Punktwolken die mittels Laserscanning mit Mobile Mapping Systemen auf Schienenfahrzeugen aufgenommen werden sind inzwischen der Standard für das effiziente großflächige Vermessen von Schieneninfrastruktur. Leider sind Punktwolken große und unstrukturierte Datenberge mit einem sehr niedrigen semantischen Informationsgehalt. Hieraus nützliche Informationen über Assets zu erhalten ist mühsam. Hai Performance hat darum einen Ansatz entwickelt der es möglich macht, Schienenassets automatisch auf Basis von Punktwolken zu monitoren.
Unterstehende Abbildung zeigt die Verarbeitungspipeline.
- Die Punktwolken werden mit dem durch Hai Performance entwickelten Machine Learning Ansatz unter Verwendung eines geeigneten Klassifikationsmodels klassifiziert.
- Die Geometrie relevanter Objekte wird aus den klassifizierten Punktwolken extrahiert. Bei den extrahierten Objekten handelt es sich um Schienen, Oberleitungsdrähte und Objekte in Gleisnähe wie Oberleitungsmasten, Signale und Schilder.
- Diese Assets werden auf Regelkonformität kontrolliert, die Ergebnisse werden sowohl tabellarisch als auch visuell rapportiert.
Die Ergebnisse liefern aus einer einzelnen Datenquelle Einsichten in den Zustand verschiedener Assets, und das in einem vollständig automatisierten Prozess.
Klassifizierung
Die Punktwolken werden in 20 unterschiedliche Klassen klassifiziert, wodurch es einfacher wird um Assets zu identifizieren und zu verarbeiten. Es ist sehr einfach um für spezifische Fälle ein Maßwerk-Modell aufzubauen.
Gleisgeometrie
Die Schienen- und Gleisgeometrie wird automatisch aus den klassifizierten Punktwolken extrahiert. Die Gleisgeometrie kann dann auf ihre relative Lage laut ProRail Vorschrift OHD00022 kontrolliert werden, womit Probleme detektiert werden können die Einfluss auf Sicherheit und Komfort haben.
Schottervolumen und Schotterprofil
Die extrahierte Gleisgeometrie ist die Referenz für eine Kontrolle des Schotterprofils laut ProRail OVS00045 und IHS00001. Die Kontrolle liefert Stellen an denen zu wenig Schotter liegt und eine Volumenberechnung von Überschuss und Mangel. Die Berechnungsergebnisse werden zur Visualisierung und Verifikation als Raster und Querschnitte präsentiert.
Objekte in Gleisnähe
Aus den klassifizierten Punktwolken werden automatisch Objekte wie Oberleitungsmasten, Signale und Schilder extrahiert. Es wird kontrolliert ob diese laut ProRail OVS00024 and OHD00033 senkrecht stehen.
Oberleitungssystem
Die Fahrdrähte werden automatisch aus den Punktwolken extrahiert. Die relative Lage und Höhe des Fahrdrahts gegenüber der Gleisachse wird laut den ProRail Vorschriften OVS0024-5, OVS00024-9, OHD00033-3 und IHD00007-2 kontrolliert. Zusätzlich werden Streckentrenner automatisch detektiert. Ihre Position und Orientierung wird berechnet und laut OHD00033-3 und IHD00007-2 kontrolliert.
