10. Laadunvarmistus

10.1 Kohina (Ilma ja Drone) 

Kohinaa mitataan yleensä tasaisista pinnoista, kuten katoista tai kovasta maanpinnasta. Tämä johtuu siitä, että pinnan tulisi olla sileä, jotta mahdolliset etäisyysvirheet, jotka ovat muodostuneet laserkeilauksen aikana, voidaan havaita paremmin. Yleisimmät tavat laskea kohinaa ovat pisteestä pisteeseen ja pisteestä tasoon. Pisteestä tasoon-algoritmissa lasketaan keskimääräistä etäisyyttä pisteestä lähimpiin naapureihin sovitettuun tasoon. Näin ollen mobiililaserkeilauksessa aineistossa tulisi olla näkyvissä kova maanpinta, asfalttipintoja tai sileitä seiniä, joilta kohinaa voidaan mitata, kun taas ilmalaserkeilauksessa voidaan hyödyntää myös kattoja. Kohinaa voidaan mitata suoraan raakapilvestä, mikä paljastaa laserkeilaimen mittauskohinan. Tämä helpottaa esimerkiksi drone-skannereiden erottamisen toisistaan laadullisesti. Kohina-arvoja voidaan myös vertailla pistepilven prosessoinnin jälkeen, mikä antaa paremman käsityksen siitä, miten prosessointi on vaikuttanut aineistoon. 

• Kohina mitataan ennen prosessointia kovilta pinnoilta, jotta sensorin oma kohina tulee esille. 
• Kohina mitataan prosessoinnin jälkeen saadakseen ymmärrys, miten prosessointi on tehonnut ja muuttanut alkuperäisiä aineistoa. 

10.2 Pistetiheys (kaikki) 

Pistetiheys kuvaa, miten monta pistettä löytyy tietyllä alueella (pts/m²). Sen avulla voidaan määritellä, millaisia esineitä voidaan havaita pistepilvestä. Mikäli esineellä ei ole tarpeeksi pisteitä, sitä ei voida havaita. Pistetiheys voi vaihdella aineistossa, joten keskimääräisen pistetiheyden lisäksi on tärkeää huomioida paikallisia puutteita pistetiheydessä. Nämä vaihtelut voivat johtua esimerkiksi lennokin tai ajoneuvon vaihtelevasta nopeudesta tai kasvillisuudesta eri alueilla. Pistetiheyttä voi visualisoida suoraan aineistossa väriskaalalla tai laskea sille histogrammi. Pistepilven pistetiheys tulisi perustua vain viimeiseen tai ainoaan kaikuun. Tällöin saadaan yksiselitteinen pistetiheys maapinnalle. Päällekkäisiä pisteitä ei myöskään hyväksytä, joten päällekkäisyydet on poistettava aineistosta ennen mittausta. Samalla tavalla voimme myös analysoida eri kaikujen pistetiheyttä. Esimerkiksi metsäalueella haluaisimme tietää, kuinka tiheästi esiintyy useampia kuin yksi kaiku. 

Mobiilikeilauksessa pistetiheys on määritelty mitattavaksi kahden metrin levyiseltä kaistaleelta ajolinjojen alta. Tällöin ei tarvitse huolehtia siitä, että mobiilikeilauksessa tyypillisesti pistetiheys heikkenee huomattavasti, mitä kauemmas ajolinjasta mennään. 

Pistetiheyden lisäksi on tärkeää tarkistaa, onko pistepilvessä selviä aukkoja. Aukkoja pistepilveen voi syntyä esimerkiksi katolle kertyneestä vedestä tai lasi-ikkunoista, joka heijastavat laserin muualle kuin takaisin sensoriin. Aukkoja voidaan kytkeä laatuun mittaamalla niiden pinta-alaa ja verrata niitä koko alueen pinta-alaan. Tällöin on mahdollista asettaa prosentti arvo sille, kuinka paljon aukkoja aineistossa saa ilmetä. 

• Maapinnasta ainoa tai viimeinen kaiku huomioidaan. Ilmasta tarkastellaan 5×5 m tai 2×2 m rasterikartalla, kuinka monta prosenttia rastereista ylettyy vaadittuun pistetiheyteen. 95 % kattavuus olisi toivottu. MLS mitataan 2 m leveydeltä kulkulinjan alta rasterikoolla 0,5×0,5 m. 
• Erikseen useammat kaiut tai kaikki kaiut, jos näitä vaaditaan. Rasterikartta samanlainen. 

10.3 Piste-etäisyysanalyysi (Valinnainen, suoritetaan jos asiakas pyytää) 

Piste-etäisyysanalyysi voi auttaa tunnistamaan klustereita tai ryhmiä pistepisteitä, jotka ovat lähellä toisiaan. Tämä on hyödyllistä segmentoinnissa ja pistepilven luokittelussa, jossa pyritään tunnistamaan samankaltaisia alueita tai ominaisuuksia. Analyysi voi paljastaa poikkeavia pisteitä, jotka ovat kaukana muista pistepisteistä tai jotka eivät sovi odotettuun jakaumaan. Tämä voi auttaa tunnistamaan virheitä tai epätavallisia piirteitä pistepilvessä. Sitä voidaan tarkastella rasterikartan avulla, jossa jokainen rasteri kuvaa sen alueen keskimääräistä piste-etäisyyttä toiseen pisteeseen. Näitä alueita voidaan verrata keskimääräiseen piste-etäisyyteen. Pistetiheyden avulla voidaan laskea keskimääräisen etäisyyden pistepilven pisteiden välillä seuraavasti: 

Pisteiden keskimääräinen etäisyys toisiinsa

Kun pistetiheys on suuri eli pisteitä on tiheästi, pistepisteiden välinen keskimääräinen etäisyys on pieni. Toisin sanoen pistepisteet ovat lähellä toisiaan. Kun otetaan neliöjuuri pistetiheyden käänteisarvosta, suuri pistetiheys johtaa pienempään arvoon, mikä tarkoittaa, että pistepisteiden keskimääräinen etäisyys on pienempi. 

Päinvastoin, kun pistetiheys on pieni, eli pisteitä on harvassa, pistepisteiden välinen keskimääräinen etäisyys on suurempi. Kun otetaan neliöjuuri pistetiheyden käänteisarvosta, pieni pistetiheys johtaa suurempaan arvoon, mikä tarkoittaa, että pistepisteiden keskimääräinen etäisyys on suurempi. 

Tämä kaava voi olla hyödyllinen pistepilven analyysissä, kun halutaan arvioida pistepisteiden keskimääräistä etäisyyttä, ottaen huomioon pistetiheys ja sen vaikutus pistepisteiden väliseen jakaumaan. 

10.4 Absoluuttinen tarkkuus (RMSE) (kaikki) 

Absoluuttisella tarkkuudella tarkoitetaan, kuinka lähellä mitattu arvo on tunnettua todellista arvoa. Laserkeilausaineistossa tämä yleensä määritellään vertaamalla aineistoa tarkistuspisteisiin (CP), jotka on mitattu maastossa esimerkiksi vaaituksella, takymetrilla tai RTK-laitteella. Tarkistuspisteet sijaitsevat vain kovilla pinnoilla. Ilmalaserkeilauksessa mitataan yleensä myös tukipintoja. 

Koordinaattivirhe voidaan laskea mitatun havaintopisteen avulla dX, dY, dZ suuntiin seuraavasti, 

jossa X_havainto on aineiston pisteen X-koordinaatti, X_ref on tarkemmin mitatun referenssipisteen X-koordinaatti. Y_havainto on aineiston pisteen Y-koordinaatti, Y_ref on tarkemmin mitatun referenssipisteen Y-koordinaatti, Z_havainto on aineiston pisteen Z-koordinaatti ja Z_ref on tarkemmin mitatun referenssipisteen Z-koordinaatti. 

Koordinaattien systemaattista virhettä mitataan ja lasketaan otoskeskiarvon mukaan. Otoskeskiarvo on koordinaattivirheitten keskiarvo. 

jossa n on mitattujen koordinaattivirheiden pisteitten määrä. 

Satunnaisvirhe on laskettavissa koordinaattivirheiden otoskeskihajonnalla (SX, SY, SZ). 

jossa X_i on aineiston koordinaattihavainto ja n on havaintojen määrä. 

Koordinaattien kokonaisvirhe lasketaan RMSE-virheellä. 

2D-pistevirhe XY-tasossa voidaan laskea keskimääräisen neliövirheen avulla. 2D-pistevirhe lasketaan, 

3D-virhettä ja tukipintojen virheen voidaan laske seuraavasti: 

Kokonaisvirheessä on myös huomioitava tarkistuspisteiden ja tukipintojen mittavirheet maastotyön aikana. Näiden yhteydessä tehdyt mittausten virheet tulisi ilmoittaa. 

• Mitataan kovilta pinnoilta tarkistuspisteiltä tai tarkistustasoilta 
• Mitataan maastossa mitatuista tukipisteistä ja tukipinnoilta 
• Mitataan XY-tasossa ja Z-tasossa erikseen 
• Huomioitava tukipisteiden ja tukipintojen mittausvirheet 
• Kokonaiselle pistepilvelle, josta yksittäiset pisteet voivat hiukan heittää 

10.5 Tarkistuspisteet (eng. check point, CP) (kaikki) 

Tarkistuspisteet ovat ympäristöstä erottuvia pisteitä, joiden sijaintitieto on mitattu esimerkiksi RTK-GNSS laitteella, takymetrilla tai vaaitusmittauksella. Tarkistuspisteet ovat maalattu pinnoille, kuten maanpinnalle tai seinille, mutta voivat myös olla fyysisiä objekteja, kuten palloja, jotka ovat asetettu mittausympäristöön. Tarkistuspisteet voivat olla eri muotoisia, kunhan niistä erottuu keskipiste. Näiden sijaintitietoa hyödynnetään, kun mitataan pistepilven absoluuttista tarkkuutta. Saman näköisiä pisteitä sijoitetaan maastoon, jotta pistepilvi voitaisiin georeferoida. Näitä kutsutaan maastotukipisteiksi (eng. ground control point, GCP). Nämä pisteet täytyy erottaa toisistaan eri listoihin, jotta ne eivät menisi keskenään sekaisin. 

Tarkistuspisteet tulisi sijoittaa siten, että ne ovat helposti nähtävissä laserkeilaimien avulla. Ne ovat hyödyttömiä, jos ne näkyvät laserkeilausaineistossa osittain tai ei lainkaan. Tämän takia on hyvä harkita, mitä muotoa käyttää, mille korkeudelle ja mille taustoille näitä sijoitetaan. Tarkistuspisteiden tulisi olla riittävän suuria, jotta laserkeilain havaitsee ne luotettavasti. Suurempi koko tarkistuspisteissä antavat enemmän mittausosumia, joiden avulle ne erottuvat selkeämmin pistepilviaineistosta.  Jokaiselle laserkeilaimelle on omat arvot, joille tulisi luoda asianomaiset tarkistuspisteet maastoon. Tarkistuspisteitä tulisi olla riittävästi ympäri pistepilviaineistoa, jotta koko aineiston sijaintitarkkuus voidaan varmistaa. Vaikeassa kaupunkiympäristössä voi tarkistuspisteitä olla tiheämmin. Ilmalaserkeilauksessa olisi hyvä olla tarkistusalueita, jossa on enemmän tarkistuspisteitä sijoitettuna pienelle alueelle. Näiden tarkistusalueiden avulla voidaan tarkistaa yksittäisten pisteiden sijaintitarkkuuden lisäksi myös tasojen ja rinteiden sijaintitarkkuutta. 

Tarkistuspisteiden mittaustavalla on merkittävä vaikutus niiden sijaintitarkkuuteen, mikä puolestaan vaikuttaa laserkeilausaineiston sijaintitarkkuuden varmistamiseen. Epätarkat maastotukimittaukset heikentävät laserkeilausaineiston sijaintitarkkuutta. Tarkistuspisteitä voidaan mitata esimerkiksi RTK-GNSS-laitteella tai takymetrillä. Takymetrillä suoritettu mittaus vie enemmän aikaa, mutta on tarkempi kuin RTK-mittaus. On tärkeää muistaa, että pistepilven absoluuttinen tarkkuus ei voi ylittää sitä tarkkuutta, joka on saavutettu tarkistuspisteiden mittaamiseen käytetyllä tekniikalla. 

10.6 Maastotukipisteet (eng. ground control points, GCP) (kaikki) 

Kuten tarkistuspisteiden maastomittauksessa, myös maastotukipisteiden maastomittaustyökalu tai -menetelmä tulisi ilmoittaa. Nämä voivat olla esimerkiksi GNSS, takymetri, tarkkavaaitus tai RTK. Maastotukipisteiden maastomittausten yhteismittavirheet tulisi ilmoittaa. Maastomittausten virheet ovat osa absoluuttista virhettä ja vaikuttavat pistepilven tarkkuuteen. 

Yhteismittavirhe lasketaan kaavalla: 

missä Virhe_i on yksittäisen virhelähteen virhe ja n on virhelähteiden lukumäärä. 

Täten mittauksen aikana tulisi kerätä pisteille myös mittavirheet. 
 

10.7 Suhteellinen tarkkuus (kaikki) 

Pistepilven suhteellinen tarkkuus tarkoittaa pilven sisäistä tarkkuutta, eli miten hyvin eri ajo- ja lentolinjoista mitatut pisteet sopivat yhteen. Suhteellista tarkkuutta voidaan mitata ajo- ja lentolinjojen pintojen yhteensopivuudella tai vertaamalla sidosviivoja (eng. tie lines) päällekkäisistä ajo- tai lentolinjoista. Drone-, ilma- ja mobiililaserkeilauksessa käytetään yleensä sidosviivahavaintoja parantaakseen kulkuratapisteiden keskinäistä yhteensopivuutta. 

Yleisimmät menetelmät pistepilven rekisteröintiä varten ovat ICP-algoritmit (eng. Iterative closest point). Samoja algoritmeja voidaan myös käyttää tarkastelemaan pistepilven suhteellista epätarkkuutta. ICP-algoritmeilla on kolme tyypillistä tapaa mitata suhteellista epätarkkuutta. Ensimmäinen tapa mittaa erotusta päällekkäisten kulkuratojen pisteitten välillä, eli kuinka paljon saman kohdan pisteet eri kulkuradoissa eroavat toisistaan (eng. Point-to-point). Toinen tapa on sovittaa taso kulkuratojen pisteisiin ja mitata päällekkäisten kulkuratojen pisteiden eroa sovitettuun tasoon (eng. Point-to-plane). Kolmas tapa on sovittaa taso kaikkiin päällekkäisiin ajo- tai lentolinjoihin ja mitata tasojen eroa toisiinsa (eng. Plane-to-plane). Näistä pisteestä pisteeseen mittaavat algoritmit ovat muita hitaampia. Muita käytettyjä algoritmeja ovat feature detection menetelmät. Niissä tunnistetaan erilaisia elementtejä, kuten tasoja, pintoja, kulmia ja maaliviivoja. Elementtejä käytetään sovittamaan ajo- tai lentolinjoja keskenään paremmin yhteen. 

Algoritmeja käyttäen saadaan arvoja pistepilven XY- ja Z-yhteensopimattomuudelle (eng. mismatch). Yhteensopimattomuusarvot kertovat, miten hyvin pistepilviaineiston ajo- ja lentolinjat sopivat yhteen XY- ja Z-tasossa. Mitä suurempi arvo, sitä suurempi eroavaisuus ajo- ja lentolinjojen välillä. XY- ja Z-yhteensopimattomuusarvojen lisäksi voidaan tarkastella kääntymisen, kallistumisen ja nyökkäämisen arvoja (eng. head, roll ja pitch). Nämä arvot ovat IMU-yksikön mittaamia arvoja laserkeilaimen keinumisliikkeistä. Tarvittaessa voidaan myös tarkastella ja korjata IMU:n ja laserkeilaimen välistä siirtovektoria (eng. lever arm). Siirtovektorin arvoja on syytä tarkistaa, mikäli sitä ei ole mitattu etukäteen tai on syytä epäillä sen virheellisyyttä. Siirtovektorin, kääntymisen, kallistumisen ja nyökkäämisen arvoja hyödynnetään yleensä pistepilven rekisteröinnissä, kun taas XY- ja Z-yhteensopimattomuusarvot käytetään tarkkuusarviossa. 

Pistepilven suhteellisen tarkkuuden laskennassa tulee esiin kalibroinnin laatu ja miten hyvin laserkeilaus on suoritettu. Visuaalisesti ja silmämääräisesti pystytään jo hyvin tarkastelemaan ajo- ja lentolinjojen yhteensopivuutta. Esimerkiksi jos ne eroavat toisistaan Z-suunnassa, on korjattava niiden korkeutta tosiinsa. Kun mitataan pistepilven sisäistä laatua, tulisi eri ajo- ja lentolinjojen pisteet olla mahdollisimman lähellä toisiaan. Ennen eri ajo- tai lentolinjojen päällekkäisten pisteiden poistamista, tulisi linjojen olla mahdollisimman lähellä toisiaan. 

• Mitataan XY-taso ja Z-taso erikseen. 
• Verrataan päällekkäisten kulkuratoja yhteensopivuutta. 

10.8 Sivupeitto (ilma ja drone) 

Sivupeittoa tarvitaan kohteiden eri suunnista keilaamista varteen ja kulkuratojen toisiinsa rekisteröintiä varten. Sivupeittoa arvioidaan tarkastelemalla, kuinka suuri osa vierekkäisten kulkuratojen mittausalueista on päällekkäin suhteessa niiden leveyteen. Sivupeittoa mitataan yleensä enemmän ilmalaserkeilauksessa, sillä mobiililaserkeilauksessa sivupeitto vaihtelee maaston mukana ja näkyvyyden mukana. Ilmakeilatussa aineistossa suositellaan vähintään 20 % sivupeittoa. Esimerkiksi maanmittauslaitos ovat käyttäneet 20 % sivupeittoa ilmalaserkeilauksissaan. Sivupeittoa voidaan tarkastella laskemalla lentolinjojen päällekkäisyyttä. 

10.9 Kattavuus (kaikki) 

Pistetiheyden lisäksi on tärkeää tarkistaa, onko pistepilvessä selviä aukkoja. Aukkoja pistepilveen voi syntyä esimerkiksi katolle kertyneestä vedestä tai lasi-ikkunoista, joka heijastavat laserin muualle kuin takaisin sensoriin. Aukkoja voi kytkeä laatuun mittaamalla niiden pinta-alaa ja verrata niitä koko alueen pinta-alaan. Tällöin on mahdollista asettaa prosentti arvo sille, kuinka paljon aukkoja aineistossa saa ilmetä. 

• Laserkeilaus aineisto tulisi olla aukoton, pois lukien vesialueet. 

10.10 Intensiteetti (Valinnainen, suoritetaan jos asiakas vaati) 

Jokaisella pistellä on oma intensiteettiarvo. Arvo kertoo, millä voimakkuudella laserin paluupulssi on havaittu. Se perustuu osittain myös laserpulssin osuman kohteen heijastavuuteen. Intensiteetti arvot pistepilvessä ovat yleensä tarkempia kuin RGB-arvot pistepilvessä, koska se on laserin oma ominaisuus, eikä aiheuta lisää virhelähteitä. Intensiteettiä voidaan hyödyntää automaattisessa luokittelussa ja esineiden tunnistamisessa pistepilvessä. Tämän takia intensiteetin laatu on hyvin tärkeä pistepilven lopputuloksessa. Intensiteetti riippuu keilausmatkasta, eli lähempänä olevat kohteet näkyvät kirkkaammin kuin kaukana olevat kohteet. Jotta saadaan varmistettua hyvä tulos intensiteettiarvoissa, olisi hyvä kalibroida mittauslaitteet ennen keilausta. Kalibroinnin voi tehdä sijoittamalla testialueelle kalibrointialustoja, joiden intensiteettiarvot tiedetään entuudestaan. Tämän jälkeen suoritetaan koelentoja tai koeajoja ja verrataan intensiteettiarvoja keskenään. Tällä tavalla voidaan myös mitata keilauksen aikana kaapatut intensiteettiarvot asettamalla kohteita maastoon, joilla on entuudestaan tunnetut intensiteettiarvot ja sitten verrata aineistoja keskenään. Mahdollista on myös käydä mittaamassa maastossa joitain kohteita, esimerkiksi kattoja tai maalauksia, ja verrata näiden intensiteettiarvoja. Voidaan myös koota intensiteettihistogrammi intensiteettiarvoista, joka auttaa hahmottamaan arvojen esiintyvyyttä aineistossa. 

• Intensiteettiarvoja mitataan maastosta tietyille objekteille, jonka jälkeen verrataan niitä aineistossa esiintyviin intensiteettiarvoihin ja tutkitaan niiden esiintyvyyttä histogrammin avulla. 

10.11 Trajektorien sijaintitarkkuus RMS (mobiili) 

Mobiililaserkeilauksessa tulisi selvittää, miten ajolinjojen tarkkuus vaihtelee mittauksen aikana. Tämä voidaan saavuttaa analysoimalla, miten ajolinjojen RMS-arvot muuttuvat mittauksen eri vaiheissa. Piirretään kuvaaja, jossa X-akselilla on aika ja Y-akselilla ajolinjojen RMS-arvot kunkin hetken osalta. Tämä antaa käsityksen siitä, missä laserkeilausaineisto ei ole yhtä tarkka. 

Erityisen tärkeää on kiinnittää huomiota tunneliajoihin ja muihin peitettyihin ympäristöihin, joissa perinteiset mittausmenetelmät saattavat kohdata haasteita. Tarkan analyysin avulla voidaan paikantaa ne ajankohtaiset tilanteet tai olosuhteet, jotka vaikuttavat laserkeilausdatan tarkkuuteen. Näin voidaan kehittää parempia strategioita ja korjauksia näiden haasteiden voittamiseksi ja varmistaa laadukas lopputulos. 

Tarkistuslista tilaajalle:

Taulukossa on tummennettuna pakolliset tiedot, mitkä tilaaja tulisi ainakin täyttää toimittajalle

Ohjeen sisältö

Ohjeen pääsivu

0. Terminologia

0.1 Valmiina saatavaa MML laserkeilausaineistoa ja laserkeilausaineiston jako

1. Laserkeilausaineiston käyttötarkoitus

2. Alueen laajuus

3. Alueen ominaispiirteitä

4. Tilaajan määrittämät aineistoon vaikuttavat tekijät

5. Tuottajan tekemät prosessoinnit ja käsittelyt laserkeilausaineistolle

6. Lopputuoteiden formaatin määrittely

7. Miten tuote toimitetaan

8. Mahdollinen perehdyttäminen

9. Suoritetun mittauksen jälkeen

10. Laadunvarmistus

Tuottajille

Linkkilista