Hur går mobile mapping till? Och hur gör vi?

Mobile mapping skapar en detaljerad digital modell av verkligheten genom en effektiv process – från noggrann planering och datainsamling i fält till avancerad efterbehandling och analys. Med modern utrustning och expertkunskap kan hela arbetsflödet genomföras snabbt och med hög precision, vilket ger en användbar digital tvilling för projektering, dokumentation och beslutsfattande.  För att genomföra mobile mapping i praktiken behövs en kombination av planering, fältdatainsamling och efterbehandling av data.  

Att utföra mobile mapping delas upp i flera steg, detta är lite hur vi gör: 

1. Planering: Innan fältarbetet planeras rutt och upplägg. Man identifierar vilka vägar eller områden som ska skannas och tar hänsyn till faktorer som tillåtna vägsträckor, trafik, och GPS-täckning. Rutten kan schemaläggas i förväg och sparas i exempelvis KML-format för att följas i fält. Det är optimalt att välja en tid med bra ljusförhållanden (helst dagsljus med molnigt väder för jämnt ljus) och minimal trafikstörning. Eventuella referenspunkter (t.ex. markstöd i form av inmätta referenspunkter på marken) kan etableras om extra noggrannhet behövs vid georefereringen. 
2. Datainsamling i fält: Utrustningen monteras på fordonet (I vårt fall används ofta en spårgående vagn för järnvägar). Innan start initieras systemet – GNSS tar in sin position, IMU:n kalibreras och LiDAR/kameror börjar samla data. Operatören kör fordonet längs den planerade rutten. Under körningen skickar LiDAR-skannrar ut laserpulser kontinuerligt och fångar upp miljontals avståndspunkter per sekund. Samtidigt tar kamerorna regelbundet bilder (t.ex. varje 5-10 meter eller enligt tidsintervall), vilka synkroniseras med skanningsdata. GNSS och IMU loggar fordonets precisa bana och orientering över tiden. All data – punkter, bilder och positionsinfo – lagras på systemets dator i fordonet. Insamlingen kan ske i relativt hög hastighet; moderna system kan mäta i normal trafiktempo (t.ex. 80 km/h) och ändå bibehålla hög noggrannhet i den insamlade modellen. Detta innebär att man oftast inte behöver stänga av vägar eller spår under mätningen, vilket minimerar störningar och ökar säkerheten. 
3. Efterbehandling av data: När fältarbetet är klart överförs den råa datamängden till ett bearbetningsprogram. Först utförs trajektori-beräkning – GNSS-data kombineras med IMU-data för att beräkna fordonets exakta väg (x, y, z och orientering) genom hela mätningen. Ofta används dubbla GPS-antenner eller en lokal basstation alternativt nätverks-RTK-korrektionsdata för att förbättra noggrannheten på trajektorin. Resultatet blir en tidsstämplad positionsfil för fordonet. Därefter georefereras punktmolnet: varje laserpunkt (med mätt avstånd och vinkel) ges koordinater genom att kombinera punktens relativa position (från LiDAR) med fordonets position/orientering vid tidpunkten för skanningen. På liknande sätt placeras fotos som panoramabilder längs rutten med korrekt geografisk position. Punktmolnet kan färgsättas genom att projicera fotona på punkterna, så att man får ett färgat punktmoln där varje punkt har RGB-värden från kamerabilderna. 
4. Kvalitetssäkring och justering: I efterbearbetningen kontrolleras datakvaliteten. Ofta finns överlapp mellan körsträckor (t.ex. när man kör samma vägsegment från motsatt riktning eller i flera körfält). Strip adjustment kan då utföras, vilket innebär att olika skanningsstråk jämförs och justeras mot varandra för att korrigera små avvikelser. Om man tidigare placerat ut markstöd eller har kända referenspunkter i området kan punktmolnet justeras mot dessa för att eliminera globala fel och uppnå högsta noggrannhet. Genom dessa steg kan man uppnå mycket hög precision – ofta på centimeternivå globalt, och med millimeternoggrannhet i detalj mellan punkter i samma skanning. 
5. Leverans och analys: Den slutliga punktmolnsmodellen och bilderna utgör en digital tvilling av miljön, som kan användas på många sätt. Beroende på kundens behov kan olika slutprodukter tas fram. Exempelvis kan man extrahera vägkanter, skyltar, ledningar och andra objekt ur punktmolnet för att skapa kartor eller CAD-ritningar. Mjukvaror finns för att automatiskt klassificera punktmolnet (t.ex. skilja mark, vegetation, byggnader, vägyta) och för att extrahera features semi-automatiskt. Vanliga leverabler är: punktmoln i standardformat (LAS/LAZ), 3D-modeller/mesh av terräng eller anläggningar, ortofoton genererade från bilderna, samt GIS-skikt med utmätta objekt (t.ex. vägmärken, stolpar) och traditionella ritningar/tvärsektioner. Ofta erbjuds även data via webbportaler eller 3D-visningsverktyg, där användare kan utforska miljön virtuellt. Till exempel kan man via en webbaserad viewer panorera i 360°-bilder och klicka för att mäta direkt i den digitala modellen. Genom integration med GIS och BIM-system kan informationen sedan användas för vidare analys, projektering eller dokumentation i pågående projekt. 

Det fullständiga arbetsflödet – från fältmätning till färdig digital modell – kan genomföras mycket snabbt jämfört med traditionella metoder. Rådataregistreringen (steg 3) kan ofta automatiseras och slutföras kort efter fältarbetet (inom minuter eller timmar). Hela processen kräver dock expertis inom geodetisk databehandling för att säkerställa kvaliteten. Vi på atritec specialiserade på maskinell mätning och geodetisk analys som tar hand om hela kedjan från datainsamling till leverans, vilket frigör tid för kunden att fokusera på användningen av resultaten i sitt projekt. 

Vill du veta mer om hur Atritec kan hjälpa dig med mobile mapping-lösningar? Läs mer om våra tjänster eller kontakta vårt team för en personlig konsultation. 

På Atritec kombinerar vi teknik och expertis för att skapa exakta digitala modeller – anpassade efter dina behov.