{"id":2204,"date":"2016-06-27T13:08:26","date_gmt":"2016-06-27T10:08:26","guid":{"rendered":"http:\/\/www.geocenter.fi.testwww.yritysweb.fi\/NGC\/blogi\/?p=2204"},"modified":"2016-06-27T14:34:02","modified_gmt":"2016-06-27T11:34:02","slug":"laserskannaus-fotogrammetria-rautateilla","status":"publish","type":"post","link":"https:\/\/geocenter.fi\/blogi\/laserskannaus-fotogrammetria-rautateilla\/","title":{"rendered":"Laserskannaus &#038; fotogrammetria rautateill\u00e4"},"content":{"rendered":"<p>Laserskannauksen ja fotogrammetrian (kuvamittauksen) eroa ihmetell\u00e4\u00e4n usein, joten viime vuonna ilmestynyt <a href=\"https:\/\/www.google.fi\/url?sa=t&amp;rct=j&amp;q=&amp;esrc=s&amp;source=web&amp;cd=1&amp;cad=rja&amp;uact=8&amp;ved=0ahUKEwjn7qns9sfNAhXBDpoKHWQfADAQFggbMAA&amp;url=http%3A%2F%2Fwww.redbird.fr%2Fen%2Fwp-content%2Fuploads%2F2015%2F09%2F2015-09-01-XYZ-Le-controle-de-la-vegetation-dans-les-emprises-ferroviaires-une-approche-multi-scalaire.pdf&amp;usg=AFQjCNF39-J2cnksXerEtLZaBjA4_ed_zw&amp;sig2=nZxqy1KCzMn5obzd_oCsjw&amp;bvm=bv.125596728,d.bGs\" target=\"_blank\" rel=\"noopener\">Ranskan rautateiden (SNCF) vertailu<\/a> lennokkilaserskannauksen ja lennokkikuvauksen aineistojen eroista ja yht\u00e4l\u00e4isyyksist\u00e4 on hyv\u00e4 l\u00e4ht\u00f6kohta tarkastella aihepiiri\u00e4. Itseasiassa tarkastelussa on mukana viel\u00e4 satelliittikuvat (<a href=\"https:\/\/fr.wikipedia.org\/wiki\/Pl\u00e9iades_(satellite)\" target=\"_blank\" rel=\"noopener\">Pleiades<\/a> eli Seulaset satelliittien multispektrikuvat) kolmantena verrokkina.<\/p>\n<p>Ranskan rautateill\u00e4 on 30 000 kilometria raiteita valvottavana ja hoidettavana, joten aina on syyt\u00e4 etsi\u00e4 uusia ja tehokkaampia keinoja kunnossapitoon. T\u00e4ss\u00e4 tutkimuksessa keskityttiin erityisesti kasvillisuuden valvontaan, sill\u00e4 radalle kaatuvat puut aiheuttavat paljon my\u00f6h\u00e4stymisi\u00e4. Ranskassa my\u00f6h\u00e4stymisi\u00e4 on vuosittain 350 000 minuuttia ja jokainen n\u00e4ist\u00e4 minuuteista maksaa &#8211; parhaimmillaan jopa miljoonia euroja.<\/p>\n<p>Vertailun lennokkiskannerina toimi <a href=\"http:\/\/www.geocenter.fi.testwww.yritysweb.fi\/NGC\/riegl\/riegl-vux-1\/\">RIEGL VUX-1UAV <\/a>&#8211; tosin testiajankohtana viel\u00e4 autogyron kyydiss\u00e4. Maaliskuussa 2016 Ranskassa lennettiin rautateita jo <a href=\"http:\/\/www.geocenter.fi.testwww.yritysweb.fi\/NGC\/riegl\/riegl-ricopter-vux-sys\/\">RIEGL RiCopterilla<\/a>.<\/p>\n<p>Mit\u00e4 testiss\u00e4 havaittiin? No mik\u00e4\u00e4n mittausj\u00e4rjestelm\u00e4 ei tietenk\u00e4\u00e4n ole t\u00e4ydellinen, joten laserskannaus ja kuvaus t\u00e4ydent\u00e4v\u00e4t toisiaan. Satelliittikuvat sopivat suuriin linjoihin eli niiden avulla voi seuloa potentiaalisia ongelmakohtia, joita menn\u00e4\u00e4n sitten mittaamaan tarkemmin lennokilla. Satelliittikuvista ei saatu havaittua riitt\u00e4v\u00e4ll\u00e4 tarkkuudella kasvillisuuden tuottamia ongelmia.<\/p>\n<p><a href=\"http:\/\/www.geocenter.fi.testwww.yritysweb.fi\/NGC\/blogi\/wp-content\/uploads\/2016\/06\/satellite.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter size-large wp-image-2205\" src=\"http:\/\/www.geocenter.fi.testwww.yritysweb.fi\/NGC\/blogi\/wp-content\/uploads\/2016\/06\/satellite-1024x448.jpg\" alt=\"satellite\" width=\"625\" height=\"273\" srcset=\"https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/satellite-1024x448.jpg 1024w, https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/satellite-300x131.jpg 300w, https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/satellite-768x336.jpg 768w, https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/satellite-624x273.jpg 624w, https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/satellite.jpg 1030w\" sizes=\"auto, (max-width: 625px) 100vw, 625px\" \/><\/a><\/p>\n<p>Hieman sanastoa:<\/p>\n<ul>\n<li>D\u00e9limitation des emprises = Raidealueen rajaus<\/li>\n<li>G\u00e9ometrie = Geometria<\/li>\n<li>Classification v\u00e9g\u00e9tation sur voie = Raiteen p\u00e4\u00e4ll\u00e4 olevan kasvillisuuden luokittelu<\/li>\n<li>Classification v\u00e9g\u00e9tation emprise et abords = Raidealueella ja sen vieress\u00e4 olevan kasvillisuuden luokittelu<\/li>\n<li>D\u00e9blai\/remblai = Penkat\/ojat<\/li>\n<li>Pentes = Kaltevat pinnat (esim. luiskat)<\/li>\n<li>Hauteur de v\u00e9g\u00e9tation = Kasvillisuuden korkeus<\/li>\n<\/ul>\n<p>Testiss\u00e4 kolmea menetelm\u00e4\u00e4 k\u00e4ytettiin yksitt\u00e4isin\u00e4 komponentteina, jolloin laserskannaus (Lidar) antaa aika selke\u00e4sti t\u00e4ydellisint\u00e4 aineistoa. Alla lopputuotteiden vertailussa tarkastellaan matalalta kuvattuja (photogramm\u00e9trique) ja laserskannattuja (Lidar) aineistoja:<\/p>\n<p><a href=\"http:\/\/www.geocenter.fi.testwww.yritysweb.fi\/NGC\/blogi\/wp-content\/uploads\/2016\/06\/lidar_foto.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter size-full wp-image-2208\" src=\"http:\/\/www.geocenter.fi.testwww.yritysweb.fi\/NGC\/blogi\/wp-content\/uploads\/2016\/06\/lidar_foto.jpg\" alt=\"lidar_foto\" width=\"1023\" height=\"403\" srcset=\"https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/lidar_foto.jpg 1023w, https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/lidar_foto-300x118.jpg 300w, https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/lidar_foto-768x303.jpg 768w, https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/lidar_foto-624x246.jpg 624w\" sizes=\"auto, (max-width: 1023px) 100vw, 1023px\" \/><\/a><\/p>\n<p>Kasvillisuuden osalta tilanne on tietysti jo l\u00e4ht\u00f6kohtaisesti selv\u00e4, sill\u00e4 yli sadan vuoden yrityksen j\u00e4lkeen kuvauksella ei edelleenk\u00e4\u00e4n pystytyt\u00e4 tunkeutumaan kasvillisuuden l\u00e4pi. Maanpinnan muodon eli topografian kohdalla eroja n\u00e4iden menetelmien v\u00e4lill\u00e4 on my\u00f6s havaittavissa. Ranskalaisten tarkastusmittausten perusteella kuvista tuotettu DTM oli &#8221;sile\u00e4mpi&#8221;. Lis\u00e4ksi alla oleva kuva kertoo kuvapistepilvest\u00e4 puuttuvan my\u00f6s yksityiskohtia kuten ohuita pystyrakenteita.<\/p>\n<p><a href=\"http:\/\/www.geocenter.fi.testwww.yritysweb.fi\/NGC\/blogi\/wp-content\/uploads\/2016\/06\/vertailu.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter size-full wp-image-2207\" src=\"http:\/\/www.geocenter.fi.testwww.yritysweb.fi\/NGC\/blogi\/wp-content\/uploads\/2016\/06\/vertailu.jpg\" alt=\"vertailu\" width=\"1020\" height=\"571\" srcset=\"https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/vertailu.jpg 1020w, https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/vertailu-300x168.jpg 300w, https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/vertailu-768x430.jpg 768w, https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/vertailu-624x349.jpg 624w\" sizes=\"auto, (max-width: 1020px) 100vw, 1020px\" \/><\/a><\/p>\n<p>Maanpinnan siloittuminen voidaan parhaiten havaita pistepilvest\u00e4 otetusta pystyleikkauksista kuten on tehty seuraavassa kuvassa (Lidar vasemmalla):<\/p>\n<p><a href=\"http:\/\/www.geocenter.fi.testwww.yritysweb.fi\/NGC\/blogi\/wp-content\/uploads\/2016\/06\/profiilit.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter size-large wp-image-2206\" src=\"http:\/\/www.geocenter.fi.testwww.yritysweb.fi\/NGC\/blogi\/wp-content\/uploads\/2016\/06\/profiilit-1024x361.jpg\" alt=\"profiilit\" width=\"625\" height=\"220\" srcset=\"https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/profiilit-1024x361.jpg 1024w, https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/profiilit-300x106.jpg 300w, https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/profiilit-768x270.jpg 768w, https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/profiilit-624x220.jpg 624w, https:\/\/geocenter.fi\/blogi\/wp-content\/uploads\/2016\/06\/profiilit.jpg 1062w\" sizes=\"auto, (max-width: 625px) 100vw, 625px\" \/><\/a><\/p>\n<p>J\u00e4lleen kerran laserskannaus n\u00e4ytt\u00e4\u00e4 etunsa varsin selke\u00e4sti. Kuten me itse korostamme, etu saadaan sek\u00e4 oikean tyyppisill\u00e4 laitteistoilla sek\u00e4 osaavalla mittaustavalla\/k\u00e4sittelyll\u00e4. Kaikki laserskannerit eiv\u00e4t n\u00e4et tuota samanlaatuista aineistoa ja hyv\u00e4nkin aineiston saa huonoksi v\u00e4\u00e4r\u00e4ll\u00e4 prosessoinnilla. <a href=\"http:\/\/www.geocenter.fi.testwww.yritysweb.fi\/NGC\/project\/koulutus\/\">Tervetuloa koulutukseen!<\/a><\/p>\n<p>Linkki vertailuun: <a href=\"http:\/\/www.redbird.fr\/en\/wp-content\/uploads\/2015\/09\/2015-09-01-XYZ-Le-controle-de-la-vegetation-dans-les-emprises-ferroviaires-une-approche-multi-scalaire.pdf\" target=\"_blank\" rel=\"noopener\">Le contr\u00f4le de la v\u00e9g\u00e9tation dans les emprises ferroviaires: une approche multi-scalaire<\/a><\/p>\n<p><a href=\"https:\/\/higherlogicdownload.s3.amazonaws.com\/AUVSI\/e67303de-af4c-4a96-86dd-809a853b94fb\/UploadedImages\/Proceedings%20(2016)\/Philipp%20Amon2.pdf\" target=\"_blank\" rel=\"noopener\">Amon &amp; Viguier 2016. Complementary use of ground based kinematic and UAV borne high precision laser scanning for railway monitoring using RiCOPTER &amp; VUX &#8211; SYS. <i>AUVSI, <\/i><i>Brussels, <\/i><i>March 22<\/i><i>nd<\/i><i>, 2016<\/i><\/a><\/p>\n<p>PS Ranskan rautatietyhtill\u00e4 on jo k\u00e4yt\u00f6ss\u00e4\u00e4n RIEGL VMX-450 mobiililaserskannausj\u00e4rjestelm\u00e4, jota tuossa Amonin ja Viguierin esityksess\u00e4 k\u00e4ytet\u00e4\u00e4n verrokkina lennokkiskannaukseen.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Laserskannauksen ja fotogrammetrian (kuvamittauksen) eroa ihmetell\u00e4\u00e4n usein, joten viime vuonna ilmestynyt Ranskan rautateiden (SNCF) vertailu lennokkilaserskannauksen ja lennokkikuvauksen aineistojen eroista ja yht\u00e4l\u00e4isyyksist\u00e4 on hyv\u00e4 l\u00e4ht\u00f6kohta tarkastella aihepiiri\u00e4. Itseasiassa tarkastelussa on mukana viel\u00e4 satelliittikuvat (Pleiades eli Seulaset satelliittien multispektrikuvat) kolmantena verrokkina. Ranskan rautateill\u00e4 on 30 000 kilometria raiteita valvottavana ja hoidettavana, joten aina on syyt\u00e4 etsi\u00e4 [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[138,6,10,80,81,83,82],"tags":[],"class_list":["post-2204","post","type-post","status-publish","format-standard","hentry","category-koulutus","category-laserkeilaus","category-riegl","category-rpa","category-rpas","category-uas-2","category-uav-2"],"_links":{"self":[{"href":"https:\/\/geocenter.fi\/blogi\/wp-json\/wp\/v2\/posts\/2204","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/geocenter.fi\/blogi\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/geocenter.fi\/blogi\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/geocenter.fi\/blogi\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/geocenter.fi\/blogi\/wp-json\/wp\/v2\/comments?post=2204"}],"version-history":[{"count":0,"href":"https:\/\/geocenter.fi\/blogi\/wp-json\/wp\/v2\/posts\/2204\/revisions"}],"wp:attachment":[{"href":"https:\/\/geocenter.fi\/blogi\/wp-json\/wp\/v2\/media?parent=2204"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/geocenter.fi\/blogi\/wp-json\/wp\/v2\/categories?post=2204"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/geocenter.fi\/blogi\/wp-json\/wp\/v2\/tags?post=2204"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}