gis.Open Paper

Seite weiterempfehlenSeite drucken

Automatische Detektion von Substanzmerkmalen auf 3D-Fahrbahnoberflächen

Automatic Pavement Distress Detection on 3D Road Surfaces

Mit Kameras und Laserscannern ausgerüstete Mobile-Mapping-Systeme ermöglichen es, digitale Topographien von Fahrbahnoberflächen schnell, flächendeckend und präzise zu erfassen. Während die Datenaufnahme weitgehend automatisiert ist, überwiegt in vielen Bereichen der Datenauswertung nach „ZTV ZEB-Stb 06“-Standard der manuelle Aufwand. So werden substanzrelevante Oberflächenschäden bislang manuell auf Basis von Kamerabildern analysiert. Die verfügbare 3D-Information wird dabei nicht mit einbezogen. Der vorliegende Beitrag zielt darauf ab, lokale Oberflächendiskontinuitäten mit geeigneten Deskriptoren zu qualifizieren und schließlich 3D-Fahrbahnoberflächen hinsichtlich geometrischer und radiometrischer Eigenschaften automatisiert zu klassifizieren.

Mobile mapping systems equipped with cameras and laser scanners make it possible to capture digital topographies of road surfaces quickly, comprehensively and precisely. While data acquisition is largely automated, in many areas of data analysis after German “ZTV ZEB-Stb” standard still outweighs the manual effort. So far, substance-relevant surface damage has been analyzed manually on the basis of camera images. The available 3D information is not utilized. The aim of this paper is to qualify local surface discontinuities with suitable descriptors and to automatically classify 3D road surfaces in terms of geometric and radiometric properties.

Autor / Author: Sesselmann, Maximilian
Institution / Institution: LEHMANN+PARTNER GmbH, Dresden, Deutschland
Seitenzahl / Pages: 10
Sprache / Language: Deutsch
Veröffentlichung / Publication: AGIT ‒ Journal für Angewandte Geoinformatik, 4-2018
Tagung / Conference: AGIT 2018 – Symposium und Fachmesse Angewandte Geoinformatik
Veranstaltungsort, -datum / Venue, Date: Salzburg, Österreich 04-07-18 - 06-07-18
Schlüsselwörter (de): Laserscanning, Zustandserfassung und -bewertung von Straßen, Maschinelles Lernen
Keywords (en): Laser scanning, road distress detection, machine learning
Paper review type: Full Paper Review
DOI: doi:10.14627/537647009
4503 - Automatische Detektion von Substanzmerkmalen auf 3D-Fahrbahnoberflächen