Die AIRBORNE LASERSCANNING Lösung RIEGL VQ-1060 ist ein vollintegriertes Gesamtsystem für die Luftbildkartierung, das speziell für das Infrastruktur-Mapping – etwa Inspektionen von Versorgungsanlagen, Analysen von Vegetationsbewuchs oder Korridorplanungen – konzipiert ist. Quelle: RIEGL

Dazu gehört die AIRBORNE LASERSCANNING Lösung RIEGL VQ-1060, ein vollintegriertes Gesamtsystem für die Luftbildkartierung, das speziell für das Infrastruktur-Mapping – etwa Inspektionen von Versorgungsanlagen, Analysen von Vegetationsbewuchs oder Korridorplanungen – konzipiert ist. Mit einer Plattform sind dabei multidirektionales 3D Laserscanning, nach vorne und hinten gerichtete RGB-Schrägaufnahmen und nadirale Multispektralaufnahmen möglich. Der VQ-1060 liefert eine LiDAR Punktdichte von 70 Messungen/m² bei einer Fluggeschwindigkeit von 100 Knoten und einer Flughöhe von 1500 Fuß, sowie eine LiDAR-Streifenbreite von ca. 580m x 380m, was die Erfassung besonders Effizient macht. Orthobilder mit 150 Megapixel und einer durchschnittlichen GSD (Ground Sample Distance) von ca. 3,5 cm, sowie Schrägaufnahmen mit 120 Megapixel und einer GSD in der Bildmitte von ca. 2,3 cm werden ebenfalls bereitgestellt. (www.riegl.com/vq-1060)

Im Bereich Mobile Mapping System will RIEGL mit dem VMX-3HA neue Maßstäbe setzen. Dazu sind zwei besonders schnelle und hochgenaue RIEGL VUX-3HA Laserscanner integriert. Quelle: RIEGL

Im Bereich Mobile Mapping System will RIEGL mit dem VMX-3HA neue Maßstäbe setzen. Dazu sind zwei besonders schnelle und hochgenaue RIEGL VUX-3HA Laserscanner integriert, die bis zu 6 MHz PRR liefern und 800 Linien pro Sekunde Scangeschwindigkeit erzielen. Das sorgt für eine nochmals gesteigerte Dichte an Messpunkten auch bei hoher Plattformgeschwindigkeit. Höchste Punktdichte kombiniert mit hoher Liniendichte sorgt dafür, dass sowohl im Nahbereich kleinste Details exakt abgebildet (z.B. im Straßenbelagsmonitoring) als auch im Fernbereich dünne Strukturen (wie Stahlseilkonstruktionen, Stromleitungen oder Vegetationsdetails) zuverlässig erfasst werden können. (www.riegl.com/vmx-3ha)

Der VZ-1200i ist der neueste terrestrische RIEGL Laserscanner, der hohe Geschwindigkeit, große Reichweite und hohe Effizienz besitzt. Quelle: RIEGL

Der VZ-1200i ist der neueste terrestrische RIEGL Laserscanner, der mit hoher Geschwindigkeit, großer Reichweite und maximaler Effizienz punktet. Das System wurde speziell für Anwender:innen entwickelt, die eine größere Reichweite benötigen, und trotzdem nicht auf die Geschwindigkeit, Präzision und Zuverlässigkeit der RIEGL VZ-i Serie verzichten möchten. Das Modell ersetzt nach Angaben von RIEGL keine bestehenden Lösungen, sondern ergänzt sie. Der Scanner wiegt lediglich 6 kg, was dem mobilen Einsatz und dem Handling zugutekommt. Er ist augensicher nach Klasse 1. Ein hochauflösender Panoramascan wird im 2,2-MHz-Messprogramm in nur 25 Sekunden durchgeführt und erreicht Entfernungen von bis zu 450 m. Im 300-kHz-Messprogramm werden Reichweiten von bis zu 1800 m erzielt. Die Möglichkeit zur kinematischen Datenerfassung erhöht die Vielseitigkeit zusätzlich: Wie die anderen Laserscanner der VZ-i-Serie kann der VZ-1200i entweder im statischen Modus – mit Stativversatz etwa alle 60 Sekunden (6 mm Auflösung bei 10 m, einschließlich simultaner Fotoaufnahme) – oder im kinematischen Modus auf mobilen Plattformen mit RTK-GNSS-Genauigkeit eingesetzt werden. (www.riegl.com/vz-1200i)

Der ebenfalls neue RIEGL VZ-6000i-26 besitzt eine extreme Reichweite von bis zu 6.000 Metern und ist speziell für Messungen auf Eis und Schnee konzipiert. In einem Video erklärt RIEGL anhand von Demodaten eines Bergmassivs mit Gletscher, wozu der Scanner in der Lage ist. (www.riegl.com/vz-6000i-26)

Die neue RiLOC-F-inside IMU/GNSS-Lösung ist in die Laserscanner der VUX-Serie voll integriert. Quelle: RIEGL

Der RIEGL VUX-820-G ist das „All-In“-Paket für die topobathymetrische Vermessung. „All-In“ heißt es, weil neben dem kompakten und leistungsstarken LiDAR-Sensor mit 2,2 Secchi-Tiefen Messreichweite auch das neue RIEGL RiLOC-F insider IMU/GNSS System, eine integrierte RBG-Kamera und die entsprechenden RIEGL Software-Lizenzen integriert sind. Mit nur 5,7 kg ist es für den Einsatz auf UAVs prädestiniert. Zusätzliche Funktionen wie ein Display und Status-LEDs verbessern die interaktive Handhabung und Bedienung. (www.riegl.com/vux-820-g)

Ebenso gibt es eine weitere Ausführung der im Vorjahr vorgestellten RIEGL IMU/GNSS-Lösungen (RiLOC-E-25 und RiLOC-F). Die neue RiLOC-F-inside IMU/GNSS-Lösung ist in die Laserscanner der VUX-Serie voll integriert. Damit bleiben die Sensor-Abmessungen unverändert, das Gewicht fast unverändert. Nach Angaben von RIEGL liefert das System eine Positionsgenauigkeit (nach Post-Processing) von bis zu 2 Zentimetern und eignet sich speziell für kleinräumige UAV-basierte LiDAR-Vermessungen. (www.riegl.com/infosheet_riloc-f)

www.riegl.com

Der Beitrag RIEGL mit breiter Palette an LiDAR-Innovationen erschien zuerst auf Business Geomatics.

PIX4Dcatch ist ein einfach zu bedienendes mobiles 3D-Scan- und AR-Visualisierungstool und unterstützt in der neuen Version nun auch AR-Funktionen.
Quelle: Pix4D SA

14.05.2024 – Pix4D, ein Schweizer Anbieter von Drohnen- und terrestrischen Kartierungs- und Photogrammetrie-Lösungen, kündigt heute die Einführung von PIX4Dcatch 2.0 an.  Diese Version von Pix4Ds mobiler iOS-App bietet professionelle Augmented Reality (AR) und Kompatibilität mit einer Vielzahl von RTK-Geräten. PIX4Dcatch ist ein einfach zu bedienendes mobiles 3D-Scan- und AR-Visualisierungstool. Es wird in den Bereichen Architektur, Ingenieurwesen und Bauwesen (AEC) weltweit eingesetzt und nutzt eine Kombination aus Photogrammetrie und LiDAR-Technologie, ergänzt mit präziser RTK-Positionierung. So können präzise 3D-Modelle nach Angaben des Herstellers mit einer Genauigkeit von bis zu 1 cm (unter guten Bedingungen) erreicht werden.

Mit dem Update 2.0 erhält PIX4Dcatch professionelle AR-Funktionen, die eine Interaktion mit einer Baustelle in Echtzeit ermöglichen. Mithilfe von AR können Pläne vor Ort überlagert und visualisiert werden, um eine schnelle Genehmigung während der Projektplanung, des Baus und der Inspektionen nach dem Bau zu ermöglichen. Anmerkungen und Feldnotizen können sofort vom Büro an die Baustelle gesendet werden, wo sie im Kontext betrachtet werden können. Scans und 3D-Modelle von unterirdischen Versorgungsleitungen können mit AR auch nach der Schließung visualisiert werden, was die Dokumentation von Gräben erleichtert und die Wartungskosten reduziert. Ein weiteres wichtiges Upgrade ist die Integration mit drei neuen RTK-Geräten (Emlid Reach RX, Trimble DA2 und Bad Elf Flex). Die Integration weiterer Geräte ist geplant.

www.pix4d.com

Der Beitrag Pix4D erweitert PIX4Dcatch mit Augmented-Reality-Funktionen erschien zuerst auf Business Geomatics.

Das Pilotprojekt auf der Havellandautobahn wird erstmals komplett auf Basis von BIM durchgeführt. Unter anderem kann so ein belastbarer Soll-Ist-Vergleich vorgenommen werden. Foto: ARGE A10 / A24 Havellandautobahn

Seit 2020 ist in Deutschland die BIM-Methode im Infrastrukturbau Pflicht – zumindest in der Theorie. Die tatsächliche schrittweise Umsetzung beim Bau von Autobahnen und Bundesstraßen erfolgt mittlerweile jedoch nach dem „Masterplan Bundesfernstraßen“, der BIM erst ab 2025 im Regelbetrieb vorsieht. Der Weg dorthin führt insbesondere über die Durchführung diverser Pilotprojekte. Das erste davon, bei dem Planung, Ausführung und Erhaltung mit BIM in einer Hand liegen, ist das sogenannte Verfügbarkeitsmodell A 10/A 24. Das Projekt wurde als eines der ersten ÖPP-Projekte der „Neuen Generation“ im Bundesfernstraßenbau durch den öffentlichen Auftraggeber DEGES Deutsche Einheit Fernstraßenplanungs- und -bau GmbH ausgeschrieben und beauftragt.

Visualisierung im Verfügbarkeitsmodell der A10 / A24. Foto: ARGE A10A24 Havellandautobahn

In dessen Rahmen sollen bis 2023 zwischen dem Autobahndreieck Pankow und der Anschlussstelle Neuruppin ein kritisches Stück der A 10 ausgebaut sowie ein Teil der A 24 grundhaft erneuert werden. Ein Bauabschnitt auf der A 24 bildet das mit BIM umzusetzende Teilstück. Um eine praktikable Blaupause für die Zukunft im deutschen Straßenbau abzubilden, erfolgt das Projekt obendrein in OPEN BIM. Auch ALLPLAN-Lösungen kommen dabei zum Einsatz.

Komplexe Aufgabe

Die „eine Hand“, in die das ÖPP-Projekt im März 2021 gelegt wurde, ist die Projektgesellschaft Havellandautobahn GmbH & Co. KG, bestehend aus invesis (ehemals BAM PPP) und PGGM sowie der HABAU PPP GmbH. Die Planungs- und Bauleistungen unterliegen der ARGE A 10/A 24 Havellandautobahn, die sich zu jeweils gleichen Teilen aus der Wayss & Freytag Ingenieurbau AG (Royal BAM Group) und der HABAU Hoch- und Tiefbaugesellschaft mbH zusammensetzt. Betrieb und Erhaltung unterliegen wiederum der Havellandautobahn Services GmbH & Co. KG.

Die Komplexität der Unternehmensstruktur gilt ebenso für die eigentliche BIM-Aufgabe: die BIM-Vertragsstrecke umfasst auf der A 24 einen Bauabschnitt von 5.500 Metern Länge, inklusive zweier Tank- und Rastanlagen sowie zweier Ingenieurbauwerke, bestehend aus dem Ersatzneubau der Brücke BW2 über die Ortsverbindungsstraße Kuhhorst-Linum und einer 265 Meter langen Lärmschutzwand. Die vertraglich festgelegten BIM-Anwendungsfälle enthalten die Erstellung von Auftraggeber-Informationsanforderungen (AIA) und BIM-Abwicklungsplan (BAP), die Generierung und Fortschreibung der Fachmodelle, BIM-Koordination, 2D-Planableitungen aus den BIM-Modellen, modellbasierte Visualisierungen, die Bereitstellung der Lieferobjekte gemäß DIN ISO EN 19650, Verlinkung der Pläne, Dokumente etc. sowie eine 4D-Bauablaufsimulation und einen 4D-Soll-Ist-Vergleich. Für die Erhaltungsphase ist zudem eine Visualisierung der Erhaltungsmaßnahmen und der Ergebnisse gemäß den ZTV-Funktionen vorgesehen.

OPEN-BIM-Datenaustauch in IFC 4.0

Die eingebettete Schalungsplanung in der Bauablaufsimulation ergänzt den herkömmlichen Bauzeitenplan. Foto: ARGE A10 / A24 Havellandautobahn

Um das Projekt erfolgreich abschließen zu können, müssen mehrere Fachmodelle (Gelände, Ingenieurbauwerke, Strecke, Tank- und Rastanlagen, Brücken) erstellt werden, von denen sich die meisten wiederum aus verschiedenen Teilmodellen (zum Beispiel Bestand, Bodenschichten, Brücke, Lärmschutzwand, Sparten, Ausstattung) zusammensetzen. All diese Modelle werden dann in einer gemeinsamen Datenplattform zusammengeführt und koordiniert. Der OPEN-BIM-Datenaustausch zwischen den unterschiedlichen Software-Lösungen erfolge – soweit es möglich ist – im offenen IFC-Format (IFC 4.0). Für die Modellierung der beiden Brücken (Bestand und Neubau) verwendet Wayss & Freytag Ingenieurbau AG außerdem die Software Allplan. Gleichwohl steckt in jedem weiteren Stahlbetonbauteil ein bisschen Allplan drin, denn auch bei der Bewehrungsplanung setzen die Ingenieure auf die BIM-Software.

Die Vorteile der BIM-Methode, insbesondere bei derart komplexen Bauvorhaben, liegen auf der Hand: Planungsfehler können drastisch reduziert und somit planungsbedingte Fehler in der Umsetzung vermieden werden. Mengen, Kosten und Zeitpläne bleiben stets akkurat und transparent, was Optimierungen und letztlich ein effizienteres, wirtschaftlicheres Bauen ermöglicht. (jr)

www.allplan.com

Der Beitrag Planung, Ausführung und Erhaltung mit BIM aus einer Hand erschien zuerst auf Business Geomatics.

Der ZEB Horizon von GeoSLAM kann bis zu 300.000 Datenpunkte pro Sekunde erfassen. Foto: GeoSLAM Ltd.

Den Marsroboter Curiosity kann man als Vorbild sehen: Der autonome Rover hat ein Verfahren integriert, mit dem er die Umgebung des Mars erkunden, gleichzeitig eine Karte erstellen und somit seine eigene Position abschätzen kann – und das in völlig unbekanntem Terrain.

Zwar ist Curiosity nicht weit auf der Marsoberfläche gekommen, die für die Mission zuständigen Wissenschaftler haben aber viel in diese sogenannte SLAM-Technologie investiert. SLAM steht für Simultaneous Localization And Mapping und beschreibt eben jene simultane Kartenerstellung und Positionierungsbestimmung in Echtzeit, die im Bereich des autonomen Navigierens seit einiger Zeit eine enorme Entwicklungsdynamik besitzt. Ein spannender Forschungszweig also, der vielleicht in zehn Jahren auch in die irdische Praxis der Vermessungs- und Navigationswelt Einzug halten wird? Mitnichten, denn die SLAM-Technologie hat bereits heute in der Vermessungspraxis viele Anwendungen gefunden. Experten gehen davon aus, dass die Bedeutung massiv zunehmen wird.

„Die Technologie liefert die Lösung für die Herausforderung, wie mobile Geräte den Raum kartografieren und sich gleichzeitig orientieren können“, sagt Eric Bergholz, Geschäftsführer von Laserscanning Europe. Vor allem liegen Potentiale in dem SLAM-Verfahren, mit dem Mapping und Positionierung in Echtzeit durchgeführt werden können.

Ein Unternehmen, das eine breite und flexible Palette an Lösungen bietet, die jeweils Sensorsysteme (Kameras und 3D-Laserscanner) mit einer Recheneinheit kombinieren, auf der das SLAM-Verfahren implementiert ist, ist GeoSLAM aus Nottingham, England. Letzteres ist fest als Black-Box-System integriert, sodass für die Anwender kaum Fachwissen notwendig ist. Die Arbeitsabläufe bis zur Erzeugung einer Punktwolke sind dabei durchgängig automatisiert. GeoSLAM greift dafür auf Entwicklungen zurück, die bei der australischen Forschungsbehörde CSIRO begannen und im Bereich der SLAM-Technologie als weltweit führend gelten. Die exklusiven Vertriebsrechte für die Produkte aus England für den deutschen Markt hat Laserscanning Europe.

Anwendungen vielfältig

Derzeit wird die noch junge Technologie in Deutschland vor allem in der  Forschung oder im Bergbau angewendet. Da Sensoren und Auswerte- bzw. Recheneinheit bei den GeoSLAM-Produkten systemisch getrennt sind, können sie flexibel für den jeweiligen Anwendungsfall konfiguriert werden. „Wir haben zum Beispiel Kunden, die befestigen das System an einer Aufhängung und lassen es in Schächte, Bauwerke oder auch von Vegetation ab“, beschreibt Bergholz. Ebenso werden Straßenschluchten und Häuserzeilen vermessen. Das Tool eignet sich also auch zum terrestrischen City-Mapping hervorragend. „Das SLAM-Verfahren ist sehr umgebungsabhängig; sehr gut funktioniert es, wenn der erfasste Bestand ein hohes Maß an geometrischer Struktur aufweist“, so Bergholz.

Kunden, wie beispielsweise das britische Unternehmen CPS Drainage, sehen in den GeoSLAM-Produkten die Möglichkeit, andere Bereiche des Vermessungssektors zu erschließen. „In der kurzen Zeit, seit wir den Scanner haben, waren neue und bestehende Kunden erstaunt, wie schnell wir detaillierte 3D-Bilder und schwierige Ansichten erstellen können, die sich leicht in CAD-Systeme importieren lassen“, sagt Managing Director Neil Walton.

Vor allem ist das Verfahren schnell. „Die Zeiten, in denen mehrere Stationierungen von großen terrestrischen Systemen erforderlich waren, sind vorbei“, so Tomas Blaha, Channel Manager für Nord- und Osteuropa bei GeoSLAM. Heute sei mit SLAM-basierten Technologien eine bis zu 10-mal schnellere Datenerfassung möglich; zudem werden die Daten automatisch in Echtzeit prozessiert. GeoSLAM stellt vielseitige und flexible Geräte her, mit denen auch schwer zugängliche und geschlossene Räume erfasst werden können, entweder durch manuelles Scannen oder durch Anbringen eines Scanners an einer Drohne, einer Stange für Deckenhohlräume oder einer Halterung zum Absenken in Schächte.

Die GeoSLAM-Produkte liefern derzeit eine Genauigkeit von rund 10 bis 30 Millimetern und stehen damit ein wenig hinter den spezialisierten Vermessungsgeräten. Die Genauigkeit ist aber im Wesentlichen abhängig von den verwendeten Sensoren. Da man davon ausgehen kann, dass diese immer genauer, kostengünstiger und auch kompakter werden, steigt das Marktpotential der SLAM-Mapping-Systeme in gleichem Zuge an. Eric Bergholz sieht darin sogar „eine revolutionäre Technologie, die in Zukunft zur Standardausstattung in der Bestandsdatenerfassung gehören wird.“

Mit GeoSLAMs ZEB Horizon können Anwender in nur wenigen Minuten eine genaue Punktwolke samt GPS-Ortung erzeugen. Foto: GeoSLAM

ZEB Horizon: Ein System, viele Lösungen

Der ZEB Horizon aus der GeoSLAM-Produktpalette beispielsweise ist mit der Erfassung von bis zu 300.000 Datenpunkten pro Sekunde, so Laserscanning Europe, der vielseitigste Scanner der ZEB-Reihe. Aufgrund des leichten und kompakten Designs eignet er sich auch für Vermessungen in Innenräumen. Er kann eine Reichweite von 100 Metern erreichen. Zudem gibt es eine Reihe von kompatiblem Zubehör, welches die Flexibilität bei der Arbeit unterstützt.

Darüber hinaus kann der Scanner mit GeoSLAM‘s ZEB Discovery und ZEB Pano für hochauflösende Bilder bzw. 360°-Bilder verwendet werden. „Die Einrichtung ist denkbar einfach; mit einem einzigen Knopfdruck können Sie in wenigen Minuten Messdaten aufnehmen“, berichtet Blaha. Weiterhin ist der ZEB Horizon auch mit GeoSLAM‘s ZEB Locate, einem mobilen Rucksacksystem inklusive GPS-Anbindung kompatibel, sodass Vermessungsexperten Punktwolkendaten mit präziser Lagebestimmung erstellen können, ohne dabei Passpunkte zu benötigen. (sg)

www.laserscanning-europe.com

www.geoslam.com

Der Beitrag Neues Laserscanning-Verfahren: Simultane Positionsbestimmung und Kartenerstellung in Echtzeit erschien zuerst auf Business Geomatics.

Auswertung von 3D-Punktwolken einer Baustelle: Die Klassifikation einschließlich der farblichen Kodierung erfolgt automatisch durch die Plattform von Point Cloud Technology. Zudem können verschiedene Messungen direkt in den Daten durchgeführt werden. Die 3D-Punktwolken wurden von der Firma Aerowest erfasst. Foto: Point Cloud Technology

Das enorme Potenzial von 3D-Punktwolken hat sich inzwischen auf breiter Ebene durchgesetzt. Heute werden Verkehrswege, Infrastruktur, Baustellen oder Tagebauten nicht mehr nur einmal im Bestand erfasst, sondern regelmäßig – in immer kleineren Abständen. Es entstehen nicht nur Digitale Zwillinge, sondern ganze Zeitreihen von umfassenden 3D-Dokumentationen.

Ein enormer Datenschatz – aber wie hebt man diesen in der Praxis? Eine manuelle Auswertung stößt schnell an ihre Grenzen und wird dem Datenpotenzial bei Weitem nicht gerecht. Dabei sind entsprechende Werkzeuge für die Massenauswertung bereits am Markt verfügbar. In der Branche hat sich vor allem das Berliner Unternehmen Point Cloud Technology GmbH einen Ruf gemacht. Dessen Kernkompetenzen liegen in der KI-basierte Analyse und der performanten, Cloud-basierten Visualisierung von 3D-Punktwolken. Gerade vor dem Hintergrund des stark wachsenden Datenaufkommens zeigen sich die Stärken dieses Auswerte-Verfahren.

Daten der Punktwolken endlich produktiv nutzen

Konkret geht es darum, dass innerhalb eines automatischen Auswerteverfahrens erkannt wird, wo sich an der Baustelle etwas verändert hat und wie sich dies qualitativ bewerten lässt. Ein wichtiger Anwendungsfall ist die Mengenermittlung bei Erdarbeiten, die die Grundlage für Abrechnungen darstellt. „Die Plattform kann genau erkennen, wieviel Erde wo im Zeitraum zwischen den Aufnahmen bewegt worden ist“, beschreibt Geschäftsführer Rico Richter. Allein anhand solch konkreter Anwendungen würden Nutzer sofort den Mehrwert der Punktwolkenplattform erkennen. „Häufig steht ja bei vielen zunächst die Frage im Raum, wie sie die neuen Datenmengen überhaupt produktiv nutzen können“, so Richter.

Diese Haltung ist auch einfach erklärbar. Punktwolken umfassen meist große Datenmengen und nicht jeder Anwender erkennt sogleich, dass sie über Cloud-Dienste performant verfügbar gemacht werden können. Genau dies ist eine der hervorstechenden Merkmale der PCT-Plattform, mit der man Punktwolken ohne Größenbeschränkung verwalten kann, die Hunderte von Milliarden Datenpunkten beinhalten (können). Das heißt auch, die Analyse basiert auf dem Datenbestand mit der größtmöglichen Informationstiefe.

Wichtige Punkte seien zudem die hohe Datensicherheit sowie der nicht zu unterschätzende Fakt, dass Anwender sich keine eigene Speicherplattform für die Daten anschaffen müssen. „Die Dienste sind auch einfach und reibungslos auf beliebigen mobilen Geräten nutzbar“, so der Geschäftsführer.

Fortführung und Aktualisierung erfolgt dabei inkrementell, das heißt die Plattform führt im Hintergrund automatisch die Auswertungen durch und visualisiert etwa Änderungen intuitiv, beispielsweise mit Farbschemas. „Bauleiter sehen so beispielsweise sofort, wo überall auf der Baustelle etwas passiert“, so Richter. Heutzutage wird bei Baustellen ab einer gewissen Größenordnung der Baufortschritt wöchentlich oder gar in noch kürzeren Abständen erfasst, wodurch ein solches Tool allein zum Management der Daten unablässig sei.

Größtmögliche Datendichte nutzen

Ebenso ist die Software in der Lage, kundenspezifische Anforderungen abzudecken und so beispielsweise ganz bestimmte Änderungen zu identifizieren. Der Kunde legt eine Referenzgeometrie fest, dies kann beispielsweise die letzte Aufnahme sein, wodurch die Software dann die Abweichungen berechnet. Das alles geschieht auf Basis des originären Datensatzes mit seiner vollen Informationsdichte. Im Gegensatz zu anderen Verfahren werden hier keine (vermeintlich einfach auswertbaren) Zwischenprodukte wie etwa Kacheln generiert, um so an Performanz zu gewinnen.

Dies kann auch im sicherheitsrelevanten Kontext geschehen – so sind etwa Hangrutschungen oder Absenkungen schnell erkennbar. Was die User auch immer wieder erstaunt, ist die schnelle Anzeige von Analyseergebnissen, die Visualisierung geschieht nahezu in Echtzeit“, so Richter. Die Ergebnisse lassen sich also ad-hoc kommunizieren.

Ebenso können alle gängigen Dateiformate importiert und exportiert werden. Die Software- as-a-service-Plattform bietet unterschiedlichste Features zum Speichern, Zugreifen und Verwalten von Punktwolken. Die Punktwolken-Analyse-Engine ermöglicht eine automatische Klassifizierung von Objekten. Die Visualisierung erfolgt in Echtzeit und unabhängig vom Endgerät, auch in 4D, also mit der zeitlichen Analyse. (sg)

www.pointcloudtechnology.com

Der Beitrag Punktwolken über Cloud-Dienste performant bereitstellen erschien zuerst auf Business Geomatics.

Wie immer im Sommer, verspüren Menschen aus aller Welt auch in diesem Jahr große Reiselust und Fernweh. Aufgrund der aktuellen Corona-Pandemie sind Urlaube und Fernreisen jedoch durchaus kritisch zu beobachten. Abhilfe könnten Virtual Reality (VR)-Anwendungen verschaffen: Mithilfe der modernen Technologien können Reisefreudige von der heimischen Wohnzimmer-Couch aus die Welt erkunden.

Eine dieser Anwendungen wird auf der dem Ars Electronica Festival für Kunst, Technologie und Gesellschaft vorgestellt. Während das Festival normalerweise in der Linzer Innenstadt stattfindet, haben sich die Veranstalter in diesem Jahr dazu entschlossen, die Ars Electronica vom 09. bis 13. September an 120 Orten rund um den Globus auszurichten.

Der durchleuchtete Stephansdom

„The Translucent St. Stephen’s Cathedral“ (dt. der durchleuchtete Stephansdom“ ermöglicht es den Besuchern, durch die in Echtzeit gerenderte Punktwolke zu fliegen und festgelegte Punkte zu erkunden. An diesen werden die hochaufgelösten 360°-Bilder des gesamten Sets von mehr als 21 Milliarden Laserpunkten eingeblendet und entfalten so das volle Potenzial des Gebäudes. In dieser Detailebene entsprechen die Laserpunkte, die auf einem RIEGL Punktwolken-Scan basieren, einem Datenvolumen von fast 400 Gigabyte. Dieser innovative Ansatz bietet eine interaktive Reise durch das „durchleuchtete“ Gebäude in stereoskopischem 8K.

Der Laserscanner-Hersteller RIEGL hat den Wiener Stephansdom für das Ars Electronica Festival 2020 vermessen. Die daraus resultierende Punktwolke ist rund 21 Milliarden Laserpunkte groß. Foto: Johannes Pöll / Ars Electronica Futurelab

Die Scandatenaufnahme erfolgte im Rahmen der bereits bewährten jahrelangen Zusammenarbeit von RIEGL Laser Measurement Systems mit der Dombauhütte St. Stephan. Ziel dieser ist eine genaue Erfassung und Dokumentation der Bausubstanz des Stephansdoms mittels 3D-Laserscanning, um aus den Punktwolken-Daten hochgenaue Detailpläne zu erstellen sowie Ansichten und Schnitte zu generieren, die von der Dombauhütte für Bauanalyse, Schadensdokumentation und Simulation historischer Bauzustände verwendet werden können.

Über 1000 Scanpositionen

Nikolaus Studnicka, RIEGL Business Division Manager Terrestrial Laser Scanning, führt aus: „Beim typischen Arbeitsablauf mit dem terrestrischen Scanner wird ein sogenannter Panoramascan nach dem anderen aufgenommen. Der Operator trägt den auf einem Dreibeinstativ montierten Scanner quasi im Minutentakt ungefähr 10 Meter weiter und startet durch Tastendruck den nächsten Scan. Dabei werden in einer vollen Scanner-Drehung durchschnittlich 22,5 Millionen Messpunkte in 45 Sekunden erfasst. Die räumliche Auflösung beträgt dabei in 10 Metern Distanz rund 7 Millimeter. Die ausgereifte RIEGL Waveform-LiDAR Technologie ermöglicht es, hunderte Scans pro Tag aufzunehmen. Für dieses Scanprojekt wurden pro Scanposition jeweils fünf kalibrierte 45 Megapixel Fotos aufgenommen. Die Fotodaten ermöglichen eine Einfärbung der Scandaten und damit eine fotorealistische Darstellung für weitere Anwendungen.“

Insgesamt wurden über 1000 Scanpositionen mit einem RIEGL VZ-400i Laserscanner aufgenommen – im Kirchenraum, in den Katakomben, am Dachboden und am Stephansplatz. Die Scans wurden bereits im Scanner zusammengesetzt und mittels sogenanntem Blockausgleich anschließend auf 6 Millimeter genau zu 50 präzise eingemessenen Kontrollpunkten ausgeglichen.

Interaktive Inhalte in höchster Qualität

Das gesamte Volumen an Scan- und Bilddaten von etwas mehr als einem Terrabyte wurde dabei in nur vier Vermessungstagen in den Jahren 2018/2019 mit dem Laserscanner und in zwei Vermessungstagen mit einer Totalstation generiert.

Insgesamt hat RIEGL über 1000 Scanpositionen mit einem RIEGL VZ-400i Laserscanner aufgenommen: Im Kirchenraum, in den Katakomben, am Dachboden und am Stephansplatz. Foto: RIEGL

The Translucent St. Stephen’s Cathedral vermittelt das Gefühl, Echtzeit- und interaktive Inhalte in höchster Qualität zu erleben – ein Rendering, das mit heutigen Technologiestandards eigentlich nicht in Echtzeit möglich ist. Dazu wurden zwei Arten von Inhalten kombiniert: Eine „High-Resolution“ Punktwolke, die von ScanLab Projects aus verschiedenen Perspektiven in 360°-Bilder vorgerendert wurde, sowie eine „Low-Resolution“ Punktwolke, die in Echtzeit gerendert wird. Diese außergewöhnliche Ansicht des Wiener Stephansdoms mit mehreren Transparenzebenen wird nun im Deep Space 8K von Ars Electronica in Stereo zu sehen sein.

Die Live-Premiere der virtuellen Reise findet während des Ars Electronica Festivals 2020 am 12. September 2020 um 16:00 Uhr MESZ statt und wird via Live Stream übertragen. (jr)

www.riegl.com

Der Beitrag Ars Electronica Festival: 3D-Daten für interaktive Reise durch den Wiener Stephansdom erschien zuerst auf Business Geomatics.

Man kennt sie von der Bilderkennung für das autonome Fahren oder digitalen Sprach-Assistenten (Apples Siri, Amazons Alexa): Anwendungen aus dem Bereich Künstliche Intelligenz sind inzwischen so leistungsfähig, dass sie menschliche Tätigkeiten sehr gut unterstützen können. Sie nutzen die Fähigkeiten von Neuronalen Netzwerken und des Deep Learnings, um natürliche Daten wie Bilder oder Sprache zu erkennen oder Muster zu verstehen – mit zuletzt immensen Fort-schritten. Um dieses Potenzial in die Praxis zu übertragen bedarf es neben KI-Know-how auch ein großes Maß an Pioniergeist, wie das Berliner Unternehmen Supper & Supper GmbH zeigt.

Der Full-Service-Dienstleister für den Bereich Data Science beschäftigt sich seit Jahren mit maßgeschneiderten Lösungen für maschinelles Lernen, Künstliche Intelligenz, Prozessoptimierung und digitale Transformation. Er hat auch viele Projekte umgesetzt, bei denen Geodaten eine entscheidende Rolle spielen – angefangen bei einer räumlichen Analyse von Verkaufsständen wie etwa Imbissstandorten, bis hin zur Erstellung von Windkraftkatastern auf Basis von Satellitendaten. In einem Projekt im Jahr 2019 hatte das Unternehmen intensiv mit 3D-Punktwolken zu tun, also einem Typ Geodaten, der seit einigen Jahren immer stärker eingesetzt wird, dessen Auswertung aber immer noch sehr anspruchsvoll ist. „Wir mussten für die Objektklassifikation sehr viel manuelle Arbeit und damit Zeit investieren, weil es dafür noch keine geeigneten Tools am Markt gibt, die mehr als Boden, Vegetation und Häuser beherrschen“, beschreibt Tim Bauer, Head of GeoAI, die damalige Situation. „Dann haben wir einfach eine eigene KI-basierte Plattform für Auswahl-Tools von 3D-Punktwolken entwickelt“, so Bauer. Anfang August war es schließlich soweit und Supper & Supper hat – auch durch die staatliche Förderung des Zentralen Innovationsprogramms Mittelstand (ZIM) des Bundesministeriums für Wirtschaft und Energie (BMWi) – die Softwareplattform Pointly am Markt vorgestellt.

KI ins Werk gesetzt

Die Kernfunktion von Pointly ist die schnelle und einfache manuelle Klassifizierung durch eine KI-unterstützte Vorsegmentierung von Datenpunkten und Objekten. Dazu hat das Unternehmen ein intelligentes Verfahren entwickelt, in dem die Punktwolke im Rahmen einer Vorsegmentierung in homogene Punktegruppen geteilt wird, in denen eine effiziente Klassifizierung ermöglicht wird.

„Dieses Segmentierung-Tool funktioniert ähnlich wie das Zauberstab-Tool in Photoshop“, erklärt Sid Hinrichs, Head of Consulting bei der Supper & Supper GmbH. Damit können homogene Segmente mit nur einem Klick ausgewählt werden, auch komplexe Objekte mit schwierigen Umrissen. Die Objekte werden dann einer Klasse zugeordnet. Zusätzlich sind auch Standardwerk-zeuge wie ein Polygonlasso oder eine 3D-Bounding-Box verfügbar, um weitere Auswahlen zu treffen.

Mit Pointly können Informationen aus 3D-Punktwolken schneller und präziser klassifiziert werden. Eine intelligente Vorsegmentierung erstellt einzelne Segmente. Dadurch können Objektklassen mit wenigen Klicks den Punkten zugeordnet werden. Grafik: Supper & Supper GmbH / FairFleet GmbH

Pointly ist ein Software-as-a-Service-Angebot des Unternehmens, das heißt, Kunden erwerben einen Zugang für die Plattform und können ihre Daten zur Klassifizierung uploaden. Alternativ können sie diese Aufgabe – oder die Klassifizierung – auch in die Hände des Unternehmens legen.

Wie bei Anwendungen von neuronalen Netzen üblich, nehmen Trainingsdaten eine herausragende Stellung ein. Auf diesen selektierten Datensätzen werden die verschiedenen Funktionalitäten zur Anwendungsreife gebracht. „Der erste Schritt ist dabei die Vorsegmentierung. Anschließend kann der Nutzer im zweiten Schritt sehr schnell die zusammenhängenden Segmente über unsere Auswahltools auswählen und damit Trainingsdaten generieren“, so Bauer. Das Potenzial ist dabei hoch. Kunden berichten, dass sie die frühere Tagesarbeit in wenigen Minuten umsetzen können.

In den Jahren 2019 und 2020 hat das Unternehmen bereits viele punktwolkenbezogene Projekte umgesetzt und gestartet. Dabei ging es neben der Vermessung von Objekten auch um Generierung von Baumkatastern, Erkennung von Straßenbegrenzungen und -schäden oder Vermessung von Dachflächen. „Die Anwendungsgebiete sind riesig“, sagt Stefanie Supper. Der Kunde müsse sich nicht um Infrastruktur oder Wartung kümmern und bekomme „Forschung auf dem neuesten Stand der Technik in der Erkennung und Verarbeitung von 3D-Objektdaten“, so die Geschäftsführerin. Eine KI also, um 3D-Daten in Informationen umzuwandeln.

Zukünftige Entwicklungen

Für Supper & Supper ist Pointly ein zukunftsweisendes Projekt. Zukünftig soll es als benutzerfreundliche End-to-End-Plattformlösung einsetzbar sein, um neben der Verwaltung und Klassifizierung großer Datenmengen von 3D-Punktwolken auch Analysetools zu bieten. Der Hersteller plant, die KI-trainierten Funktionalitäten als Standarddetektoren zur Verfügung zu stellen. Diese sollen dann – nachdem sie „austrainiert“ sind – ein Höchstmaß an Automatisierungsgrad gewährleisten und Analysefunktionen unterstützen, mit denen der Anwender die Auswertung noch effizienter auf die eigenen Bedarfe anpassen kann. Derzeit sind Features in der Entwicklung, die kollaborative Ansätze verfolgen (Teilen von Punktwolken durch gemeinsames Bearbeiten von Projekten), automatische Analysen durchführen (etwa Massen- oder Volumenberechnungen) oder komplette Workflows bis hin zur Generierung von vektorisierten (CAD-fähigen) 3D-Modellen umfassen. (sg)

www.pointly.ai

Der Beitrag KI als Zauberstab erschien zuerst auf Business Geomatics.

Ob ein Verkehrsschild an der Straßenkreuzung, ein neu errichtetes Gebäude oder ein Signalmast an einer Eisenbahnstrecke: Bei der Bestandsvermessung mit Hilfe von 3D-Punktwolken können verschiedenste Objekte erkannt und klassifiziert werden. Grundlage dafür sind per 3D-Laserscanning beziehungsweise photogrammetrischer Messmethoden erfasste Datensätze – was heutzutage per Drohne, Mobile Mapping oder flugzeugbasierten Verfahren zum Standard in der modernen Vermessung gehört.

Doch für die Identifikation und Klassifikation dieser Objekte war bisher ein aufwändiges und oft manuell durchgeführtes Verfahren notwendig. Zwar haben sich erste Ansätze KI-basierter Analysen etabliert, doch diese erfordern meist eine aufwändige Vorprozessierung der Originaldaten und orientieren sich an sogenannten Heuristiken. Am HPI verfolgt man indes einen anderen Ansatz. Dieser wird mit den Begriffen von Deep Learning (DL) beziehungsweise Maschine Learning (ML) umschrieben und hat die Besonderheit, dass die Funktionalitäten immer anhand eines Trainingsdatensatzes erprobt werden und dann im jeweiligen Anwendungsfall am realen Datensatz zur Anwendung kommen. Großer Unterschied ist dabei, dass bei dem DL/ML-Ansatz immer die originalen Rohdaten herangezogen werden, ohne diese vorverarbeiten zu müssen.

Training an echten Datensätzen

DL/ML-Ansätze werden oft im Umfeld von Sprach- oder Textanwendungen erforscht. Eine der wesentlichen Leistungen am HPI ist es, diese für den Anwendungsfall von großen 3D-Punktwolken zu adaptieren, also einem inzwischen typischen Set an Geodaten, die per 3D-Laserscanning oder seit einigen Jahren auch via Photogrammetrie gewonnen werden. Die Grundannahme dabei: Je häufiger die Algorithmen trainiert werden und je unterschiedlicher die Datensätze, die dabei genutzt werden, desto besser die Ergebnisse“, sagt Dr. Rico Richter, Geschäftsführer von PCT. Ein konkretes Beispiel bei der Identifikation von Infrastrukturelementen aus 3D-Punktwolken von Städten habe zum Beispiel gezeigt, dass die Algorithmen besser werden, wenn sie auf zwei Datensätzen verschiedener Städte trainiert werden – und zwar für beide Städte gleichermaßen. Nutzt man nur einen Trainingsdatensatz, kommen bei gleichem Zeitaufwand schlechtere Ergebnisse dabei heraus. Dies stellt gewissermaßen einen ersten Praxiserfolg der Forschung dar, denn bisher ging man bei KI-Methoden eher davon aus, dass man für einen speziellen Anwendungsfall jeweils auch ein optimales Training entwickeln musste.

3D-Punktwolke eines Mobile-Mapping Scans klassifiziert in Objekte. Foto: Point Cloud Technology GmbH

In der Forschung werden solche Ansätze auch unter dem Begriff GeoAI zusammengefasst; er bezeichnet die Anwendung von DL/ML, Data-Mining und High-Performance-Computing, um aus den Geodaten Wissen und Erkenntnisse zu gewinnen. Nun sind 3D-Punktwolken ungeordnete Daten, sie haben weder (hierarchische) Struktur noch besitzen sie semantische Informationsbestandteile. Der PCT-Ansatz sieht dies nicht als Schwäche, sondern im Gegenteil als Stärke. „Die reine Datenmenge und die Detaillierung der Einzelpunkte beinhalten ein Maximum an potenzieller Information, die mit den Mittel der GeoAI gehoben werden kann“, beschreibt Richter. Auch wenn 3D-Punktwolken oft auch inhomogen und fehlerbehaftet sind.

Einzelne Funktionen der GeoAI

Die Leistung von PCT liegt also darin, den Algorithmus „im Training“ so fit zu machen, dass er dann im „Wettkampf“, spricht bei der Anwendung der originären Datensätze, einen effektiven, zuverlässigen und fehlerfreien Auswerteworkflow als Ergebnis vorweisen kann. Ziel ist es, dass Trainingssystem weiter zu optimieren, um so verschiedene generisch anwendbare Algorithmen für die unterschiedlichen Anwendungen zu definieren – also beispielsweise einen für die Bestimmung der Vegetation, einen für Verkehrsschilder, oder einen für die Erkennung von Signalinfrastruktur bei Schienentrassen.

„Wir fungieren dabei für unsere Kunden gewissermaßen als Entwicklungspartner“, so Richter. Das Unternehmen führt die Analysen im eigenen Hause durch, die Kunden profitieren davon, dass PCT das Auswertungs-Know-how innerhalb der Algorithmen ausbaut. PCT greift dabei auf eine IT-Infrastruktur für High-Performance-Computing zurück, die gewissermaßen die Kaderschmiede für KI-Standardapplikationen der Zukunft darstellt.

Konkret werden bei dem DL/ML-Ansatz verschiedene Funktionalitäten entwickelt. Bei der Klassifizierung der einzelnen Punkte werden einzelne, oft flächenbezogene Attribute zugefügt, etwa die lokale Dichte, Verteilung und Anordnung der Punkte in der lokalen Umgebung. Bei der Segmentierung und Objekterkennung können sinnvolle Bereiche der Punktwolke herausgelöst wer-den, da die Segmentierung neben geometrischen auch semantische Kriterien aus den Trainingsdaten heranziehen kann. Auch für die Formerkennung spielen die neuronalen Netzwerke des DL/ML-Ansatzes eine entscheidende Rolle. Dabei kombinieren sie 2D- und 3D-orientierte Analysen, indem sie Formen aus verschiedenen „Sichten“ betrachten und so die Ergebnisse optimieren.

Zusammengenommen ermöglichen die Funktionalitäten eine automatisierte Objektklassifikation, die mit typischen 3D-Punktwolken im Bereich geografischer Analysen hohes Potential be-sitzt, etwa beim Mobile Mapping (Bilder oben) oder auch bei Innenraumaufnahmen (Bild unten). „Damit schaffen wir es, generische Analysekomponenten zu realisieren, die für verschiedenste Anwendungen mit unterschiedlichen Datensätzen hochwertige Ergebnisse liefern“, so Richter. Dabei werden die Analysen jeweils für den originären Datensatz der Anwendung konfiguriert. Dieser Service, den PCT durchführt, ist beliebig skalierbar und kann somit auf Datensätzen beliebiger Größenordnung durchgeführt werden. „Da die Rechenleistung für die Anwendung je nach Bedarf angepasst werden kann, liegen die Ergebnisse oft nahezu in Echtzeit vor, weshalb wir beispielsweise bereits Anwendungen mit Bedarf an tagesgenauen Auswertungen durchführen konnten“, beschreibt Richter. (sg)

www.pointcloudtechnology.com

3D-Punktwolke eines Mobile-Mapping Scans klassifiziert in Objekte. Foto: Point Cloud Technology GmbH

Der Beitrag Gutes Training ist alles erschien zuerst auf Business Geomatics.