TH Köln forscht zur Optimierung von Routenplanung und Kollisionsprüfung
Der Transport von mobilen Kränen für Bauprojekte oder von Rotorblättern für Windkraftanlagen stellt Unternehmen und Behörden vor Herausforderungen. Um die Befahrbarkeit kritischer Streckenabschnitte wie Engstellen zu gewährleisten, werden häufig Simulationen per Software eingesetzt. Die TH Köln untersucht in einer Machbarkeitsstudie, wie diese Überprüfung unter anderem mithilfe Künstlicher Intelligenz einfacher und zeitsparender durchgeführt werden kann.
„Schon die Planung der Transporte ist ein komplexes Unterfangen. Um eine Ausnahmegenehmigung zu erhalten, müssen die Antragsteller*innen unter anderem Straßenbeschaffenheit, Brücken, Tunnel, enge Kurven, Steigungen, Gefälle und hinderliche Vegetation berücksichtigen. Um sämtliche kritische Stellen auf der Strecke identifizieren zu können, müssen große Datenmengen gesammelt, verarbeitet und visualisiert werden. An der Hochschule laufen dazu verschiedene Forschungsprojekte. Unser Ziel ist es, ein speicher- und recheneffizientes Verfahren für die Befahrbarkeitsanalyse zu entwickeln und zu testen“, berichtet Projektleiter Dr. René Degen vom CAD CAM Center Cologne der TH Köln.
Zwei Ansätze vergleichen
Zu Beginn des Projekts werden zwei reale Engstellen auf einer Transportroute mit zwei unterschiedlichen Verfahren vermessen. Im ersten zu testenden Verfahren fliegen die Forschenden die Transportstrecke mit einer Drohne ab. Die gewonnenen Bilddaten werden mittels Photogrammetrie zu einer 3D-Punktwolke verarbeitet, um ein digitales Abbild der Engstellen zu erhalten. „Jedes Bild ist mit einem Geotag versehen, der angibt, wo sich die Drohne gerade befindet. Bei der Photogrammetrie analysiert eine Software die Fotos, um gemeinsame Merkmale oder Punkte zu identifizieren. Durch den Vergleich dieser Punkte über die verschiedenen Bilder hinweg kann die Software die geografische Position im 3D-Raum bestimmen“, erläutert Degen.
Als vergleichendes Verfahren entwickeln die Forscher*innen der TH Köln ein mobiles Mapping-System, das auf dem Dach eines Fahrzeugs befestigt wird. Dabei wird jedem Messpunkt, der mit einem Laserscanner erfasst wird, über Satellit eine geografische Position zugewiesen. Anschließend werden die Geodaten zu einer 3D-Punktwolke zusammengeführt. „Zusätzlich montieren wir eine Kamera auf das Messsystem und legen die damit aufgenommenen Bilder in unserer Software über die Punktwolke, die dann entsprechend der Umgebung eingefärbt wird. So entstehen 3D-Modellkarten, die den Nutzer*innen die visuelle Überprüfung der Aufnahmen erleichtern sollen“, erklärt der Projektleiter.
Routenplanung und Kollisionsprüfung
Neben den Umgebungsdaten werden Informationen über die Geometrie des zu transportierenden Großgerätes in einen Algorithmus eingespeist, um eine Künstliche Intelligenz zu trainieren. „Der Algorithmus erhält die Aufgabe, eine Route mit möglichst geringem Kollisionsrisiko zu finden. Im Falle einer Engstelle wird beispielsweise die Berührung der Ladung mit Sträuchern oder Büschen als weniger gravierend eingestuft, während der Kontakt mit einer Brücke oder Hauswand als potenziell schwerwiegendes Ereignis angesehen wird. Anschließend prüfen wir, mit welcher Datengrundlage der beiden Verfahren die Analyse zuverlässiger und einfacher durchzuführen ist“, so Degen.
Um den Praxisbezug im Projekt zu gewährleisten, wird ein forschungsbegleitender Arbeitskreis aus Unternehmen, Behörden und Verbänden gegründet. Durch den kontinuierlichen Austausch mit den Partnern soll sichergestellt werden, dass die prototypische Datenverarbeitung und Simulation der Befahrbarkeit bei potenziellen Anwender*innen wie Transportfirmen, Projektierern, Genehmigungsstellen sowie bei den Genehmigungsstellen auf Akzeptanz stößt.
Die Machbarkeitsstudie soll die Grundlage für vertiefende Forschungen in diesem Bereich bilden. Darüber hinaus ist geplant, die Ergebnisse in einem Folgeprojekt zu validieren und in die Entwicklung eines marktfähigen Produktes zu überführen.
Über das Projekt
Das Projekt „pointCloud2Model“ wird am CAD CAM Center Cologne der TH Köln durchgeführt, das von Prof. Dr. rer. nat. Dr. h.c. Margot Ruschitzka geleitet wird. Dr. René Degen übernimmt die Projektleitung. Der forschungsbegleitenden Arbeitsgruppe gehören der Bundesverband Schwertransporte und Kranarbeiten e.V., der Landesbetrieb Mobilität Rheinland-Pfalz, der Sensorikanbieter IGI mbH sowie das Transportunternehmen BigMove AG an. Das einjährige Vorhaben wird über die Förderrichtlinie „mFUND“ des Bundesministeriums für Digitales und Verkehr mit 200.000 Euro gefördert.
