Geomatik Herbst Kolloquium: Mobile Mapping und KI – ein starkes Team

Der Begriff Mobile Mapping beschreibt den Prozess der kinematischen Erfassung von raumbezogenen Daten von einer mobilen Trägerplattform. Ein Mobile Mapping System besteht aus einer mobilen Trägerplattform, verschiedenen Erfassungssensoren sowie einer Positions- und Navigationseinheit. Als Trägerplattformen kommen im Aussenraum vorwiegend Motorfahrzeuge, Schienenfahrzeuge, Flugzeuge, Helikopter und Drohnen zum Einsatz. Im Innenraum werden dagegen Rucksätze und Trolleys als Trägerplattformen verwendet. Aktuell werden aufgrund der zunehmend miniaturisierten Sensoren mit optimiertem Energiekonsum sowie den leistungsfähigeren Computern auch autonome Systeme und Roboter aber auch Smartphones für den Einsatz im Innen- sowie im Aussenbereich interessant.

Das Ziel von Mobile Mapping Technologien ist die effiziente Erfassung von genau georeferenzierten Daten mit einer hohen räumlichen Auflösung. Typischerweise werden Laserscanner und Kameras als Erfassungssensoren verwendet, wodurch enorme Datenmengen anfallen. Die Entwicklungen der letzten Jahre im Bereich der künstlichen Intelligenz bieten hierbei grosses Potential für die effiziente Auswertung dieser Daten.

Im Rahmen eines Kolloquiums Beitrag beleuchtete Markus Schär, Geschäftsleitung / Development bei Digital Survey AG die automatisierte Auswertung von Mobile Mapping Daten mithilfe von künstlicher Intelligenz.

Digital Survey verfügt über ein Mobile Mapping System von Leica Geosystems. Das Mobile Mapping System kommt hauptsächlich in Kombination mit einem Fahrzeug zum Einsatz, wurde aber auch schon auf Züge, Trams oder gar Pistenfahrzeuge montiert. Als Erfassungssensoren dienen zwei Profilscanner sowie diverse Kameras. Je nach Projektanforderungen lassen sich gewisse Sensoren auch speziell konfigurieren.  

Digital Survey setzt ihr Mobile Mapping System für verschiedenste Anwendungen ein:

• Generierung von 3D-Planungsgrundlagen
• Erstellung von Bestandesmodellen von Strassen und Infrastrukturobjekten
• Auswertung Strasseninfrastruktur, Schilder, Markierungen und Kunstbauten
• Strassenzustandsanalyse
• Auswertung Nutzungsflächen, Nachführung Strassenachsen und Erfassung Strassenbreiten
• Lichtraumprofilanalyse
• Smart City Web-Dienste

Die Ableitung der bestellten Produkte aus den Rohdaten wie zum Bespiel Bestandesmodelle oder extrahierte Markierungen oder Infrastruktur-Objekte ist herkömmlicherweise ein manueller Prozess der viel Zeit in Anspruch nimmt. Für die Automatisierung dieser Prozesse setzt Digital Survey erfolgreich künstliche Intelligenz, genauer gesagt neuronale Netze ein. Diese Netze sind für spezifische Aufgaben trainiert und können dementsprechend auch nur dafür eingesetzt werden.

Insbesondere das Training der neuronalen Netze ist eine aufwändige Arbeit. Oftmals existieren zwar bereits vortrainierte Netze im Internet. Aufgrund von regionalen Unterschieden und Eigenheiten z.B. die Erscheinung von Verkehrsschildern, können diese Modelle aber nicht einfach übernommen werden, bieten aber eine gute Ausgangslage für das eigene Training.

Zunächst muss ein genügend grosser Trainings- und Evaluationsdatensatz mit genauen Label angelegt werden. Das Labeln (Detektion, Markierung und Klassifizierung relevanter Objekte) erfolgt manuell. Anschliessend wird das Netz mit den Trainingsdaten trainiert und die Performance anhand des Evaluationsdatensatzes bestimmt. Wenn die gewünschte Performance erreicht wurde, ist das neuronale Netz für den Einsatz bereit.

Digital Survey nutzt künstliche Intelligenz beispielsweise für die Ersterfassung oder Kontrolle von Werkkataster. Ein spezifisch dafür trainiertes Netz detektiert Schächte in den georeferenzierten Bildern. Dank der hohen Redundanz, welche das Mobile Mapping System generiert, können Falschdetektionen seitens der künstlichen Intelligenz effizient herausgefiltert werden. Das Resultat sind genaue 3D-Schachtpositionen mit entsprechendem Klassenattribut, welche mit dem bestehenden Werkkataster verglichen werden können oder direkt für die Ersterfassung des Katasters verwendet werden können.

Analog zum Beispiel der Schächte setzt Digital Survey neuronale Netze für eine Vielzahl an interessanten Objekte, welche einer klar abgegrenzten Klasse angehören, ein. Durch die anschliessende Weiterverarbeitung und Filterung der detektierten Objekte und die genaue Verortung im dreidimensionalen Raum wird die Effizienz bei der Ableitung der gewünschten Produkte deutlich erhöht. Dieses Verfahren wird beispielsweise bei der Strassenzustandsanalyse, der Schadenserkennung von Abwasserleitungen oder der Inventarisierung von Strassen- oder Bahnkorridoren angewendet.

Zusammenfassend führt Markus Schär aus, dass künstliche Intelligenz ein mächtiges Hilfsmittel ist. Es werden grosse Zeitersparnisse bei der Auswertung ermöglicht, aber eine automatische Auswertung ist noch nicht in 100% der Fälle erreichbar.

Hiermit bedanken wir uns herzlich bei Markus Schär für die spannenden Einblicke in die KI-gestützte Auswertung von Mobile Mapping Daten.