Kohti tietoaineistolähtöistä rakennetun ympäristön kiertotalouden suunnittelua: yksityiskohtaisten 3D-paikkatietoaineistojen hankinta kortteleissa

18.10.2022

Kaisa Jaalamaa, Heikki Kauhanena, Arttu Julina, Toni Rantanena, Matti Kurkelaa, Aino Keitaanniemia ja Matti Vaajaa

aAalto-yliopisto, Rakennetun ympäristön laitos 

Circular Green Blocks -hankkeen blogisarja

Asiasanat: kiertotalous, tietoaineistolähtöinen suunnittelu, 3D-mittaus- ja mallinnus, korttelit, taloyhtiöt, UAV-fotogrammetria, laserkeilaus

yksityiskohtaisten 3D-paikkatietoaineistojen hankinta kaupunkikortteleissa

Kerroimme aiemmassa blogikirjoituksessamme kiertotalouden aineistolähtöisen suunnittelun mahdollisuuksista rakennetussa ympäristössä. Kiertotaloudessa on monella tapaa kyse ihmisen toiminnan optimoinnista ja luonnolle koituvien haittojen minimoinnista, joiden toteutumista ja suunnittelua voidaan tukea erilaisilla tietoaineistoilla. Kiertotalouden teemat näkyvät jo rakennetun ympäristön suunnittelussa ja hallinnassa. Tiivistyvä kaupunkirakenne suuntaa kiertotalouden tarkastelua myös hyvin paikalliselle tasolle. CGB-hankkeessa selvitämme kiertotalouden paikkatietopohjaisen suunnittelun potentiaalia taloyhtiö- ja korttelitasolla.

Tässä blogikirjoituksessa esittelemme, millaisin menetelmin keräsimme hankkeen pilottikohteista Helsingin Malminkartanosta, Espoon Latokaskesta ja Vantaan Leinelästä tarkkaa piha- ja talokohtaista 3D-mittaus- ja mallinnustietoa, jota voidaan hyödyntää täydentämään avoimia 3D- ja 2D-paikkatietoaineistoja kiertotalouden suunnittelussa ja monitoroinnissa, sekä soveltaa myös itsenäisinä tietoaineistoina. Aineistot kerättiin kahtena ajankohtana, toukokuussa ja elokuussa, jotta pystyttiin mittaamaan korttelit sekä lehdettömänä että lehdellisenä ajankohtana. Aineistonkeruussa tähdättiin samanaikaisuuteen; aineistonkeruu eri mittalaitteilla tapahtui muutaman päivän aikajänteellä sekä touko- että elokuun mittauskampanjoissa.

UAV-fotogrammetria eli ilmakuvapohjainen aineisto 3D-mallinnusta varten

Ilmakuvapohjaisen aineiston tarjoama lintuperspektiivi mahdollistaa korkeiden kohteiden kuten talojen kattojen ja korkeiden puiden latvustojen mittauksen. Hyödynsimme kahta UAV-fotogrammetriapohjaista menetelmää (UAV muodostuu sanoista unmanned aerial vehicle; suomeksi miehittämätön ilma-alus). UAV-lyhenteen alle lukeutuu monenlaisia laitteita, mutta aineistojen keruussa hyödynsimme vain multiroottorityyppisiä droneja.

UAV-ilmakuvaus suoritettiin kartoitusdronella toukokuussa ja elokuussa 2022 Malminkartanossa ja Latokaskessa samoihin aikoihin muiden 3D-mittausaineistojen keruun kanssa. Kartoitusdronella tehdyn aineistonkeruun lentoaika oli Malminkartanossa noin 20 minuuttia ja Latokaskessa 15 minuuttia. Lisäksi elokuussa lennettiin käsiohjauksella toteutettu täydentävä dronekuvaus pienemmän A2-painoluokan dronella, jonka lennätys taajamassa avoimessa kategoriassa onnistuu tason A2 pätevyydellä.

Näistä kahdesta kuvaustavasta painavammalla dronella toteutettu lento suoritetiin korkeammalta lentokorkeudelta (noin 115 metristä) kuin kevyemmällä dronella (noin 30 metristä), joten vaikka kevyemmällä dronella toteutun aineiston resoluutio oli heikompi, oli raakakuvien yksityiskohtaisuus alhaisemman lentokorkeuden myötä kutakuinkin samaa luokkaa. Kevyemmän dronen alhaisempi lentokorkeus mahdollisti myös paremman julkisivujen yksityiskohtien taltioimisen, koska kuvat voitiin ottaa paremmin kohtisuoraan suhteessa julkisivuihin. Molemmat aineistot kerättiin viistokuvauksina, jolloin kamera ei osoita suoraan alaspäin, kuten perinteisessä nadiiri-ilmakuvauksessa on tapana, vaan kamera on suunnattu tyypillisesti loivasti lentosuuntaa kohti.

Kartoitusdronella kerätyt raakakuvat prosessoitiin 3D-pistepilviksi ja georeferoitiin GK25FIN-koordinaatistoon. Prosessoinnissa hyödynnettiin tilastollisia suodatusmenetelmiä, joilla parannettiin tuotetun 3D-pistepilven tarkkuutta. Tuotetun pistepilven (kuva 1) tarkkuus (oli muutaman sentin luokkaa ja pistetiheys noin 2500 pistettä neliömetrille, mikä on huomattavasti korkeampi pistetiheys kuin perinteisillä ilmakartoitustavoilla kerätyn aineiston tiheys. Tuotetusta aineistosta syntyi siis avoimena saataviin 3D-paikkatietoaineistoihin verrattuna hyvin yksityiskohtaista 3D-paikkatietoa korttelista.

Pistepilvi, Malminkartano
Kuva 1. Kuvakaappaus kartoitusdronella kerätystä pistepilvestä Malminkartanosta. © Aalto-yliopisto, Heikki Kauhanen

Maalaserkeilaus ja -fotogrammetria eli maantasolta kerättävät aineistot 3D-mallinnuksessa

Maantasolta kerättävien 3D-mittausaineistojen tarjoama perspektiivi on hyödyllinen erityisesti lähellä maanpintaa sijaitsevien sekä rakenteiden tai puuston katveessa sijaitsevien pienipiirteisten kohteiden ja maastonmuotojen 3D-mallinnuksessa. Hyödynsimme Malminkartanossa ja Latokaskessa maalaserkeilausta (kuva 2), jotta saisimme tarkkaa tietoa lähellä maanrajaa ja lehvästön alla sijaitsevista ympäristön yksityiskohdista. Maalaserkeilausaineisto kerättiin kattavasti talojen piha-alueilta niin, että mittausasemien väli vaihteli noin 5–10 metrin välillä ja pisteväli vaihteli 3–6 millimetrin välillä 10 metrin etäisyydellä mittausasemasta riippuen. Maalaserkeilaukset toteutettiin kahden laserkeilaimen avulla; Latokaskella keilaukset kestivät noin yhden työpäivän sisältäen 64 keilausasemaa toukokuussa ja 92 elokuussa. Malminkartanossa keilaukset kestivät noin viisi tuntia, sisältäen 51 keilausasemaa toukokuussa ja 58 elokuussa. Yksi keilausasema sisälsi ympäristön lasermittauksen ja panoraamakuvat yhdeltä maantieteelliseltä pisteeltä horisontaalisesti 360-asteen ja vertikaalisesti 300-asteen näkymällä.

Laserkeilain Latokaski ja Malminkartano
Kuva 2. Laserkeilausta Latokaskessa toukokuussa 2022 ja Malminkartanossa elokuussa 2022. © Aalto-yliopisto, Kaisa Jaalama ja Matti Vaaja

Kokeilimme myös joidenkin Malminkartanon ja Latokasken ympäristön yksityiskohtien kohdalla maantason fotogrammetrista valokuvausta sekä Malminkartanossa myös hyperspektrikuvausta maantasolta hyperspektrivärjäyksen tuottamista varten. Tavallisen kolmen värikanavan (RGB) sijaan lukuisia kanavia sisältävillä hyperspektrikuvilla on mahdollista selvittää tarkempia ominaisuustietoja rakennetusta ympäristöstä ja siksi niiden yhdistäminen muuhun 3D-paikkatietoon on mielenkiintoinen mahdollisuus.

Protyyppitekniikoiden kokeilu 3D-paikkatiedon keruussa

Keräsimme kokeilumielessä laser- ja valokuvauspohjaista aineistoa liikkuvilla menetelmillä Leinelässä, Malminkartanossa ja Latokaskessa (kuva 3). Liikkuvat mittausmenetelmät tarkoittavat, että kuvaaja tai kuvausinstrumentti liikkuu samalla, kun laserkeilaus- ja kameralaitteisto keräävät kohteesta aineistoa. Käsin käytettynä tai esimerkiksi kantoreppuun kytkettyinä kyseiset menetelmät ovat vielä monella tapaa marginaalisia muun muassa niiden edelleen heikohkon mittaustarkkuuden vuoksi (esimerkiksi maalaserkeilaukseen verrattuna); silti joissakin tiedonkeruutarkoituksissa myös liikkuvien menetelmien tarkkuus- ja informaatioarvo voi olla riittävä.

Laserkeilausta Leinelässä
Kuva 3. Käsin käytettävää liikkuvaa SLAM-laserkeilausta (simultaneous localization and mapping, SLAM) Leinelässä toukokuussa 2022. © Aalto-yliopisto, Kaisa Jaalama.

Huomioitavaa tarkan piha- ja talokohtaisen aineiston hankinnassa

Kerätyt aineistot vaativat esikäsittelyä ja jatkokehitystä jalostuakseen eri analysointitarkoituksiin. Kun kerätyt aineistot on esikäsitelty, ne voidaan viedä esim. paikkatietojärjestelmiin, pelimoottoreihin tai suunnitteluohjelmistoihin erilaisia simulaatioita, visualisointeja ja analyyseja varten. Esimerkiksi pelimoottoria varten aineistot pitää ensin muuttaa pistepilvimuotoon, mikäli mittausinstrumentti ei tee sitä automaattisesti. Lisäksi pistepilvi rajataan maantieteellisen alueen ja pistepilven tiheyden osalta halutun mukaiseksi. Virheellisesti mitatut pisteet on hyvä poistaa aineistosta. Aineisto voidaan liittää maantieteelliseen koordinaatistoon ja tarvittaessa eri pistepilviaineistot voidaan yhdistää. Julkisesti jaettavassa aineistossa tulee varmistaa myös aineiston anonymisointi tarvittavalla tavalla yksityisyyden suojan varmistamiseksi; ihmisiä, yksityisiä pihoja ja asuntojen sisätiloja ei tulisi näkyä lopullisessa aineistossa.

Useissa sovellustapauksissa pelkkä pistepilvikään ei vielä riitä, vaan aineistot täytyy jatkojalostaa ja optimoida muodoltaan sopivimmiksi 3D-malleiksi, kuten pelimoottorien tapauksessa tyypillisesti teksturoiduiksi kolmioverkkomalleiksi ja suunnitteluohjelmistojen tapauksessa CAD- tai BIM-malleiksi.

Ennen taloyhtiökohtaista mittausta on hyvä varmistua siitä, että taloyhtiön hallitukselta tai vastaavalta taholta on saatu mittauksiin lupa ja asukkaita on tiedotettu mittauksista. Mittausaineistojen sidonta eli georeferointi maastokoordinaatistoon satellittiipaikannusta (kuva 4) hyödyntäen on myös suositeltavaa paikkatietopohjaisen lopputuloksen varmistamiseksi. Hankkeessa aineiston keruu toteutettiin toista UAV-aineistoa lukuun ottamatta yliopiston tutkimusryhmän toimesta. Kartoitusdrone-kokoluokan laitteiden lennättäminen taajamassa on nykyään lainsäädännöllisesti rajattua, minkä vuoksi ilmakuvausaineiston raakakuvat tuotettiin pääosin alihankintana. Suomessa toimii useita paikkatietoteknologian alan yrityksiä, jotka tarjoavat paikallisen rakennetun ympäristön mittaus- ja mallinnuspalveluita.

Paikannus Latokaski
Kuva 4. Mittausaineistojen siirto maastokoordinaatistoon varmistettiin paikannuslaitteistojen avulla. Kuva Latokaskesta toukokuussa 2022. © Aalto-yliopisto, Kaisa Jaalama.

3D-mallinnusaineistoja voidaan käyttää mm. taloyhtiön rakenteiden visualisoinnissa ja monitoroinnissa, kuten julkisivuvaurioiden kartoituksessa, sekä pihan toimintojen suunnittelussa, kuten hulevesimallinnuksen osana sekä valo- ja varjomallinnuksessa. Avaamme näitä mahdollisuuksia blogisarjan seuraavissa osissa.

Välitä eteenpäin