Sarah Schütz und Lukas Haas von der Fachrichtung Geoinformatik und Vermessung wurden am 04.05.2023 mit einem Förderpreis des VDI-Bezirksvereins Rheingau im Jahr 2023 für ihre herausragenden Abschlussarbeiten ausgezeichnet.
Lukas Haas stellte sich in seiner Masterarbeit mit dem Thema Entwicklung von Algorithmen zur automatisierten Segmentierung und Approximation von Punktwolken der Aufgabe, aus der riesigen Datenmenge einer unstrukturierten Punktwolke automatisch einzelne Objekte zu erkennen, sie gegeneinander abzugrenzen und die Einzelobjekte dreidimensional zu modellieren. Bisher wird die Punktwolke aufwändig von Hand auf das Einzelobjekt zugeschnitten.
Sein Lösungsansatz strukturiert die Punktwolke hierarchisch in einem Octree, dabei werden die Volumenelemente (Voxel) rekursiv bis zum Abbruchkriterium unterteilt. Die im Volumenelement enthaltenen Punkte werden mit einer Fläche zweiten Grades (Quadrik) approximiert. Die erzielte Approximationsgenauigkeit dient zur weiteren Priorisierung der Voxel. Passen Punkte der Nachbarvoxel zu der approximierten Quadrik, werden sie zum priorisierten Voxel hinzugefügt, so dass nach und nach die Region des priorisierten Voxels anwächst. Die Liste der priorisierten Voxel wird iterativ abgearbeitet, bis die Punktwolke in homogene Segmente aufgeteilt ist, die jeweils durch die Quadrikparameter mathematisch modelliert sind.
Dieser Lösungsansatz wurde in der Programmiersprache Python komplett implementiert und mit simulierten sowie gemessenen Punktwolken mit verschiedenen Objektgruppen und -anordnungen unterschiedlicher Detailliertheit ausgetestet. Die Qualität der Ergebnisse ist sehr gut, lediglich an den Grenzen zweier Objekte können, wie bei der Auswertung von Hand auch, Punkte nicht richtig zugeordnet werden. Der Algorithmus eignet sich dennoch hervorragend als Unterstützung, um Punktwolken bestehender Objekte zu segmentieren und geometrische Formen zu approximieren.
Sarah Schütz verfolgte in ihrer Bachelorarbeit zum Thema Automatisierte Ermittlung und Bereitstellung der aktuellen Verkehrssituation durch maschinelle Bilderkennung das Ziel, einen Workflow zu entwickeln, welcher Aussagen über das Verkehrsaufkommen ermittelt. Dies ermöglicht beispielsweise die Integration der Verkehrsauslastung in bestehende Systeme um effizientere Routenplanungen für Fußgänger:innen, Fahrradfahrer:innen oder Autofahrer:innen umzusetzen. Mit den gewonnenen Informationen über aktuelle Verkehrsbelastungen können Verkehrsteilnehmer:innen somit Sperrungen oder stark belastete Wegenetzsegmente bzw. verkehrsintensive Bereiche meiden. Der prototypisch entwickelte Ansatz bestimmt dabei den Verkehrsfluss unter Verwendung des Internet of Things (IoT) mit Hilfe der Bilderkennung und frei verfügbaren Webcams. Für die rheinlandpfälzische Landeshauptstadt Mainz konnten die installierten Webcams die erforderlichen Informationen des Verkehrs für einen ersten Testversuch liefern. „Sarah Schütz konnte in ihrer Bachelorarbeit durch den Einsatz von Open-Source-Bibliotheken und Diensten einen nicht nur effektiven, sondern vor allem auch nachhaltigen und offen zugänglichen Prototypen implementieren“, so Betreuer Pascal Neis.
Wir als Fachrichtung gratulieren den beiden Geehrten sehr herzlich und wünschen Ihnen weiterhin viel Erfolg!
