The paper examines the potential use of low-cost LiDAR for cave surveying. Mobile mapping using LiDAR complements traditional speleological surveying using a polygonal traverse. These methods assist each other, with one serving as an independent control measurement for the other, ultimately resulting in a more accurate 3D model. The testing results show that achieving high accuracy and detailed cave representation is possible using open hardware and open-source software. Both spacious and well-indented cave sections and narrow passages barely passable by humans were successfully mapped. The surveying process is significantly faster than traditional cave mapping, as drawing cave sketches by hand is unnecessary, being the most time-consuming task on site. This paper also presents a procedure for automated ground plan generation and profile generation from 3D point clouds, further expediting and simplifying the work for speleologists using scanning systems. Also, it is confirmed that the results are reproducible and do not depend on the subjective interpretation of the cartographer, as is the case with traditional speleological drawings.
If you're attending the #CAA2025 conference and conducting field surveys, we have a great session for you:
🌀S27: Release the Kraken – Mobile GIS empowering survey communities across the globe
🚀📍 #GIS #MobileMapping #CommunityPower #TechForGood #GeoInnovation #Survey
Terrestrial Laser Scanner Quality with SLAM Flexibility! The Z+F FlexScan 22 delivers many modes including static and mobile scanning!
This makes the Z+F FlexScan 22 with the Z+F IMAGER 5016 powered by Z+F LaserControl Office one of the most versatile Reality Capture systems on the market today!
@geoinstinct is the Exclusive Distributor for Zoller + Fröhlich in #Vietnam.
www.geoinstinct.com
[email protected]
+84 (0) 28 710 99 369
Soeben bin ich auf #EveryDoor gestossen und konnte die App antesten. Mittlerweile habe ich einige #MobileMapping Lösungen genutzt und denke das ist eine weitere Ergänzung um schnell mal ein paar Objekte hinzuzufügen.
#Vespucci ist grossartig um mobil beliebige Objekte und Strukturen zu erfassen, aber langsam.
#StreetComplete wiederum perfekt um bestehendes zu ergänzen (vor allem das woran man gerade nicht denkt).
Der Ansatz von #OSMTracker war in ungemaptem Gelände ok.
Winner and Finalists in the Surveying and Monitoring category of the Year-in-Infrastructure Awards: https://gogeomatics.ca/yii-infrastructure-awards-surveying/
#infrastructure #surveying #geomatics #damsafety #mobilemapping #aerialmapping
Hochaufgelöste, genau georeferenzierte RGB-D-Bilder sind die Grundlage für 3D-Bildräume bzw. 3D Street-View-Webdienste, welche bereits kommerziell für das Infrastrukturmanagement eingesetzt werden. MMS ermöglichen eine schnelle und effiziente Datenerfassung von Infrastrukturen. Die meisten im Aussenraum eingesetzten MMS beruhen auf direkter Georeferenzierung. Diese ermöglicht in offenen Bereichen absolute Genauigkeiten im Zentimeterbereich. Bei GNSS-Abschattung fällt die Genauigkeit der direkten Georeferenzierung jedoch schnell in den Dezimeter- oder sogar in den Meterbereich. ... mehrIn Innenräumen eingesetzte MMS basieren hingegen meist auf SLAM. Die meisten SLAM-Algorithmen wurden jedoch für niedrige Latenzzeiten und für Echtzeitleistung optimiert und nehmen daher Abstriche bei der Genauigkeit, der Kartenqualität und der maximalen Ausdehnung in Kauf. Das Ziel dieser Arbeit ist, hochaufgelöste RGB-D-Bilder in verschiedenen Umgebungen zu erfassen und diese genau und zuverlässig zu georeferenzieren. Für die Datenerfassung wurde ein leistungsstarkes, bildfokussiertes und rucksackgetragenes MMS entwickelt. Dieses besteht aus einer Mehrkopf-Panoramakamera, zwei Multi-Beam LiDAR-Scannern und einer GNSS- und IMU-kombinierten Navigationseinheit der taktischen Leistungsklasse. Alle Sensoren sind präzise synchronisiert und ermöglichen Zugriff auf die Rohdaten. Das Gesamtsystem wurde in Testfeldern mit bündelblockbasierten sowie merkmalsbasierten Methoden kalibriert, was eine Voraussetzung für die Integration kinematischer Sensordaten darstellt. Für eine genaue und zuverlässige Georeferenzierung in verschiedenen Umgebungen wurde ein mehrstufiger Georeferenzierungsansatz entwickelt, welcher verschiedene Sensordaten und Georeferenzierungsmethoden vereint. Direkte und LiDAR SLAM-basierte Georeferenzierung liefern Initialposen für die nachträgliche bildbasierte Georeferenzierung mittels erweiterter SfM-Pipeline. Die bildbasierte Georeferenzierung führt zu einer präzisen aber spärlichen Trajektorie, welche sich für die Georeferenzierung von Bildern eignet. Um eine dichte Trajektorie zu erhalten, die sich auch für die Georeferenzierung von LiDAR-Daten eignet, wurde die direkte Georeferenzierung mit Posen der bildbasierten Georeferenzierung gestützt. Umfassende Leistungsuntersuchungen in drei weiträumigen anspruchsvollen Testgebieten zeigen die Möglichkeiten und Grenzen unseres Georeferenzierungsansatzes. Die drei Testgebiete im Stadtzentrum, im Wald und im Gebäude repräsentieren reale Bedingungen mit eingeschränktem GNSS-Empfang, schlechter Beleuchtung, sich bewegenden Objekten und sich wiederholenden geometrischen Mustern. Die bildbasierte Georeferenzierung erzielte die besten Genauigkeiten, wobei die mittlere Präzision im Bereich von 5 mm bis 7 mm lag. Die absolute Genauigkeit betrug 85 mm bis 131 mm, was einer Verbesserung um Faktor 2 bis 7 gegenüber der direkten und LiDAR SLAM-basierten Georeferenzierung entspricht. Die direkte Georeferenzierung mit CUPT-Stützung von Bildposen der bildbasierten Georeferenzierung, führte zu einer leicht verschlechterten mittleren Präzision im Bereich von 13 mm bis 16 mm, wobei sich die mittlere absolute Genauigkeit nicht signifikant von der bildbasierten Georeferenzierung unterschied. Die in herausfordernden Umgebungen erzielten Genauigkeiten bestätigen frühere Untersuchungen unter optimalen Bedingungen und liegen in derselben Grössenordnung wie die Resultate anderer Forschungsgruppen. Sie können für die Erstellung von Street-View-Services in herausfordernden Umgebungen für das Infrastrukturmanagement verwendet werden. Genau und zuverlässig georeferenzierte RGB-D-Bilder haben ein grosses Potenzial für zukünftige visuelle Lokalisierungs- und AR-Anwendungen.
🦀 Werti 🦞
💧🌏 Greg Cocks
CAAPoland
GeoInstinct
schrockg
Andy
Stephan Nebiker