Tekoälyllä tuotettujen rakennusaineistojen laadun arviointi

Abstract

Tämän opinnäytetyön tarkoituksena oli selvittää, voiko tekoälyn avulla tuotettuja rakennusaineistoja hyödyntää maastotietokannan rakennusten ylläpidossa. Lisäksi kehitettiin menetelmä, jolla kartoittaja löytää tekoälyaineistosta maastotietokannan rakennusten päivittämisen kannalta kriittiset kohteet. Käytössä oli kaksi erilaista tekoälyn avulla tuotettua rakennusaineistoa: AI-lidar-aineisto ja AI-orto-aineisto. AI-lidar-aineisto oli tuotettu laserkeilausaineistosta ja AI-orto-aineisto ilmakuvilta tuotetuista tosiortokuvilta. Näitä aineistoja verrattiin maastotietokannan rakennuksiin ja tarkasteltiin ortokuvilla.

Opinnäytetyön aihetta käsiteltiin määrällisten menetelmien kautta. Aineistoille tehtiin ristiin vertailut päällekkäisyysanalyysillä, minkä jälkeen rakennuskohteet lajiteltiin eri luokkiin päällekkäisen pinta-alan mukaan. Tuloksia esiteltiin diagrammeina, taulukoina ja kuvioina.

Opinnäytetyön tulokset osoittivat, että tekoälyn avulla tuotettuja rakennusaineistoja voidaan hyödyntää maastotietokannan rakennusten ylläpidossa. Päällekkäisanalyysiä hyödyntäen tekoälyaineistoista voidaan löytää maastossa olevia rakennuskohteita, jotka puuttuvat maastotietokannasta sekä rakennuskohteita, joita ei enää maastossa ole ja jotka tulisi poistaa maastotietokannasta. Toimintatapa edellyttää, että tietty osa rakennuskohteista käydään yksitellen läpi, mutta koska niiden suhteellinen osuus on melko pieni, se on mahdollista. Tulevaisuudessa tilanne voi vielä parantua, koska tekoälyaineistoista on mahdollisesti tulossa yksi, yhdistetty aineisto.

The aim of thesis study was to find out whether building datasets produced with the help of artificial intelligence could be utilized in the maintenance of the topographic database.

The study was carried out using a quantitative method. Cross-comparisons were made between the data using an overlap analysis. After that, the building objects were sorted into different categories according to the common surface area of the buildings. The results were presented in the form of graphs, tables and figures. Also, a method by which the cartographer finds critical objects from artificial intelligence data was developed. The method can be used to update the topographic database. AI-lidar and AI-ortho-artificial intelligence data were used. The AI data was compared with the buildings in the topographic database and examined with orthophotos.

The thesis was able to answer research questions. The results showed that building dataset produced with the help of artificial intelligence can be utilized when the buildings in the topographic database are updated. AI data can be used to find critical building objects which could be utilized in the maintenance of the topographic database. It is necessary to go through some of the building objects one by one but since there are only few of them it is possible. In the future, the situation may improve if a single, combined AI data is made available.