Cintoon ydinteknologian kehitys alkoi heinäkuussa 2013. Tavoitteena oli löytää uusi menetelmä hallita massiivisia pistepilviä tehokkaasti pilven kautta hyödyntäen suoratoisto- ja pakkausalgoritmeja. Tämä ydinteknologia sulautettiin myöhemmin Cintoo Cloud -alustaan, joka julkaistiin ensimmäisen kerran vuoden 2018 lopulla.
Cintoo Cloud on pilvipohjainen alusta isojen pistepilvi- ja suunnittelutietojen jakamiseen. Pistepilvitiedostot sisältävät tunnetusti ison määrän dataa, jota on hankala jakaa ja esitellä muille ilman tehokasta tietokonetta. Cintoo pakkaa isot pistepilvitiedostot jopa 10-20 kertaa pienempään kokoon, jolloin niitä pystyy jakamaan helposti selaimen kautta.
Cintoo muodostaa pistepilvistä 3D Mesh-mallin, jota voi kuka tahansa tarkastella selaimen kautta. Alkuperäiset pistepilvet säilyvät Cintoossa ja ne voidaan sieltä tarvittaessa ladata.
Cintoolla on käyttäjiä 43:ssa maassa yli 50 000. Cintoo hyväksyy kaikkien laitevalmistajien tuottamaa pistepilveä ja yleisin käytetty tiedostoformaatti pistepilville on .E57.
Cintoon käyttöhyödyt
Skannaustietojen katselu ja jakaminen useasta lähteestä
Tarjoaa joustavasti pääsyn pilven kautta minkä tahansa työmaan pistepilvitietoihin millä tahansa skannausjärjestelmällä, maanpäällisillä, mobiililaitteilla tai droneilla. Koska ei ole olemassa yhtä skannauslaitetta, joka kattaisi kaikki käyttötapaukset, Cintoo Cloud välttää patentoitujen ratkaisujen monimutkaisuuden ja kustannukset, jotka lukitsevat sinut käyttämään vain yhden tyyppistä skanneria ja sovellusalustaa/ohjelmistoa.
Suora yhteys Autodesk Cloudiin
Reality data täydellä resoluutiolla helposti TurboMesh™:n avulla
Koska maailma koostuu pinnoista, ei pisteistä, Cintoo Cloud hyödyntää ainutlaatuista pistepilvestä 3D-meshmalliksi, joka ei vaaranna alkuperäisten skannausten tarkkuutta ja tiheyttä (ei desimaatiota). Cintoo Cloudin verkkokatseluohjelmassa on TurboMesh(tm) -moottori, joka helpottaa katselua ja navigointia sekä asiantuntijoiden että ei-asiantuntijoiden kannalta välttäen tulkintavirheet, joita voi tapahtua perinteisten pistepilvien kanssa.
Sivustokartat, 2D-piirustukset, 3D-mallit, skannaukset ja 360 asteen panoraamakuvat: yksi totuuden lähde suurten projektien tehokkaaseen hallintaan
Hyödynnä tehokkaita Cintoo Cloud -integraatioita, jotta voit ladata ja näyttää skannaustietosi helposti 2D-piirustusten, 3D CAD- ja digitaalisten kaksosten avulla mistä tahansa suuresta alustasta, kuten Autodeskistä. Järjestä tietosi eri kansioihin (Work Zones) hallitaksesi helposti erittäin suuria projekteja, jotka voivat sisältää useita tuhansia skannauksia ja valtavia 3D-malleja.
Skannaustietojen jakaminen ja jakelu pistepilvi- tai mesh-muodossa
Lataa skannaustietosi helposti strukturoidussa/strukturoimattomassa pistepilvi- tai mesh-muodossa, jotta kuka tahansa käyttäjä voi luoda malleja todellisuudesta ja säästää aikaa ja rahaa.
BIM-koordinointi valmiin tai suunnitellun työnkulun kanssa
Dokumentoi ja ratkaise nopeasti vaatimukset ja riidat jokaisessa projektin vaiheessa. Tunnista ongelmat nopeasti ja helposti ja välitä huomautukset työmaalta ja RFI:t asianmukaisille tiimin jäsenille. Paranna laadunvalvontaprosessiasi ja varmista yhteensopivuus skannausten integroiduilla visuaalisilla vertailuilla 2D- ja 3D-malleihin. Tunnista, dokumentoi ja kommunikoi ongelmat helposti ja ennakoivasti välttäen kalliit virheet ja saat projektit valmiiksi nopeammin.
Edellisessä blogissa käsittelimme, millä perusteilla kannattaa valita käyttötarkoitukseen sopiva mittalaite ennen mittausta ja sen aikana. Tällä kertaa selvitetään miten mittalaitteiden aineistot eroavat toisistaan, jotta voit valita parhaimman omaan käyttötarkoitukseesi. Jokainen mittalaite edustaa omaa kategoriaansa: Trimble X7 maalaserkeilainta, GeoSLAM ZEB Horizon käsikäyttöistä laserkeilainta ja Matterport Pro2 3D-kamera strukturoidun valon kamerajärjestelmää (kuva 1). Tästä syystä niillä on omat vahvuutensa, jotka soveltuvat parhaiten eri sovelluksiin.
Tarkastellaan ensin mittalaitteita niiden tarkkuuksien mukaan (kuva 2). Mikäli kohteesta halutaan millimetrien tarkkuudella aineistoa, saadaan se parhaiten X7-laserkeilaimella. Tämän mittaustulokset eroavat Trimble S9 -robottitakymetrin etäisyyksistä alle 2 mm verran. Paikoitellen ero on vielä pienempi (alle 1 mm), kun etäisyyksien hajonta otetaan huomioon. Mikäli kohteesta halutaan kevyt realistisen näköinen verkkomalli, voidaan se mitata Matterportilla. Matterportin palvelimen mallista mitattavat piirteet eroavat keskimäärin noin 12 mm verran Trimble S9 -robottitakymetrin etäisyyksistä. Etäisyyksissä on kuitenkin melko suuri hajonta noin 6-19 mm. Etäisyyserot ovat samat Matterportin palvelimen mallin ja MatterPak-paketista ladatun xyz-pistepilven välillä. Nopealla ZEB Horizon -laserkeilaimella voidaan mitata kohde alle 7 mm tarkkuudella, kun pistepilveä verrataan Trimble S9 -robottitakymetrin etäisyyksiin. Tällöin GeoSLAM Connect -ohjelmistossa suodatettu pistepilvi antaa aavistuksen tarkempia tuloksia.
Kuva 2. Keskimääräinen mittalaitteen ero Trimble S9 -robottitakymetrillä mitatuista etäisyyksistä ja etäisyyksien hajonta.
Pistepilvien tiheys ja vaikuttavat tekijät
Mittalaitetta valitessa on syytä huomioida tarkkuuden lisäksi pistepilven tiheys, koska se vaikuttaa havaittavien kohteiden kokoon. Pistepilven tiheyteen vaikuttaa mittausetäisyys. X7-laserkeilaimen kanssa voi asetuksilla valita pisteiden välisen etäisyyden. Asetuksesta riippuen pisteiden välinen etäisyys on 4-11 mm 10 m etäisyydellä laserkeilaimesta. Muilla laitteilla asetuksien kautta ei voida vaikuttaa pistepilven tiheyteen. Käsikeilain ZEB Horizon pistepilven tiheyteen voi vaikuttaa mittausetäisyyden kautta. Mikäli etäisyys on alle 10 m, on pistetiheys alle 10 cm. Matterportin pistepilvissä vastaavaa etäisyyden vaikutusta ei ole havaittavissa, koska pistepilvi muodostetaan havainnoista tekoälyn avulla kolmioverkkomallista. Samalla pistetiheys on keskimäärin sama kaikkialla xyz-pistepilvessä.
Tarkastelimme seinäpinnoilta pistepilven tiheyttä, joiden havaitseminen on toteutettu laitteesta riippumatta muutaman metrin päästä seinästä. Tältä lyhyeltä etäisyydeltä on jo havaittavissa, minkä kokoisia ovat pienimmät laitteilla havaittavat kohteet. Kaikista laitteista pienimpiä kohteita voidaan havaita X7:n avulla, koska pisteiden välinen minimietäisyys on keskimäärin 4,7 mm. ZEB Horizon kykenee havaitsemaan keskimäärin noin 20 mm suurempia kohteita. Vastaavasti Matterportilla voidaan havaita piirteitä, jotka ovat suurempia kuin 21 mm. Lisäksi Matterportin pistepilvi jakautuu tasavälisen ruutujakauman mukaan, koska se muodostetaan kolmioverkkomallin pohjalta (kuva 3).
Kuva 3. Laitteiden pisteiden jakauma 10×10 cm kokoisella seinäpinnan alueella.
Löytyykö aineistosta kohinaa?
Pelkällä tarkkuuden ja pistepilven tiheyden vertaamisella ei pystytä valitsemaan parasta mahdollista laitetta käyttötarkoitukseen. Laitteen sovelluskohteesta riippuen myös aineiston kohinaisuudella on merkitystä. Vertailimme laitteiden kohinaisuutta laskemalla seinäpinnan pisteiden etäisyyksien jakaumaa tasopinnasta (kuva 4). Kaikkein vähiten kohinaa ilmenee X7:n aineistossa. 98 % X7:n havainnoista on alle 5,5 mm päässä lasketusta tasopinnasta ja 60 % havainnoista on alle 1,8 mm etäisyydellä. Kohina on siis suuruusluokaltaan noin 4 mm. ZEB Horizon on vuorostaan melko kohinainen, koska kohina suodattamattomassa aineistossa on noin 19 mm. Kohinan määrä saadaan kuitenkin huomattavasti pienemmäksi automaattisella GeoSLAM Connect -ohjelmiston suodattimella. Tällöin kohinan suuruusluokka on noin 7 mm. Samaan kohinaisuusluokkaan kuin suodatetulla ZEB Horizon -laitteella päästään Matterportin xyz-pistepilvellä, jonka kohinaisuus on noin 8 mm.
Kuva 4. Pistepilvien etäisyys tasopinnasta suhteessa pistemäärän prosenttiosuuteen. Näiden pohjalta voidaan laskea kohinan keskimääräinen suuruusluokka. X7:llä etäisyydet vaihtelevat alle 1,8-5,5 mm, jolloin kohinan suuruus on noin 4 mm. Vastaavat luvut ovat ZEB Horizonin kanssa suodattamattomalla noin 19 mm ja suodatetulla noin 7 mm. Matterportin kohdalla Matterport-palvelimen MatterPak xyz-aineistossa kohina on noin 8 mm.
Mittalaitteiden ominaisuuksien koonti
Kun yhdistetään edellisessä blogissa tehdyt havainnot ja tässä blogissa esitellyt tarkkuuden, tiheyden ja kohinan erot, voidaan helpommin valita sopivin mittalaite käyttötarkoitukseen. Koostimme molemmista blogeista esille nousseen piirteet, jotka kannattaa huomioida mittalaitteen valintaa tehdessä (taulukko 1).
Mikäli käyttötarkoitukseen tarvitaan millimetrien tarkkuudella tieto 3D-geometriasta, laitteen tulisi tunnistaa vähintään noin 0,5 cm kokoiset kohteet ja mittaukseen käytettävällä ajalla ei ole rajoitteita, kannattaa valita X7-kolmijalkakeilain. Lisäksi sillä on pitkä kantama, vähäinen kohina ja aineisto on heti käytettävissä, kun kohteessa mittaukset saadaan päätökseen.
Toisaalta käyttötarkoituksessa, jossa mittausaika on rajoitettu sekä mitattavat kohteet ovat 2 cm suurempia että tarkkuuden tulisi olla alle senttimetrin, soveltuu käyttöön parhaiten ZEB Horizon -käsikeilain. Automaattisten prosessointien kautta käyttäjä saa vähäkohinaista aineistoa pitkän kantamankin takaa.
Sisätiloista, joista tarvitaan senttimetrin tarkkuutta ja helposti sekä nopeasti internetissä jaettavaa 3D-mallia, kannattaa aineisto kerätä Matterport Pro2 3D-kameralla. Pelkkien sisätilojen mittaamisen syynä on Matterportin toimintaperiaate, joka hyödyntää infrapunavaloa. Tästä syystä suora auringon valo häiritsee kuvauksia.
Kun valitaan parasta mahdollista menetelmää mittauskohteen mittaamiseksi tietyn sovelluskohteen tarkoitukseen, tulee huomioida monia piirteitä. Yksikään laite ei ole paras mahdollinen kaikessa. Tästä syystä eri mittalaitteet tukevat enemminkin toisiaan, kuin syrjäyttävät toisensa. Joskus paras laite käyttötarkoituksessa voi olla laitteiden yhdistelmä. Tällöin osa kohteesta mitataan yhdellä laitteella ja toinen toisella.
Taulukko 1. Mittalaitteiden ominaisuudet, joiden avulla voi helpottaa käyttötarkoitukseen sopivan laitteen valintaa.
Sisätiloissa ja maan alla, jossa satelliittipaikannus on vaikeaa, voidaan kerätä pistepilviä GeoSLAM-laitteistoilla. Nämä mobiililaserkeilaimet hyödyntävät paikantamiseensa SLAM-algoritmia, joten ne toimivat myös paikoissa, joissa satelliittipaikannuksessa on puutteita. Tästä johtuen GeoSLAM-laitteilla luodut pistepilvet ovat automaattisesti täysin satunnaisessa koordinaatistossa mittauksen aloituspaikkaan nähden. Useissa käyttötarkoituksissa on kuitenkin tärkeää saada pistepilvi todelliseen koordinaatistoon. Tämä voidaan toteuttaa lisäämällä aineiston keruuseen tähyspisteitä monilla eri tavoilla.
Tähykset voivat olla tyypiltään pallotähyksiä, shakkiruututähyksiä tai tunnettuja pisteitä (esimerkiksi naula), jos hyödynnät keilaimeen kiinnitettäviä referenssitasoja. Referenssitason avulla voidaan GeoSLAM-laite kohdistaa tähyksen tai koordinaateiltaan tunnetun pisteen kohdalle. Pallotähyksiä ja referenssitasoa voidaan käyttää kaikilla GeoSLAM-laitteilla. Ainoastaan shakkiruututähykset poikkeavat tästä. Niitä voidaan käyttää vain ZEB Horizon -keilaimen kanssa, koska laite kerää myös intensiteettitiedon (kuva 1). Tämä mahdollistaa shakkiruututähysten tunnistamisen pistepilviaineistosta.
Kuva 1 Kaikkia GeoSLAM-laitteita voidaan georeferoida pallotähysten ja referenssitason avulla, mutta GeoSLAM ZEB Horizonin kanssa toimii myös shakkiruututähykset.
Tähysten tyypistä huolimatta georeferoinnissa eli globaaliin koordinaatistoon sitomisessa hyödynnetään samoja periaatteita. Tähyspisteet ovat pisteitä, joiden globaalit koordinaatit tunnetaan. Tämä tieto voidaan kerätä esim. GNSS-vastaanottimella tai takymetrilla. Jotta tähyspisteillä voidaan georeferoida pistepilvi mahdollisimman tarkasti, tulee tähyspisteitä asentaa kohteeseen vähintään kolme mahdollisimman kattavasti. Paras georeferointitulos saadaan, kun koordinaattipisteet ovat mahdollisimman isolla pistepilven alueella. Useammilla tähyspisteillä voidaan ensin sitoa pistepilvi globaaliin koordinaatistoon. Tämän jälkeen pisteitä, joita ei käytetty georeferoinnissa, voidaan käyttää tarkastellaksemme georeferoinnin tarkkuutta. On siis aina hyvä kerätä mahdollisimman monta georeferointipistettä.
Georeferointi mittauksen aikana
Georeferoidessa GeoSLAM-laitteella kerättyä pistepilveä, tulee georeferoiminen huomioida jo mittauksen aikana. Ennen mittausta täytyy kohteeseen asentaa tähyspisteet ja mitata niiden globaalit koordinaatit. Esimerkiksi pihapiirissä (kuva 2) tähyksiä asennettiin yhteensä viisi ja ne mitattiin GNSS-vastaanottimella. Tämän jälkeen toteutetaan GeoSLAM laitteella mittaus. Mittauksen aikana varmistetaan tähysten kattava näkyvyys pistepilvessä. Tämä onnistuu osoittamalla laitetta kohti tähystä ja esim. pallotähysten kohdalla kiertämällä tähyksen ympäri. Muilta osin GeoSLAM mittaus voidaan tehdä normaalisti.
Kuva 2. Tähyspisteitä tarvitaan vähintään kolme ja ne tulee sijoitella mittausalueelle mahdollisimman kattavasti.
Referenssitason kanssa mitatessa toimintatapa eroaa hieman. Tällöin GeoSLAM laite lasketaan tähyksen kohdalle noin 10 sekunniksi. Tämän seurauksena laite luo automaattisesti pisteen tähyksen kohdalle. Tähän automaattiseen pisteeseen voidaan yhdistää erikseen mitattu globaali koordinaatti GeoSLAM Hub -ohjelmistossa. Referenssitasoa käyttäessä täytyy huomioida, että taso on laitekohtainen. Tällä tarkoitetaan sitä, että ZEB Revo/Go käyttää eri referenssitasoa kuin ZEB Horizon (kuva 3). Laitekohtainen referenssitason ja laserkeilaimen keskipisteen välinen sijaintiero määrittyy ohjelmistossa automaattisesti tunnistamansa laitteen pistepilven mukaan. Mikäli käytössä olisi laitteelle väärä referenssitaso, olisi georeferoinnin tuloksessa automaattisesti virhe tämän sijaintieron vuoksi. Lisäksi tähysten sijoittelu täytyy huomioida laitteittain. ZEB Revo/Go -laitteilla referenssitasolla mitattavien tähysten tulee olla vaakapinnoilla.
Kuva 3. ZEB Revo RT ja ZEB Horizon käyttävät eri referenssitasoa. Älä siis käytä tasoja ristiin.
Tähyspisteiden tyyppien edut
Koska georeferointitapoja on monia, kannattaa valita menetelmä kohteen ja siitä tuotetun aineiston käyttötarkoituksen mukaan. Mikäli aineisto halutaan georeferoida, mutta pistepilvessä ei saisi näkyä tähyksiä, paras vaihtoehto on käyttää referenssitasoa. Referenssitasolla voidaan merkitä aineistoon pienetkin tähykset esimerkiksi naulan kannat. Toisaalta pallotähyksiä voidaan myös käyttää georeferoinnissa ja poistaa ne sen jälkeen pistepilvestä. Pistepilvestä tähyksen poistamisen suhteen shakkiruututähykset ovat vaikeimpia, koska ne tulee asettaa tasopinnoille ja sen seurauksena tähyksen poistaminen poistaa sen kohdalta myös kaikki pistehavainnot.
Mittaamisen aikana pallotähysten etu on se, että tähys on kaikista suunnista katsottuna samanlainen. Tästä syytä kattavan aineiston saaminen pallotähyksestä on suhteellisen helppoa. Jotta pallotähys voidaan tunnistaa, riittää että pallosta on suurin osa havaittu keilauksen aikana. Kun tähän verrataan shakkiruututähystä, vaatii sen mittaaminen enemmän keskittymistä aineistoa luodessa. Keilauksen aikana on mahdollista jättää shakkiruututähyksiä havainnoitta, koska ne ohitettiin liian nopeasti tai ne jäivät osittain laitteen pimeän kulman taakse. Kohdista siis laite suoraan tähystä kohden, jotta varmistat havainnot ja tähyksen tunnistamisen.
Hyvin mitatusta pistepilvestä voidaan useissa kolmannen osapuolen ohjelmistoissa (Kuten Trimble RealWorks) tunnistaa automaattisesti sekä pallo- että shakkiruututähyksiä. Automaattisen tunnistamisen jälkeen kannattaa tarkistaa tunnistetut tähykset, jotta mahdolliset virhetunnistamiset huomataan. Tämän jälkeen tähyspistehavaintoihin voidaan yhdistää georeferoinnin koordinaatit ja siirtää pistepilvi haluttuun koordinaatistoon.
Referenssitason kanssa georeferoidessa voidaan käyttää tähyksinä luonnollisia piirteitä kuten tasojen kulmia sisällä ja tiemaalauksia ulkona. Tämä on mahdollista, koska mittauksen aikana käyttäjä kohdistaa referenssitason ristikon tähyksen keskipisteeseen ja laite luo automaattisesti kyseiselle kohdalle tähyspisteen pistepilveen. Näihin automaattisesti luotuihin tähyspisteisiin voidaan yhdistää globaalit koordinaatit suoraan GeoSLAM Hub-ohjelmistossa pistepilven prosessoinnin aikana. Eli georeferointi onnistuu referenssitason kanssa yhdessä ohjelmistossa. Näistä syistä referenssitasolla voidaan säästää aikaa georeferoinnissa, koska tähyksiä ei välttämättä tarvitse asentaa kohteeseen kuten pallo- tai shakkiruututähyksiä ja prosessointi voidaan toteuttaa kokonaan yhdessä ohjelmistossa. Lisäksi referenssitaso antaa joustavuutta luonnollisten tähysten ja kontrollipisteiden koordinaattien mittaamiselle, koska niiden koordinaatit voidaan mitata joko ennen SLAM-mittausta tai sen jälkeen.
Joissakin tilanteissa georeferointimenetelmien yhdistämisestä saadaan etuja. Ulkona voidaan esimerkiksi yhdistää shakkiruututähykset ja referenssitaso. Kuvassa 4 on yhdistetty GeoSLAM Horizon referenssitason ja Aeropoints-tähyksien kanssa. Tässä yhdistyvät laitteiden parhaat puolet. Aeropoints-tähykset keräävät itsessään tiedon omasta globaalista koordinaatistaan, joten näitä tähyksiä käyttäessä ei tarvitse erikseen mitata tähysten sijainteja esimerkiksi GNSS-vastaanottimella. Referenssitasolla havaittu Aeropoints-tähys luo tähyksen kohdalle automaattisen tähyspisteen pistepilveen, joten Aeropoints tähyksen keräämä sijaintitieto on helposti yhdistettävissä automaattiseen GeoSLAM-tähyspisteeseen.
Kuva 3. ZEB Horizon Aeropoints-tähyksen päälle asetettuna.
GeoSLAM-laitteiden georeferoinnissa hyödynnetään samoja periaatteita kuin muidenkin pistepilvien kanssa. Koordinaattipisteitä tulee olla vähintään kolme ja niiden tulee sijoittua mahdollisimman laajasti pistepilven alueella. Lisäksi on aina hyvä kerätä enemmän kuin minimivaatimus tähyshavaintoja. Ylimääräisillä havainnoilla voi tarkastella georeferoinnin tarkkuutta. Globaalit koordinaattipisteet voidaan merkitä erilaisilla tähyksillä tai ne voidaan mitata GeoSLAM-pistepilveen referenssitasolla. Kun pistepilvesi sisältää georeferointiin tarvittavat tähykset ja niille on erikseen mitattu koordinaatit, voidaan georeferointi toteuttaa missä tahansa pistepilviohjelmistossa. Valitse siis käyttötarkoituksesi ja käytössäsi olevan laitteen mukaan sille sopiva georeferointimenetelmä.
Geoslamin matkassa osa 3: Harmaasta maailmasta värikäs
Pistepilvien värit helpottavat ihmisen silmiä tunnistamaan kohteita pisteiden joukosta. Yksivärinen pistepilvi näyttää usein ihmiselle tasaiselta massalta. Tähän massaan saadaan ymmärrystä, kun siihen lisätään hieman väriä. GeoSLAM-laserkeilaimissa pistepilveen saadaan värejä laskennallisten varjojen, intensiteetin ja videon avulla (kuva 1). Näistä värjäystavoista intensiteetti ja videon avulla toteutettu värjäys esittävät pistepilven maastossa olevien materiaalien pohjalta.
Kuva 1. a) Intensiteetillä värjätty pistepilvi, b) osittain värjätty pistepilvi sekä c) laskennallisilla varjoilla värjätty pistepilvi.
Intensiteetti kuvaa materiaalin heijastuskykyä. Vaaleista pinnoista heijastuu paljon laserkeilaimen säteitä ja ne näkyvät vaaleina intensiteettiarvoina. Tummista kohteista heijastuvuus on heikompi ja intensiteettiarvo on myös tummempi. Tällä tavalla värjätty pistepilvi saadaan ZEB HORIZON -laserkeilaimella. Videon avulla värjätty pistepilvi yhdistää videon väriarvot pistepilveen. Tässä apuna käytetään laserkeilaimen keräämää tietoa kameran sijainnista ja videon kuvausajasta. Tämä onnistuu kaikilla GeoSLAM:in laserkeilaimilla, kun niihin on liitetty ZEB CAM -kamera. Lisäksi GeoSLAM tarjoaa laskennallisilla varjoilla värjätyn pistepilven. Tässä värit muodostuvat laserkeilaimen sijainnin ja kohteen havainnointi kulman perusteella.
ZEB CAM tarjoaa mahdollisuuden värjätä GeoSLAM-laserkeilaimen pistepilviä todellisilla väreillä. Tänään selvitämme miten sinun tulee kerätä aineistosi, jotta saat mahdollisimman hyvän pistepilven värjäyksen aikaiseksi. Värjätyn pistepilven kerääminen eroaa tavallisesta GeoSLAM-laserkeilaamisesta, koska kamera ei havainnoi yhtä suurta aluetta kuin laserkeilain (kuva 2). Tästä syystä värjäyksen lopputulos on osittainen.
Kuva 2. Ylhäältä päin kuvattuna laserkeilaimen havainnointialue (sinisellä) ja kameran havainnointialue (keltaisella). Laserkeilain havainnoi ympäristöään 270 asteen kulmassa, kun kameran kulma on vain 120 astetta. Kulmat eroavat myös pystysuunnassa laserkeilaimen 360 asteen kulmasta kameran 95 asteeseen.
Kuva 2. Ylhäältä päin kuvattuna laserkeilaimen havainnointialue (sinisellä) ja kameran havainnointialue (keltaisella). Laserkeilain havainnoi ympäristöään 270 asteen kulmassa, kun kameran kulma on vain 120 astetta. Kulmat eroavat myös pystysuunnassa laserkeilaimen 360 asteen kulmasta kameran 95 asteeseen
Miten saan parhaimman osittaisen värjäyksen GeoSLAM pistepilvelleni?
Kameran ja laserkeilaimen havainnointikulmien eron vuoksi täytyy värillisen pistepilven tuottaminen huomioida jo aineiston keruussa. Ensimmäiseksi kannattaa tarkistaa, että ZEB CAM on kytketty johdolla laserkeilaimeen. Johdon puuttuessa saadaan video kuvattua, mutta kameran sijainti jää saamatta. Tämän seurauksena videolla ei voida automaattisesti värjätä pistepilveä, koska kuvauspaikkoja ei pystytä yhdistämään pistepilveen. ZEB REVO RT -laserkeilainta käyttäessä näet yhdistetyn laitteen näytön oikeassa yläkulmassa oranssin kamerasymbolin, kun kamera on kytketty oikein.
Värjätyn aineiston kerääminen on paras aloittaa tarkastelemalla kohdetta ja sen rakennetta värien ja arkkitehtuurin osalta. Kun olet kartoittanut kohteen voit suunnitella reitin, jonka aikana pystyt keräämään aineistot kaikista tarkastelun aikana listatuista erityisen tärkeistä kohteista. Tärkeiden kohteiden sijainnit voivat vaikuttaa, miten haluat suunnitella mittausreitin tai kohteen väriarvojen tallentamisen. Käydään seuraavaksi läpi värjätyn aineiston keruun huomiot ja mahdolliset toimet tärkeiden kohteiden havainnoinnista.
Aineiston keräämistavalla on merkitystä
Aineiston kerääminen kannattaa suorittaa hitaasti kävelemällä ja ajatella videon kuvaamista samalla tavalla kuin ottaisi valokuvia kohteesta. Tästä syystä kannattaa kamera pitää mahdollisimman vakaana eli vältellä nopeita liikkeitä, jotta kuva pysyy terävänä. Parhaimman värjäyksen varmistamiseksi kannattaa pysähtyä minuutin välein noin viideksi sekunniksi. Tällöin saat varmemmin vakaan ja kattavan kuva-aineiston. Lisäksi tärkeiden kohtien kohdalla voi pysähtyä ja osoittaa kameralla kohdetta kohden. Tällöin saadaan tärkeistä kohdista tarpeeksi kuvamateriaalia sen värjäämiseksi.
Huomioi myös siirtymiset pysähdyksien jälkeen, jotta saat kattavan aineiston myös jatkettuasi matkaa. Tämä onnistuu vaikka kääntymällä hitaasti ympäri. Näin ollen voidaan tarkemmin kuvatut kohteet sitoa myös värjätyllä aineistolla muuhun aineistoon. Tämä toimii myös tilasta toiseen siirtyessä. Tällöin on parasta pysähtyä oviaukkoon ja osoittaa laserkeilaimelle pyörähtämällä molemmat tilat. Älä kuitenkaan liikuta kameraa liian nopeasti, jotta värjäys onnistuu.
Mittauksen aikana täytyy kameran lisäksi huomioida SLAM-paikannus, jotta kuvat saadaan paikannettua varmasti oikeisiin kohtiin. Tämä onnistuu muodostamalla lenkkejä mittausreitille, jolloin kävelet samasta kohdasta toisen kerran. Näin ollen SLAM-paikannus voi tarkentaa tulosta, havaittuaan samat piirteet uudelleen. Lenkkien tekeminen on erityisen tärkeää esimerkiksi kapeilla käytävillä. Näiden värjäämisessä on parasta luoda lenkkejä käytävän sisällä ja kuvata tasapuolisesti molemmat käytävän reunat.
On myös tärkeää huomioida kohteen valaistus samoin kuin valokuvatessa. Oikealla valaistuksella varmistat hyvän värjäyksen lopputuloksen. Ulkona mitatessa hyvä valaistus saadaan tasaisen pilvisenä päivänä kuvatessa. Tällöin pilviverho hajottaa auringon valon suuremmalle alueelle ja kohde saa tasaisen valotuksen. Mikäli kuvaat kirkkaana päivänä, muodostuu suuria valotuseroja kuten varjoja ja kirkkaita valo kohtia. Näistä voi syntyä kohinaa lopulliseen pistepilveen.
Miltä kameralla värjätty pistepilvi näyttää?
Kävimme keräämässä osittain värjätyn aineiston korttelin julkisivusta joulukuun alun ainoana sateettomana päivänä. Mittaajan mieliksi päivä oli kirkas, mutta se näkyy myös tuloksissa. Kokeilimme siellä kahta erilaista aineiston keräystapaa (kuva 3). Molemmissa tavoissa kokeilimme millainen värjäys saadaan, mikäli kävelimme hitaasti lyhyillä pysähdyksillä. Ensimmäisessä tavassa kiertelimme julkisivun edessä muodostamalla useita pienempiä suljettuja kierroksia. Kierrosten aikana osoitimme kameralla koko ajan julkisivua sekä kohtisuorasti että hieman vinosti. Toisella tavalla kerätessä muodostimme vain yhden suljetun lenkin. Osoitimme kameralla myös koko ajan julkisivua, mutta kauempana ollessa pyrimme saamaan videota myös rakennuksen yläosista.
Kuva 3. Värjätty julkisivu ja sen edustalla tehty mittauspolku. Nuolet osoittavat kameran suuntauksen aineiston keruun aikana
Menetelmien välillä voidaan havaita pieniä eroja osittaisen värjäyksen osalta. Lopputulos on parempi, kun tehdään lenkkejä mittauksen aikana. Nämä lenkit mahdollistavat kuvien paremman sovituksen ja lisäävät samalla kuvamateriaalin määrää. Näin ollen julkisivun värien muutokset ovat selkeitä pistepilvessä. Kuvausajankohdan kirkas päivä näkyy pistepilvessä kohinana esim. seinässä on oikealla vaaleankeltainen kohta auringon vuoksi ja sinisiä pisteitä ikkunoiden heijastusten vuoksi. Näistä huolimatta aineistosta voi erottaa eri värit julkisivussa sekä niiden vaihtumiskohdat.
Olemme kokeilleet osittaista värjäystä myös Temppeliaukion kirkossa. Siellä sopivassa valaistuksessa ja oikealla mittausreitillä saatiin onnistuneita osittaisia pistepilven värjäyksiä (kuva 4). Osittaisella pistepilven värjäyksellä voidaan tunnistaa kohteita, joiden tunnistaminen ei onnistuisi ilman värejä. Tällaisia kohteita ovat esimerkiksi Temppeliaukion kirkossa kallioseinän rakenne, josta voidaan tunnistaa erilaisia kivikoostumuksia. Pistepilven värjäyksen osittaisuus voidaan havaita, kun lähestytään kattoa. Mitä korkeammalle seinässä edetään sitä vähemmän pistepilvessä on väriarvoja. Tämä johtuu siitä, että emme kuvanneet seinien yläosia aineiston keruun aikana. Vaikka aineistossa ei ole värejä näillä alueilla, on sitä mahdollista tarkastella värittömänä pistepilvenä.
Kuva 4. Osittain värjätty pala Temppeliaukion kirkon seinästä. Seinästä voi tunnistaa kallion värien vaihdokset kuten sen, että vasemmassa laidassa kallio oli tummanharmaa ja muualla punertava.
Miten värjään aineiston kokonaan?
Aina intensiteettiarvot tai osittainen värjäys ei riitä. Jos haluat koko GeoSLAMillä kerätyn pistepilven värjätyksi, ratkaisusi on laajentaa ZEB HORIZON -laitteesi ZEB Discovery -laitteeseen. Tällöin HORIZON yhdistetään 360 asteen kameran kanssa yhdeksi kokonaisuudeksi, jota voi kantaa selässä (Kuva 5). Tällä yhdistelmällä saadaan värjätty pistepilvi kattamaan suuremman osan pistepilvestä.
Kuva 5. ZEB Discovery yhdistää 360 asteen kameran ZEB HORIZONin pistepilveen.
ZEB Discoveryllä mitatessa kameran ja laserkeilaimen välillä ei ole havainnointikulmaeroa. Tästä syystä tavallisen GeoSLAM mittauksen mukaiset suljetut kierrokset riittävät kattavan aineiston saamiseksi. Mittauksen aikana on kuitenkin suositeltavaa edetä kävelynopeutta hitaampaa nopeutta ja välttämään äkillisiä käännöksiä. Kuten muihinkin GeoSLAM laserkeilaimiin, vaikuttaa valaistus myös ZEB Discoveryn värjättyyn pistepilveen. Vältä siis suuria valaistuseroja.
Jotta saat ZEB-CAM pistepilvesi harmaista värillisiksi, sinun tulee huomioida se jo aineistoa kerätessäsi. Aineiston keruun yhteydessä on tärkeää valita ajankohta, jolloin valaistus on mahdollisimman tasainen. Lisäksi mittauksen aikana täytyy huomioida kameran kuvauskulma ja edetä hitaasti välillä pysähdellen, jotta saadaan tarkkoja valokuvia kaikista tärkeistä kohteista. Tee myös mahdollisimman monta suljettua lenkkiä mittauksen aikana, jotta takaat kattavan videoaineiston sekä tarkan kuvien paikannuksen. Näiden toteutuessa saadaan hyvin värjättyjä GeoSLAM pistepilviä.
Oletko käyttänyt maalaserkeilainta metsäinventoinnissa? Tuntuuko sen metsään pystyttäminen ja kantaminen liian työläältä sekä aikaa vievältä? Voit vähentää vaivaa kokeilemalla GeoSLAM ZEB HORIZON -mobiililaserkeilainta. Sen kanssa ei tarvita kolmijalkaa, koska kevyttä keilainta pidetään kädessä. Tällä tavalla nopeutat koealueen laserkeilausta ja vältät painavan laserkeilaimen ja kolmijalan kantamisen metsään.
GeoSLAM ZEB HORIZON
on aikaisemmin blogissamme esiintyneen ZEB-REVO:n ulkokäyttöön paremmin sopiva rinnakkaismalli. Molemmat laitteet kulkevat kätevästi kädessä mittauksen aikana. ZEB HORIZON eroaa sisarestaan muun muassa mittausetäisyyden ja pistepilven intensiteetin osalta (kuva 1). Mittausetäisyys on 100 m. Nämä ominaisuudet auttavat metsäinventoinnissa puulajien tunnistamisessa. Lisäksi laitteen nopeus mahdollistaa useiden hehtaarien koealueiden kartoittamisen minuuteissa.
Kuva 1. ZEB HORIZON ja sen tuottama intensiteettipistepilvi metsästä.
Kuinka kerään pistepilven ZEB HORIZON -laserkeilaimella metsäkoealasta?
Saapuessasi koealalle saat ZEB HORIZON -laserkeilaimen käyttövalmiiksi hetkessä. Tämä vaatii vain yhden kaapelin kytkennän laserkeilaimen ja tallennusyksikön välille, niin laite on käyttövalmis. Aineiston keruun aloittamiseksi aseta laserkeilain maahan tai sopivan kiven/kannon päälle ja käynnistä se. Tällöin laserkeilain alustaa mittauksen ja kertoo käyttäjälle valmiutensa vilkkuvien valojen avulla.
Merkkivalon muututtua vihreäksi (muutamassa sekunnissa) ja laserkeilaimen keilaimen pyöriessä on laserkeilain valmis mittaukseen. On siis aika nostaa laserkeilain käteen ja lähteä kävelylle. Voit valita kulkemasi reitin vapaasti, mutta varmista pistepilven kattavuus mutkittelemalla puiden väleissä. Tällainen reitti mahdollistaa puiden runkojen havainnoinnin mahdollisimman kattavasti, joten lopulliset pistepilvestä mitatut arvot ovat luotettavampia.
Seuraavassa kuvassa 2 on tekemämme metsäretken aikana HORIZON:illa kerätty pistepilvi. Aloitimme mittauksen ison kiven vierestä ja kiertelimme kuvan mukaisesti puiden väleissä. Kierros lopetettiin samaan paikkaan mistä se oli aloitettu, jossa yhden painikkeen painalluksella lopetetaan mittaus. Lopuksi irrotetaan kaapeli laitteiden väliltä ja pakataan kaikki osat kantolaukkuun. Tämän noin minuutin mittaisen kierroksen aikana kierreltiin noin 30 metrin mittainen lenkki metsässä. Pistepilvestä mitattujen metsäalueen ulkomittojen perusteella se mahdollisti noin 5000 neliömetrin suuruisen alueen kartoittamisen.
Kuva 2 Vasemmalla on koko noin 5000 neliömetrin kokoinen koeala korkeuden mukaan värjättynä. Keskellä olevasta lähikuvasta voidaan havaita mittausreitti puiden lomassa. Sama reitti esiintyy oikealla, mutta tällä kertaa ylhäältä päin kuvattuna. Tässä pistepilvestä on poistettu puiden latvat ja maan pinta.
Kuinka saada mobiililaserkeilaimen pistepilvestä irti puuparametreja?
Toimistolle saavuttua siirretään kerätty pistepilvi pois laserkeilaimesta yhdistämällä muistitikku tallennusyksikköön. Aineisto rekisteröidään lopulliseksi pistepilveksi GeoSLAM HUB-ohjelmistossa. Tiedoston voi raahata ohjelmistoon, jolloin se aloittaa automaattisesti aineiston rekisteröinnin. Tämän jälkeen voit tallentaa pistepilven halutussa formaatissa.
Pistepilven muuttamien puuparametreiksi vaatii kolmannen osapuolen ohjelmiston käyttöä. Puuparametrit voidaan mitata missä tahansa pistepilviohjelmistossa, jossa on mittaustyökalu. Tällöin parametrit täytyy määrittää manuaalisesti, mikä ei ole tehokasta. Tähän ratkaisuksi ohjelmistoissa on kehitetty automatisointeja myös maan tasalta kerättyjen pistepilvien puuparametreille. Näistä esimerkki ohjelmistoina: Trimble Business Center (TBC), GreenValley International LiDAR360, Laserdata sekä avoimen lähdekoodin 3DForest.
Riippumatta ohjelmasta automaattinen puuparametrien irrottaminen vaatii pääpiirteittäin samat vaiheet. Ensimmäisessä vaiheessa kannattaa poistaa suurimmat virheet ja kohinat. Näitä voi syntyä oksien liikehdinnästä ym. mittauksen aikaisista ympäristön muutoksista. Tämä onnistuu oikeilla työkaluilla käden käänteessä. Siivottu pistepilvi luokitellaan kasvillisuuteen ja maanpintaan. Tämä toteutetaan automaattisesti ohjelmistosta riippuen tason tai alimpien pisteiden avulla. Luokitellun pistepilven kasvillisuus luokitellaan vielä yksittäisiksi puiksi (kuva 3), jotta niiden puuparametrien määrittäminen helpottuu. Tässä kohtaa Trimble Business Center eroaa muista ohjelmistoista, koska TBC ei luokittele puita omiksi luokiksi vaan hyödyntää suoraan kasvillisuuden luokkaa. Ennen kuin päästään varsinaisiin puuparametreihin määritetään vielä puiden runkojen paikat. Tämä toteutetaan automaattisesti yksittäisten puuluokkien avulla. Tätäkään vaihetta ei tarvita TBC:ssä, koska automatiikka tunnistaa kaikki puuparametrit samaan aikaan.
Kuva 3. Vasemmalla on 3DForest-ohjelmistolla luokiteltu pistepilvi pinkiksi maan pinnaksi ja punaiseksi kasvillisuudeksi. Oikealla on samalla ohjelmistolla luokitellut puut omiksi pistepilvi luokiksi.
Varsinaiset puuparametrit eli rungon halkaisija rinnan korkeudella, puun korkeus ja latvuston mitat saadaan myös automaattisesti, mutta monissa ohjelmistoissa voi tulosta manuaalisesti muokata. Tämä auttaa luotettavampien tulosten saamisessa, koska ohjelmistojen työkalut eivät aina tunnista kaikkia puita oikein. Monissa ohjelmistoissa rungon sijainnin ja maanpinnan perusteella määritetään rinnan korkeudella puun rungon halkaisija. Voit myös itse säätää rinnankorkeuden lukuarvoa tarpeen vaatiessa. Puiden korkeuksien ja latvuston mittojen määrittäminen onnistuu suoraan pistepilvien avulla.
Testasimme ohjelmistoja kuvassa 2 esitetyllä GeoSLAM ZEB HORIZON pistepilvellä. Näiden testien pohjalta ohjelmistot ovat helppokäyttöisiä ja niihin löytyy monipuolisesti ohjeita (mm. TBC, 3D-Forest ja LiDAR360). Harmiksemme huomasimme ettei avoimen lähdekoodin 3D-Forest -ohjelmistossa tällä hetkellä toimi puun latvuksen mittojen määrittäminen. Muut puuparametrit saatiin ohjelmistolla, kun aineistosta poistettiin puita ja jäljelle jäi kuvan 3 puut. Ohjelmistoista saadaan lopulliset puuparametrit ulos esimerkiksi taulukkona, yksittäisiin puuluokkiin pohjautuen. Tai arvoja voi tarkastella ohjelmistossa, jolloin pysyy visuaalinen ja numeerinen tieto samassa paikassa. Kuvassa 4 on esimerkki tulos GreenValley International LiDAR360 -ohjelmiston vaiheista ja puuparametreista.
Kuva 4 a) Rinnan korkeudelta poikkileikkaus pistepilvestä ja algoritmin laskemat halkaisijat puille. b) Tuloksia on mahdollista tarkastella puukohtaisesti. c) Metsä luokiteltuna yksittäisiin puihin d) Lopullinen taulukko metsän puuparametreista.
Metsien koealoista saadaan tehokkaasti muodostettua numeerisia arvoja GeoSLAM ZEB HORIZON -laserkeilaimen pistepilven ja pistepilviohjelmistojen avulla. Tällöin aikaa ei hukata kantamalla metsään painavia laitteita tai aineiston keräämiseen käytettäviä ylimääräisiä minuutteja. Itse pistepilvi saadaan helposti muutettua numeroiksi hyödyntämällä kolmannen osapuolen ohjelmistoa. Näistä saadaan automaattisesti puuparametrit. Mikäli automatiikka havainnoi parametrin virheellisesti, on ohjelmistoissa selkeät visuaaliset käyttöliittymät manuaalisia korjauksia varten. Helpota elämääsi ja valitse uuden sukupolven laserkeilain avuksesi.
Suunnitteletko rakennuksen korjausrakentamista? Oletko törmännyt tilanteeseen, jossa pistepilviaineiston kerääminen eri menetelmiä yhdistämällä olisi ajallisesti kannattanut? Usein työltä vaaditaan tehokkuutta ja luotettavuutta, jotta hanke olisi kannattava. Tämä pätee myös ja erityisesti rakennuksen korjausrakentamisessa. Kustannukset nousevat kellon raksuttaessa, aikaa on rajallisesti ja mahdollisen myöhästymisen uhkasakot ahdistavat.
Jotta kerätyn pistepilviaineiston laatu ei kärsisi, on tärkeää tunnistaa, mikä menetelmä sopii parhaiten mihinkin tilanteeseen. Esimerkiksi Matterportin kamera on tehokas ja vaivaton tapa kerätä rakennuksen sisätiloista pistepilviaineistoa, mutta sen toimintaperiaate rajoittaa laitteen käyttöä ulkona. Rajoittavana tekijänä on auringonvalo, joka on samalla aaltopituudella kuin Matterport. Tästä syystä ulkotilat kannattaa täydentää pistepilveen laserkeilaimen avulla.
Miten laserkeilauksella ja Matterportin kameralla kerätyt pistepilvet voidaan yhdistää?
Laserkeilaimella ja Matterportin kameralla kerätyt pistepilvet voidaan yhdistää toisiinsa joko tähysten avulla tai pistepilvipohjaisesti. Tähyksinä voidaan käyttää Matterportin omia tähyksiä, jolloin tähykset auttavat suurien tilojen mallinnusta Matterportilla sekä pistepilvien yhdistämistä (Lisätietoa asiasta englanniksi Matterportin sivuilta). Tähykset tulee sijoitella mallinnusalueelle ennen kuin aloittaa aineiston keräämisen. Yhdistämisen varmistamiseksi täytyy molemmissa aineistoissa näkyä vähintään kolme (3) yhteistä tähystä.
Käytännössä yhdistäminen tapahtuu vasta toimistolla, kun molemmat aineistot ovat esikäsitelty. Matterport-pistepilvi ladataan MyMatterport-palvelimelta MatterPak-tiedostona, joka sisältää pistepilven lisäksi kolmioverkkomallin kohteesta. Laserkeilauksen pistepilvi täytyy myös esikäsitellä eli rekisteröidä erilliset laserkeilausasemat yhdeksi pistepilveksi. Tähyksillä yhdistäessä valittu pistepilviohjelmisto vaikuttaa aineistojen yhdistämiseen. Toisissa ohjelmistoissa joudut manuaalisesti näyttämään vastaavat tähykset aineistojen välillä, kun taas toisissa se voi onnistua automaattisesti. Tähysten osoituksen jälkeen saat tiedon kuinka tarkasti pistepilvet osuivat yhteen.
Toinen menetelmä pistepilvien yhdistämiselle on pistepilvipohjainen yhteensovitus. Tällöin on parasta, että molemmilla laitteilla kerätään aineistoa samalta alueelta. Tämän yhteisen alueen tulee olla vähintään 10 % koko pistepilviaineistosta. Lisäksi tarkempi tulos saadaan, jos päällekkäisyysalue ei ole vain yhdellä puolella rakennusta. Tämä vähentää pistepilvien välisiä kiertymiä (kuva 1).
Kuva 1) Jos ei ole tarkkana, voi vähäisellä päällekkäisyydellä pistepilvet kiertyä. Kaukaa rekisteröinti voi näyttää hyvältä, mutta läheltä katsottuna löytyy virheitä. Kuten kuvan vasemmalla olevasta ikkunasta voi havaita. Matterport 3D-kameran pistepilvi (ruskean sävyinen) on kiertynyt TX8-laserkeilaimen pistepilveen nähden (punasävyinen), kun yritetään yhteensovitusta näiden pistepilvien välillä.
Pistepilvipohjaisella menetelmällä aineistot esikäsitellään samalla tavalla kuin aikaisemmin. Käyttämäsi pistepilviohjelmisto vaikuttaa yhdistämisen toteutukseen. Yhdistäminen voi onnistua joko näyttämällä pistepilvelle muutamia yhteisiä piirteitä tai manuaalisesti sovittamalla pistepilvet yhteen. Manuaalisen sovituksen jälkeen ohjelmistoissa on työkalu, joka toteuttaa automaattisesti tarkemman yhteensovituksen. Tämä antaa lopulta sovitukselle tarkkuuden.
Pistepilvipohjaisella menetelmällä aineistot esikäsitellään samalla tavalla kuin aikaisemmin. Käyttämäsi pistepilviohjelmisto vaikuttaa yhdistämisen toteutukseen. Yhdistäminen voi onnistua joko näyttämällä pistepilvelle muutamia yhteisiä piirteitä tai manuaalisesti sovittamalla pistepilvet yhteen. Manuaalisen sovituksen jälkeen ohjelmistoissa on työkalu, joka toteuttaa automaattisesti tarkemman yhteensovituksen. Tämä antaa lopulta sovitukselle tarkkuuden.
Luontokeskus Haltian pistepilviaineiston kerääminen Matterportin Pro2 3D-kameran, TrimbleTX8-laserkeilaimen sekä GeoSLAM ZEB-REVO RT-käsiskannerin avulla
Kohteenamme oli Suomen Luontokeskus Haltia Nuuksiossa. Sisätilat mallinsimme Matterportilla sekä kädessä kannettavalla GeoSLAM ZEB-REVO RT -laserkeilaimella. Sisätilan lisäksi laserkeilasimme ZEB-REVO RT:llä terassialueita. Noin puoli vuotta myöhemmin kävimme laserkeilaamassa Haltian ulkopuolen Trimble TX8 -laserkeilaimella. Tästä syystä emme voineet käyttää tähyksiä, joten yhdistäminen täytyi tehdä pistepilvipohjaisesti. Yhteensä pistepilvien tuottamiseen kului noin 14 h ja lopulliseen yhdistämiseen noin 1h.
Kuva 2) Aineisto kerättiin seuraavilla laitteilla; Matterport (vasemmalla), TX8 (keskellä) ja ZEB-REVO RT (oikealla).
Puolen vuoden tauon ja ihmispaljouden vuoksi keräsimme Matterportilla aineiston vain sisätiloista ja TX8:lla vain ulkona. Tästä syystä aineistojen välillä oli vain 3 % päällekkäisyys, joka muodostui ikkunoiden kautta tehdyistä TX8-laserkeilaimen havainnoista. Tämä ei kuitenkaan estänyt yhteensovitusta, koska olimme laserkeilanneet myös ZEB-REVO RT:llä. Sillä on päällekkäisiä havaintoja Matterportin kanssa 25 % ja 8 % TX8:n kanssa. Päätimme sovittaa ensimmäisenä Matterportin ZEB-REVO RT:n pistepilveen. Sen jälkeen sovitimme TX8:n pistepilven ZEB-REVO RT:n pistepilveen. Lopuksi yhdistimme Matterportin ja TX8 pienellä hienosäädöllä yhteen.
Pistepilviaineistojen sovittaminen yhdeksi pistepilveksi
Tällä kertaa käytimme Trimble RealWorks -ohjelmistoa ja sen pilvipohjaista yhdistämistyökalua. Ennen eri menetelmien pistepilvien yhdistämistä rekisteröimme TX8-aineistot yhdeksi pistepilveksi ja värjäsimme pistepilvet. Pistepilvet värjättiin laserkeilauksen kanssa samanaikaisesti otetuilla valokuvilla. Nämä kuvat yhdistettiin ensin panoraamakuviksi, jotka yhdistettiin keilausasemiin Trimblen RealWorks-ohjelmistossa. Värjäämisessä käytettiin RealColor-työkalua, jossa jokaiselle keilausasemalle valitaan vastaava panoraamakuva sen värjäämiseksi. Kun kaikki keilausasemat oli värjätty, rekisteröitiin ne yhdeksi pistepilveksi automaattisesti tasopintojen avulla. Rekisteröity pistepilvi tallennettiin omaksi tiedostoksi.
Laserkeilauksen rekisteröinnin jälkeen ladattiin muut aineistot RealWorks-ohjelmistoon. Kun kaikki aineistot oli ladattu samaan projektiin, aloitettiin aineistojen yhdistäminen. Trimble RealWorks:llä pistepilvipohjaisesti pistepilvien yhdistäminen on helppoa. Käyttäjän tulee valita projekti ja sen sisältä yhdistettävät pistepilvet, jonka jälkeen aktivoidaan pistepilvipohjainen rekisteröinti. Tämän jälkeen tarkistetaan, kumpi aineistoista on referenssinä eli kumpi aineistoista pysyy paikallaan. Sen jälkeen osoitetaan muutama yhteinen piste molemmista aineistoista (kuva 3). Näiden pisteiden avulla ohjelmisto yhdistää pistepilvet toisiinsa.
Kuva 3) Pistepilvipohjainen pistepilvien yhteensovitus vaatii käyttäjää osoittamaan yhteisiä pisteitä aineistoista.
Osoitettujen pisteiden jälkeen käytimme refine-työkalua, jolloin ohjelmisto automaattisesti parantaa yhteensovitusta. Kannattaa kuitenkin tarkastaa yhteensovituksen onnistuminen työkalun käytön jälkeen, koska vähäinen päällekkäisyys voi aiheuttaa virheellisiä tuloksia. Tästä syystä vaiheen voi jättää pois, jos automaatio ei osaa yhdistää pistepilviä oikein. Kun rekisteröinti on valmis, valitaan yhdistetäänkö pistepilvet yhdeksi pistepilveksi vai ei. Tässä tapauksessa, kun käytimme ZEB-REVO RT -laserkeilainta yhdistämisen apuna, emme halunneet yhdistää sen pistepilveä lopulliseen pistepilveen. Valitsimme ettei aineistoja yhdistetä ja aktivoimme pistepilvien uudet sijainnit. Tarkemmat sovituksen vaiheet voit tarkastella tästä videosta:
Matterportin ja ZEB-REVO RT:n välinen yhteensovitus onnistui 3,5 cm tarkkuudella. Tämän jälkeen yhteensovitettu TX8 ja ZEB-REVO RT onnistui 3,3 cm tarkkuudella. Näiden yhteensovitusten jälkeen avasimme vielä kerran pilvipohjaisen yhteensovituksen Matterportin ja TX8:n välille. Tällä kertaa tarkastelimme yhdistystä visuaalisesti ja aktivoimme pistepilvien yhdistämisen toisiinsa. Tarkkuudeksi pistepilvien välille saimme 3,3 cm. Tarkkuuden kohdalla tulee huomioida, kuinka pieni päällekkäisyys aineistoilla oli. Mitä pienempi pistepilvien päällekkäisyysalue on sitä vaikeampaa ja epätarkempaa niiden yhdistäminen on. Tässä tapauksessa, kun päällekkäisyys aineistojen välillä oli vain 3 %, tarkkuus on todella hyvä.
Kuva 4) Lopullinen pistepilvi Haltiasta, jossa ulkotilat on mallinnettu TX8-laserkeilaimella ja sisätilat Matterport Pro 2 -kameralla.
Menetelmien yhdistämisen jälkeen Luontokeskus Haltian pistepilvi koostuu 47 miljoonasta pisteestä (kuva 4). Nyt aineisto kattaa suurimman osan sisä- ja ulkotiloista. Tätä voitaisiin täydentää vielä lisää sisätiloissa sekä katon osalta. Katosta voitaisiin kerätä aineisto dronen avulla ja se voitaisiin yhdistää samalla menetelmällä jo yhdistettyihin pistepilviin.
Miksi eri menetelmillä kerätty pistepilviaineisto kannatti?
Menetelmien yhdistämisellä voidaan säästää aikaa ja rahaa sekä kattaa suurempia alueita. Säästöjen syynä on Matterportin nopeus verrattuna maalaserkeilaimeen sisätilojen mallintamisessa. Jos tila olisi mallinnettu pelkällä maalaserkeilaimella, olisi siihen kulunut huomattavasti enemmän aikaa. Tästä syystä aineistojen yhdistäminen GeoSLAM ZEB-REVO RT -laserkeilaimen avulla nopeutti tuotantoa. ZEB-REVOn kannettavuuden ansiosta mitattiin muutamassa minuutissa tarvittava päällekkäisaineisto, jolla Matterportin sisätilojen ja TX8:n ulkotilojen pistepilvet yhdistettiin.
Toisaalta laserkeilain mahdollistaa Matterport-pistepilvien sitomisen muuhun ympäristöön. Lisäksi eri menetelmillä ei välttämättä saa kerätyksi aineistoa kaikista kohdista, kuten katolta. Tästä syystä on kannattavaa yhdistää menetelmiä, joten pistepilvet ovat kattavampia ja täten hyödyllisempiä.
Lopulta epäoptimaalisista lähtökohdista (ei tähyksiä ja vähäinen päällekkäisyys pistepilvien välillä) huolimatta on mahdollista yhdistää eri menetelmien pistepilviä. Yhdistäminen on mahdollista jopa 3 % päällekkäisyydellä, jos apuna voidaan käyttää kattavampaa aineistoa.
Mikäli innostuit kokeilemaan aineistojen yhdistämistä, suosittelemme keräämään aineiston joko yli 10 % päällekkäisyydellä tai vähintään kolmea tähystä käyttäen. Kerää aineistolle mahdollisimman paljon yhteisiä piirteitä esimerkiksi avaamalla ikkunoita tai ovia eri puolilta rakennusta ja muista pitää yhteys muuttumattomana eri menetelmien käytön aikana.
Ympäristöämme voidaan mallintaa kolmiulotteisesti useilla eri menetelmillä esimerkiksi laserkeilaimilla ja syvyyskameroilla. Nämä laitteet tuottavat pistepilviä, jotka muodostuvat useista pistemäisistä havainnoista, eli pisteistä, kolmiulotteisessa avaruudessa. Näitä pisteitä voi olla miljoonia, jolloin ne muodostavat yhdessä 3D-muotoja. Vaikka lopputuloksien pistepilvet soveltuvat moniin tarkoituksiin, vaikuttaa sen tuottamiseen käytetty laite sen käyttötarkoitukseen. Tarkastellaan seuraavaksi yhden laserkeilaimen ja yhden syvyyskameran toimintaa. Laserkeilaimena on GeoSLAM ZEB-REVO RT ja syvyyskamerana Matterport Pro2 3D-kamera.
Laserkeilaimet kuten ZEB-REVO RT tuottavat pistepilviä laservalon avulla. Ne lähettävät laservaloa tietyllä aallonpituudella, joka kohteeseen osuessaan heijastuu takaisin. Tästä yksinkertaistettu piirros kuvassa 1. Laserkeilain havaitsee takaisin heijastuneen laservalon ja muodostaa 3D-etäisyyshavainnon eli pisteen. Tämän pisteen sijainnin laserkeilain voi laskea esimerkiksi laservalon etenemiseen kuluneen ajan ja sen lähtösuunnan pohjalta. Näistä heijastumista muodostuvista pisteistä muodostuu lopulta pistepilvi.
Kuva 1. ZEB-REVO RT lähettää ja vastaanottaa laservaloa, jota kuvassa punaiset kaksipäiset nuolet esittävät. Samalla itse laite pyörii vihreän nuolen mukaiseen suuntaan.
Kattavimman laserkeilauspistepilven saa, kun kerää havaintoja kohteesta useista suunnista. Tällöin ei yksikään nurkka jää mallintamatta. Tämä on tehty tehokkaaksi ZEB-REVO RT laserkeilaimessa, koska sen kanssa voi kävellä ympäri kohdetta mittauksen aikana. Tästä syystä sillä aineiston kerääminen on huomattavasti nopeampaa kuin muilla 3D-mallinnusmenetelmillä. Laserkeilattuun pistepilveä voidaan vapaasti muokata jälkilaskennassa esimerkiksi värjäämällä aineisto osittaisesti havainnointihetken kuvilla tai vain harmaasävyillä.
Miten Matterport Pro 2 3D-kamera eroaa tästä? Matterport lähettää myös valoa tarkemmin sanottuna infrapuna-aallonpituudella, joka muodostaa kohteen pinnalle tunnetun muotoisen kuvion. Tätä ei paljaalla silmällä erota, mutta laitteen kamera ja tarkoitukseen suunniteltu sensori havaitsevat sen. Kohteeseen osuessaan valokuvio mukautuu kohteen pinnan mukaisesti, joten laite kykenee kuvion havaintojen pohjalta muodostamaan pistehavintoja. Nämä pistehavainnot muodostavat lopulta pistepilven. Kuvassa 2 on yksinkertaistettu piirros kohteeseen heijastetusta kuviosta.
Kuva 2. Punaiset katkoviivat kuvastavat lähetettyä valokuviota, jota Matterport Pro 2 3D-kamera havainnoi sensorilla ja kameralla (oranssit katkoviivat).
Matterport Pro 2 3D-kameralla saa kattavan pistepilven helposti siirtämällä laitetta aina muutaman metrin päähän edellisestä kuvauspaikasta. Tämä on helppoa, koska laitetta ohjataan tabletilta ja samalla voidaan tarkastella aineiston kattavuutta. Laite tuottaa myös tehokkaasti värillisen mallin kohteesta Matterportin pilvipalveluun, josta mallin voi ladata muutamassa formaatissa pientä kustannusta vastaan omalle koneelle.
Fyysisen toimintaperiaatteen lisäksi tärkein ero näiden laitteiden välillä on niiden soveltuvuus eri käyttötarkoituksiin. ZEB-REVO RT:llä voidaan kerätä minuuteissa kattavaa aineistoa sekä sisätiloista, maan alta että ulkoa. Matterport ei tästä jää kauas, koska sillä voidaan kerätä aineistoa sekä sisätiloissa että maan alla. Ulkona aineiston kerääminen Matterportilla on hankalaa, koska lähetetty valokuvio on auringon valon kanssa samalla aallonpituudella. Ulkona mittaaminen on kuitenkin mahdollista auringonlaskun jälkeen. Mittauksen nopeuteen vaikuttaa myös laitteen mittausetäisyys, koska lyhyellä mittausetäisyydellä (alle 10 m) täytyy kerätä aineistoa useammasta paikasta, jotta saadaan tarpeeksi havaintoja. Käyttötarkoituksen mukaan on myös tärkeää valita laite, jonka mittausmenetelmällä saavutetaan toivottu lopputuloksen tarkkuus. Seuraavassa taulukossa 1 ovat molempien laitteiden tarkkuudet, aallonpituudet ja mittausetäisyydet, jotka määrittävät edellä mainituilla tavoilla laitteiden soveltuvuutta eri käyttötarkoituksiin.
Taulukko 1. Laitteiden ominaisuudet.
Tarkastellaan menetelmien eroja samasta kohteesta kerätyn aineiston avulla. Kävimme keräämässä aineistoa Temppeliaukion kirkosta molemmilla laitteilla. Taulukossa 2 näkyy, kuinka nämä menetelmät eroavat toisistaan käytössä. ZEB-REVO RT on huomattavasti nopeampi menetelmä aineiston keruussa, koska laitteen kanssa voi kävellä samalla kun se laserkeilaa. Pistepilven koko on myös isompi ZEB-REVO RT:llä, mutta pistepilven koko vaihtelee aina kohteen mukaan. Lisäksi Matterportin automaattinen pilvilaskenta poistaa Matterportin pistepilvestä kohinan, mutta laserkeilaimen pistepilvessä kohinaa ei ole poistettu.
Valmiin pistepilven saaminen eroaa laitteiden välillä, koska Matterport toteuttaa pistepilven automaattisesti ja laserkeilain vaatii käyttäjän apua. Matterportin kohdalla käyttäjä lataa aineiston tabletilta Matterportin pilvipalveluun ja palvelu aloittaa automaattisen prosessoinnin. Kun prosessointi on valmis, lähettää palvelu siitä tiedon sähköpostilla käyttäjälle. Viimeisenä vaiheena käyttäjän tulee kirjautua pilvipalveluun ja ladata MatterPak-tiedosto, joka sisältää pistepilven värillisenä xyz-formaatissa.
ZEB-REVO RT:n valmiin pistepilven saaminen eroaa Matterportin automatisoidusta pistepilven prosessoinnista. Prosessointi alkaa, kun käyttäjä lataa laserkeilaimesta kerätyn aineiston tietokoneelle. Tämä ladattu aineisto avataan GeoSLAM Hub -ohjelmistossa, jossa käyttäjä voi halutessaan vaikuttaa pistepilven prosessointiasetuksiin. Tämä ei kuitenkaan ole pakollista, koska ohjelmiston olettamat asetukset toimivat hyvin erilaisilla aineistoilla. Kun asetukset on valittu, aloittaa ohjelmisto pistepilven automaattisen prosessoinnin. Valmiin prosessoinnin jälkeen, käyttäjä voi tarkastella pistepilveä ohjelmistossa ja tallentaa sen valitsemassaan formaatissa. Lopullisen pistepilven tuottaminen riippuu aina kohteesta, mutta normaalisti prosessoinnissa kuluu yhtä kauan kuin aineiston keruussa. Tällä kertaa kuitenkin teimme muutamia siistimisiä pistepilvelle kuten ikkunoiden heijastumien ja aloituksesta syntyvien mittaaja havaintojen poiston.
Taulukko 2 Menetelmien erot mittaustilanteessa.
Kuvaparissa 3 on kuvat molempien menetelmien pistepilvistä. Kuten näistä pistepilvistä havaitaan, eivät menetelmät eroa paljoakaan lopputulokseltaan. Suurin ero on se, että ZEB-REVO RT:n pistepilvi ei ole väritetty mittaushetken väreillä vaan laitteen luomilla harmaasävyillä.
Kuva 3. Temppeliaukion kirkon alttari pistepilvinä sekä Matterport Pro 2 3D-kameralla että ZEB-REVO RT laserkeilaimella.
Eroavista menetelmistään huolimatta molemmille laitteille löytyy käyttötilanteensa. Matterport on tehty käyttäjäystävälliseksi helpon käyttöliittymän ja automaattisen värjätyn pistepilven prosessoinnin avulla. Se on parhaimmillaan sisätilojen visualisoinnissa ja dokumentoinnissa. Vastaavasti ZEB-REVO RT:stä on luotu käyttäjäystävällinen yksinkertaisen käyttöliittymän ja nopeutensa avulla. Laite on tehokkaimmillaan monikerroksisissa sisätilamallinnuksissa, metsissä sekä tunneleissa. On siis hyvä pitää mielessä millainen kohde on kyseessä ja millä menetelmällä siitä saa parhaan mahdollisen tuloksen.
Tervetuloa lukemaan blogimme uutta sarjaa. Tässä sarjassa perehdytään siihen, mitä kaikkea GeoSLAMin ZEB-REVO -tuoteperheellä voidaan mallintaa. Sarjan aikana tuodaan esille erilaisia huomioita, joita ZEB-REVOlla mallintaessa voi kohdata. Vaikka sillä laserkeilaaminen onkin helppoa ja nopeaa, voi mittauksen aikana sattua ja tapahtua myös mittaajasta riippumattomia asioita.
Tässä ensimmäisessä osassa käydään läpi tavallisimpia ZEB-REVO -mittauksiin liittyviä huomioita, jotka saattavat jäädä vähemmälle huomiolle mittaustilanteessa. Tällaisia huomioita ovat esimerkiksi mistä mittaus aloitetaan ja millä tavalla kohde tulisi kiertää mittauksen aikana. Näitä vinkkejä jaamme käytännön esimerkkikohteiden avulla. Ensimmäisenä mallinnuskohteenamme oli Tikkurilan kirjaston Tarina-kirjastoauto, koska ZEB-REVO soveltuu hyvin myös pienehköjen kohteiden mittaamiseen.
Kuva 1) Tarina-kirjastoauto ulkoa ja sisältä.
Kuva 2) ZEB-REVOn reaaliaikainen versio mittaustilanteessa, jolloin näytöltä näkee jo mitatut kohteet.
Itse mittauksessa huomioitavia asioita löytyy muutamia. Ensimmäisenä kannattaa pohtia tarkkaan mistä mittaamisen aloittaa ja lopettaa. Saatat kysyä, miksi tämä on niin tärkeää? Oikean aloitus- ja lopetuspaikan valinnalla säästyt monelta turhalta vaiheelta, joita väärän tai huonon paikan valinta tuottaa. Aloitus- ja lopetuspaikan tulee olla tasainen, jotta sillä voi suorittaa mittauksen alustuksen. Tällaisena kohtana toimii esimerkiksi maanpinta, penkki, pöytä tai mikä tahansa taso. Ongelmana on kuitenkin aloituksesta syntyvä kohina, kun mittaaja joutuu kumartumaan keilaimen päälle kytkeäkseen sen päälle ja samoin sammuttaessaan keilainta.
Paras aloitus- ja lopetuspaikka on kohteen läheisyydessä, mutta ei liian lähellä mielenkiinnon kohdetta. Tämän huomioiden aloitimme ja lopetimme mittaukset noin 5 m päästä kirjastoauton viereiseltä lastauslaiturilta. Tällöin saimme hyvän tasaisen alustan mittauksen alustukselle ja aloituksesta syntyvä kohina saadaan helposti siivottua lopullisesta pistepilvestä. Esimerkiksi jos olisimme aloittaneet mittauksen kirjastoauton sisältä olisi aloituksen kohina ollut huomattavasti monimutkaisempaa poistaa lopullisesta pistepilvestä. Kannattaa kuitenkin huomioida, että aloituspiste ei ole keskellä avointa aluetta. Tällöin laitteen paikannus ei saa tarpeeksi havaintoja sijaintinsa määrittämiseksi ja lopputuloksena saatu pistepilvi saattaa olla vääristynyt. Avointa aluetta voi myös muokata laittamalla alueelle joitakin kohteita, jolloin laitteella on enemmän kohteita paikannuksen laskemisessa. Tämä on kuitenkin hieman työläämpää, joten harkitse tarkkaan aloitus- ja lopetuspaikan valintasi.
Toisena tärkeänä huomioitavana on mittaustapa, koska se vaikuttaa lopulliseen pistepilveen. Tästä syystä suosittelemme useammalla kierroksella kohteen mittaamista. Tällöin laserkeilain havaitsee saman kohteen useampaan kertaan ja sen suorittama pisteiden paikannus paranee. Lisäksi useammalla kierroksella kyetään paikkaamaan mahdollisia aukkoja, joita saattaa syntyä tarkimmallekin mittaajalle. Tässä tapauksessa mittasimme kirjastoauton kuvan 2 mukaisella mittausreitillä. Reitti kulki ensin lastauslaiturilta auton keulan kautta sen sisälle, jossa käveltiin kaksi kahdeksikkoa eli ensin auton peräpäähän ja sen jälkeen auton etuosaan. Sisällä tehtyjen kahdeksikkojen jälkeen palattiin takaisin ulos ja jatkettiin matkaa kohti auton peräpäätä. Tämän jälkeen kierrettiin koko auto vielä kerran ympäri hieman alkuperäisestä reitistä eroavalla reitillä ja palattiin takaisin aloituspisteelle.
Kuva 3) Poikkileikkaus mitatusta pistepilvestä. Mittausreitti on merkitty punaisella.
Mittausaineistosta voi saada vielä kattavamman useiden kierrosten lisäksi, mittaamalla usealta eri etäisyydeltä. Tällöin laserkeilain saa havaintoja myös kohdista, joita se ei havaitse ensimmäiseltä etäisyydeltä. Esimerkiksi korkeiden rakennusten kohdalla, useammalla mittausetäisyydellä saadaan havaintoja sekä rakennuksen alaosasta että yläosasta. Tällöin alaosasta saadaan tarkempia tuloksia, kun mitataan rakennuksen lähellä esimerkiksi noin 5 m etäisyydeltä ja yläosa saadaan katettua hieman kauempaa mitatulla kierroksella.
Kun mittaukset on tehty, voidaan aineistot ladata omalle koneelle ja rekisteröidä GeoSLAM Hub -ohjelmistossa. Rekisteröinti on helppoa, kun käyttäjänä tarvitsee vain valita lopullisen pistepilven asetukset kuten pistetiheys, pistepilven värjäys ja formaatti. Rekisteröinnin lopputuloksena saimme Tarina-kirjastoautosta kattavan harmaasävyisen pistepilven. Tästä pistepilvestä siivosimme pois aloitus- ja lopetuspaikan kohinat ja rajasimme lopullisen pistepilven kattamaan vain kirjastoauton. Tämä ei kuitenkaan ole lopullinen tuote, koska pistepilven voi jatkojalostaa esimerkiksi 3D-malliksi. Mihin tarkoitukseen sinä käyttäisit tätä pistepilveä?
Kuva 4) Lopullinen Tarina-kirjastoauton pistepilvi ulkoa ja sisältä päin.
ZEB-REVO-käsiskannerin soveltuvuus rakennuksen geometrian mittaamisessa
Viime joulukuussa julkaistiin diplomityö, jossa selvitettiin Geotrimillä myynnissä olevan käsiskannerin ZEB-REVO:n soveltuvuutta rakennuksen geometrian mittaamisessa. Tarkemmin diplomityön tutkimuksessa selviteltiin samanaikaisesti paikantavan ja kartoittavan (SLAM) käsiskannerin soveltuvuutta rakennuksen geometrian mallintamiseen ja tällaisten mallien luomisen nopeuttamiseen. Tutkimuksessa keskityttiin SLAM-menetelmän käsiskannereihin, joista ZEB-REVO oli tutkimuksen kokeellisessa osassa käytetty mittalaite. Lisäksi tutkimuksen kirjallisuustutkimuksessa esiteltiin ZEB-REVO:n toimintaperiaatteita ja muita markkinoilla olevia SLAM-menetelmän käsiskannereita. Kokeellisissa tutkimuksissa selvitettiin useilla erillisillä analyyseillä ja mittauskohteilla ZEB-REVO:n soveltuvuutta BIM-mallinnukseen. Tutkimus ei kuitenkaan sisältänyt BIM-mallin mallinnusvaihetta.
Mutta ennen kuin mennään syvemmälle tutkimuksen tuloksiin, avataan hieman SLAM-menetelmää. SLAM-menetelmässä laite paikantaa itsensä ilman erillistä paikannussensoria kuten GNSS-paikanninta. Tällöin laite kerää havaintoja ympäristöstään erilaisilla sensoreilla ja muodostaa näistä havainnoista kartan. Tämän kartan ja maamerkkien avulla laite paikantaa itsensä ympäristöönsä nähden. ZEB-REVO:n tapauksessa laite sisältää laserkeilaimen ja inertiaaliyksikön, joiden avulla laite havaitsee oman sijaintinsa ympäristössään. Varsinaisen paikannuksen ZEB-REVO tekee jälkilaskennassa, mutta ZEB-REVO:n uudemmassa versiossa ZEB-REVO RT:ssä paikannus toteutetaan reaaliaikaisesti. Tämän SLAM-menetelmän paikannuksen vuoksi ZEB-REVO soveltuu myös GNSS-paikantimien ulottumattomien kohteiden mittaamiseen.
Kokeellisissa tutkimuksissa selvisi ZEB-REVO:n soveltuvan hyvin rakennuksen geometrian mallintamiseen vain optimaalisten kohteiden kohdalla. Tällaisia optimaalisia kohteita ovat kaikki kohteet, jotka eivät ole liian itseään toistavia käytäviä, suuria halleja tai kasvillisuuden peittämiä kohteita. Tulosten pohjalta ZEB-REVO tarjoaa kuitenkin hyvän BIM-mallinnustarkkuuden vaatimaansa ajankäyttöön nähden, koska mittausaika oli vähintään 10 kertaa nopeampi kuin maalaserkeilaimilla mitatessa. Lisäksi tuloksissa verrattiin tarkkuutta amerikkalaisen GSA:n (General Services Administration) ohjeellisiin mallinnusraja-arvoihin, joiden pohjalta havaittiin kohteen vaikuttavan mallinnuksen lopputulokseen. Tällöin optimaalinen kohde tuottaa koko rakennuksesta hyvän BIM-mallin, mutta sisätiloista tarkkuus jää raja-arvojen ulkopuolelle. Kuitenkin epäoptimaalisesta kohteesta, joita ovat SLAM-algoritmille sopimattomat tilat, BIM-mallin tuottaminen on mahdollista selvästi heikommalla tarkkuudella.
Lisäksi tuloksista havaittiin ZEB-REVO:n mallinnuksen ominaisuuksien ja mittausasetusten vaikuttavan lopputulokseen. Tällaisia ominaisuuksia ovat muun muassa ZEB-REVO:n suhteellisen vähäinen kohina, SLAM-algoritmin hyvä paikannustarkkuus eri tilojen kohteiden välillä ja yli 2cm korkeiden yksityiskohtien havaitseminen. Näitä havaintoja hieman tarkentaen voidaan sanoa ZEB-REVO:n kohinan olevan vähäistä, koska se koostuu muutamista selkeistä hajapisteistä. Se on kuitenkin hieman kohinaisempi kuin maalaserkeilain, mutta jos pieni jälkikäsittely ei häiritse niin ajallisesti ZEB-REVO:lla saat kattavan pistepilven huomattavasti nopeammin kuin maalaserkeilaimilla. Lisäksi ZEB-REVO:n paikannustarkkuuteen ei vaikuta siirrytkö mittauksen aikana tilasta toiseen, koska tutkimuksen koetilanteessa siirryttiin sisälle ja ulos mittauksen aikana ja tarkkuus säilyi samana koko mittauksen ajan. Viimeisenä ominaisuutena ZEB-REVO:lla on sen kyky havaita yli 2cm korkeita kohteita. Tällöin kohteen eron ollessa suurempi kuin 2cm sen ympäristöstä, se voidaan havaita myös ZEB-REVO:n pistepilvestä ilman pisteiden väritietoja.
Tutkimuksen tulokset tukevat laitevalmistajan ohjeiden mukaista mittausetäisyyttä ja rauhallista etenemistä. Nämä mittausasetukset ovat parhaimmillaan, kun mittausetäisyys ja etenemisnopeus ovat alle 10m ja hidaskävely. Tällöin hidas etenemisnopeus mahdollistaa laserkeilaimen tiheän havainnoinnin, jolloin pistepilveen ei jää aukkoja. Vastaavasti alle 10m mittausetäisyys mahdollistaa ZEB-REVO:n tarkkuuden pysymisen mahdollisimman tarkkana eli senttimetrien luokassa. Lisäksi tutkimuksessa havaittiin oviaukkojen mittaamisessa kävelytavan olevan vapaasti valittavissa, mutta tarkimman mahdollisen paikannuksen saamiseksi on suositeltavaa mitata oviaukot sivuttain kävellen.
Kaikkien näiden tulosten pohjalta havaittiin SLAM-käsiskannerin soveltuvan hyvin rakennuksen geometrian mallintamiseen. Suurimpina etuina ZEB-REVO:lla on sen mittausnopeus ja helppokäyttöisyys. Mittausnopeudeltaan ZEB-REVO voittaa minkä tahansa maalaserkeilaimen, koska sillä mitatessa mittausaika on vain murto-osa maalaserkeilaimeen verratessa. Helppokäyttöisyyden osalta ZEB-REVO on onnistunut, koska mitatessa käyttö vaatii vain yhden näppäimen painamisen. Lisäksi helppokäyttöisyys jatkuu vielä jälkilaskennassa, kun käyttäjän tarvitsee vain valita haluamansa lopputuloksen asetukset ja loput jälkilaskennasta onnistuu automaattisesti. Näistä syistä SLAM-käsiskannerit ovat hyvä vaihtoehto koko rakennusten geometrian mittaamiseen.
Analyyseissä Kekkosen työhuoneen seinän kohteita vertailtiin visuaalisesti maalaserkeilauspistepilven ja ZEB-REVO pistepilven välillä. Ylemmässä kuvassa on ZEB-REVO:n pistepilvi ja alemmassa kuvassa on maalaserkeilauksen pistepilvi. Lisäksi kuviin on merkitty valkoisilla nuolilla kohteita, joita eri pistepilvistä voidaan havaita kuten maalaserkeilauspistepilvessä valokatkaisijat ja sohvan selkänojan muodot sekä ZEB-REVO:n pistepilvessä taulu ja kaappi.
Koko ZEB-REVO -aineistoa verrattiin myös maalaserkeilauspistepilveen. Näitä tuloksia edustavat sisätiloissa ylärivin kuvat ja ulkoa alarivin kuvat. Lisäksi kuviin on merkitty suurimmat erot pistepilvien välillä siten, että valkoisella soikiolla on merkitty peilipintojen tai kasvillisuuden aiheuttamat erot ja punaisilla soikioilla on merkitty kohdat, joista ei ollut maalaserkeilausaineistoa tai kohde oli liikkunut mittausten välissä.
Kuva 3) Poikkileikkaus mitatusta pistepilvestä. Mittausreitti on merkitty punaisella.
Kuva 4) Lopullinen Tarina-kirjastoauton pistepilvi ulkoa ja sisältä päin.
