Tulevaisuuden teknologiat: korkean erotuskyvyn laserkeilaus

Teksti: Antero Kukko, Harri Kaartinen ja Juha Hyyppä

Laserkeilauksen yhä monimuotoisemmat sovellukset muuttavat tapaa, jolla keräämme ja jalostamme topografista tietoa. Monilähteisten laserkeilausaineistojen käyttö lisääntyy sensoriteknologian kehittymisen ansiosta.

Sähköverkot
Laserkeilauksen merkittäviä sovelluksia ovat mm. sähköverkkojen ja muiden kriittisten rakenteiden ja toimintojen kartoitus ja seuranta. Kuva: Antero Kukko.

 

Pistepilvidataa tuotetaan maa-, ilma- ja avaruussovelluksin auttamaan päätöksentekijöitä ja kansalaisia ymmärtämään ympäröivää todellisuutta kivenmurusta aina globaaliin yleiskuvaan.

Kansalliset topografiset tietokannat sisältävät maastomittauksista sekä kuva- ja laserkeilaustiedoista jalostettua ja yleistettyä paikkatietoa, mutta ne soveltuvat huonosti jatkuvasti muuttuviin tietotarpeisiin ja tilannetietoisuuden ylläpitoon dynaamisissa ympäristöissä. Kolmiulotteisuus, spektritieto, semanttiset pistepilvet, ajallinen kattavuus, monilähteiset tietovarannot ja automatisoitu käsittely muodostavat puitteet tulevaisuuden topografiselle kartoitukselle.

Yksifotonitekniikka on uusi läpimurto

Laserkeilaus perustuu optisesti suunnattujen laserpulssien käyttöön kohteiden mittaamiseksi kolmiulotteisesti. Paikannukseen käytetään satelliitti- ja inertiamittauksiin perustuvaa suorapaikannusta. Tämä mahdollistaa mittausjärjestelmän hetkellisen sijainnin ja asennon tuottamisen. Valtakunnallisten GNSS-tukiasemaverkkojen rakentaminen on myös merkittävästi myötävaikuttanut laserkeilauksen käyttöönottoon ja käytettävyyteen.

Kyky suunnata mittaukset tiheästi ja tarkasti kohteeseen, sekä lasersäteen tunkeutuminen kasvillisuuden läpi tekevät laserkeilauksesta tehokkaan topografisessa kartoituksessa. Yleinen tapa pitkän kantaman mittaamiseen on lähettää voimakkaita, kapeita ja suhteellisen lyhyitä laserpulsseja kohti kohdetta sekä havaita takaisin sironnut valosignaali pulssin kulkuaikaan perustuvia etäisyyshavaintoja varten. Kasvillisuuden läpi kulkeva valoaaltorintama tuottaa sivutuotteena tietoa kasvillisuuden tiheydestä ja rakenteesta kolmiulotteisesti.

Yksifotonitekniikka on uusi teknologinen läpimurtosovellus laserkeilaukseen. Yksifotonisensori tarvitsee periaatteessa vain yhden tai muutaman fotonin energian etäisyysmittauksen tekemiseen verrattuna satoihin tai jopa tuhansiin fotoneihin, joita tarvitaan tavanomaisessa laseretäisyysmittauksessa. Ilmaisimen herkkyys mahdollistaa suuremman mittausetäisyyden samalla pulssienergialla, jolloin voidaan mitata korkeammalta. Jos käytetään samaa korkeutta, voidaan käyttää matalampaa lähetystehoa, jolloin saavutetaan parempi energiatehokkuus ja toisaalta parempi silmäturvallisuus. Kennomaisen detektorin käytöllä voidaan saavuttaa jopa sata kertaa suurempi mittaustiheys tavanomaisiin antureihin verrattuna samalta etäisyydeltä.

Etäisyysmittaustekniikoita
Laserkeilaukseen käytettyjä etäisyysmittaustekniikoita. Täyden aaltomuodon (Digitized Waveform) tekniikalla kerätään talteen koko sironnut signaali analyysia varten. Reaaliaikaprosessointi- (on-the-fly) ja yksifotonitekniikat tuottavat diskreetin näytteenoton. Keilauskulman muutos vaikuttaa havaittuun signaaliin latvustossa valon muuttuvan kulkureitin takia. (Kuva: mukaillen G. Glennie, 2017).

 

Teknologiaa on kehitetty satelliittikaukokartoituksen tarpeisiin, erityisesti IceSAT2:n laserpohjaiseen ATLAS-sensoriin, jonka dataa käytetään maailmanlaajuiseen jäätikköjen ja kasvillisuuden seurantaan. Ilmalaserkeilaussovellukset ovat tämän kehityksen jatkumo. Yksifotonitekniikkaa tultaneen ennen pitkää käyttämään myös autonomisten ajoneuvojen ja droonien sovelluksissa.

Pilvisyys rajoittaa usein täyden tehokkuuden saavuttamista käytännössä, eikä yksifotoni-ilmaisin myöskään havaitse kaikkia palautuvia yksittäisiä fotoneita vaan toimii ilmaisimelle ominaisella todennäköisyydellä (luokkaa 10 %). Lisäksi laserlähteen lähettämien fotonien lisäksi tunnistetaan myös muita fotoneita (esim. aurinko). Näistä syistä osa kennoilmaisimen tehokkuudesta, eli pistetiheydestä ja erotuskyvystä, menetetään kohinan tunnistamiseen ja poistoon.

Yksifotonimittaukseen on saatavilla kaksi toisistaan hieman poikkeavaa perustekniikkaa. Harris’n Geigerjärjestelmässä jokaiselle lähetetylle pulssille yksittäinen ilmaisimen pikseli havaitsee vain ensimmäisen saapuvan fotonin. Lisäksi detektorin tehokkuus on vain alle 10 % (Photon Detection Efficiency, PDE). Suuri ilmaisin (4069 pikseliä) kompensoi näiden kahden ominaisuuden vaikutusta, ja saatavilla olevat perusdatatuotteet ovat 8 tai 32 pistettä neliömetriä kohti.

Maan pinnan havaitseminen kasvillisuuden alta on haaste. Kartiomainen keilaustapa lisää todennäköisyyttä nähdä latvuston aukoista kasvillisuuden peittämään maanpintaan saakka. Leican SPL100:n sensori (100 erillistä lasersädettä ja 100 pikseliä) havaitsee useita kohteita eri etäisyyksillä jokaista lähetettyä pulssia kohti. Ilmaisin kuitenkin tarvitsee jokaisen fotoni-ilmaisun jälkeen lyhyen (n. 1,6 ps) palautumisajan. Tämä antaa tunkeutuvuuskykyä samaan tapaan kuin perinteinen aaltomuotoinen laseretäisyysmittaus, mutta rakenteellinen analyysi on todennäköisesti haastavampaa em. etäisyysmittauksen stokastisuuden vuoksi. Tarvitaankin vielä lisää analyysia näiden tekniikoiden suorituskyvyn ja tarkkuuden luotettavaksi selvittämiseksi.

Multispektrikeilaus – värinäkö laserilla

Monikanavainen laserkeilaustekniikka on parhaillaan tekniikan käyttöönottovaiheessa, eritoten ilmalaserkeilauksessa. Teknologia tuottaa aktiivista spektritietoa kartoittamiseen, kohteiden havaitsemiseen ja tunnistamiseen kaukokartoituksen menetelmin kolmiulotteisesti. Ensimmäiset kaupallisten sovellusten (Optech Titan ja Riegl VQ-1560i-DW) toteutukset eivät kuitenkaan ole optimaalisia pisteittäisten multispektritietojen hankkimiseksi kunkin aallonpituuskanavan erillisten keilauskulmien ja -kuvioiden vuoksi. Tästä syystä pisteittäinen spektridata on interpoloitava analysointia varten, jolloin erotuskyky jää heikommaksi kuin pistepilvessä sellaisenaan on.

Liikkuvalla kartoituksella mitattuja tiheitä laserkeilausaineistoja voidaan käyttää kiinteistö-, kaavoitus- ja kartoitusmittauksiin. Heijastuvuustietoja voidaan hyödyntää kohteiden tulkinnassa ja automaattisessa mallinnuksessa.

Optech Titan
Optech Titan -keilaimella tuotettu monikanavainen laserpistepilvi kaupunkiympäristöstä. Yhdistetty data eri aallonpituusalueilla auttaa suuresti kohteiden luokittelussa ja tunnistamisessa. Eri kanavien toisistaan poikkeavat keilauskuviot tulevat näkyviin raakapistepilvien visualisoinnissa. Pisteittäisen monikanavatiedon tuottaminen vaatii interpolointia. Kuva: Antero Kukko.

 

Tiheiden laserkeilausaineistojen merkitys

Nykyiset topografiset tietokannat perustuvat yleensä ilmakuviin ja pistetiheydeltään harvoihin laserkeilausaineistoihin. Näitä ylläpitävät kansal liset kartoitusvirastot huomattavalla henkilöstöresurssilla. Laserkeilauksen, digitaalisten kuvien ja pistepilvien prosessoinnin kehitys tarjoavat merkittäviä kustannussäästöjä automatisoidun kartoitusprosessin myötä. Laadukkaammat aineistot ja laskennalliset prosessit parantavat sekä tuotantotehokkuutta että tuotetun paikkatiedon ajantasaisuutta, monipuolisuutta ja laatua. Ihannetapauksessa muutoksen havaitseminen, kartoittaminen ja mallintaminen tulisi yhdistää säännölliseen, muutaman vuoden välein toistuvaan 3D-tiedonkeruuseen.

Monilähteisiä laserkeilausaineistoja käytetään tulevaisuudessa yhä enemmän suorituskykyisten sensoriteknologioiden ansiosta. Kehittyvällä yksifotonitekniikalla on eniten potentiaalia, kun tarvitaan tiheitä pistepilviä alhaisilla yksikkökustannuksilla kansallisen tason tiedonkeruutarpeisiin. Monikanavakeilaimet lisäävät laserkeilausdatan soveltuvuutta ja käyttöä kaukokartoitusmenetelmin kuvatuotteiden ja -tulkinnan lähtöaineistoina. Monilähteisiä laseraineistoja ilmasta ja maasta voidaan käyttää yksityiskohtaisemman tiedon hankkimiseksi valituilta alueilta. Tiheät monikanavaiset pistepilvet tarjoavat tulevaisuudessa peruslähtökohdan automatisoidun mallintamisen prosesseille ja visualisointisovelluksille. Ne muodostavat tulevaisuuden topografisen kartoituksen pohja-aineiston. Pistepilvet edustavat merkittävää aineetonta pääomaa liiketoiminnalle älykkäässä metsätaloudessa ja infrastruktuurin hallinnassa ja tarjoavat monipuolisen alustan uusien sovellusten kehittämiselle.

Artikkeli on tiivistelmä englanninkielisenä GIM International Business Guide 2019 -julkaisussa ilmestyneestä jutusta.

Kirjoittajat:

Tutkimusprofessori, TkT Antero Kukko johtaa Liikkuvan kartoituksen ja autonomisen ajamisen tutkimusryhmää Maanmittauslaitoksen Paikkatietokeskuksessa erityisalanaan laserkeilausjärjestelmät.

Tutkimusprofessori, TkT Harri Kaartinen johtaa Strategisen tutkimuksen neuvoston myöntämää pistepilviteknologioihin keskittyvää COMBAT-hanketta.

Professori, TkT Juha Hyyppä johtaa Suomen Akatemian Laserkeilauksen huippuyksikköä sekä Kaukokartoituksen ja fotogrammetrian osastoa Maanmittauslaitoksen Paikkatietokeskuksessa.

Sähköposti: etunimi.sukunimi@maanmittauslaitos.fi.