Auswerteverfahren zur automatisierten BIM-fähigen Objekterfassung in Tunnelbauwerken

Überblick

Tunnelinspektion und -überwachung sind für die Gewährleistung einer sicheren Mobilität in städtischen Gebieten und Verkehrsinfrastrukturen von wesentlicher Bedeutung. Das Projekt ABOUT zielt darauf ab, ein fortschrittliches kamerabasiertes System zu entwickeln, das Bildverarbeitungstechnologien und KI-Algorithmen zusammenbringt, um hochauflösende Bilder von Tunneloberflächen automatisch und effizient zu erfassen. Die Daten werden weiter verarbeitet, um die 3D-Modelle von Tunneloberflächen zu generieren. Darüber hinaus wird ein hochmoderner Deep-Learning-Algorithmus zur Schadenserkennung sowie zur Objekterkennung aus Tunnelbildern eingesetzt.

Fragestellung

Das vorgeschlagene Tunnelinspektionssystem besteht aus verschiedenen Hardware- und Softwarekomponenten, die basierend auf den Projektanforderungen ausgewählt und zusammengebaut werden sollten. Die Schlüsselfragen, die in diesem Projekt behandelt werden sollen, lauten wie folgt.

  • Welcher Kameratyp und wie viele davon sollten für die Hochgeschwindigkeits-Bildaufnahme in Tunneln mit schlechten Beleuchtungsbedingungen verwendet werden?
  • Welche Art von LED sollte verwendet werden, um ausreichend Licht für das Bildaufnahmesystem bereitzustellen?
  • Wie können verschiedene Messgeräte zeitsynchronisiert werden, um genaue Ergebnisse zu erhalten?
  • Was ist eine optimale Lösung, um die anfallenden großen Datenmengen aus einem langen Tunnel zu verarbeiten?

Vorgehensweise

Die Hauptkomponenten des vorgeschlagenen Systems sind Kameras für die industrielle Bildverarbeitung, Lichtquellen (z. B. Blitz-LEDs) sowie Steuereinheiten. Alle Subsysteme sind an einem normalen Auto installiert und werden mit einer Zeitsynchronisationseinheit synchronisiert. Die vorgesehene Betriebsgeschwindigkeit beträgt rund 60-65 km/h, was für Fließverkehr und Hochgeschwindigkeitsüberwachung bei minimaler Bewegungsunschärfe in den endgültigen Bildern geeignet ist. Die aufgenommenen Bilder werden in einer Photogrammetrie-Software wie Agisoft Metashape oder Pix4Dmapper verarbeitet, um Punktwolken und 3D-Vermaschungen zu erzeugen. Darüber hinaus werden manuell zwei verschiedene Trainingsdatensätze für Schadenserkennungs- und Objekterkennungsaufgaben generiert. Die aufgenommenen Tunnelbilder werden in ein CNN (z. B. Deeplab V3 +) eingespeist, das anhand der generierten Trainingsdatensätze vortrainiert ist, um verschiedene Arten von Schäden wie Risse, Abplatzungen, Rost sowie Tunnelobjekte wie Schilder, Lichter, Kabel usw. zu erkennen.

 

Angestrebte Ergebnisse

In diesem Projekt werden drei Hauptergebnisse anvisiert: 3D-Modelle, Schadenskarten und Objektklassifizierungskarten von Tunneloberflächen, die in ein BIM-System (Building Information Modeling) integriert werden können. Das Projekt strebt eine relative Genauigkeit von rund 2 cm für 3D-Modelle und eine Oberflächenauflösung von rund 3-5 mm für Bilder an.

LeitungProf. Dr. Gerrit Austen, Prof. Dr. Michael Hahn (Stellvertreter)
PartnerViscan Solutions GmbH
Projekt E-MailadresseGerrit.Austen@hft-stuttgart.de
FördergeberBundesministerium für Wirtschaft und Energie (BMWi)
AusschreibungZentrales Innovationsprogramm Mittelstand (ZIM) - Kooperationsprojekt
Laufzeit06.05.2019 – 30.04.2021 verlängert bis 31.07.2021

Team

Name und Position Bereich E-Mail und Telefon Raum
Professor Studienbereich Vermessung +49 711 8926 2348 2/149
Professor +49 711 8926 2560 2/209
Akademische Mitarbeiterin Zentrum für Geodäsie und Geoinformatik (ZGG)2/246