Recente evoluties op vlak van mobile mapping en AI bieden nieuwe opportuniteiten voor het steeds sterker datagedreven groenbeheer. Het duurzaam behoud en beheer van groenstructuren (bv. laanbomen, parkgebieden) vertrekt vanuit een nauwkeurige en up-to-date inventarisatie. Het up-to-date houden van deze inventarisaties via terreinbezoeken is echter een tijdrovend proces, dat bovendien beïnvloed wordt door een zekere mate van subjectiviteit. Mobile mapping kan dit proces niet enkel versnellen en objectiveren, maar zorgt er ook voor dat deze informatie digitaal beschikbaar komt, en geïntegreerd kan worden in bestaande GIS-omgevingen. Door de grote diversiteit aan beschikbare sensoren en hun specifieke kenmerken – gaande van goedkope 360°-camera’s tot duurdere high-end LiDAR-sensoren – is er echter een bijkomende vertaalslag vereist vooraleer deze technieken ingezet kunnen worden binnen de digitale transformatie van de groensector.
De doelstelling van dit project is dan ook om de effectiviteit van verschillende (geo)dataverzamelingstechnieken met het oog op het inventariseren van bomen en hun kenmerken (incl. ecosysteemdiensten) te evalueren. Hiervoor zullen puntenwolken en beelden verzameld worden door minstens 3 verschillende sensoren, en vervolgens verwerkt door middel van geavanceerde (geo)grafische technieken (o.a. watershed analysis) en AI-algoritmes (segmentatie, classificatie, SLAM, …). Dit zal leiden tot een aantal prototypes voor dataverwerking, en richtlijnen en seminaries waarin de bruikbaarheid van de verschillende sensoren geëvalueerd zal worden.
Tijdens de uitvoering van dit project zullen studenten van twee verschillende opleidingen (Groenmanagement en Toegepaste informatica) betrokken worden. Door de integratie van twee verschillende departementen (Green & Tech resp. Digital) zullen studenten naast de inhoudelijke vaardigheden op vlak van dataverzameling en -verwerking, bovendien de kans krijgen om multi- en interdisciplinair te werken binnen een authentieke context.
Sam Van Rijn
Sam Ottoy