SENASTE NYTT

Det finns en mängd publika kartdata som ger information om skog och mark. Vi skulle vilja använda denna data för att bygga upp en virtuell bild av skogen i 3D. Hur kan vi kombinera befintliga data för att bygga upp en tredimensionell värld? Kan parametrar i kartdata styra automatisk placering av trädmodeller av olika slag i en 3D-modell? Hur kan vi visualisera detta i våra applikationer på ett sätt som ger ett värde åt användaren?

Analys av om det går att automatisera beståndsklassificering av skogsytor med hjälp av maskininlärning. Undersöka hur bra precision vi kan få med bildanalys av ortofoton från drönare och vilken metod som lämpar sig bäst för denna typ av inlärning. Är det möjligt att utföra på de enheter som våra användare har i fält?

Går det att identifiera en prioriteringsordning av testnivåer och metoder som bidrar till tids- och kostnadseffektiv testning? Vad finns det för testmetoder och hur utvecklas de? Vilka krav ställer de olika metoderna på produkten, utvecklare, kod och miljöer? Hur kan olika tester användas i samband med leverans av applikationer? Går det att knyta tester mot krav på ett tydligt sätt?

Går det med befintliga verktyg optimera flödeshanteringen för databehandlingen? Vad är bästa sättet att hantera de stora datamängderna som behöver behandlas? Går det att få bättre uppdaterade kartor och hantering jämfört med de metoder som används idag?

Går det att med hjälp av ortofoton som skapas utifrån drönarbilder att förbättra volymestimaten (i kombination med SGD etc)? Vilka krav ställs på ortofotot och vilka begränsningar (typ av skog, ålder, beståndsstorlek etc) är nödvändiga att göra för att få ett bra resultat? Hur stor är förbättringspotentialen?