Straßenumfeld

Bauplanung, Inventarisierung, Instandhaltung: Wir liefern die Daten

Unsere urbane Infrastruktur wandelt sich stetig: Bauten entstehen oder werden abgerissen, Bäume und Sträucher wachsen oder werden gestutzt, Umwelteinflüsse führen zu einem stetigen Wechsel charakteristischer Objektparameter. Bauvorhaben lassen sich nur dann effizient durchführen, wenn aktuelle und verlässliche Zustandsdaten der Umgebung vorliegen. Aus Kostengründen werden Baumaßnahmen heute meist anhand bestehender, oftmals aber veralteter Daten geplant (z. B. Kataster). In den seltensten Fällen werden aktuelle Daten erfasst und in den Planungsprozess einbezogen, obwohl dies sehr großen Mehrwert verspricht. Die Messsysteme vom Fraunhofer IPM erfassen Umgebungsdaten einfach und kostengünstig. Dabei bilden sie eine Vielzahl von Objekten ab – von Gebäuden über Stadmobiliar bis hin zu Vegetation. Auch Oberflächenstrukturen wie zum Beispiel unterschiedliche Straßenbeläge sind in den Messdaten erkennbar.

Mobile Urban Mapper MUM


Mit dem MUM bietet Fraunhofer IPM die vollständige Integration mehrerer High-End-Messsysteme in einen integrierten Workflow zur schnellen Erfassung von 2D- und 3D-Daten der Umgebung. MUM ist ein modulares System, das speziell auf die jeweilige Aufgabe zugeschnitten werden kann. MUM nutzt den High-End-360 °-Laserscanner CPS mit bis zu 2 Millionen Messpunkten pro Sekunde und Scanfrequenzen im Bereich von 10 bis 200 Hz bei einer Distanzauflösung von 1 mm. Eine Integration und Synchronisation mehrerer solcher Scannerköpfe ist problemlos möglich. Zur Texturierung der Punktwolke mit RGB-Informationen werden mehrere hochauflösende Kameras eingesetzt. State-of-the-Art Positionierungstechnologie wie DGPS, IMUs und Odometer ermöglichen eine präzise Berechnung der Position und Lage der mobilen Plattform und liefern eine konsistente, georeferenzierte Punktwolke.

Daten vollautomatisiert auswerten
In der Regel werden die mit mobile Mapping-Systemen erfassten Daten manuell ausgewertet. Fraunhofer IPM geht mit dem 3D-AI »Deep Learning Framework« einen Schritt in Richtung automatisierte Datenauswertung: Das Framework liefert ausgewertete Bilddaten in Form zuvor definierter 3D-Objektklassen.