AT526501B1

AT526501B1 - Computerimplementiertes Verfahren zum Bestimmen von Unregelmäßigkeiten einer Oberfläche

Info

Publication number: AT526501B1
Application number: ATA50249/2023A
Authority: AT
Inventors: Krieger Dipl -Ing Maximilian
Original assignee: Geodata Ziviltechnikergesellschaft M B H
Priority date: 2023-04-06
Filing date: 2023-04-06
Publication date: 2024-04-15
Also published as: AT526501A4

Abstract

Die Erfindung betrifft ein computerimplementiertes Verfahren (100) zum Bestimmen von Unregelmäßigkeiten (310) einer regelmäßigen Oberfläche aus einer ersten, durch mindestens eine Erfassungseinrichtung (400) erfassten Punktwolke, die terrestrische Oberflächen-Daten der Oberfläche zu einem ersten Zeitpunkt darstellt. Das Verfahren (100) umfasst ein Auswählen (110) mindestens eines Berechnungspunktes in der ersten Punktwolke, und für jeden der Berechnungspunkte die folgenden Schritte: Auffinden (120) von ersten Punkten, und Berechnen (140) einer ausgleichenden Ebene dafür und den Abstand davon (150). Auffinden (130) von zweiten Punkten aus den ersten Punkten, und Ermitteln (170) eines Punktnormalen-Vektors des jeweiligen zweiten Punktes. Berechnen (160) des Mittelwertes der Abstände der ersten Punkte von der ausgleichenden Ebene und eines mittleren Punktnormalen-Vektors der zweiten Punkte (180). Anschließend wird für jeden der zweiten Punkte auf der Grundlage des Mittelwertes der Abstände der ersten Punkte von der ausgleichenden Ebene und/oder der mittleren Punktnormalen-Vektoren der zweiten Punkte bestimmt, ob dieser bezüglich aller zweiten Punkte ein Punkt einer Unregelmäßigkeit ist (190). Es wird weiterhin eine Vorrichtung und ein Computerprogrammprodukt bereitgestellt.

Description

Beschreibung

[0001] Die Erfindung betrifft ein Verfahren zum Bestimmen von Unregelmäßigkeiten einer Oberfläche aus Punktwolken, die von physischen Objekten aufgenommen sind. Die bestimmten Unregelmäßigkeiten werden auch Features genannt. Das Verfahren kann eingesetzt werden, um Verformungen einer Oberfläche zu bestimmen. Hierzu werden zwei Punktwolken aufgenommen, zu verschiedenen Zeitpunkten. Eine erste Punktwolke, die auch Referenzpunktwolke genannt werden kann, zu einem ersten Zeitpunkt vor der Verformung, und eine zweite Punktwolke, die auch Folgepunktwolke genannt werden kann, zu einem zweiten Zeitpunkt nach der Verformung. Durch das Verfahren können in einer solchen Punktwolke Unregelmäßigkeiten bestimmt werden. Durch ein Vergleichen der beiden Punktwolken können daraufhin Verformungen unter Ausnutzung der bzw. an den zuvor bestimmten Unregelmäßigkeiten bestimmt werden. Solche Unregelmäßigkeiten können natürlicher oder künstlicher Natur sein. Natürliche Unregelmäßigkeiten können durch Verschleiß oder Abnutzung auftreten. Künstliche Unregelmäßigkeiten können jegliche Arten von Veränderungen umfassen, beispielsweise das nachträgliche Anbringen von Gegenständen, Vorrichtungen etc. Diese werden ebenfalls als Unregelmäßigkeit der Oberfläche erfasst. Aus den bestimmten Unregelmäßigkeiten kann eine Deformation, die als Gesamtheit der bestimmten Unregelmäßigkeiten zu verstehen ist, bestimmt werden.

[0002] Bekannt sind solche Verfahren beispielsweise aus der WO 2022/054158 A1, in der ein Anomalie-Erfassungssystem beschrieben ist, bei dem Anomalie-Kandidatenbereiche der Oberfläche auf der Grundlage einer Differenz einer Referenzform und entsprechenden Formdaten extrahiert werden. Anschließend wird eine Rauheit jedes der extrahierten Anomalie-Kandidatenbereiche berechnet, und eine Anomalie in einem Kandidatenbereich bestimmt, wenn ein Schwellwert überschritten wird.

[0003] In der JP 2004/171231 A wird eine Extraktionsvorrichtung beschrieben, die zu einer unebenen Oberfläche eine Basislinie ermittelt, eine Vielzahl von Bildern der unebenen Oberfläche entlang der Basislinie aufnimmt, ein Raumfrequenzspektrum von jedem der Bilder berechnet, einen charakteristischen Teil daraus extrahiert und nach einer Nachbearbeitung der Daten ein Muster der Unregelmäßigkeiten unter Verwendung der nachbearbeiteten Daten ermittelt.

[0004] Die CN114136993A beschreibt die Erkennung kreisförmiger Nähte in Schildtunneln aus Punktwolkendaten eines Tunnels durch Durchführen einer Ebenenanpassung der Punktwolkendaten, Entfernen verrauschter Punkte, Segmentieren, Clustern und Erhalten der Positionsinformationen einer kreisförmigen Naht.

[0005] In der CN1152724444A wird ein Extrahieren von Abstands- und Verformungspunktwolken für Tunnelstahlgewölbe beschrieben, bei dem durch aus einer Punktwolke der Abstand zwischen Tunnelstahlbögen bestimmt werden kann.

[0006] Die DE102011113138A1 offenbart die Erkennung und Vermessung von lokalen Formabweichungen in ebenen, gekrümmten oder gewölbten Oberflächen eines Prüfobjekts, wobei eine Auswerteeinrichtung mindestens ein virtuelles Filterelement als Konkavfilter und/oder als Konvexfilter einsetzt.

[0007] Nachteilig bei den bekannten Verfahren ist jedoch, dass sie sich nur unzureichend für die Deformationsbestimmungen von Querverschiebungen einsetzen lassen, also von solchen Deformationen, bei denen sich Teile der Oberfläche entlang derselben bzw. in dieser an andere Stellen der Oberfläche verschoben haben. Darüber hinaus ist der allgemeine Stand der Technik weiterzuentwickeln.

[0008] Es ist daher eine Aufgabe der Erfindung, die Nachteile der bestehenden Verfahren zu überwinden und eine verbesserte Bestimmung von Unregelmäßigkeiten und Deformationen zu ermöglichen.

[0009] Diese Aufgabe löst die vorliegende Erfindung in einer ersten Ausführungsform dadurch, dass ein computerimplementiertes Verfahren zum Bestimmen von Unregelmäßigkeiten einer regelmäßigen Oberfläche aus einer ersten, durch mindestens eine Erfassungseinrichtung erfassten

Punktwolke, die terrestrische Oberflächen-Daten der Oberfläche zu einem ersten Zeitpunkt darstellt, bereitgestellt wird. Im Verfahren wird mindestens ein Berechnungspunkt in der ersten Punktwolke ausgewählt und dann werden für jeden der Berechnungspunkte die folgenden Schritte durchgeführt. Zuerst werden erste Punkte aufgefunden, die höchstens einen vordefinierten ersten Abstand vom Berechnungspunkt haben. Dann werden zweite Punkte aus den ersten Punkten aufgefunden, die höchstens einen vordefinierten zweiten Abstand vom Berechnungspunkt haben, wobei der zweite Abstand kleiner ist als der erste Abstand. Anschließend wird für die ersten Punkte eine ausgleichende Ebene berechnet, und für jeden der ersten Punkte wird der jeweilige Abstand von der ausgleichenden Ebene berechnet, sowie der Mittelwert der Abstände der ersten Punkte von der ausgleichenden Ebene. Für jeden der zweiten Punkte wird ein Punktnormalen-Vektor des jeweiligen zweiten Punktes ermittelt und ein mittlerer Punktnormalen-Vektor der zweiten Punkte berechnet. Sodann wird für jeden der zweiten Punkte auf der Grundlage des Mittelwertes der Abstände der ersten Punkte von der ausgleichenden Ebene und/oder der mittleren Punktnormalen-Vektoren der zweiten Punkte bestimmt, ob dieser bezüglich aller zweiten Punkte ein Punkt einer Unregelmäßigkeit ist.

[0010] Das erfindungsgemäße Verfahren ermöglicht es nicht nur Unregelmäßigkeiten und Deformationen, beispielsweise Verschiebungen, in Richtung der Normalenvektoren, sondern in allen Richtungen, d.h. im drei-dimensionalen Raum, zu bestimmen.

[0011] Gemäß einer Weiterbildung wird ein zweiter Punkt als Unregelmäßigkeit bestimmt, falls der bestimmte Abstand des zweiten Punktes von der ausgleichenden Ebene größer ist als der bestimmte Mittelwert der Abstände der ersten Punkte und/oder falls der Winkel zwischen dem Punktnormalen-Vektor des zweiten Punktes und des mittleren Punktnormalen-Vektors größer ist als ein vorbestimmter Wert unter Berücksichtigung der Orientierung der Vektoren.

[0012] Durch das Anlegen dieser Kriterien kann ein zweiter Punkt am effektivsten als Unregelmäßigkeit bestimmt werden.

[0013] Gemäß einer weiteren Weiterbildung wird das Auffinden von ersten und zweiten Punkten durch ein Suchverfahren, besonders bevorzugt durch einen Suchbaum wie etwa das Flann-KDTree-Verfahren, durchgeführt.

[0014] Durch solche Suchverfahren werden Resultate besonders effiziente erzielt.

[0015] Gemäß einer weiteren Weiterbildung werden die mittleren Punktnormalen-Vektoren für die zweiten Punkte durch Mittelung der einzelnen Punktnormalen-Vektoren der zweiten Punkte berechnet.

[0016] Die Mittelung bietet eine einfache und effiziente Methode zur Berechnung der mittleren Punktnormalen-Vektoren.

[0017] Gemäß einer weiteren Weiterbildung wird die erste Punktwolke vor dem Auswählen von Berechnungspunkten ausgedünnt, wobei das Ausdünnen durch ein erstes Voxel-Grid-Filter durchgeführt wird, dessen Größe von der Auflösung und Dichte der ersten Punktwolke und der Größenordnung der zu bestimmenden Unregelmäßigkeiten abhängt.

[0018] Durch die zuvor beschriebenen Maßnahmen kann die Datenmenge reduziert werden, wodurch das Verfahren in vorteilhafter Weise beschleunigt wird.

[0019] Gemäß einer weiteren Weiterbildung wird für eine solche ausgedünnte erste Punktwolke, nach dem Bestimmen der Unregelmäßigkeiten, die ursprüngliche Auflösung der ersten Punktwolke vor dem Ausdünnen wiederhergestellt, indem vor dem Ausdünnen dritte Punkte in der ersten Punktwolke mit einem vordefinierten Abstand von dem als Unregelmäßigkeit bestimmten zweiten Punkt aufgefunden werden, und alle aufgefundenen dritten Punkte zu dem jeweiligen als Unregelmäßigkeit bestimmten zweiten Punkt zugeordnet werden. Dabei wird jeder aufgefundene dritte Punkt nur jeweils einem als Unregelmäßigkeit bestimmten zweiten Punkt zugeordnet.

[0020] Dadurch, dass dritte Punkte aus der ersten Punktwolke vor dem Ausdünnen aufgefunden werden, die sich in einem vordefinierten Abstand zu den als Unregelmäßigkeit bestimmten zweiten Punkten befinden, dem jeweiligen Punkt zugeordnet werden, wird die ursprüngliche Auflö-

sung wieder hergestellt. Dadurch, dass jeder aufgefundene Punkt nur einem als Unregelmäßigkeit bestimmten Punkt zugeordnet wird, kann redundantes Rechnen vermieden werden.

[0021] Gemäß einer weiteren Weiterbildung wird das Auswählen von Berechnungspunkten durch ein Berechnen von Stützstellen durchgeführt. Dies wird bevorzugt durch ein zweites Voxel-GridFilter durchgeführt, dessen Größe von der Auflösung und Dichte der ersten Punktwolke und der Größenordnung der zu bestimmenden Unregelmäßigkeiten abhängt. Die so berechneten Stützstellen werden als Berechnungspunkte verwendet.

[0022] Durch die Verwendung von Stützstellen kann die Datenmenge der Punktwolke ebenfalls verringert werden.

[0023] Gemäß einer weiteren Weiterbildung wird beim Berechnen des Mittelwertes der Abstände der ersten Punkte von der ausgleichenden Ebene der Mittelwert durch einen vordefinierten oder berechneten Schwellwert begrenzt, so dass der Mittelwert nicht kleiner als der Schwellwert berechnet wird.

[0024] Durch das Begrenzen des Mittelwertes der Abstände durch einen Schwellwert als untere Grenze kann die Berechnungseffizienz gesteigert werden.

[0025] Gemäß einer weiteren Weiterbildung werden die als Unregelmäßigkeit bestimmten zweiten Punkte segmentiert, bevorzugt mittels eines Clusteringverfahrens, besonders bevorzugt durch ein Density-Based-Spatial-Clustering-of-Applications-with-Noise, DBSCAN, Verfahren.

[0026] Der Einsatz des DBSCAN-Verfahrens hat sich bewährt und liefert auch im Zusammenspiel mit den vorliegend bereitgestellten Verfahren hervorragende Ergebnisse.

[0027] Gemäß einer weiteren Weiterbildung umfasst das Verfahren weiterhin ein Bestimmen von Deformation der Oberfläche auf der Grundlage der zweiten Punkte der ersten Punktwolke gegenüber den Punkten einer zweiten, durch mindestens eine Erfassungseinrichtung erfassten Punktwolke, die terrestrische Oberflächen-Daten der Oberfläche zu einem zweiten Zeitpunkt darstellt. Dies kann durch ein Punktwolken-Matching-Verfahren durchgeführt werden, besonders bevorzugt durch ein Transformationsverfahren wie etwa das Iterative-Closest-Point-Verfahren.

[0028] Dadurch können die vorhandenen Deformationen bestimmt werden. Insbesondere die Verwendung von Transformationsverfahren wie etwa das Iterative-Closest-Point-Verfahren hat sich hierbei bewährt.

[0029] Gemäß einer weiteren Weiterbildung werden die mindestens zwei Punktwolken vor dem Bestimmen von Deformation um denselben Schwerpunkt reduziert.

[0030] Das Reduzieren um denselben Schwerpunkt erleichtert das Vergleichen der Punktwolken.

[0031] Gemäß einer weiteren Weiterbildung werden die Punktwolken vor dem Bestimmen von Deformation in ein gemeinsames Koordinatensystem transformiert. Hierbei ist ein georeferenziertes Koordinatensystem besonders bevorzugt.

[0032] Das Transformieren der Punktwolken in ein gemeinsames Koordinatensystem ermöglicht es, auch Punktwolken, die in verschiedenen Koordinatensystemen vorliegen, zu vergleichen. Falls die Punktwolken mit unterschiedlichen Erfassungsgeräten erfasst worden sein können, werden sie durch ein Transformieren in ein gemeinsames Koordinatensystem aneinander angepasst. Dadurch können Unterschiede in der Orientierung und/oder Skalierung ausgeglichen werden. Wird ein georeferenziertes Koordinatensystem verwendet, so können die Oberflächen-Daten und auch die Unregelmäßigkeiten bzw. die Deformation in ein geodätisches Referenzsystem eingepasst werden, wodurch beispielsweise eine Lokalisierung vereinfacht wird.

[0033] Gemäß einer weiteren Weiterbildung umfasst das Verfahren weiterhin ein Berechnen jeweils eines Einzelvektors der Verschiebung für jeden der als Unregelmäßigkeit bestimmten zweiten Punkte der ersten Punktwolke gegenüber den Punkten der zweiten Punktwolke, wobei besonders bevorzugt die Deformation als mittlerer Vektor der berechneten Einzelvektoren bestimmt wird.

[0034] Wird für jeden markanten Punkt ein Einzelvektor bestimmt, kann die Genauigkeit der Deformationsbestimmung erhöht werden, und durch die Bestimmung der Deformation als mittlerer Vektor kann die Darstellung der Deformation vereinfacht werden.

[0035] Gemäß einer weiteren Weiterbildung werden die bestimmten Deformationen auf einer Anzeigevorrichtung dargestellt. Vorzugsweise werden hierzu der Schwerpunkt und/oder der mittlere Deformationsvektor der als Unregelmäßigkeit bestimmten zweiten Punkte bestimmt.

[0036] Durch das Anzeigen wird ein schnelles Erfassen der Deformationen durch einen Betrachter ermöglicht. Dadurch, dass die Schwerpunkte und mittleren Deformationsvektoren bestimmt werden, kann die Deformation besonders einfach von einem Betrachter erfasst werden.

[0037] Gemäß einer weiteren Weiterbildung hängen der erste Abstand und der zweite Abstand von der Beschaffenheit der Oberfläche ab.

[0038] Gemäß einer weiteren Weiterbildung stellen die Unregelmäßigkeiten Schäden, Anbauten, Ankerpunkte, Oberflächenmerkmale, Pflanzenwachstum oder andere unregelmäßige Merkmale der Oberfläche dar.

[0039] Gemäß einer weiteren Weiterbildung werden die Punktwolken vor dem Auswählen von Berechnungspunkten durch mindestens eine Erfassungseinrichtung, wie 2D-Laserscanner, 3DLaserscanner oder Kameras erfasst oder von einem oder mehreren Datenträgern oder einem Datenübertragungssignal eingelesen.

[0040] Es bestehen also die Alternativen die Punktwolken zu erfassen oder bereits erfasste Punktwolken einzulesen. Vorteilhaft ist hierbei, dass die Daten direkt nach dem Erfassen weiterverarbeitet werden können. Alternativ ist auch eine Zurverfügungstellung der Daten beispielsweise auf einem Datenträger oder über eine Datenübertragung denkbar.

[0041] Gemäß einer weiteren Weiterbildung wird beim Bestimmen für einen zweiten Punkt hinsichtlich eines zweiten Berechnungspunktes das Ergebnis des Bestimmens für diesen zweiten Punkt hinsichtlich eines ersten Berechnungspunktes übernommen.

[0042] Dadurch werden ebenfalls Rechenzeit gespart und das Verfahren effizienter.

[0043] Gemäß einer weiteren Ausführungsform wird ein Computerprogramm-Produkt mit einem Programm für eine Datenverarbeitungsvorrichtung bereitgestellt, das Softwarecode-Abschnitte zum Ausführen der Schritte eines zuvor beschriebenen Verfahrens umfasst, wenn das Programm auf der Datenverarbeitungsvorrichtung ausgeführt wird.

[0044] Gemäß einer Weiterbildung umfasst das Computerprogramm-Produkt ein computerlesbares Medium, auf dem die Softwarecode-Abschnitte gespeichert sind, wobei das Programm direkt in einen internen Speicher der Datenverarbeitungsvorrichtung ladbar ist.

[0045] Die Ausführungsformen und Weiterbildungen zeigen mögliche Ausführungsvarianten, wobei die Erfindung nicht auf die speziell dargestellten Ausführungsvarianten derselben eingeschränkt ist, sondern vielmehr auch Kombinationen der einzelnen Ausführungsvarianten untereinander möglich sind.

[0046] Zum besseren Verständnis der Erfindung wird diese anhand der nachfolgenden Figuren näher erläutert. Es zeigen jeweils in stark vereinfachter, schematischer Darstellung:

[0047] Fig. 1 einen beispielhaften Tunnelabschnitt mit einer Oberflächen-Daten-Erfassungseinrichtung;

[0048] Fig. 2 ein beispielhaftes Flussdiagramm der Verfahren;

[0049] Fig. 3 optionale vorbereitende Verarbeitungen von Punktwolken; [0050] Fig. 4 beispielhaft das Auffinden von Punkten;

[0051] Fig. 5 eine Bestimmung von markanten Punkten;

[0052] Fig. 6 ein Zwischenergebnis des Verfahrens;

[0053] Fig. 7 erkannte Unregelmäßigkeiten in einer Punktwolke;

[0054] Fig. 8 einen Bereich einer Punktwolke mit wiederhergestellter Auflösung; [0055] Fig. 9 erkannte Deformationen in 3-dimensionaler Ansicht, und

[0056] Fig. 10 eine Ansicht von Deformationsvektoren.

[0057] Einführend sei festgehalten, dass in den unterschiedlich beschriebenen Ausführungsformen gleiche Teile mit gleichen Bezugszeichen versehen werden, wobei die in der gesamten Beschreibung enthaltenen Offenbarungen sinngemäß auf gleiche Teile mit gleichen Bezugszeichen übertragen werden können. Auch sind die in der Beschreibung gewählten Lageangaben, wie z.B. oben, unten, seitlich usw. auf die unmittelbar beschriebene sowie dargestellte Figur bezogen und sind diese Lageangaben bei einer Lageänderung sinngemäß auf die neue Lage zu übertragen.

[0058] Fig. 1 zeigt eine beispielhafte Datenerfassung, wie sie zur Erfassung von Unregelmäßigkeiten in Tunneln eingesetzt wird. An den Wänden des Tunnels 300 sind Unregelmäßigkeiten 310 zu sehen. Die Erfassungseinrichtung 400, die beispielsweise eine Lasererfassung oder Kameras umfassen kann, erfasst hierbei die Oberfläche der Tunnelwände. Die Erfassung kann beispielsweise durch Lidar- oder ähnliche Verfahren durchgeführt werden. Das Lasersystem kann ein 2D- oder 3D-Laserscanner sein. Alternativ können auch mehrere (auch verschiedene) Systeme gleichzeitig eingesetzt werden. Durch die Erfassungseinrichtung 400 werden Punktwolken erfasst. In den Punktwolken werden durch einen Filter spezifische Merkmale in der Punktwolke (sogenannte Features, die aus markanten Punkten, d.h. den Unregelmäßigkeiten, bestehen) ermittelt. Dabei kann es sich beispielsweise um kleine Dellen und Erhebungen in aufgenommen Oberflächen von Objekten wie z.B. Ankerköpfe in Spritzbeton-Tunneloberflächen oder Abplatzungen an Schadstellen handeln. Die jeweils in zwei Punktwolken derselben Oberfläche gefundenen identen Features können verglichen und deren Verschiebung berechnet werden.

[0059] Die Messung findet zu zwei Zeitpunkten statt. Zu einem ersten Zeitpunkt wird eine Referenzmessung durchgeführt, und aus den erfassten Daten der Referenzmessung wird eine erste Punktwolke, manchmal auch Referenzpunktwolke genannt, gebildet. Zu einem zweiten Zeitpunkt wird eine zweite Messung durchgeführt, und aus den erfassten Daten der zweiten Messung wird eine zweite Punktwolke, auch Folgepunktwolke genannt, gebildet. Die zu bestimmende Deformation betrifft die Anderung des zu messenden Objektes zwischen dem ersten und dem zweiten Zeitpunkt. Die Verfahren zur Bestimmung von Deformationen bestehen aus mehreren Berechnungsschritten, mit deren Hilfe die zwei Punktwolken so ausgewertet werden, dass die zwischen den Aufnahmezeitpunkten aufgetretenen 3D-Deformationen bzw. 3D-Verschiebungen bestimmt werden können.

[0060] Das erfinderische Verfahren 100 kann jedoch generell zur Bestimmung von UnregelmäBigkeiten 310 eingesetzt werden, nicht nur in Tunneln 300, sondern auch an anderen physischen Objekten wie Mauern, Berghängen, Fahrzeugen, Pflanzen, etc.

[0061] Das erfinderische Verfahren 100 kann dabei sowohl in der Erfassungseinrichtung 400 ausgeführt werden, oder in einer separaten Recheneinrichtung. Dies kann simultan erfolgen, indem die Daten während oder kurz nach der Erfassung an die Recheneinrichtung übermittelt werden, oder auch eine beliebige Zeit nach der Datenerfassung, indem die Daten nach der Erfassung gespeichert und später durch die Recheneinrichtung geladen werden.

[0062] In einer ersten Ausführungsform wird das erfinderische Verfahren 100 beschrieben, das zum Bestimmen von Unregelmäßigkeiten 310 in einer Punktwolke dient.

[0063] Fig. 2 zeigt ein Flussdiagramm des Verfahrens 100. Hierbei sind die optionalen Schritte und Bestandteile der Weiterbildungen gestrichelt eingezeichnet. Das Verfahren 100 der ersten Ausführungsform beginnt mit Schritt 110, dem Auswählen mindestens eines Berechnungspunktes in der ersten Punktwolke. Da die vorbereitenden Schritte jedoch optional zuvor ausgeführt werden können, werden diese zuerst erläutert.

[0064] Schritt 61 betrifft das Erfassen der Punktwolke durch eine Erfassungseinrichtung 400, wie zuvor bereits beschrieben. Wird das Verfahren in einer anderen als die Erfassungseinrichtung

400 durchgeführt, werden die Daten der Punktwolke an diese andere Einrichtung übermitteln. Alternativ kann auch eine bereits zuvor erfasste Punktwolke von einem Datenträger eingelesen oder durch ein Datenträgersignal empfangen werden. Dies wird durch den Schritt 62 symbolisiert.

[0065] In den Schritten 61 und 62 kann neben der ersten Punktwolke auch bereits die zweite erfasst bzw. eingelesen oder empfangen werden, falls ein Verfahren durchgeführt werden soll, das Schritte beinhaltet, die auch die zweite Punktwolke betreffen. Falls dies nicht der Fall ist, kann die zweite Punktwolke auch zu einem späteren Zeitpunkt erfasst oder eingelesen werden, nämlich dann, wenn die Daten der zweiten Punktwolke für das Bestimmen der Deformationen benötigt werden.

[0066] Nach dem Erfassen 61 oder Einlesen 62 können die Daten der ersten Punktwolke optionaler Weise durch vorbereitende Verarbeitungsschritte für die weitere Verarbeitung verbessert werden.

[0067] Soll eine Deformation bestimmt werden, und nicht nur die Unregelmäßigkeiten, werden die in Schritt 61 oder 62 eingelesenen oder erfassten Punktwolken im Schritt 70 in ein gemeinsames Koordinatensystem transformiert. Es ist besonders günstig, dass die Punktwolken hierbei in ein georeferenziertes Koordinatensystem transformiert werden. Sollte das gemessene Objekt nicht ortsfest sein, beispielsweise ein Fahrzeug oder ein anderer mobiler Gegenstand, so kann auch ein nicht- georeferenziertes Koordinatensystem verwendet werden, sondern stattdessen ein anderer Fixpunkt für das Transformieren 70 gewählt werden.

[0068] Durch das Transformieren 70 können die Datensätze der beiden Punktwolken aneinander angepasst werden, in dem Sinne, dass Unterschiede in der Orientierung und/oder Skalierung ausgeglichen werden die beispielsweise dadurch entstanden sind, dass die Referenzpunktwolke und die Folgepunktwolke mit verschiedenen Erfassungseinrichtungen erfasst wurden, oder zwar von ähnlichen Erfassungseinrichtungen aber von unterschiedlichen Modellen.

[0069] Das Transformieren 70 kann zu jedem Zeitpunkt während des Verfahrens durchgeführt werden, jedoch auf jeden Fall vor dem optionalen Schritt 220 des Bestimmens der Deformation, der später erläutert wird. Selbstverständlich müssen für das Transformieren 70 zwei erfasste oder eingelesene Punktwolken vorliegen. Es vereinfacht jedoch die Operation des Verfahrens 100 und spart damit sowohl Rechenzeit als dadurch auch Energie, wenn der Schritt 70 nach dem Erfassen 61 bzw. Einlesen 62 und vor dem Schritt 110 des Auswählens der Berechnungspunkte durchgeführt wird. Wird das Transformieren 70 zu einem späteren Zeitpunkt durchgeführt, so müssen gegebenenfalls erzeugte Strukturen, wie beispielsweise segmentierte Unregelmäßigkeiten, Features, Klassifikationen und/oder Cluster ebenfalls mittransformiert werden, falls diese vorliegen.

[0070] In einem weiteren optionalen Schritt 80 können die eingelesene Punktwolke oder die eingelesenen Punktwolken um ihren Schwerpunkt reduziert werden. Hierbei werden, falls zwei Punktwolken eingelesen wurden, beide Punktwolken um denselben Schwerpunkt reduziert. Der Schwerpunkt, der zum Reduzieren 80 verwendet wurde, kann den Daten mitgegeben werden. Das bedeutet, falls die Daten bereits reduziert vorliegen (beispielsweise auf einem Datenträger), so ist der entsprechende Schwerpunkt, der zum Reduzieren verwendet wurde, ebenfalls gespeichert, und kann eingelesen werden.

[0071] Durch das Reduzieren 80 werden die Koordinaten der Punkte der Punktwolken um einen konstanten Faktor reduziert. Dadurch verringern sich Größenordnung bzw. Stellenanzahl dieser Koordinaten der Punkte der Punktwolke bzw. Punktwolken und die weitere Berechnung wird dadurch vereinfacht und der Speicherbedarf reduziert.

[0072] Das Reduzieren 80 kann ebenfalls zu jedem Zeitpunkt während des Verfahrens durchgeführt werden, jedoch auf jeden Fall vor dem optionalen Schritt 220 des Bestimmens der Deformation, der später erläutert wird. Selbstverständlich muss für das Reduzieren 80 mindestens eine erfasste oder eingelesene Punktwolke vorliegen. Es vereinfacht jedoch die Operation des Verfahrens 100 und spart damit Rechenzeit und dadurch auch Energie, wenn der Schritt 80 nach dem Erfassen 61 bzw. Einlesen 62 und vor dem Schritt 110 des Auswählens der Berechnungspunkte durchgeführt wird. Gegebenenfalls wird bevorzugt der Schritt Reduzieren 80 vor dem

Schritt Transformieren 70 durchgeführt.

[0073] In einem weiteren optionalen Schritt 90 wird die erste Punktwolke ausgedünnt, um die Datenmenge - gegebenenfalls weiter - zu reduzieren. Dadurch kann die Verarbeitung der Daten im Verfahren beschleunigt werden. In Fig. 3 ist der Ubergang von einer unverarbeiteten Punktwolke (oben zu sehen) zu einer ausgedünnten Punktwolke (in der Mitte zu sehen) abgebildet.

[0074] Es wird angemerkt, dass in der Fig. 3 eine Unregelmäßigkeit 310 durch die in etwa viereckige, freibleibende Stelle angedeutet wird. Im Falle der beispielhaften Bilder wird diese Form z.B. durch einen vorstehenden Ankerkopf erzeugt, könnte jedoch auch ein anderes Feature, d.h. eine Verformung, wie eine Delle oder Ausbeulung, oder einen Gegenstand, darstellen.

[0075] Das Ausdünnen 90 wird hierbei durch ein Voxel-Grid-Filter bewirkt, bei dem die VoxelGröße bzw. Voxel-Kantenlänge von der Auflösung und Dichte der ersten Punktwolke und der Größenordnung der zu bestimmenden Unregelmäßigkeiten 310 abhängt. Für die Anwendung des Voxel-Grid-Filters wird die Punktwolke in regelmäßig angeordnete Würfel einer Kantenlänge eingeteilt. Die Kantenlänge kann dabei variieren. Dann werden alle Punkte innerhalb eines Würfels durch den Schwerpunkt der Punkte in dem Würfel ersetzt. Diese Würfel werden auch Voxel genannt. Dabei wird die Punktwolke nicht nur ausgedünnt, sondern auch homogenisiert. Unter Homogenisierung versteht man die Herstellung einer möglichst konstanten räumlichen Auflösung innerhalb der Punktwolke. Bei der Erfassung können nämlich Effekte auftreten, derart, dass ein Bereich, der weiter entfernt von der Erfassungseinrichtung 400 ist, mit einer geringeren Auflösung erfasst wird, da diese die Umgebung in konstanten Winkelschritten abtastet. Die Kantenlänge der Würfel, also die voxelGridSize, gibt nun vor, dass alle gefundenen Punkte innerhalb eines Voxels zu einem Punkt (ihrem Schwerpunkt) gemittelt werden. Als Ergebnis davon erhält man eine Punktwolke mit annähernd gleichen Punktabständen.

[0076] Konkret hängt die Kantenlänge voxelGridSize von der Dichte bzw. Auflösung der Punktwolke, der Genauigkeit, dem Rauschen und von der Größe bzw. Größenordnung der zu erfassenden Unregelmäßigkeiten oder Deformationen ab. Diese Größen können vordefiniert werden oder auch durch das Programm bzw. den Computer bestimmt werden. Als ein Beispiel kann die voxelGridSize beispielsweise 3 cm betragen, falls die Auflösung der Punktwolke 6 mm pro 10 m Entfernung von der Erfassungseinrichtung 400 entspricht. Die Genauigkeit der Punktkoordinaten beträgt +/- 1 cm und die zu erfassenden Deformationen oder andere Veränderungen waren etwa 20 cm groß.

[0077] Das Ausdünnen 90 kann zusätzlich zum Reduzieren 80 oder alternativ dazu durchgeführt werden. Die dem Programm oder dem Computer - beispielsweise in Schritt 61 oder 62 - zur Verfügung gestellten Punktwolken können durch die Schritte 70, 80 und/oder 90 bereits vorbereitet sein, und in dieser vorbereiteten Form auf dem Datenträger abgespeichert sein. Alternativ kann ein anderer Rechner die Vorverarbeitung durchführen, der beispielsweise in der Erfassungseinrichtung 400 angeordnet sein kann oder auch separat, wobei er die Daten hierbei von der Erfassungseinrichtung 400 übermittelt bekommt und seinerseits die Daten nach der Vorverarbeitung an das Programm oder den Computer zur weiteren Durchführung des Verfahrens 100 übermittelt.

[0078] Nachdem die Punktwolke oder Punktwolken durch die vorbereitenden Schritte vorbereitet wurden, oder falls diese bereits in vorbereiteter Form vorliegen, werden durch die weiteren Schritte des Verfahrens 100 wie folgt die Punkte der Unregelmäßigkeiten 310 bestimmt.

[0079] Dadurch werden aus der ersten Punktwolke anhand ihrer Welligkeit bzw. Rauigkeit markante Punkte extrahiert, die dann als Unregelmäßigkeiten 310 bestimmt werden. Das Verfahren kann auch als Filtern verstanden werden, und der Filter kann daher auch als Welligkeitsfilter oder Rauheitsfilter bezeichnet werden. Die Größe des Filters, filterGridSize, ist ein vordefinierter Abstand und zeigt an, bis zu welchem Abstand zwei Punkte einer Punktwolke als Nachbarn gelten sollen. filterGridSize hängt hierbei wiederum von den Gegebenheiten des Objektes und der Umgebung ab. Soll beispielsweise an einer gekrümmten Tunnellaibung mit einem Radius von 6 m, mit einer rauen Spritzbetonoberfläche eine Deformation oder Gegenstände von etwa 20 cm

Größe erfasst werden, so hat sich ein Filter der Größe 30 cm bewährt.

[0080] Das Bestimmen der Unregelmäßigkeiten wird ab Fig. 4 gezeigt und im Folgenden beschrieben. Zur Vereinfachung der Darstellung wird in den Figuren 4, 6, 7 und 8 lediglich ein kleiner Ausschnitt der Punktwolke gezeigt. Insbesondere wird aus Darstellungsgründen in den Figuren 4, 6, 7 und 8 eine ausgedünnte Punktwolke zur Darstellung verwendet, wobei die Ausdünnung jedoch wie hierin beschrieben optional ist.

[0081] Zuerst wird in Schritt 110 mindestens ein Berechnungspunkt der ersten Punktwolke ausgewählt. Diese Berechnungspunkte können individuell vorgegeben werden oder durch einfache mathematische Operationen ausgewählt werden. Beispiele für solche einfache mathematischen Operationen sind: jeder x-te Datenpunkt in der Punktwolke ist ein Berechnungspunkt, also beispielsweise jeder zehnte, hundertste oder tausendste Datenpunkt, oder es werden Berechnungspunkte mit festen Abständen gewählt, z.B. 1 cm, 10 cm oder 1 m zwischen jeweils zwei Berechnungspunkten. Auch andere geometrische Verteilungen sind denkbar.

[0082] Eine weitere Möglichkeit dafür besteht darin, in der ersten Punktwolke sogenannte Stützstellen zu berechnen. Dies wird als optionaler Schritt 111 bezeichnet. Auch hierfür kann ein VoxelGrid-Filter verwendet werden. Die Voxel-Größe, d.h. Kantenlänge, für den Filter, STGrid, kann hierbei in Abhängigkeit von der Größe des Filters, filterGridSize, festgelegt werden. Gute Ergebnisse wurden mit einer 1,5-fachen Größe erreicht: STGrid = filterGridSize x 3/2. Im obigen Beispiel wäre die Kantenlänge des Voxel-Grid-Filters für die Bestimmung der Stützstellen also 45 cm.

[0083] Durch die Verwendung einer 1,5fachen Kantenlänge wird erreicht, dass ein großer Anteil von Punkten in die Suche nach markanten Punkten einbezogen werden kann, da die Punktwolke dadurch bestmöglich aufgeteilt wird, um fast alle Punkte in den nachfolgenden Schritten zu erfassen.

[0084] Fig. 4a zeigt einen Ausschnitt der Punktwolke mit ausgewählten Berechnungspunkten. In der Fig. 4 sind beispielhaft sechs Berechnungspunkte gezeigt. Die Berechnungspunkte sind dabei als Dreiecke dargestellt, die übrigen Punkte der Punktwolke als Kreise. Die durch den Schritt 110 ausgewählten Berechnungspunkte können als Stützstellen des Welligkeitsfilters interpretiert werden, diese bleiben bei erneutem Filtern der Punktwolke konstant.

[0085] Die folgenden Schritte 120 bis 190 werden sodann für jeden der ausgewählten Berechnungspunkte durchgeführt.

[0086] In Schritt 120 werden erste Punkte aufgefunden, die vom jeweiligen Berechnungspunkt höchstens einen vordefinierten Abstand haben. In einer dreidimensionalen Punktwolke wird dies durch eine Suchkugel mit dem Radius r ausgedrückt. Alle Punkte, die sich innerhalb der Suchkugel befinden haben maximal den Abstand r vom Berechnungspunkt. Die Größe des Radius der Suchkugel, auch Suchradius genannt, hängt beispielsweise von der Beschaffenheit, wie etwa der Krümmung, der Oberfläche des Objektes ab. Falls die Krümmung der Oberfläche größer wird, muss der Radius kleiner gewählt werden, da ansonsten die Annahme des Vorliegens einer flachen Ebene nicht mehr zutrifft. Für den Radius der Suchkugel in Schritt 120 hat sich ein Wert bewährt, der dem Dreifachen der filterGridSize entspricht. In obigem Beispiel hätte die Suchkugel also einen Radius von 90 cm. Zur effizienten Suche der Punkte in der Punktwolke kann als Suchverfahren beispielsweise ein Suchbaum wie etwa ein Flann-KD-Tree verwendet werden. Jedoch sind auch andere Suchverfahren einsetzbar. In Fig. 4b ist die größere Suchkugel mit Radius rı = 3 x filterGridSize als Kreis, d.h. als Querschnitt der Suchkugel, dargestellt. Alle Punkte innerhalb der Suchkugel werden als für den Berechnungspunkt im Zentrum der Kugel als gefunden betrachtet. Die Gesamtheit der aufgefundenen Punkte kann auch als Einzugsbereich bezeichnet werden.

[0087] In Schritt 130 wird für denselben Berechnungspunkt eine kleinere Suchkugel gebildet und zweite Punkte aufgefunden, die ebenfalls vom jeweiligen Berechnungspunkt höchstens einen vordefinierten Abstand, allerdings kleiner als der Abstand in Schritt 120, haben. Für diese kleinere Suchkugel gilt im Wesentlichen das Gleiche wie das zuvor für die größere Suchkugel Ausge-

führte. Es hat sich gezeigt, dass die Größe des Radius der kleineren Suchkugel am besten der Größe des Filters entspricht: r: = filterGridSize. In Fig. 4c ist die kleinere Suchkugel als Kreis, d.h. als Querschnitt der Suchkugel, dargestellt.

[0088] In Schritt 140 wird aus allen ersten Punkten, die für einen Berechnungspunkt in Schritt 120 gefunden wurden, eine Ausgleichsebene, oder ausgleichende Ebene, berechnet, d.h. alle Punkte innerhalb des größeren Suchradius werden zur Berechnung der Ausgleichsebene herangezogen. Dabei werden nach der Methode der kleinsten Quadrate mit allen ersten Punkten innerhalb der Suchkugel die Ebenen-Parameter berechnet. Die Ausgleichsebene ist dann jene Ebene, für die die Summe der Quadrate der Normalabstände der Punkte zur Ebene minimal ist.

[0089] In Schritt 150 wird sodann für jeden der ersten Punkte dessen Abstand von der Ausgleichsebene berechnet. Dieser Abstand stellt die Einzelpunktrauigkeit dar. In Schritt 160 wird dann der Mittelwert der Abstände aus Schritt 150 berechnet, der die Mittelrauigkeit des Einzugsbereichs angibt. In anderen Worten, die Mittelrauigkeit des Einzugsbereiches ist der Mittelwert aller Einzelpunktrauigkeiten der Punkte im Einzugsbereich.

[0090] Optional kann die Mittelrauigkeit nach unten begrenzt werden, indem eine Mindestrauigkeit als Schwellwert angegeben wird. Falls die Mittelrauigkeit kleiner ist als die Mindestrauigkeit, wird die Mittelrauigkeit durch die Mindestrauigkeit ersetzt. Die Mindestrauigkeit kann aus der Punktwolke berechnet oder nach empirischen Erfahrungen vorgegeben werden. Die Mindestrauigkeit ist maßgeblich von der lokalen Rauigkeit der Oberfläche und der Genauigkeit bzw. dem Rauschen der Punktwolke abhängig und steuert, welche Punkte als Unregelmäßigkeit 310 bestimmt werden. Es werden nur jene Punkte als Unregelmäßigkeit 310 bestimmt, die signifikant über einem Schwellwert von der Ausgleichsebene abweichen.

[0091] In Schritt 170 wird dann für jeden der zweiten Punkte, die für einen Berechnungspunkt in Schritt 130 gefunden wurden, ein Punktnormalen-Vektor ermittelt. Die Punktnormalen-Vektoren sind in der Fig. 4 nicht dargestellt. Da die Punktnormalen auch mit der Punktwolke bereits zusammen vorliegen können, kann das Ermitteln in einem einfachen Auslesen bestehen. Sollten die Punktnormalen noch nicht vorliegen, können diese durch Berechnung ermittelt werden. Dazu wird beispielsweise für jeden zweiten Punkt der ersten Punktwolke unter Zuhilfenahme eines Punktwolkenanalyse-Verfahrens, welches auf einer lokalen Modellierung der Punktwolke beruht, die Normale bestimmt. Im unteren Bild der Fig. 3 stellen die Linien diese jeweiligen Normalen dar.

[0092] In Schritt 180 wird dann für alle zweiten Punkte, beispielsweise durch Mittelung ihrer Punktnormalen-Vektoren, ein mittlerer Punktnormalen-Vektor berechnet. Dabei wird eine Mittelwertbildung aus den Punktnormalen-Vektoren unter Berücksichtigung ihrer Orientierung vorgenommen.

[0093] Mit dem in Schritt 180 berechneten mittleren Punktnormalen-Vektor der zweiten Punkte und der in Schritt 160 berechneten Mittelrauigkeit der ersten Punkte kann daraufhin in Schritt 190 für jeden der zweiten Punkte, d.h. innerhalb der kleineren Suchkugel, bestimmt werden, ob dieser bezüglich aller zweiten Punkte ein Punkt einer Unregelmäßigkeit 310 ist. Anders ausgedrückt, ob der jeweilige zweite Punkt in der jeweiligen Nachbarschaft ein repräsentativer Punkt oder ein nicht repräsentativer Punkt ist. Der Begriff Nachbarschaft umfasst in diesem Zusammenhang alle Punkte um den jeweiligen Berechnungspunkt innerhalb des kleinen Suchradius.

[0094] Es hat sich gezeigt, dass folgender mathematischer Zusammenhang besonders gut geeignet ist, um Unregelmäßigkeiten zu bestimmen:

DPrepr = {p [| > |dp|V (np No) > cos(x°)}

[0095] Wobei p,epr für einen repräsentativen oder markanten zweiten Punkt, d.h. ein Punkt einer Unregelmäßigkeit 310,

p für den jeweils zu untersuchenden zweiten Punkt,

|d,| für den Betrag der Einzelrauigkeit des zweiten Punktes,

[dp | für den Betrag der Mittelrauigkeit des Einzugsbereiches, n„ für den Punktnormalvektor des zweiten Punktes Np für den Mittelnormalvektor (d.h. der mittlere Punktnormalen-Vektor), und

x für den Winkel in Grad (°) zwischen dem Punktnormalvektor des zweiten Punktes und dem Mittelnormalvektor steht.

[0096] Dabei wird also überprüft, ob die Einzelpunktrauigkeit des jeweiligen zweiten Punktes gröBer ist als die Mittelrauigkeit der Nachbarschaft, d.h. ob der Abstand des jeweiligen zweiten Punktes von der ausgleichenden Ebene größer ist als der bestimmte Mittelwert der Abstände aller ersten Punkte, oder ob der Winkel zwischen der Punktnormalen des Punktes und der berechneten mittleren Punktnormalen größer ist als ein vorbestimmter Wert x unter Berücksichtigung der Orientierung der Vektoren. Wenn diese Bedingung, bzw. eine dieser Bedingungen, erfüllt ist, ist der jeweilige zweite Punkt ein markanter bzw. repräsentativer Punkt in Bezug auf die Nachbarschaft, und somit ein Punkt einer Unregelmäßigkeit 310.

[0097] Durch das vorgestellte Verfahren der Schritt 110 bis 190 kann also bestimmt werden, ob sich um ausgewählte Berechnungspunkte herum Unregelmäßigkeiten befinden, die dann wieder im Rahmen einer Deformationsbestimmung zu untersuchen sein könnten.

[0098] In Fig. 5 ist die Situation im Aufriss schematisch dargestellt. Dabei stellen die gestrichelten Linien die Grenzwerte der Mittelrauigkeit dar. Die Punkte der Punktewolke sind als Punkte eingezeichnet. Die Pfeillinien der Punkte stellen die jeweilige Punktnormale dar. Die Linie zwischen den Grenzwerten stellt die Ausgleichsebene dar und die Pfeillinie in der Mitte der Ausgleichsebene bezeichnet die Mittelnormale. Aus Fig. 5 ist zu erkennen, dass mit der oben aufgestellten Bedingung ebene Bereiche herausgefiltert und Täler bzw. Berge, d.h. rauere Bereiche, erhalten bleiben. Nach Filterung der Punkte im Einzugsbereich, d.h. innerhalb der kleineren Suchkugel, bleiben nur mehr repräsentative Punkte übrig, die Teil der Unregelmäßigkeiten 310 sind.

[0099] Dies ist in Fig. 6 dargestellt, wobei die als repräsentativ bestimmten Punkte als gefüllte Vierecke dargestellt sind, die nicht als repräsentativ bestimmten innerhalb der Suchkugel ausgeblendet sind und die Punkte der Punktwolke außerhalb der Suchkugel weiterhin als Kreise dargestellt sind.

[00100] Die oben aufgeführten Schritte 120 bis 190 werden für alle ausgewählten Berechnungspunkte wiederholt, wobei für die Berechnung der Mittelrauigkeit dp und des Mittelnormalvektors n, immer alle gefundenen erste bzw. zweite Punkte der ersten Punktwolke verwendet werden. Optional kann hierbei für jeden zweiten Punkt die Entscheidung, ob er repräsentativ oder nicht repräsentativ ist, nur einmal getroffen werden. D.h., soll für einen Punkt ein zweites Mal die Entscheidung getroffen werden, weil er beispielsweise auch für eine anderen Berechnungspunkt im Radius der kleineren Suchkugel aufgefunden wurde, wird er übersprungen. Dadurch kann die Laufzeit des Verfahrens weiter reduziert werden.

[00101] Optional besteht auch die Möglichkeit ein Mehrheitsverfahren anzuwenden, d.h. für einen zweiten Punkt wird im Laufe des Verfahrens für jeden Berechnungspunkt gespeichert, ob er als markanter Punkt bzw. Punkt einer Unregelmäßigkeit 310 bestimmt wird oder nicht. Die endgültige Entscheidung kann dann am Ende anhand der Ergebnisse abschließend ausfallen. Hierbei kann ein prozentuales Ergebnis, z.B. dass ein Punkt für 25, 30, 50 oder 70 Prozent der Berechnungspunkte als markanter Punkt bestimmt wurde, anzeigen, dass ein zweiter Punkt als markant bestimmt wird. Sowohl die Prozentangaben als auch das Mehrheitsverfahren sollen nur als beispielhafte Erläuterung dienen, auch andere Entscheidungsverfahren sind denkbar.

[00102] Fig. 7 zeigt eine verarbeitete Punktwolke, wobei alle als repräsentativ bestimmten Punkte als gefüllte Vierecke und die übrigen Punkte der Punktwolke weiterhin als Kreise dargestellt sind.

[00103] Nach dem Bestimmen der Unregelmäßigkeiten in Schritt 190 kann das Verfahren mit einem Segmentieren in Schritt 210 fortgeführt werden, in Vorbereitung auf ein Bestimmen von

Deformation in Schritt 220. Dabei werden die als Unregelmäßigkeiten 310 bestimmten zweiten Punkte, oder anders ausgedrückt, die markanten Punkte der ersten Punktwolke segmentiert, oder anders ausgedrückt, zusammengefasst oder indiziert. Dabei werden die als repräsentativ oder markant bestimmten Punkte mittels eines Clustering-Verfahrens in Cluster unterteilt, die auch Features genannt werden.

[00104] Ein Beispiel eines solchen Clustering- Verfahrens ist das als Density-Based-Spatial-Clustering-of-Applications-with-Noise (DBSCAN) bekannte Verfahren, es sind aber auch andere Clustering-Verfahren einsetzbar.

[00105] Falls mit Schritt 90 die erste Punktwolke ausgedünnt wurde, kann ihre ursprüngliche Auflösung in Schritt 200 wiederhergestellt werden. Dabei wird die volle Auflösung für die nun erzeugten Cluster bzw. Segmente, d.h. der Features, derart wiederhergestellt, dass diese der Auflösung der ersten Punktwolke vor dem Ausdünnen 90 entspricht.

[00106] Hierfür werden die als Unregelmäßigkeit bestimmten zweiten Punkte in der ursprünglich vorhandenen ersten Punktwolke identifiziert. Dann wird in einem Schritt 201 der ursprünglich vorhandenen ersten Punktwolke für jedes Feature jeder Punkt des entsprechenden Features durchlaufen, und es werden mit einem vorbestimmten Radius benachbarte Punkte in der ursprünglich eingelesenen Punktwolke gesucht. Dies kann als Schritt des Auffindens 201 von dritten Punkten in der ersten Punktwolke vor dem Ausdünnen 90, d.h. der ursprünglichen Punktwolke, mit einem vordefinierten Abstand von dem als Unregelmäßigkeit 310 bestimmten zweiten Punkt bezeichnet werden. D.h., für jeden Punkt werden die Punkte gesucht, die einen Abstand kleiner oder gleich dem Radius zu dem entsprechenden Punkt aufweisen. Der Suchradius kann hierbei entsprechend den Erfahrungswerten am besten dem 1,5-fachen des Parameters der Voxel-Grid-Filterung (voxel-GridSize) gewählt werden. Dies sind im oben aufgeführten Beispiel 4,5 cm.

[00107] Daraufhin werden in Schritt 202 alle im Suchradius gefundenen Punkte dem entsprechenden Feature zugeordnet und somit die originale Auflösung erreicht. Anders ausgedrückt, werden alle aufgefundenen dritten Punkte zu dem jeweiligen als Unregelmäßigkeit 310 bestimmten zweiten Punkt zugeordnet.

[00108] Fig. 8 zeigt erneut den Ausschnitt der Punktwolke, wobei die ursprüngliche Auflösung nur für das Feature wiederhergestellt wurde. Alternativ ist es auch möglich, die Auflösung der gesamten Punktwolke wiederherzustellen.

[00109] Auch hierbei kann jeder in der ursprünglich eingelesenen Punktwolke aufgefundene Punkt nur jeweils einem markanten Punkt zugeordnet werden, um die Effizienz zu steigern.

[00110] Es ist anzumerken, dass die Wiederherstellung der Auflösung 200 auch vor dem Segmentieren 210, oder auch jeder der beiden Schritte ohne den anderen durchgeführt werden kann. In dem Fall kann beim Wiederherstellen der Auflösung 200 für die gesamte Punktwolke oder Teile davon die Auflösung wiederhergestellt werden, ohne Cluster berücksichtigen zu müssen.

[00111] Nach den Schritten des Segmentierens 210 und dem Wiederherstellen der Auflösung 200 besteht die Punktwolke aus Clustern in voller Auflösung.

[00112] Fig. 9 zeigt das Ergebnis des Verfahrens nach einer Segmentierung für eine Punktwolke, die der Oberfläche eines Tunnels entspricht. Dabei zeigt Fig. 9a eine dreidimensionale Darstellung und Fig. 9b einen Ausschnitt der Fig. 9a aus einem anderen Winkel. Besonders in Fig. 9a ist das Ergebnis des Verfahrens, d.h. die bestimmten Unregelmäßigkeiten 310 der Oberfläche, auch Feature-Punktwolke genannt, gut zu erkennen. Die Feature-Punktwolke besteht zum einen aus allen markanten Punkten, welche durch das Verfahren 100 erkannt wurden, zum anderen besitzt jeder Punkt zusätzlich zu seinen 3D-Koordinaten die Information, zu welchem Feature er bei der Segmentierung, beispielsweise mittels DBSCAN, zugeordnet wurde.

[00113] Mit einer derart vorbereiteten Datengrundlage kann eine Deformationsanalyse zwischen zwei Epochen effizient begonnen werden. Optional kann die Deformationsanalyse auch im oben besprochenen Verfahren direkt angeschlossen werden. Dabei ist denkbar, dass dies in derselben Recheneinrichtung durchgeführt wird, oder in einer anderen.

[00114] Dazu wird in einem Schritt 220 die Deformation bestimmt. Wie bereits zuvor beschrieben, betrifft eine Deformation auch andere Objekte, die sich vom Erfassen der Punktwolke an einem ersten Zeitpunkt zum Erfassen der Punktwolke an einem zweiten Zeitpunkt unterscheiden. Im Schritt 220 wird also aus den bestimmten Unregelmäßigkeiten 310, oder den ggf. zuvor segmentierten Features, die Deformation zu einer anderen Epoche bestimmt. Dies kann beispielsweise durch ein Punktwolken-Matching-Verfahren, beispielsweise durch ein Iterative-ClosestPoint-(ICP)-Verfahren, erfolgen. Es können jedoch auch andere Verfahren eingesetzt werden, die eine Transformation einer Punktwolke in eine andere bewirken können. Ein weiteres Beispiel sind Best-Fit-Transformationen.

[00115] In der Bestimmung der Deformation in Schritt 220 kann auch ein Schritt 221 des Berechnens von Einzelvektoren umfasst sein. Dabei wird für jeden der als Unregelmäßigkeit 310 bestimmten zweiten Punkte der ersten Punktwolke gegenüber den Punkten der zweiten Punktwolke ein Einzelvektor der Verschiebung bestimmt. Dabei wird besonders bevorzugt die Deformation als mittlerer Vektor der berechneten Einzelvektoren bestimmt.

[00116] Das Verfahren kann weiterhin das Darstellen 230 der bestimmten Deformationen auf einer Anzeigevorrichtung umfassen. Dabei wird zur besseren Darstellung vorzugsweise in einem Schritt 231 der Schwerpunkt der als Unregelmäßigkeit 310 bestimmten zweiten Punkte bestimmt. Zusätzlich oder alternativ kann durch einen Schritt 232 der mittlere Deformationsvektor der als Unregelmäßigkeit 310 bestimmten zweiten Punkte bestimmt werden. In Fig. 10 sind die entsprechenden Ergebnisse anhand des gleichen Fallbeispiels wie aus Fig. 9 dargestellt.

[00117] Eine weitere Ausführungsform ist eine Datenverarbeitungsvorrichtung, die dazu eingerichtet ist, ein Verfahren wie zuvor beschrieben auszuführen.

[00118] Eine weitere Ausführungsform ist ein Computerprogrammprodukt, das Befehle umfasst, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, eines der oben dargelegten Verfahren auszuführen.

[00119] Eine weitere Ausführungsform ist ein computerlesbares Medium, auf dem das Computerprogrammprodukt gespeichert ist.

[00120] Die Ausführungsbeispiele zeigen mögliche Ausführungsvarianten, wobei an dieser Stelle bemerkt sei, dass die Erfindung nicht auf die speziell dargestellten Ausführungsvarianten derselben eingeschränkt ist, sondern vielmehr auch diverse Kombinationen der einzelnen Ausführungsvarianten untereinander möglich sind.

[00121] Der Schutzbereich ist durch die Ansprüche bestimmt. Die Beschreibung und die Zeichnungen sind jedoch zur Auslegung der Ansprüche heranzuziehen. Einzelmerkmale oder Merkmalskombinationen aus den gezeigten und beschriebenen unterschiedlichen Ausführungsbeispielen können für sich eigenständige erfinderische Lösungen darstellen. Die den eigenständigen erfinderischen Lösungen zugrundeliegende Aufgabe kann der Beschreibung entnommen werden.

[00122] Der Ordnung halber sei abschließend darauf hingewiesen, dass zum besseren Verständnis des Aufbaus Elemente teilweise unmaßstäblich und/oder vergrößert und/oder verkleinert dargestellt wurden.

BEZUGSZEICHENAUFSTELLUNG

61 Erfassen von Punktwolken

62 Einlesen von Punktwolken

70 Transformieren von Punktwolken

80 Reduzieren von Punktwolken

90 Ausdünnen einer Punktwolke

100 Verfahren zum Bestimmen von Unregelmäßigkeiten 110 Auswählen von Berechnungspunkten

111 Berechnen von Stützstellen

120 Auffinden von ersten Punkten

130 Auffinden von zweiten Punkten

140 Berechnen einer ausgleichenden Ebene

150 Berechnen eines Abstandes

160 Berechnen eines Mittelwertes der Abstände

170 Ermitteln eines Punktnormalen-Vektors

180 Berechnen eines mittleren Punktnormalen-Vektors 190 Bestimmen, ob ein Punkt Teil einer Unregelmäßigkeit ist 200 Wiederherstellen der ursprünglichen Auflösung 201 Auffinden von dritten Punkten

202 Zuordnen der dritten Punkte

210 Segmentieren

220 Bestimmen von Deformation

221 Berechnen eines Einzelvektors

230 Darstellen der bestimmten Deformation

231 Bestimmen eines Schwerpunktes

232 Bestimmen eines mittleren Deformationsvektors 300 Tunnel

310 Unregelmäßigkeiten

400 Erfassungseinrichtung

Claims

Patentansprüche

1. Computerimplementiertes Verfahren (100) zum Bestimmen von Unregelmäßigkeiten (310) einer regelmäßigen Oberfläche aus einer ersten, durch mindestens eine Erfassungseinrichtung (400) erfassten Punktwolke, die terrestrische Oberflächen-Daten der Oberfläche zu einem ersten Zeitpunkt darstellt, wobei das Verfahren (100) umfasst:

Auswählen (110) mindestens eines Berechnungspunktes in der ersten Punktwolke; und für jeden der Berechnungspunkte:

Auffinden (120) von ersten Punkten, die höchstens einen vordefinierten ersten Abstand vom Berechnungspunkt haben;

Auffinden (130) von zweiten Punkten aus den ersten Punkten, die höchstens einen vordefinierten zweiten Abstand vom Berechnungspunkt haben, wobei der zweite Abstand kleiner ist als der erste Abstand;

Berechnen (140) einer ausgleichenden Ebene für die ersten Punkte;

Berechnen (150), für jeden der ersten Punkte, des jeweiligen Abstandes von der ausgleichenden Ebene;

Berechnen (160) des Mittelwertes der Abstände der ersten Punkte von der ausgleichenden Ebene;

Ermitteln (170), für jeden der zweiten Punkte, eines Punktnormalen-Vektors des jeweiligen zweiten Punktes;

Berechnen (180) eines mittleren Punktnormalen-Vektors der zweiten Punkte und;

Bestimmen (190), für jeden der zweiten Punkte, ob dieser bezüglich aller zweiten Punkte ein Punkt einer Unregelmäßigkeit (310) ist, auf der Grundlage des Mittelwertes der Abstände der ersten Punkte von der ausgleichenden Ebene und/oder der mittleren Punktnormalen-Vektoren der zweiten Punkte.

2. Verfahren (100) nach Anspruch 1, wobei das Bestimmen (190) der Unregelmäßigkeiten einen der zweiten Punkte als Unregelmäßigkeit bestimmt, falls der bestimmte Abstand des zweiten Punktes von der ausgleichenden Ebene größer ist als der bestimmte Mittelwert der Abstände der ersten Punkte; und/oder falls der Winkel zwischen dem Punktnormalen-Vektor des zweiten Punktes und des mittleren Punktnormalen-Vektors größer ist als ein vorbestimmter Wert unter Berücksichtigung der Orientierung der Vektoren.

3. Verfahren (100) nach einem der Ansprüche 1 bis 2, wobei das Auffinden (120, 130) von ersten und zweiten Punkten durch ein Suchverfahren, besonders bevorzugt durch einen Suchbaum wie etwa das Flann-KD-Tree-Verfahren, durchgeführt wird.

4. Verfahren (100) nach einem der Ansprüche 1 bis 3, wobei das Berechnen (180) der mittleren Punktnormalen-Vektoren für die zweiten Punkte durch Mittelung der einzelnen Punktnormalen-Vektoren der zweiten Punkte durchgeführt wird.

5. Verfahren (100) nach einem der Ansprüche 1 bis 4, weiterhin mit Ausdünnen (90) der ersten Punktwolke, vor dem Auswählen (110) von Berechnungspunkten, wobei das Ausdünnen (90) durch ein erstes Voxel-Grid-Filter durchgeführt wird, wobei die Größe und Kantenlänge der Voxel von der Auflösung und Dichte der ersten Punktwolke und der Größenordnung der zu bestimmenden Unregelmäßigkeiten (310) abhängt.

6. Verfahren (100) nach Anspruch 5, weiterhin mit Wiederherstellen (200) der ursprünglichen Auflösung der ersten Punktwolke vor dem Ausdünnen (90), nach dem Bestimmen (190) der Unregelmäßigkeiten (310), wobei das Wiederherstellen (200) umfasst:

Auffinden (201) von dritten Punkten in der ersten Punktwolke vor dem Ausdünnen (90) mit einem vordefinierten Abstand von dem als Unregelmäßigkeit (310) bestimmten zweiten Punkt; und

Zuordnen (202) aller aufgefundenen dritten Punkte zu dem jeweiligen als UnregelmäBigkeit (310) bestimmten zweiten Punkt,

wobei jeder aufgefundene dritte Punkt nur jeweils einem als Unregelmäßigkeit (310) bestimmten zweiten Punkt zugeordnet wird.

10.

11.

12.

13.

14.

15.

16.

17.

18.

Österreichischer AT 526 501 B1 2024-04-15

Verfahren (100) nach einem der Ansprüche 1 bis 6, wobei das Auswählen (110) von Berechnungspunkten durch ein Berechnen (111) von Stützstellen durchgeführt wird, bevorzugt durch ein zweites Voxel-Grid-Filter, dessen Größe von der Auflösung und Dichte der ersten Punktwolke und der Größenordnung der zu bestimmenden Unregelmäßigkeiten (310) abhängt, und die berechneten Stützstellen als Berechnungspunkte verwendet werden.

Verfahren (100) nach einem der Ansprüche 1 bis 7, wobei im Schritt des Berechnens (160) des Mittelwertes der Abstände der ersten Punkte von der ausgleichenden Ebene der Mittelwert durch einen vordefinierten oder berechneten Schwellwert begrenzt wird, so dass der Mittelwert nicht kleiner als der Schwellwert berechnet wird.

Verfahren (100) nach einem der Ansprüche 1 bis 8, weiterhin mit Segmentieren (210) der als Unregelmäßigkeit (310) bestimmten zweiten Punkte, bevorzugt mittels eines Clusteringverfahrens, besonders bevorzugt durch ein Density-Based-Spatial-Clustering-of-Applications-with-Noise, DBSCAN, Verfahren.

Verfahren (100) nach einem der Ansprüche 1 bis 9, weiterhin mit Bestimmen (220) von Deformation der Oberfläche auf der Grundlage der zweiten Punkte der ersten Punktwolke gegenüber den Punkten einer zweiten, durch mindestens eine Erfassungseinrichtung (400) erfassten Punktwolke, die terrestrische Oberflächen-Daten der Oberfläche zu einem zweiten Zeitpunkt darstellt, durch ein Punktwolken-Matching-Verfahren, besonders bevorzugt durch ein Transformationsverfahren wie etwa das Iterative-Closest-Point-Verfahren.

Verfahren (100) nach Anspruch 10, weiterhin mit Reduzieren (80) der mindestens zwei Punktwolken um denselben Schwerpunkt, vor dem Bestimmen (220) von Deformation.

Verfahren (100) nach einem der Ansprüche 10 bis 11, weiterhin mit Transformieren (70) der Punktwolken in ein gemeinsames Koordinatensystem, vor dem Bestimmen (220) von Deformation, besonders bevorzugt in ein georeferenziertes Koordinatensystem.

Verfahren (100) nach einem der Ansprüche 10 bis 12, weiterhin umfassend Berechnen (221) jeweils eines Einzelvektors der Verschiebung für jeden der als Unregelmäßigkeit (310) bestimmten zweiten Punkte der ersten Punktwolke gegenüber den Punkten der zweiten Punktwolke, wobei besonders bevorzugt die Deformation als mittlerer Vektor der berechneten Einzelvektoren bestimmt wird.

Verfahren (100) nach einem der Ansprüche 10 bis 13, weiterhin mit Darstellen (230) der bestimmten Deformation auf einer Anzeigevorrichtung, vorzugsweise umfassend: Bestimmen (231) des Schwerpunktes der als Unregelmäßigkeit (310) bestimmten zweiten Punkte; und/oder Bestimmen (232) des mittleren Deformationsvektors der als Unregelmäßigkeit (310) bestimmten zweiten Punkte.

Verfahren (100) nach einem der Ansprüche 1 bis 14, wobei der erste Abstand und der zweite Abstand von der Beschaffenheit der Oberfläche abhängen.

Verfahren (100) nach einem der Ansprüche 1 bis 15, wobei die Unregelmäßigkeiten (310) Schäden, Anbauten, Ankerpunkte, Oberflächenmerkmale, Pflanzenwachstum oder andere unregelmäßige Merkmale der Oberfläche darstellen.

Verfahren (100) nach einem der Ansprüche 1 bis 16, weiterhin, vor dem Auswählen (110) von Berechnungspunkten, mit Erfassen (61) der Punktwolken durch mindestens eine Erfassungseinrichtung (400), wie 2D-Laserscanner, 3D-Laserscanner oder Kameras, oder Einlesen (62) der Punktwolken von einem oder mehreren Datenträgern oder einem Datenübertragungssignal.

Verfahren (100) nach einem der Ansprüche 1 bis 17, wobei der Schritt des Bestimmens (190) für einen zweiten Punkt hinsichtlich eines zweiten Berechnungspunktes darin besteht, das Ergebnis des Bestimmens (190) für diesen zweiten Punkt hinsichtlich eines ersten Berechnungspunktes zu übernehmen.

19. Datenverarbeitungsvorrichtung zur Bestimmung von Unregelmäßigkeiten (310) einer regelmäßigen Oberfläche aus einer, durch mindestens eine Erfassungseinrichtung (400) erfassten ersten Punktwolke, die terrestrische Oberflächen-Daten der Oberfläche zu einem ersten Zeitpunkt darstellt, wobei die Datenverarbeitungsvorrichtung mindestens einen Prozessor und mindestens eine Speichereinrichtung aufweist, und wobei die Datenverarbeitungsvorrichtung dazu eingerichtet ist, Softwarecode-Abschnitte aus der einen oder mehr Speichereinrichtungen auszuführen um die Schritte nach einem der Ansprüche 1 bis 18 zu bewirken.

20. Computerprogramm-Produkt mit einem Programm für eine Datenverarbeitungsvorrichtung, umfassend Softwarecode-Abschnitte zum Ausführen der Schritte nach einem der Ansprüche 1 bis 18, wenn das Programm auf der Datenverarbeitungsvorrichtung ausgeführt wird.

21. Computerprogramm-Produkt nach Anspruch 20, wobei das Computerprogramm-Produkt ein computerlesbares Medium umfasst, auf dem die Softwarecode-Abschnitte gespeichert sind, wobei das Programm direkt in einen internen Speicher der Datenverarbeitungsvorrichtung ladbar ist.

Hierzu 7 Blatt Zeichnungen