Bomen worden steeds belangrijker rond het bouwproces. Ze vangen CO2 op, helpen de sector bij het terugdringen van het stikstofprobleem. Bovendien horen bomen in onze leefomgeving. Het in kaart brengen van bomen is bij veel bouw- en infraprojecten prioriteit. Met drone en lidar kan dit nauwkeurig en effectief worden uitgevoerd. Lees meer over deze methode.
“Het is belangrijk om te weten hoeveel bomen er op een project staan en vooral waar die bomen staan. Drone en lidar zijn snel en effectief bij die inventarisatie”
Hoeveel bomen en waar?
De meeste gemeenten hanteren een compensatiebeleid; voor elke gekapte boom moet er een nieuwe boom terugkomen. Daarom is het belangrijk om te weten hoeveel bomen er op een project staan en vooral waar die bomen staan. Dat laatste is tevens van groot belang in het ontwerpproces van een project.
Als er landmeetkundig naar bomen gekeken wordt dan was het tot voor kort een grote uitdaging om deze nauwkeurig in kaart te brengen. De meeste meetapparatuur heeft geen bereik onder bomen en de apparatuur waar wel mee onder bomen kan worden gemeten, zijn zeer tijdrovend om in te zetten. Dit is waar drones in uitblinken; er is altijd bereik en ze kunnen makkelijk grote oppervlaktes inmeten. Echter, niet iedere drone is in staat om nauwkeurig bomen in kaart te brengen.
Lidar
Daarvoor is een nauwkeurige Lidar sensor nodig. De droneteams van SkyWise hebben meerdere Lidar sensoren waarmee nauwkeurig – met een maximale afwijking van 3 centimeter – kan worden gemeten. Het inmeten van bomen is dan ook bijna dagelijks een terugkerende routine voor de piloten en observers van SkyWise.
Lees verder onder de afbeelding.
Het nauwkeurig inmeten van bomen is al een vak op zich, maar de vertaling van meting (point cloud) naar tekening is waar veel expertise nodig is. Vaak wordt gevraagd naar een 2D CAD tekening, bij voorkeur in NLCS, waarbij – in het geval van bomen – de stamposities en kroonprojecties zijn aangegeven. Maar de ruwe bestanden die SkyWise inwint met de Lidar sensoren zijn in 3D en vaak met honderden miljoenen meetpunten. Dat is leuk om naar te kijken, maar een klant kan daar over het algemeen niet zo veel mee.
Inzet en algoritme
Daarom heeft het bedrijf een geheel eigen werkwijze ontwikkeld waardoor de klant wel profiteert van de volledigheid van een 3D meting, maar deze gewoon op een 2D tekening kunnen lezen en inzetten. Hierbij zijn zelf getrainde algoritmes een belangrijke schakel. Doordat SkyWise honderden point clouds per jaar classificeert.
Hierbij worden bomen, gebouwen, hekwerken en dergelijke vrijwel automatisch herkend en is het mogelijk om het systeem met een eigen algoritme te trainen. Deze wordt iedere meting geoptimaliseerd, omdat deze soms door het menselijk oog wordt gecorrigeerd. Daardoor weet het de volgende keer nog beter onderscheid te maken.
Het resultaat is dat deze speciale software duizenden bomen in zeer korte tijd kan scheiden van de rest van de point cloud. En op eenzelfde wijze kunnen deze bomen ook weer los van elkaar gescheiden worden, waardoor per boom de stamdikte, stam positie, kroonprojectie en de hoogte van de boom kunnen worden bepaald. Zie de afbeelding hierboven.
Lees verder onder de afbeelding.
Het lijnenwerk van al deze losse bomen wordt uiteindelijk op een tekening geplaatst, vaak met allerlei andere elementen zoals gebouwen, wegen, groenstroken etc. Hierdoor ontstaat de traditionele situatietekening waar iedere ontwerper mee kan werken – uiteraard in NLCS (zie de afbeelding hierboven). Het belangrijke verschil is, dat die is ontstaan vanuit een veel rijkere dataset en daardoor veel vollediger beeld geeft van de feitelijke situatie.
Tijd en geld
Deze nieuwe benadering van landmeten klinkt duur, maar de dienst die SkyWise levert is logischerwijs scherp geprijsd omdat veel werk (semi-)automatisch door robots en computers wordt uitgevoerd. Dat scheelt in tijd en dus in de kosten. Wat betekent dat de opdrachtgever vaak minder betaalt dan bij een traditionele meetpartij.
Drone en lidar brengen bomen nauwkeurig in kaart.
