Ga door naar hoofdcontent
ArtikelenInnovatie in de landmeetkunde

Innovatie in de landmeetkunde

Maandag 1 juni 2020Afbeelding Innovatie in de landmeetkunde

Innoveren kan op verschillende fronten: bij de inwinning en bij de verwerking. Bij de inwinning denken we aan moderne meetapparatuur, bij de verwerking aan software en slimme algoritmes. GeoNext ontwikkelt voor een groot deel haar eigen software om zo innovaties optimaal te kunnen benutten. In dit artikel willen wij het hebben over innovaties, over hoe wij kwaliteit bewaken en hoe we tijdens de introductie van nieuwe innovaties de faalkosten tot het minimum beperken.

Broekriem en bretels

Kwaliteit hoort van oudsher thuis in de landmeetkunde. De landmeter of maatvoerder is zich ervan bewust dat een niet ontdekte fout grote gevolgen kan hebben voor het ontwerp of de bouw. Vanaf de eerste dag op de opleiding werd ons dit met de paplepel ingegoten. Een bekende uitdrukking is dan ook ‘Een landmeter draagt een broekriem en bretels, als de een het begeeft neemt de ander het over’. Zo worden alle metingen ook uitgevoerd, dubbel en dus gecontroleerd. De kwaliteit vertaalt zich dan ook in precisie en betrouwbaarheid. Grondslagmeten met GPS, Total Station en waterpassen zijn bekende technieken, met netwerkvereffeningsprogramma’s zoals MOVE3 wordt de kwaliteit van de metingen eenduidig vastgelegd. Elke waarneming en coördinaat wordt getoetst, krijgt een precisie en een betrouwbaarheidswaarde. Ook wordt getoetst of het door ons gekozen statistische model past. Hoe zit dit nu bij de nieuwe innovatieve inwinmethodes?

Toetsen

In het Handboek Technische Werkzaamheden (HTW) van het Kadaster en diversen productrichtlijnen van de overheid staat beschreven waaraan een meetopzet en de resultaten moeten voldoen. Veel van die eisen beschrijven de werkwijze om eventuele instrumentafwijkingen te elimineren of juist de opzet om menselijke fouten te voorkomen. Een mooi voorbeeld is het meten in twee kijkerstanden, om asfouten te compenseren. Terwijl in de meest moderne instrumenten dit (bij regelmatige kalibratie) softwarematig wordt opgelost.

De vraag die we ons stellen: voldoen de HTW en al die producteisen nog aan de huidige stand van de techniek? Is een herziening niet op zijn plaats? Toetsen op de kwaliteit van het eindproduct in plaats van voorschrijven hoe je moet meten? Als we meer gaan toetsen op eindspecificaties is gedegen kennis van het proces en de gebruikte techniek onontbeerlijk.

Afbeelding 1 – Oma’s meetlint

Een praktijkvoorbeeld: mijn oma’s meetlint

Wat wij regelmatig tegenkomen, is dat grondslagpunten met GPS-RTK gemeten worden. Een keer de meerduidigheden oplossen en het betreffende punt tien of meerdere keren achter elkaar meten. Het gemiddelde lijkt dan heel nauwkeurig. Maar alle metingen maken gebruik van dezelfde fix en zijn dus afhankelijk van elkaar – in sterke mate gecorreleerd. Importeren we deze waarnemingen in MOVE3, ziet MOVE3 ze als onafhankelijke waarnemingen en klopt ons toetsingsmodel niet meer. Dit kan je vergelijken met het meten van een nauwkeurige afstand met de meetlint uit mijn oma’s breisetje. Ik hou het lint op de nul, trek aan het lint en lees tien keer nagenoeg het zelfde getal af. Het resultaat is subliem. Maar het zegt meer over mijn afleeskunst dan over de meetopzet. Want de waarnemingen zijn allemaal afhankelijk van elkaar, als ik harder trek of de nulpunt fout heb, klopt het niet.

Het toepassen van nieuwe innovatie vraagt meer dan het doorlezen van de technische handleidingen. Het vraagt om het proces te doorgronden en mogelijke foutenbronnen te herkennen en op te lossen. Je dient diepgaandere kennis te hebben van geodesie om dit soort analyses te snappen.

Statische laserscanning

Statische laserscanning is niet geheel nieuw, toch is deze vorm van inwinnen nog steeds in volle ontwikkeling. Een statische laserscanner is eigenlijk niets anders dan een Total Station dat heel snel hoeken en afstanden meet, met een snelheid van meer dan één miljoen punten per seconde. Elke vierkante centimeter wordt gemeten. De positie van de scans wordt bepaald middels targets (natuurlijke of fysieke). Als een deel van de targets ook in RD/ NAP bekend zijn, kan de puntenwolk in RD/ NAP berekend worden. Bij natuurlijke targets gebruik je bestaande objecten die in meerdere scans aanwezig zijn, bij fysieke targets gebruik je checkerboards of bollen.

Het proces van statisch scannen ziet er in hoofdlijnen als volgt uit:

  • Voorbereidende werkzaamheden, zoals aanleg grondslag;
  • Scannen van de omgeving;
  • Doorrekenen van het grondslagnet;
  • Registreren van de scans, de scans koppelen aan het grondslagnet;
  • De scandata converteren naar een puntenwolk.

Net zoals werken met een Total Station, dient het instrument gepositioneerd te worden. Dit proces wordt registreren genoemd. Het registreren kan eventueel vooraf gebeuren, de landmeter zoekt de targets op, en scant deze zeer nauwkeurig in. Als de targets in coördinaten bekend zijn, is de scan direct klaar voor gebruik (dan is de volgorde 1,3,4,2,5). Of achteraf, als de scan is uitgevoerd kunnen met behulp van speciale software de targets gevonden worden, deze worden dan gekoppeld met de database van de targets en de scans worden geregistreerd.

Bij statische laserscanning hebben we te maken met diversen foutenbronnen:

  • Offsets in target-hoogte;
  • Offsets in hoogte prisma (grondslag) en target (scanner);
  • Onvoldoende targets;
  • Extrapolatie van scans door slechte spreiding van targets in RD/NAP;
  • Idealisatienauwkeurigheid natuurlijke targets;
  • Meetnauwkeurigheid van de scanner.

Offsetfouten zijn een enorme crime. Ten eerste moet de landmeter nauwgezet bijhouden welke prisma’s, targets, etc. gebruikt zijn en wat de instrumenthoogtes zijn. Als dit niet secuur gebeurt, wordt de verwerking een ramp. In sommige gevallen kom je er pas tijdens het modelleren achter dat er een hoogtefout inzit.

Een oplossing is om de te gebruiken apparatuur en hulpmiddelen op elkaar af te stemmen: het gebruik van één vast type target en prisma, werken met dwangcentrering etc. Foutieve invoer of registratie van offsets is dan tot een minimum beperkt of snel terug te vinden.

GeoNext heeft het opgelost door, met speciale adapters, de prismahoogte identiek aan de instrumenthoogte te laten zijn, en de hoogte van het hart van het target identiek aan hoogte van de vizierlijn van de scanner. Op deze wijze maken we geen fouten.

Fouten maken moet, maar leer ervan

Registreren van de scans

Tijdens het registreren van de scans, worden de verschillende opstellingen aan elkaar gekoppeld. Dit gebeurt door de targets die in meerdere scans zijn gemeten. De meeste registratiesoftware is in staat de targets automatisch te vinden, in sommige gevallen dient een handmatige interactie plaats te vinden. Deze stap is bepalend voor de kwaliteit van de puntenwolk. De kwaliteit is afhankelijk van de optimale verdeling van de targets in de scan, zowel in het horizontale als in het verticale vlak. De software berekent per opstelling de uiteindelijke residuen. Maar als er maar heel weinig targets zijn, dan kunnen de residuen klein zijn terwijl de registratie slecht is. Vragen die je kunt stellen zijn: wat doet de software met de schaalfactor, welke vereffeningmethode wordt er gebruikt, hoe vindt de toetsing plaats? Als alles netjes is uitgevoerd verwachten wij geen problemen; maar juist in die gevallen waar de omstandigheden niet ideaal waren, kan de software verkeerde beslissingen nemen.

GeoNext heeft dit opgelost door de waarnemingen van de scanner naar de targets naar MOVE3D te exporteren. In MOVE3 vereffenen wij de grondslag inclusief alle targets, en kunnen alle waarnemingen volgens geodetische principes getoetst worden. Elke standplaats krijgt een kwaliteitsbeschrijving. Nadat de vereffening heeft plaatsgevonden, kennen we van elk target de coördinaten in RD/NAP en is de registratie een kwestie van enkele drukken op de knop. Dit proces is zeker vier keer sneller en de registratie is foutloos.

Afbeelding 2 – BOL plus GPS.

On the fly registratie

Veel moderne scanners zijn uitgerust met een IMU (een traagheidsnavigatiesysteem dat de verplaatsing bijhoudt met behulp van sensoren) of VIS (Visual Inertial System dat de verplaatsing bijhoudt met behulp van camera’s). Dat betekent dat in het veld de scans geregistreerd worden.

De volgende stappen worden doorlopen: De IMU of VIS houdt ongeveer de verplaatsing bij. Op basis van de eerder ingewonnen scan wordt de nieuwe scan daar op ingepast. Dit gebeurt redelijk snel omdat het al ongeveer goed ligt door de IMU of VIS. Het aansluiten van scans gebeurt op basis van cloud- 2cloud oplossing. Het systeem vergelijkt beide puntenwolken en probeert deze zo goed mogelijk op elkaar aan te sluiten. Eventueel is achteraf nog een fijnafstemming met targets mogelijk. Voor deze methode ben je afhankelijk van de oplossingen die de software-fabrikant levert. De uiteindelijke kwaliteit is moeilijk te beoordelen. Een aantoonbare toetsing op nauwkeurigheid en betrouwbaarheid zal op een andere wijze plaats moeten vinden.

Ook bij deze techniek zijn mogelijke valkuilen of risico’s:

  • In het gebied moeten voldoende vlakvormige objecten aanwezig zijn om het aan elkaar te rekenen. Bij werken langs bijvoorbeeld een spoorbaan of (snel)weg zal het systeem minder goed werken;
  • Zorg voor extra controlemetingen en punten die in coördinaten bekend zijn, om achteraf te controleren;
  • Scan sommige stukken ook ‘traditioneel’ met targets en vergelijk deze met de ‘on the fly’ methode. Op deze wijze krijg je beter inzicht wanneer de on the fly goed of minder goed werkt.
Afbeelding 3 – Uitsnede MOVE3. In de laatste kolom staat de standaardafwijking vermeld van het ingemeten target.

Toekomstige ontwikkelingen

Nog slimmere sensoren, combinatie van sensoren, combineren van databronnen en slimmere algoritmes gaan onze toekomst bepalen. Een voorbeeld is het gecombineerd inwinnen van luchtfoto’s, obliekfoto’s en laserscanning. Er ontstaan producten die voorheen niet bestonden. Een voorbeeld zijn de opnames die ProRail maakt met een helikopter. Deze helikopter is uitgerust met drie fotocamera’s en een laserscanner. Het voordeel van deze techniek is dat het eindproduct zeer compleet is. De hoge resolutie foto’s zorgen voor een duidelijke identificatie van de diversen objecten. De laserscanner zorgt voor een nauwkeurige 3D-meting. Een ander groot voordeel is dat puntenwolk uit de laserscanner uitermate geschikt is voor het uitvoeren van geavanceerde, geautomatiseerde analyses. Doordat ProRail goed heeft nagedacht over de controle van de data en het aantonen van de kwaliteit, maakt dat deze innovatie geslaagd is en het product meerwaarde biedt. Wij zijn enorm onder de indruk van deze nieuwe bron aan data en de nauwkeurigheid van het product, en gebruiken het dus ook regelmatig.

Tips

 

Organisatorisch:

• Wil je succesvol innoveren, zorg ervoor dat de organisatie er klaar voor is;

• Zorg voor een innovatiementaliteit in de organisatie, laat de mensen het nut en de noodzaak ervan zien;

• Laat de rest van de organisatie meegenieten van de resultaten, zorg voor draagvlak;

• Neem medewerkers aan die diepgaande kennis van het vak landmeten en kwaliteitsdenken hebben;

• Neem medewerkers aan die in staat zijn om software of handige tools te ontwikkelen om processen te optimaliseren;

• Organiseer je groep zo dat hij in staat is om van fouten te leren;

• Stimuleer innovatie, omarm geslaagde én mislukte innovaties, leer van de valkuilen en fouten en verbeter ze;

• Begin een Wiki met de opgedane kennis en deel ze met de rest van de organisatie;

• Laat 1000 bloemen bloeien.

 

Procesmatig:

• Wat zijn de eisen en voorschriften van de klant?;

• Kan ik het proces standaardiseren, schrijf eenduidige werkinstructies;

• Begin met kleine projecten, in plaats van meteen een grote;

• Organiseer een collegiale toetsing van het tussen- of eindproduct;

• Neem extra controlestappen op het eindresultaat om eerder niet ontdekte fouten op te sporen;

• Hoe kan ik het product toetsen aan de hand van een bewezen techniek?

 

Technisch:

• In kaart brengen van alle mogelijke inwin-fouten, welke sensor doet wat?;

• In kaart brengen van mogelijk instellingsfouten in de software, denk aan de juiste parameters voor conversie naar RD en NAP;

• Is data achteraf opnieuw te processen met andere of betere parameters?;

• Hoe sluit ik aan op lokale grondslag?;

• Beschik ik over de juiste kennis en vaardigheden.

Afbeelding 4 – ProRail LIDAR/FOTO.

Om nauwkeurigheden van 1,5 cm in de hoogte te halen met mobiel scannen, vraagt dit het uiterste van de apparatuur en meetopzet. Een vinkje uit of aan in de software kan vergaande gevolgen hebben. Dit proces kent het pad van de honderd valkuilen. De techniek is redelijk nieuw en je moet alles opnieuw uitvinden. Het inbouwen van veel controlestappen is een must. In een eerder artikel beschreven wij de kwaliteit van mobiele scannen, we gaan er hier niet verder op in.

Drones vullen onze hemel, de een groter, wendbaarder en nauwkeuriger dan de andere. Vanuit de ingewonnen fotobeelden wordt met behulp van aerotriangulatie en densematching 3D-modellen gemaakt. Opeens hebben we te maken met fotografische technieken, contrastverschillen en inwendigeen uitwendige oriëntering van de foto’s. Het kwalitatief toetsen van het eindproduct vraagt enorm veel inhoudelijke kennis van het proces.

Afbeelding 5 – Mobiel scannen.

Investeren

Innovatie is niet weg te denken uit onze branche. Het wordt nu veel interessanter om sensoren in te zetten die grote hoeveelheden data verzamelen in een kort tijdbestek, omdat de verwerking van de data steeds meer geautomatiseerd is. Slimme software is in staat ons veel werk uit handen te nemen. Naast het investeren in hardware, dient er ook geïnvesteerd te worden in de organisatie en processen om een gegarandeerde kwaliteit te halen. Ga ervan uit dat je in één van die valkuilen valt, dat je fouten maakt. Ons credo is fouten maken moet, maar leer ervan.

Auteurs

Afbeelding voor Tobias Wittwer

Tobias Wittwer

Volledige biografie
Afbeelding voor Nico Schaefers

Nico Schaefers

Volledige biografie