Erschließen Sie das volle Potenzial des mobilen Laserscannings für die Infrastrukturüberwachung

Große Gebiete scannen und Problembereiche lokalisieren

Die Ausschöpfung des gesamten Potenzials des mobilen Laserscannings wirft die Frage auf, ob die erzielten Ergebnisse ausreichend genau für die Deformationsüberwachung sind. Dieser Artikel konzentriert sich auf die geometrische Qualität des mobilen Laserscannings und schlägt eine Methode vor, um diese so weit zu verbessern, dass sie effektiv für die Überwachung ziviler Infrastruktur eingesetzt werden kann. Diese Forschung ist nicht durch bloße Neugier motiviert, sondern durch eine dringende Notwendigkeit.

Die zivile Infrastruktur ist ein Grundpfeiler der modernen Gesellschaft und ermöglicht den Transport von Gütern und Personen über große Entfernungen. Die Aufrechterhaltung der Sicherheit und Integrität von Tunneln, Brücken, Lärmschutzwänden und Stützmauern ist jedoch eine anspruchsvolle Aufgabe, insbesondere da Infrastrukturbetreiber mit steigenden Anforderungen aufgrund des wachsenden Verkehrsaufkommens und der Launen extremer Wetterbedingungen konfrontiert sind. Wenn Anzeichen einer Verschlechterung nicht erkannt werden, kann dies schwerwiegende Folgen haben, wie z. B. steigende Reparaturkosten und sogar katastrophale strukturelle Ausfälle.

Leider ereignete sich eine solche Tragödie auf der Brennerautobahn, einer wichtigen Nord-Süd-Verbindungsstraße für den Güter- und Personenverkehr durch die europäischen Alpen. Im Jahr 2012 stürzte eine Stützmauer neben einer Mautstation ein und Tonnen von Beton stürzten auf die Autobahn (Abbildung 1). Im Bruchteil einer Sekunde wurde ein Lastwagen begraben und sein Fahrer kam auf tragische Weise ums Leben. Dieser erschütternde Vorfall führte zu einem Wandel im Bewusstsein Österreichs hinsichtlich des Gefahrenpotenzials geotechnischer Bauwerke. Es bestand ein dringender Bedarf an präziseren und effizienteren Methoden zur Erkennung von Mängeln in den Zehntausenden von Bauwerken, die die Straßen und Eisenbahnen des Landes säumen.

Die Gewährleistung der Sicherheit und Zuverlässigkeit der Infrastruktur steht im Vordergrund und die Beurteilung ihres baulichen Zustands spielt bei der Erreichung dieses Ziels eine entscheidende Rolle. Rechtzeitige und fundierte Entscheidungen können den Unterschied zwischen einem reibungslosen Transport von Personen und Gütern oder einer völligen Katastrophe ausmachen. In vielen Teilen der Welt gelten strenge Vorschriften für die Instandhaltung der Infrastruktur, und modernste Technologie wird eingesetzt, um tiefere Einblicke in die strukturelle Leistung zu gewinnen. Obwohl neuartige Sensoren und Datenanalysefunktionen bei Gebäudeinspektionen und Sicherheitsbewertungen hilfreich sein können, können sie visuelle Inspektionen als ultimative Grundlage für die Zustandsbewertung nicht ersetzen.

Dennoch ist es wichtig, den Wert objektiver Daten zu erkennen. Verschiedene geotechnische oder bauliche Mängel sind mit bloßem Auge möglicherweise nicht erkennbar. Der Eurocode 7 (EN 1997-1, 2004) beleuchtet die vielfältigen Versagensarten, die zu Setzungen, seitlichen Verschiebungen und Kippungen führen können. Hier wird die Verformungsüberwachung zu einem unverzichtbaren Werkzeug, das ein Standardmittel zur Beobachtung des Verhaltens und zur Beurteilung des aktuellen Zustands der strukturellen Gesundheit darstellt. Allerdings haben herkömmliche Techniken zur Verformungsüberwachung ihre Grenzen. Die Messung Tausender Objekte mit Totalstationen oder die Installation Zehntausender Sensorknoten ist unpraktisch und kann unglaublich zeit- und ressourcenintensiv sein.

Mobiles Laserscanning (MLS) hat sich zu einer Spitzentechnologie zur Realitätserfassung entwickelt. Im Gegensatz zum statischen Scannen ermöglicht es die Erfassung von 3D-Punktwolken der Umgebung während der Bewegung, sei es zu Fuß, in der Luft oder im Fahrzeug. Das Erfolgsgeheimnis liegt in der direkten Georeferenzierung, die die Erfassung von 3D-Punktwolken im gewünschten Koordinatensystem ermöglicht, ohne dass Bodenpasspunkte eingerichtet und vermessen werden müssen. Dies wird durch die Integration von Sensordaten aus verschiedenen Quellen wie GNSS, Trägheitsmesseinheiten, Kilometerzählern, Kameras und Scannern erreicht. Die Qualität dieser einzelnen Komponenten und der zur Fusion der Daten verwendeten Algorithmen spielen eine entscheidende Rolle für die Qualität der resultierenden Punktwolken.

Für die Überwachung der zivilen Infrastruktur entlang von Straßen und Schienen sind fahrzeugbasierte mobile Lidar-Systeme die ideale Wahl. Sie ermöglichen eine schnelle Datenerfassung und integrieren sich nahtlos in den frei fließenden Verkehr. Darüber hinaus spielen Größe und Gewicht weniger eine Rolle als beispielsweise bei Systemen, die auf unbemannten Luftfahrzeugen (UAVs oder „Drohnen“) basieren.

Im Jahr 2016 begann ein Team interdisziplinärer Forscher der Technischen Universität Graz in Österreich, das Potenzial eines fahrzeugbasierten MLS-Systems zur Identifizierung potenziell defekter Stützmauern zu untersuchen. Ziel war es, Daten schnell zu erfassen und intelligent zu verarbeiten. Die Infrastruktur würde während der Vorbeifahrt mit hoher Geschwindigkeit gescannt (Abbildung 2) und eine zuverlässige Karte der erheblichen strukturellen Verformungen erstellt. Darüber hinaus befasste sich die Forschung mit den Herausforderungen, die sich beim Einsatz der Technologie unter praktischen Randbedingungen ergeben. Beispielsweise benötigten Infrastrukturbetreiber eine Methode, die mit kommerziell erhältlichen Systemen funktioniert. Um die Datenqualität zwischen verschiedenen Dienstleistern und über Jahre hinweg zu gewährleisten, wurden Datenformate und Schnittstellen spezifiziert. Darüber hinaus würden klar definierte Richtlinien mehr Dienstleister dazu ermutigen, sich an Ausschreibungen zu beteiligen.

Eine erfolgreiche Zusammenarbeit mit Industriepartnern war ausschlaggebend für die Erstellung einer umfassenden Datenbank mit MLS-Daten. Das aus acht Messkampagnen bestehende Projekt umfasste den Einsatz von MLS-Systemen von vier verschiedenen Anbietern zum Scannen von 24 Stützstrukturen. Der resultierende Datensatz umfasste Hunderte von Punktwolken, von denen jede Millionen von Punkten enthielt.

Die Analyse dieses umfangreichen Datensatzes brachte einige bemerkenswerte Erkenntnisse über die geometrische Genauigkeit von MLS-Systemen hervor. Eine wesentliche Erkenntnis war, dass die Qualität der Enddaten nicht nur vom verwendeten System abhängt, sondern auch von dessen Bedienung. Faktoren wie die Ausrichtung des Scanners, die Messrate und das Kalibrierungsverfahren – ob vor Ort oder im Werk durchgeführt – können einen erheblichen Einfluss auf die Genauigkeit der Daten haben.

Darüber hinaus kann auch die Art der gescannten Szenerie die Ergebnisse beeinflussen. Beispielsweise können die Herausforderungen beim Scannen von Alpentälern – mit Stützmauern, Brücken und Tunneln – besonders schwierig sein. Betrachten Sie das Beispiel des Scannens einer 18 m hohen Stützstruktur, die einen Hang neben einer Autobahn und einer Autobahn stabilisiert (wie in Abbildung 4 dargestellt). GNSS-Mehrwege- und IMU-Drifts können zu Cloud-zu-Wolken-Abweichungen von bis zu 10 cm zwischen zwei kurz hintereinander erfassten Datensätzen führen. Es ist zu beachten, dass diese Abweichungen nicht durch Starrkörpertransformation minimiert werden können. Der Mangel an Software, die in der Lage ist, mit solchen „MLS-Verzerrungen“ umzugehen, könnte der Grund dafür sein, dass sie sich noch nicht als zuverlässige Methode zur Verformungsüberwachung bewährt hat.

Es gibt jedoch Abhilfe. Systematische Fehler können als situations- oder zeitabhängig angesehen werden. Mit anderen Worten: Diese Fehler sind für einen bestimmten Zeitraum konstant. Die meisten MLS-Softwarepakete ermöglichen den Export von Punktwolken mit nanosekundengenauen Zeitinformationen (z. B. im LAS/LAZ-Format). Diese Informationen können die Wolke in innerhalb eines kurzen Zeitraums gescannte Abschnitte unterteilen, die dann im Sinne einer Starrkörpertransformation ausgerichtet werden können. Das Verbesserungspotenzial ist erheblich, wie in Abbildung 5 dargestellt. Durch die Nachbearbeitung von MLS-Punktwolken können systematische Fehler von mehreren Zentimetern eliminiert und millimetergenau ausgerichtet werden.

Der MLS-basierten Verformungsüberwachung fehlte ein entscheidender Teil des Puzzles, den diese Methode nun bietet. Es ist in zwei Schlüsselphasen anwendbar:

(1) Etablierung eines einheitlichen Koordinatensystems und Ableitung von Verformungen

(2) Ableitung empirischer Präzision.

Es ist zu beachten, dass das Objekt, von dem die Verformungen ermittelt werden sollen, wie bei herkömmlichen Überwachungsmessungen mit Totalstationen von den Berechnungen in Stufe 1 ausgeschlossen wird. Die semantische Interpretation von Punktwolken kann dabei helfen, die Struktur (Objekt) von anderen Elementen wie der Straßenoberfläche und Leitplanken (Referenz) zu trennen. Über diesen Referenzobjekten werden zwei Epochen registriert und die Haltestrukturen verglichen (Abbildung 6, oben).

Die Präzision aus Stufe 2 hilft dabei, zwischen signifikanten Verformungen und Messrauschen zu unterscheiden. Dies führt zur Erstellung einer binären Karte, die Bereiche mit statistisch signifikanten Unterschieden anzeigt, wie in Abbildung 6 (Mitte) dargestellt. Beim Vergleich mit den Ergebnissen von Totalstationsmessungen mit 19 Prismen (schwarze Punkte in Abbildung 6, oben) stimmten die Ergebnisse in einem Bereich von +/-5 mm überein (Abbildung 6, unten).

Die Idee hinter diesem als „rigorose Deformationsanalyse“ bekannten Konzept ist fast ein halbes Jahrhundert alt und wurde ursprünglich für tachymetrische Vermessungen entwickelt. Diese Studie zeigt jedoch ihre Übertragbarkeit auf mobile Lidar-Scandaten, was faszinierend ist.

Während Forscher und Hersteller bestrebt sind, das volle Potenzial von MLS auszuschöpfen, bleibt die Frage: Sind die Ergebnisse genau genug für die Verformungsüberwachung? Die Antwort hängt, wie zahlreiche Studien zeigen, von mehreren Faktoren ab. Unter optimalen Bedingungen mit glatten Objektoberflächen kann eine Präzision von +/-5 mm erreicht werden, selbst bei hohen Geschwindigkeiten von 80 km/h. Bei rauen Objekten oder dichter Vegetation sinkt die Präzision jedoch auf schätzungsweise +/-1 cm, was eine realistischere Einschätzung darstellt.

Trotz dieser Einschränkungen wird die Gesamtqualität der MLS-Daten für die beabsichtigte Anwendung als ausreichend erachtet und bietet ein vielversprechendes Werkzeug zur Identifizierung kritischer Infrastrukturen, die Aufmerksamkeit erfordern. Während statische Untersuchungen in kritischen Szenarien weiterhin unerlässlich bleiben, hat MLS das Potenzial, große Gebiete effizient zu scannen und Problembereiche zu lokalisieren, was es zu einer wertvollen Ergänzung der Überwachungstools von Infrastrukturbetreibern macht. Da die Welt immer mehr auf Technologie zur Optimierung von Abläufen angewiesen ist, wird es spannend zu sehen sein, wie sich MLS weiter weiterentwickelt und eine Rolle bei der Aufrechterhaltung und Verbesserung der Infrastruktur spielt.

Weiterführende Literatur

Gabl & Pilch: Stützmauern Alt und Neu – Instandsetzung, Ertüchtigung und Neubau von nichtgeankerten Stützkonstruktionen. Verlässlichkeit auf allen Wegen, Kahlenberg, 18.06.2015.

Kalenjuk, S., Lienhart, W. & Rebhan, M. (2021). Verarbeitung mobiler Laserscandaten zur großflächigen Deformationsüberwachung verankerter Stützbauwerke entlang von Autobahnen. Computergestützte Zivilinf. 2021: 1-17: https://doi.org/10.1111/mice.12656

Kalenjuk, S. & Lienhart, W. (2022). Eine Methode zur effizienten Qualitätskontrolle und Verbesserung mobiler Laserscandaten. Fernerkundung, 14(4), [857]. https://doi.org/10.3390/rs14040857

Kalenjuk, S. & Lienhart, W. (2023). Überwachung der Drive-by-Infrastruktur: ein Workflow für die rigorose Verformungsanalyse mobiler Laserscandaten. Strukturelle Gesundheitsüberwachung. Online-First: doi:10.1177/14759217231168997

EN 1997-1. (2004). Eurocode 7: Geotechnische Planung – Teil 1: Allgemeine Regeln. (Technischer Bericht, Behörde: Die Europäische Union gemäß Verordnung 305/2011, Richtlinie 98/34/EG, Richtlinie 2004/18/EG). Brüssel.

Bleiben Sie mit unseren fachmännisch zusammengestellten Newslettern auf dem Laufenden.

Wir bieten pädagogische Einblicke, Branchen-Updates und inspirierende Geschichten, um Ihnen zu helfen, zu lernen, zu wachsen und Ihr volles Potenzial in Ihrem Bereich auszuschöpfen. Verpassen Sie es nicht – abonnieren Sie noch heute und stellen Sie sicher, dass Sie immer informiert, gebildet und inspiriert sind.

Slaven Kalenjuk ist Diplom-Ingenieur der Geomatik und ehemaliger Forscher an der Technischen Universität Graz.

Werner Lienhart ist ordentlicher Professor und Leiter des Instituts für Ingenieurgeodäsie und Messsysteme und...