Antti Vainionpää
Heidi Kaartinen
Centrian asiantuntija puki kumisaappaat jalkaan ja otti älypuhelimen mukaansa kaksi kertaa tänä vuonna ja suuntasi matkansa taimikkoon. Taimikossa tavoitteena oli testata erilaisia teknisiä ratkaisuja taimikon hyvinvoinnin ja korkeuden seurantaan varhaisessa kasvuvaiheessa ja toistamalla saada aikaan mittaustuloksia, joiden perusteella metsätalouden toimenpiteitä voitaisiin ohjata esimerkiksi lannoituksen suhteen.
Testattavat tekniset ratkaisut olivat fotogrammetria ja Gaussian splatting. Edellä mainitussa ratkaisussa taimi kuvataan satoja kertoja eri suunnista ja kuvat yhdistetään jälkeenpäin ohjelmalla kolmiulotteiseksi malliksi, josta mittaus voidaan tehdä. Tämän tekniikan huonoja puolia ovat vaivalloisuus ja hitaus. Gaussian splatting puolestaan osoittautui prosessina yksinkertaisemmaksi tekniikaksi: Älypuhelinsovellus näyttää skannauksen reaaliajassa ja mahdollistaa myös automatisoidun jälkikäsittelyn, mikä helpottaa laadun tarkistamista jo paikan päällä. Tämä aikaa säästävä dynaamisuus on erityisen hyödyllistä, kun skannattava kohde sijaitsee kaukana ja uusintakäynnit kohteeseen halutaan minimoida.
Älypuhelinten laskentateho ja kuvantamisominaisuudet ovat kehittyneet valtavasti, ja niiden hyödyntäminen laajenee jatkuvasti uusille aloille. Siksi monilla jo valmiiksi mukana kulkeva älypuhelin helpottaa uuden tekniikan ymmärtämistä ja käyttöönottoa. Markkinoilla on jo runsaasti älypuhelinsovelluksia, jotka soveltuvat erityisesti 3D-mallinnukseen ja skannaukseen. Nämä sovellukset hyödyntävät esimerkiksi fotogrammetriaa ja Gaussian splattingia.
Kuvantamista voidaan tehdä myös tietokoneella, jolla saa parempaa jälkeä kuin älypuhelimella: prosessi onnistuu esimerkiksi Postshotin kaltaisilla tietokonesovelluksilla ja laadukkaammilla kameroilla. Koska laitteiston vaihtaminen hidastaa työnkulkua, kannattaa hyödyt ja haitat kuitenkin punnita huolella.
Mikä Gaussian splatting?
Gaussian splatting -tekniikka käyttää mallinnuksessa paljon pehmeitä, pyöreitä pisteitä. Sen nimi juontuu Gaussin jakaumasta, joka tunnetaan myös normaalijakaumana ja saattaa olla tuttu matematiikasta tai tilastotieteestä (Britannica 2025). Centrialla on hyödynnetty kuvantamisessa pitkään laserkeilausta ja fotogrammetriaa. Gaussian splattingin käyttöönotto on tuntunut luontevalta jatkumolta näille tekniikoille. Tekniikan tuottama lopputulos eroaa kuitenkin ominaisuuksiltaan laserkeilaimella tehdystä pistepilvestä. Laserkeilaimen pistepilvessä jokainen piste edustaa yksittäistä mitattua kohtaa kohteesta ja sillä on tarkka sijainti avaruudessa mutta ei pehmeää muotoa tai kokoa. Gaussian splattingissa pisteet sen sijaan ovat ”sumeita” ja niillä on gaussinen jakauma, eli ne leviävät ja sulautuvat toisiinsa, mikä tekee lopputuloksesta sileämmän ja jatkuvamman. Onnistuneet skannaukset ovat hyvin realistisia ja kevyitä tietokoneelle näytettäviksi (Chaos 2024; TechTarget 2024).
Mittausten tekeminen
Testausten aikana käytettiin kahta Gaussian splatting -sovellusta: Kiriä ja Scaniversea (KUVA 2). Sovelluksista Kiri tuotti laadukkaamman skannauksen, mutta Scaniversen avulla mittaustulokset olivat Kiriin verrattuna suoraan sitä, mitä testaukselta halusimme. Lisäksi käytössä oli SuperSplat-sovellus mittaustulosten tarkasteluun (KUVA 3). Kyseinen sovellus tarjoaa mittatietoja yhden senttimetrin tarkkuudella, joten aivan pienten kasvumuutosten tarkasteluun se ei sovellu.
SuperSplatistä saadut mallit siirrettiin pistepilvimuodossa pistepilviä käsittelevään CloudCompare-sovellukseen, jossa niille oli mahdollista suorittaa tarkempia mittauksia. Tämä lähestymistapa ei kuitenkaan tuottanut riittävästi lisäarvoa oikeuttaakseen työnkulun monimutkaistumista ja siihen liittyvää ajallista panostusta. SuperSplatin mittaustulokset olivat riittävän tarkkoja tämän testauksen näkökulmasta.
Puun taimen mittaamisessa tarvitaan harvoin millimetrin tarkkuutta, eikä mittanauhalla suoritettu mittauskaan tällaiseen tarkkuuteen kykene. Tämän vuoksi kokeilua voidaan pitää onnistuneena jo siinä tapauksessa, että se tarjoaa työnkulultaan yksinkertaisen lähestymistavan ja samalla laajentaa kerätyn tiedon hyödyntämismahdollisuuksia mittanauhaan verrattuna. Tutkitut tekniikat ja sovellukset tarjoavat runsaasti mielenkiintoista tietoa ja materiaalia, mutta Centrian tekemien ensimmäisten kuvausten perusteella ei vielä kuitenkaan voida todentaa kasvien kasvunopeutta. Nyt on lähinnä testattu eri tekniikoiden soveltuvuutta kyseiseen käyttötarkoitukseen ja tutkimuskierroksia vaaditaan vielä useita lisää.
3D-malli tarjoaa varsinkin mittanauhaan verrattuna uusia mahdollisuuksia skannatun kohteen tilalliseen analyysiin, sillä se tuottaa puuntaimesta digitaalisen kopion, joka on monipuolisesti hyödynnettävissä. Lisäksi se mahdollistaa myöhemmän tarkastelun, mikä voi auttaa tunnistamaan nykytilan taustatekijöitä aiemmista skannauksista. Samalla se jättää myöhemmän tarkastelun lisäksi avoimeksi mahdollisuuden skannausten uudelleenkäsittelyyn, kun teknologia kehittyy. Tämä siirtymä kohti digitaalisia työkaluja vähentää kenttätyön kuormitusta ja parantaa päätöksenteon laatua.
Centrian EAKR-rahoitteisessa ÄlyPilot-hankkeessa on pilotoitu puuntaimien kuvaamista eri teknologioilla digitaaliseen muotoon.
Lähteet
Britannica. 2025. Normal Distribution. Saatavissa: https://www.britannica.com/topic/normal-distribution. Viitattu 25.2.2025.
Chaos. 2024. 3D Gaussian Splatting: New Frontier in Rendering. Saatavissa: https://www.chaos.com/blog/3d-gaussian-splatting-new-frontier-in-rendering?srsltid=AfmBOopYHj91uFl1lk76V9LsWDdduuskgR1vvXr-QwIbrrZa8zup6V9-. Viitattu 25.2.2025.
TechTarget. 2024. What is Gaussian splatting? Definition from WhatIs. Saatavissa: https://www.techtarget.com/searchcio/definition/Gaussian-splatting. Viitattu 25.2.2025.
Antti Vainionpää
TKI-asiantuntija
Centria-ammattikorkeakoulu
p. 050 473 7224
Heidi Kaartinen
TKI-asiantuntija
Centria-ammattikorkeakoulu
p. 040 729 9951
