6 727 107,922 612 883,241 0,065
5 6 727 107,944 612 883,679 0,054
6 6 727 108,113 612 884,311 0,071
7 6 727 108,255 612 885,367 0,070
8 6 727 108,688 612 887,117 0,119
9 6 727 108,697 612 888,403 0,074
10 6 727 109,007 612 889,593 0,072
11 6 727 109,252 612 890,965 0,137
12 6 727 109,647 612 892,437 0,083
13 6 727 109,677 612 894,876 0,012
14 6 727 109,556 612 896,553 0,059
15 6 727 109,434 612 897,820 0,045
16 6 727 109,382 612 899,594 0,092
17 6 727 109,513 612 900,005 0,103
18 6 727 109,875 612 900,868 0,050
19 6 727 110,080 612 901,743 0,072
20 6 727 110,207 612 902,607 0,027
21 6 727 110,438 612 903,105 0,012
C7
C7. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 7.
Profil 7 Min Max Ahm Sp RMS
0,020 0,110 0,051 0,035 0,061
Punkt nr N E Ah
1 6 727 108,849 612 904,488 0,046
2 6 727 108,619 612 903,912 0,027
3 6 727 108,451 612 903,172 0,022
4 6 727 108,273 612 902,388 0,057
5 6 727 108,210 612 901,672 0,079
6 6 727 107,973 612 900,781 0,020
7 6 727 107,617 612 899,836 0,042
8 6 727 107,314 612 898,871 0,071
9 6 727 106,904 612 897,796 0,107
10 6 727 106,575 612 897,126 0,086
11 6 727 105,655 612 895,038 -0,050
12 6 727 105,194 612 894,059 0,110
13 6 727 104,927 612 893,333 0,094
14 6 727 104,548 612 892,678 0,041
15 6 727 103,872 612 891,913 0,042
16 6 727 103,536 612 890,843 0,041
17 6 727 103,243 612 890,073 0,065
18 6 727 103,062 612 889,047 0,072
19 6 727 102,909 612 888,154 0,030
20 6 727 102,763 612 887,120 0,054
21 6 727 102,459 612 885,904 0,030
22 6 727 102,188 612 884,891 0,040
C8
C8. HLS DTM:en som skapades i CloudCompare, med 1 m punkttäthet, i jämförelse mot kontrollprofil 8.
Profil 8 Min Max Ahm Sp RMS
0,012 0,170 0,080 0,066 0,102
Punkt nr N E Ah
1 6 727 094,646 612 887,414 -0,035
2 6 727 094,643 612 887,416 -0,037
3 6 727 095,212 612 888,115 -0,056
4 6 727 095,827 612 889,072 -0,014
5 6 727 096,224 612 889,756 0,012
6 6 727 097,370 612 891,558 0,070
7 6 727 097,885 612 892,373 0,042
8 6 727 098,330 612 893,150 0,159
9 6 727 098,664 612 894,027 0,109
10 6 727 099,238 612 895,102 0,054
11 6 727 099,712 612 896,042 0,064
12 6 727 100,369 612 897,579 0,081
13 6 727 101,324 612 898,966 0,117
14 6 727 101,503 612 899,866 0,098
15 6 727 101,941 612 900,814 0,113
16 6 727 102,343 612 901,400 0,170
17 6 727 102,896 612 902,426 0,154
18 6 727 103,378 612 903,115 0,137
19 6 727 103,961 612 903,932 0,095
20 6 727 104,718 612 904,739 0,107
21 6 727 105,640 612 905,571 0,145
22 6 727 106,408 612 906,256 0,063
23 6 727 107,020 612 907,511 0,124
24 6 727 107,617 612 908,337 0,141
D1
Bilaga D
Nedan listas höjdavvikelser för HLS DTM:en, med punkttätheten 2 m, i jämförelse
mot kontrollprofilerna. Gulmarkerade punkter, punkt 3 och 4 i profil 1 samt punkt
2 till 4 i profil 2, togs bort från beräkningarna på grund av avvikande värden för FLS
DTM:en (läs mer om detta i avsnitt 4 och 5). Samtliga beräkningar är i enheten
meter och i referenssystemet SWEREF 99 TM med höjdsystemet RH2000.
D1. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 1.
Profil 1 Min Max Ahm Sp RMS
0,029 0,293 0,108 0,107 0,150
Punkt nr N E Ah
1 6 727 077,396 612 911,278 0,168
2 6 727 078,003 612 910,633 0,017
3 6 727 078,501 612 910,166 -0,165
4 6 727 079,142 612 909,538 -0,269
5 6 727 079,910 612 908,415 0,070
6 6 727 080,269 612 907,808 0,137
7 6 727 080,747 612 907,038 0,029
8 6 727 081,420 612 906,074 0,045
9 6 727 082,082 612 905,241 0,053
10 6 727 082,390 612 904,779 0,044
11 6 727 082,968 612 903,854 -0,033
12 6 727 083,829 612 902,835 -0,063
13 6 727 084,852 612 901,280 0,230
14 6 727 085,257 612 900,543 0,293
15 6 727 085,787 612 899,781 0,288
16 6 727 086,414 612 898,389 0,144
17 6 727 087,447 612 897,194 0,276
18 6 727 088,254 612 896,010 0,083
19 6 727 088,979 612 895,009 0,083
20 6 727 089,610 612 893,898 0,088
D2
D2. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 2.
Profil 2 Min Max Ahm Sp RMS
-0,011 0,335 0,099 0,101 0,139
Punkt nr N E Ah
1 6 727 078,380 612 913,228 0,335
2 6 727 079,110 612 912,859 0,197
3 6 727 079,773 612 912,529 -0,031
4 6 727 080,226 612 912,338 -0,116
5 6 727 081,362 612 911,758 0,035
6 6 727 082,353 612 911,229 0,062
7 6 727 083,322 612 910,821 0,048
8 6 727 084,297 612 910,403 -0,011
9 6 727 085,362 612 909,934 -0,042
10 6 727 086,426 612 909,431 0,057
11 6 727 087,516 612 908,804 0,095
12 6 727 088,522 612 908,237 0,284
13 6 727 089,364 612 907,550 0,171
14 6 727 090,320 612 906,807 0,076
15 6 727 091,314 612 906,300 0,180
16 6 727 091,991 612 906,119 0,186
17 6 727 092,756 612 905,720 0,133
18 6 727 093,509 612 905,205 0,066
19 6 727 094,384 612 904,582 -0,021
20 6 727 095,617 612 903,797 0,076
21 6 727 096,598 612 903,229 0,044
D3
D3. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 3.
Profil 3 Min Max Ahm Sp RMS
0,002 0,489 0,105 0,136 0,169
Punkt nr N E Ah
1 6 727 080,974 612 918,243 0,489
2 6 727 081,612 612 917,936 0,201
3 6 727 082,074 612 917,877 0,035
4 6 727 082,719 612 917,832 -0,025
5 6 727 083,181 612 917,665 -0,055
6 6 727 084,190 612 917,597 -0,086
7 6 727 085,320 612 917,484 0,036
8 6 727 086,301 612 917,451 0,063
9 6 727 087,223 612 917,338 0,050
10 6 727 088,197 612 917,066 -0,016
11 6 727 089,050 612 917,066 -0,030
12 6 727 090,062 612 917,055 0,081
13 6 727 090,963 612 917,071 0,047
14 6 727 091,825 612 917,078 0,065
15 6 727 092,864 612 917,165 0,095
16 6 727 094,067 612 917,427 0,211
17 6 727 094,926 612 917,638 0,172
18 6 727 095,837 612 917,833 0,112
19 6 727 097,036 612 918,074 0,058
20 6 727 098,512 612 917,713 0,320
21 6 727 099,799 612 917,861 0,349
22 6 727 100,657 612 918,038 0,247
23 6 727 101,449 612 918,116 0,114
24 6 727 102,507 612 918,177 0,080
25 6 727 103,500 612 918,316 0,002
D4
D4. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 4.
Profil 4 Min Max Ahm Sp RMS
0,000 0,303 0,149 0,099 0,177
Punkt nr N E Ah
1 6 727 107,596 612 919,007 0,274
2 6 727 106,673 612 917,382 0,203
3 6 727 105,784 612 916,146 0,265
4 6 727 104,401 612 914,345 0,303
5 6 727 103,755 612 913,602 0,294
6 6 727 103,058 612 912,837 0,287
7 6 727 102,481 612 912,055 0,256
8 6 727 101,394 612 910,880 0,142
9 6 727 100,571 612 909,929 0,115
10 6 727 099,719 612 908,752 0,130
11 6 727 098,798 612 907,689 0,095
12 6 727 098,125 612 907,008 0,087
13 6 727 097,553 612 906,157 0,034
14 6 727 096,972 612 905,256 0,023
15 6 727 096,729 612 904,584 0,031
16 6 727 096,341 612 903,737 0,042
17 6 727 096,127 612 903,251 0,033
18 6 727 095,775 612 902,463 0,139
19 6 727 095,007 612 901,294 0,227
20 6 727 093,798 612 899,757 0,165
21 6 727 092,446 612 898,493 0,045
22 6 727 092,281 612 898,012 0,082
D5
D5. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 5.
Profil 5 Min Max Ahm Sp RMS
0,009 0,216 0,049 0,092 0,103
Punkt nr N E Ah
1 6 727 093,533 612 905,710 -0,016
2 6 727 093,924 612 905,083 0,009
3 6 727 094,328 612 904,429 -0,019
4 6 727 094,744 612 903,783 0,059
5 6 727 095,244 612 902,965 0,046
6 6 727 095,782 612 902,048 0,204
7 6 727 096,050 612 901,165 0,200
8 6 727 096,349 612 900,565 0,083
9 6 727 096,666 612 899,762 -0,065
10 6 727 096,974 612 898,984 -0,100
11 6 727 097,218 612 898,181 0,106
12 6 727 097,527 612 897,368 0,216
13 6 727 097,815 612 896,689 0,124
14 6 727 098,088 612 895,927 0,116
15 6 727 098,388 612 895,311 0,055
16 6 727 098,645 612 894,753 -0,094
17 6 727 098,964 612 893,888 -0,120
18 6 727 099,619 612 892,882 -0,018
19 6 727 100,167 612 891,926 0,035
20 6 727 100,675 612 890,955 -0,026
21 6 727 101,282 612 889,925 -0,045
22 6 727 101,748 612 889,107 0,024
23 6 727 102,366 612 887,909 0,098
24 6 727 102,879 612 886,990 0,125
25 6 727 103,298 612 885,995 0,122
26 6 727 103,776 612 884,883 0,167
27 6 727 104,283 612 883,905 0,114
28 6 727 104,939 612 882,974 0,048
29 6 727 105,509 612 882,226 -0,015
D6
D6. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 6.
Profil 6 Min Max Ahm Sp RMS
0,069 0,166 0,107 0,039 0,113
Punkt nr N E Ah
1 6 727 106,787 612 880,801 0,104
2 6 727 107,361 612 881,749 0,114
3 6 727 107,668 612 882,351 0,106
4 6 727 107,922 612 883,241 0,121
5 6 727 107,944 612 883,679 0,091
6 6 727 108,113 612 884,311 0,089
7 6 727 108,255 612 885,367 0,117
8 6 727 108,688 612 887,117 0,155
9 6 727 108,697 612 888,403 0,166
10 6 727 109,007 612 889,593 0,139
11 6 727 109,252 612 890,965 0,151
12 6 727 109,647 612 892,437 0,102
13 6 727 109,677 612 894,876 -0,018
14 6 727 109,556 612 896,553 0,084
15 6 727 109,434 612 897,820 0,090
16 6 727 109,382 612 899,594 0,141
17 6 727 109,513 612 900,005 0,136
18 6 727 109,875 612 900,868 0,086
19 6 727 110,080 612 901,743 0,116
20 6 727 110,207 612 902,607 0,083
21 6 727 110,438 612 903,105 0,069
D7
D7. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 7.
Profil 7 Min Max Ahm Sp RMS
-0,009 0,163 0,078 0,041 0,088
Punkt nr N E Ah
1 6 727 108,849 612 904,488 0,054
2 6 727 108,619 612 903,912 0,066
3 6 727 108,451 612 903,172 0,062
4 6 727 108,273 612 902,388 0,078
5 6 727 108,210 612 901,672 0,076
6 6 727 107,973 612 900,781 0,021
7 6 727 107,617 612 899,836 0,035
8 6 727 107,314 612 898,871 0,104
9 6 727 106,904 612 897,796 0,109
10 6 727 106,575 612 897,126 0,110
11 6 727 105,655 612 895,038 -0,009
12 6 727 105,194 612 894,059 0,086
13 6 727 104,927 612 893,333 0,080
14 6 727 104,548 612 892,678 0,034
15 6 727 103,872 612 891,913 0,031
16 6 727 103,536 612 890,843 0,072
17 6 727 103,243 612 890,073 0,131
18 6 727 103,062 612 889,047 0,163
19 6 727 102,909 612 888,154 0,091
20 6 727 102,763 612 887,120 0,103
21 6 727 102,459 612 885,904 0,146
22 6 727 102,188 612 884,891 0,079
D8
D8. HLS DTM:en som skapades i CloudCompare, med 2 m punkttäthet, i jämförelse mot kontrollprofil 8.
Profil 8 Min Max Ahm Sp RMS
0,010 0,222 0,022 0,113 0,113
Punkt nr N E Ah
1 6 727 094,646 612 887,414 -0,123
2 6 727 094,643 612 887,416 -0,125
3 6 727 095,212 612 888,115 -0,144
4 6 727 095,827 612 889,072 -0,099
5 6 727 096,224 612 889,756 -0,039
6 6 727 097,370 612 891,558 -0,041
7 6 727 097,885 612 892,373 -0,174
8 6 727 098,330 612 893,150 -0,110
9 6 727 098,664 612 894,027 -0,090
10 6 727 099,238 612 895,102 0,023
11 6 727 099,712 612 896,042 0,067
12 6 727 100,369 612 897,579 0,121
13 6 727 101,324 612 898,966 0,075
14 6 727 101,503 612 899,866 0,080
15 6 727 101,941 612 900,814 0,138
16 6 727 102,343 612 901,400 0,111
17 6 727 102,896 612 902,426 0,030
18 6 727 103,378 612 903,115 0,096
19 6 727 103,961 612 903,932 0,010
20 6 727 104,718 612 904,739 0,119
21 6 727 105,640 612 905,571 0,104
22 6 727 106,408 612 906,256 0,093
23 6 727 107,020 612 907,511 0,188
24 6 727 107,617 612 908,337 0,222
E1
Bilaga E
Stationsetableringen med RUFRIS och fri stationsetableringarna. Samtliga
beräkningar är i enheten meter och i referenssystemet SWEREF 99 TM med
höjdsystemet RH2000.
E1. Den första stationsetableringen med RUFRIS med dess koordinater samt osäkerhet.
Fri station med GNSS
Skapad: 2018-04-17
Station: 180417_1111
Koordinat
StdAvv
Sparad i fil:
X: 6 727 076,708 sR: 0.003
Grundmedelfel: 1.00 Y: 612 913,680 sO: 0.0018
Atm. ppm 0.00 Z: 29.689 sZ: 0.003
Geom. ppm 0.00
A priori standardavvikelse:
Längder: 0.005 + 3,000
ppm Bakrikter
Riktningar: 0.0008
Punkt Horisontell residual
Höjdresidual
GNSS2 0.007 -0.003
GNSS3 0.011 0.004
GNSS4 0.001 0.001
GNSS8 0.003 -0.002
GNSS9 0.007 0.009
GNSS10 0.009 -0.011
GNSS11 0.008 0.002
GNSS12 0.004 -0.005
GNSS13 0.017 0.003
GNSS14 0.019 -0.024
GNSS19 0.007 0.009
GNSS20 0.013 0.008
GNSS22 0.004 -0.002
GNSS23 0.008 0.003
GNSS24 0.012 0.005
Kontrollpunkt (K1) N E H
Efter stationsetablering 6 727 073,014 612 938,682 28,452
Efter avslutad mätning 6 727 073,017 612 938,684 28,451
E2
E2. Stationsetablering med fri station 2018-04-18 med dess koordinater samt osäkerhet.
Fri station
Skapad: 2018-04-18
Koordinat StdAvv
Station:
STN180418 X: 6 727 092,989 0.002
Sparad i fil:
Y: 612 901,808 0.002
Grundmedelfel:
1.06 Z: 35.840 0.001
Atm. ppm
0.00 Radiellt
0.003
Geom. ppm
0.00
Bakrikter
Punkt Avstånd H vinkel V vinkel Refl.höjd Punktkod SC Anmärkning
r2 57.931 120.3412 106.2934 0.000
r8 16.904 29.3590 89.3103 0.000
r7 11.488 350.2880 85.2010 0.000
Kontrollpunkt (K1) N E H
Efter stationsetablering 6 727 073,017 612 938,680 28,448 Efter avslutad mätning 6 727 073,019 612 938,679 28,447
E3. Stationsetablering med fri station med dess koordinater samt osäkerhet vid kontroll av
kontrollpunkt efter avvägning 2018-05-16.
Fri station
Skapad: 2018-05-16
Koordinat StdAvv
Station:
STD20180516 X: 6 727 079,925 0.002
Sparad i fil:
Y: 612 919,276 0.002
Grundmedelfel:
1.16 Z: 29.656 0.001
Atm. ppm
0.00 Radiellt
0.003
Geom. ppm
0.00
Bakrikter
Punkt Avstånd H vinkel V vinkel Refl.höjd Punktkod SC Anmärkning
R1 48.704 275.6374 99.6517 0.000
R4 15.867 39.8152 88.9215 0.000
R5 19.029 327.5105 85.0569 0.000
Kontrollpunkt (K1) N E H
Efter stationsetablering 6 727 073,016 612 938,678 28,444
F1
Bilaga F
Avägningsprotokoll för höjdbestämmelse av tidigare inmätt kontrollpunkt (K1).
F1. Avägningsprotokoll för höjdbestämelse av tidigare inmätt kontrollpunkt (K1). Punkterna 362 och 65 har
kända höjder i höjdsystemet RH2000.
Avvägningsprotokoll
Område: Vid Valbo kyrka Datum 2018-05-15
Instrument: Leica DNA03 Utförare Amanda Gustafsson
Höjdsystem: RH2000 Olov Wängborg
Avvägd punkt Avst. (m) Stångavläsning (m)
Höjdskillnad (m) Höjd (m)
Bak Fram B F Bak Fram Stigning/Fall 28,2130
362 fp1 6 5 1,5765 1,4304 0,1461 28,3591
fp1 fp2 6 6 1,4147 1,5043 -0,0896 28,2695
fp2 fp3 15 16 1,3935 1,4600 -0,0665 28,2030
fp3 fp4 19 20 1,3713 1,3898 -0,0185 28,1845
fp4 fp5 17 18 1,4892 1,3726 0,1166 28,3011
fp5 fp6 18 20 1,5413 1,2486 0,2927 28,5938
fp6 fp7 20 19 1,6162 1,1814 0,4348 29,0286
fp7 fp8 18 19 1,6057 1,1567 0,449 29,4776
fp8 fp9 19 20 1,5605 1,0152 0,5453 30,0229
fp9 fp10 19 20 1,5976 1,451 0,1466 30,1695
fp10 fp11 19 19 1,2694 1,4685 -0,1991 29,9704
fp11 fp12 15 16 1,2924 1,473 -0,1806 29,7898
fp12 fp13 9 11 1,3669 1,4574 -0,0905 29,6993
fp13 fp14 5 4 0,9366 1,9392 -1,0026 28,6967
fp14 fp15 4 4 0,8735 1,8903 -1,0168 27,6799
fp15 65 11 13 0,5239 1,2987 -0,7748 26,9051
65 fp16 13 11 1,3727 0,5978 0,7749 27,6800
fp16 fp17 4 4 1,9174 0,9004 1,017 28,6970
fp17 fp18 3 5 1,8363 0,8339 1,0024 29,6994
fp18 fp19 17 19 1,3086 1,5914 -0,2828 29,4166
fp19 fp20 17 19 1,2742 1,5181 -0,2439 29,1727
fp20 fp21 18 19 1,2491 1,5620 -0,3129 28,8598
fp21 fp22 13 13 1,3486 1,5121 -0,1635 28,6963
fp22 K1 8 9 1,3337 1,5908 -0,2571 28,4392
K1 fp22 9 8 1,5900 1,3330 0,2570 28,6962
fp22 fp21 13 13 1,5118 1,3482 0,1636 28,8598
fp21 fp20 19 18 1,5597 1,2468 0,3129 29,1727
fp20 fp19 19 17 1,5150 1,2710 0,2440 29,4167
fp19 fp18 19 17 1,5928 1,3098 0,2830 29,6997
fp18 fp17 5 3 0,8303 1,8328 -1,0025 28,6972
fp17 fp16 4 4 0,9002 1,9170 -1,0168 27,6804
F2
fp16 65 11 13 0,5963 1,3711 -0,7748 26,9056
65 fp15 13 11 1,2927 0,5179 0,7748 27,6804
fp15 fp14 4 4 1,8903 0,8735 1,0168 28,6972
fp14 fp13 4 5 1,9389 0,9362 1,0027 29,6999
fp13 fp12 11 9 1,4546 1,3640 0,0906 29,7905
fp12 fp11 16 15 1,4706 1,2899 0,1807 29,9712
fp11 fp10 19 19 1,4680 1,2690 0,199 30,1702
fp10 fp9 20 19 1,4489 1,5955 -0,1466 30,0236
fp9 fp8 20 19 1,0136 1,5587 -0,5451 29,4785
fp8 fp7 19 18 1,1546 1,6036 -0,449 29,0295
fp7 fp6 19 20 1,1840 1,6186 -0,4346 28,5949
fp6 fp5 20 18 1,2491 1,5417 -0,2926 28,3023
fp5 fp4 18 17 1,3732 1,4898 -0,1166 28,1857
fp4 fp3 20 19 1,3899 1,3713 0,0186 28,2043
fp3 fp2 16 15 1,4596 1,3932 0,0664 28,2707
fp2 fp1 6 6 1,5053 1,4159 0,0894 28,3601
fp1 362 5 6 1,4156 1,5615 -0,1459 28,2142
Total längd (m) 1284
Kända höjder Pnkt nr H (m)
362 28,213 65 26,906
G1
Bilaga G
Resultat över RMS-värde för georefereringen i CloudCompare. Referenssystemet är
SWEREF 99 TM med höjdsystemet RH2000.
G1. Georefereringen i CloudCompare där RMS-värde redovisas samt varje modellerad sfärs avvikelse i
punktmolnet gentemot koordinater för inmätta sfärer.
Sfär N E H (m) Avvikelse
1 6 727 083,113 612 923,830 29,575 0,025
2 6 727 079,102 612 906,414 30,875 0,047
3 6 727 087,308 612 890,728 35,075 0,029
4 6 727 098,912 612 905,812 36,212 0,030
5 6 727 102,328 612 890,560 38,529 0,016
RMS 0,031