Zowel op het spoor als op de weg wordt grootschalig data ingewonnen. Met behulp van mobiele, statische laserscanners en vanuit de lucht met drones of vliegtuigen vindt grootschalig data-inwinning plaats. Hoe toetst u de kwaliteit van deze geleverde data?
Het koren van het kaf scheiden
De productie van deze grootschalige inwinning is vele malen complexer dan traditionele inwinmethoden. Wij hebben te maken met onder andere plaatsbepaling via GNSS/INS, stereofotogrammetrie en densematching. Hoe bepalen en borgen wij hiervan de kwaliteit? De bestaande richtlijnen van RWS en ProRail voorzien hier niet of nauwelijks in.
Wij hebben afgelopen jaren veel drone-bedrijven gesproken, die vertellen allemaal dat ze de hoogst haalbare kwaliteit halen. Maar hoe tonen zij dat aan? “Wij gebruiken een hoge resolutie camera, dus we hebben een hoge kwaliteit.” De uiteindelijke kwaliteit van de foto of puntenwolk wordt echter door veel meer beïnvloed dan door het aantal pixels. Van invloed zijn de paspunten, contrast in de foto voor een betrouwbare densematching, hoeveel overlap zit er in de foto’s et cetera?
Bij mobiele of statische laserscanning wordt vaak de relatieve nauwkeurigheid genoemd in plaats van nauwkeurigheid van het eindresultaat. Dit is afhankelijk van de GNSS/INS-plaatsbepaling en gebruikte paspunten.
GeoNext heeft de afgelopen jaren honderden kilometers spoor en weg met mobiele-laserscanning ingewonnen. Door de kwaliteit van alle tussenstappen te toetsen, kunnen wij wel iets zeggen over de eindkwaliteit. Meestal gebruiken wij bestaande gegevens als extra verificatie, mits de kwaliteit hiervan beschreven is.
Conclusie
De techniek is er klaar voor om grootschalig puntenwolken in te winnen, maar waar we in het verleden houvast hadden aan de richtlijnen van Kadaster, RWS en ProRail moeten we nu nieuwe richtlijnen ontwikkelen, zodat u grip houdt op de kwaliteit van uw 3D-modellen.
Tijdens InfraTech geven wij over dit onderwerp een presentatie met concrete praktijkvoorbeelden.
