Drone-pohjainen lidar metsien inventoinnissa
Sepeteus, Rosenlöf (2025)
Sepeteus, Rosenlöf
2025
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2025060420361
https://urn.fi/URN:NBN:fi:amk-2025060420361
Tiivistelmä
Hankkeessa pyritään ratkaisemaan metsien inventointiin liittyvä pitkäaikainen
ongelma. Tarkoituksena on löytää tehokas tapa kerätä dataa yksittäisten
puiden lukumäärästä, korkeudesta ja rinnankorkeusläpimitasta. Tämä
saavutettiin käyttäen lidar-teknologiaa, jonka avulla muodostettiin 3D-pistepilvi
metsästä. Hyödyntämällä Li2012:een perustuvaa uniikkia algoritmia ja Cloth
Simulation Filtering -suodatinta puita onnistuttiin havaitsemaan pistepilvestä
noin 92.9 % - 95.9 % tarkkuudella. Näistä saatiin myös yksilöllisten puiden
korkeus- sekä rinnankorkeusläpimitta-arviot; todellisia lukuja ei ole saatavilla,
joten kyseessä ovat vain estimoidut arvot.
Varsinaisessa tutkimuksessa käydään läpi tietoa eri lidar-sensoreista, dronetyypeistä ja niihin liittyvistä haasteista. Lisäksi käydään läpi metsiin ja niiden
segmentoimiseen liittyviä termejä, algoritmeja sekä menetelmiä. Viimeiseksi
kehitetään ohjelma, joka pystyy käsittelemään 3D-pistepilven syötteenä
(ensisijaisesti .laz-formaattinen pistepilvi). Pistepilvi kuvaa minkä tahansa
kokoista aluetta (rajoituksena muistikapasiteetti ja tietokoneen
prosessointikyky). Ohjelman ensisijaisena tarkoituksena on tästä pistepilvestä
pystyä havaitsemaan sekä laskemaan, kuinka monta puuta alueella on, sekä
määrittämään näiden rinnankorkeusläpimitat. Ohjelma kehitetään Python-,
Cython- ja C++-ohjelmointikielillä. Käytössä on vapaasti käytettävissä olevaa,
melko rikasta pistepilvitietoaineistoa, jonka avulla pystytään näyttämään
konseptintodistus (proof of concept). Kaavioiden avulla pyritään
ymmärtämään sekä visualisoimaan puiden havaitsemisen lopputulosta sekä
hahmottamaan, kuinka puun korkeus mahdollisesti liittyy sen
rinnankorkeusläpimittaan. Lopputuloksena saavutetaan metsäalueen
inventointi pistepilven perusteella.
ongelma. Tarkoituksena on löytää tehokas tapa kerätä dataa yksittäisten
puiden lukumäärästä, korkeudesta ja rinnankorkeusläpimitasta. Tämä
saavutettiin käyttäen lidar-teknologiaa, jonka avulla muodostettiin 3D-pistepilvi
metsästä. Hyödyntämällä Li2012:een perustuvaa uniikkia algoritmia ja Cloth
Simulation Filtering -suodatinta puita onnistuttiin havaitsemaan pistepilvestä
noin 92.9 % - 95.9 % tarkkuudella. Näistä saatiin myös yksilöllisten puiden
korkeus- sekä rinnankorkeusläpimitta-arviot; todellisia lukuja ei ole saatavilla,
joten kyseessä ovat vain estimoidut arvot.
Varsinaisessa tutkimuksessa käydään läpi tietoa eri lidar-sensoreista, dronetyypeistä ja niihin liittyvistä haasteista. Lisäksi käydään läpi metsiin ja niiden
segmentoimiseen liittyviä termejä, algoritmeja sekä menetelmiä. Viimeiseksi
kehitetään ohjelma, joka pystyy käsittelemään 3D-pistepilven syötteenä
(ensisijaisesti .laz-formaattinen pistepilvi). Pistepilvi kuvaa minkä tahansa
kokoista aluetta (rajoituksena muistikapasiteetti ja tietokoneen
prosessointikyky). Ohjelman ensisijaisena tarkoituksena on tästä pistepilvestä
pystyä havaitsemaan sekä laskemaan, kuinka monta puuta alueella on, sekä
määrittämään näiden rinnankorkeusläpimitat. Ohjelma kehitetään Python-,
Cython- ja C++-ohjelmointikielillä. Käytössä on vapaasti käytettävissä olevaa,
melko rikasta pistepilvitietoaineistoa, jonka avulla pystytään näyttämään
konseptintodistus (proof of concept). Kaavioiden avulla pyritään
ymmärtämään sekä visualisoimaan puiden havaitsemisen lopputulosta sekä
hahmottamaan, kuinka puun korkeus mahdollisesti liittyy sen
rinnankorkeusläpimittaan. Lopputuloksena saavutetaan metsäalueen
inventointi pistepilven perusteella.