abs( ) - Automatisierte Bewertung von Straßen - ermittelt mit Methoden künstlicher Intelligenz den Zustand von Straßen
und Straßenmarkierungen.
Dazu werden aus einem digitalen Zwilling der Straße, bestehend aus Panoramas und Punktwolken, Daten extrahiert,
klassifiziert und bewertet.
Diese können anschließend als Planungsgrundlage für das kommunale Instandhaltungsmanagement der Straßen genutzt werden.
abs( ) ist im Rahmen einer Auftragsforschung kommunaler Partner entstanden und wurde von der
Westfälischen Hochschule Gelsenkirchen entwickelt.
Die kommunalen Partner waren der Kreis Recklinghausen und die Städte Bocholt, Bottrop, Dorsten, Gelsenkirchen,
Haltern, Herten, Marl und Recklinghausen.
Die Software basiert auf Vorarbeiten aus dem GeoSmartChange-Projekt.
Hardwarevoraussetzungen: CPU mit mind. 8 Kernen und mind. 128GB RAM
Installieren Sie zunächst Docker.
Laden Sie anschließend das abs( ) Dockerfile herunter.
Erstellen Sie nun das abs( ) Image.
docker build -f </Pfad/zu/Dockerfile> -t abs .
HINWEIS: Das Parent Image ist das python:3.8-slim-bullseye Image. Die entsprechenden Lizenzbedingungen sind hier zu entnehmen.
Als Eingangsdaten werden Panoramas mit zusätzlichen Metadaten sowie LiDAR-Punktwolken benötigt. Zudem müssen Aggregationsflächen zur Bewertung vorliegen.
- Die Panoramas müssen als
.png- oder.jpg-Dateien vorliegen - Sie müssen 360° in der Horizontalen und 180° in der Vertikalen abbilden (Rektangularprojektion)
- Jedem Panorama muss eine fortlaufende ID zugeordnet sein
- Die Panoramas müssen entweder in Richtung Norden oder in Fahrtrichtung des Aufnahmefahrzeugs ausgerichtet sein (relativ zu geografischem Norden oder Gitter-Norden)
- Es müssen Geodaten (
.shp- oder.gpkg-Datei) vorliegen, in denen jedes Panorama durch eine Punktgeometrie abgebildet wird, welche ID, Aufnahmezeitpunkt, -richtung, -höhe und optional den Pfad zum Panorama und den Pfad zu einer Maske des Aufnahmefahrzeugs als Felder enthält - Enthalten die Geodaten keine Informationen über den Pfad, müssen die Panoramas mit ihren IDs als Dateinamen benannt sein und sich in Unterverzeichnissen befinden, welche nach den ersten 6 Zeichen der ID benannt sind (Cyclomedia)
Weitere Informationen finden Sie in der Dokumentation der Konfigurationsdatei.
- Die Punktwolken müssen als
.las- oder.laz-Dateien vorliegen - Alle Punktwolken müssen sich in einem einzigen Verzeichnis befinden
- Jede Punktwolke muss einen quadratischen Bereich abbilden, welcher eine für alle identische, ganzzahlige Größe in Metern besitzt
- Die Koordinaten der südwestlichen Ecke des Bereichs müssen sich im Dateinamen wiederfinden
- Die Koordinaten können entweder direkt oder geteilt durch die Größe des Bereichs im Namen vorkommen (Cyclomedia)
Weitere Informationen finden Sie in der Dokumentation der Konfigurationsdatei.
- Die Aggregationsflächen müssen als
.shp- oder.gpkg-Datei vorliegen - Die Geodaten dürfen ausschließlich Polygon-Geometrien enthalten
- Jede Geometrie benötigt die Felder FK und BW
- Das Feld FK (Funktionsklasse) muss einen der folgenden Werte enthalten: A (Hauptverkehrsstraße), B (Nebenstraße), N (Nebenfläche)
- Das Feld BW (Bauweise) muss einen der folgenden Werte enthalten: A (Asphalt), P (Pflaster/ Platten)
- Die Aggregationsflächen dürfen beliebige weitere Felder enthalten
Weitere Informationen finden Sie in der Dokumentation der Konfigurationsdatei.
Die Parameter der Software werden in einer Konfigurationsdatei spezifiziert.
Die Konfigurationsdatei ist in der Dokumentation der Konfigurationsdatei beschrieben.
Führen Sie folgenden Befehl zum Starten der Software aus:
docker run -v /lokaler/Pfad/zu/config.yaml:/config.yaml <weitere -v /lokaler/Pfad:/Pfad/in/der/Konfigurationsdatei> abs
Zusätzlich müssen alle in der config.yaml verwendeten Pfade für den Container zugänglich gemacht werden.
Verwenden Sie dazu in der Konfigurationsdatei die lokalen Pfade und fügen Sie für jeden Pfad einen weiteren Parameter
-v /Pfad/zu/Ressource:/Pfad/zu/Ressource zum Befehl hinzu.
Befinden sich alle Ressourcen in einem Basisverzeichnis kann stattdessen auch nur dieses
mit -v /Pfad/zum/Basisverzeichnis:/Pfad/zum/Basisverzeichnis hinzugefügt werden.
Sie können die Ergebnisse einer vorherigen Berechnung erneut bewerten, indem Sie folgenden Befehl ausführen:
docker run -v /lokaler/Pfad/zu/config.yaml:/config.yaml <weitere -v /lokaler/Pfad:/Pfad/in/der/Konfigurationsdatei> abs python /abs/src/evaluate_only.py
Ändern Sie dazu die entsprechenden Parameter unter NACHVERARBEITUNG
in der Konfigurationsdatei.
Für dieses Skript werden neben den Parametern für die Nachverarbeitung lediglich die Felder
AUSGABEVERZEICHNIS und
AGGREGATIONSFLAECHEN benötigt.
Das Ausgabeverzeichnis muss das Verzeichnis sein, in dem sich die Ergebnisse der vorherigen Berechnung befinden.
Es wird folgende Verzeichnisstruktur im Ausgabeverzeichnis angelegt:
<AUSGABEVERZEICHNIS>
├───done.txt
├───Geodaten
│ ├───Cache
│ │ ├───...
│ │ ...
│ ├───Strassenzustand.gpkg
│ ├───Substanz.gpkg
│ └───Strassenmarkierungen.gpkg
└───Orthos
├───RGB
│ ├───1234_123456_h0_rgb.tiff
│ ...
├───Intensity
│ ├───1234_123456_h0_intensity.tiff
│ ...
└───Height
├───1234_123456_h0_height.tiff
...
Diese Datei enthält die Dateinamen bereits verarbeiteter Bereiche bzw. Punktwolken.
Die Zwischenergebnisse werden dynamisch im Verzeichnis Cache gespeichert und können optional bei
erneutem Starten der Software geladen werden.
In diesem Verzeichnis werden die erstellten Geodaten als .gpkg-Dateien gespeichert.
Im Verzeichnis Cache werden die Zwischenergebnisse bereits verarbeiteter Bereiche dynamisch gespeichert.
Die Geodaten Strassenzustand.gpkg enthalten die nach AP9 K bewerteten Aggregationsflächen.
In die Bewertung fließen neben den ermittelten Schadensobjekten auch Ebenheitswerte ein, welche mit
regelbasierten Verfahren aus den Punktwolken berechnet werden.
Dazu werden die Fahrspuren aus den Aufnahmepunkten der Panoramas abgeleitet.
Zusätzliche Fahrspuren können durch Geodaten eingebunden werden.
Die Spezifikation der Normierungs- und Gewichtungsfaktoren ist in der
Dokumentation der Konfigurationsdatei beschrieben.
Die Felder der Geometrien sind in der Dokumentation der Geodaten beschrieben.
Abbildung: Straßenzustand (Einfärbung nach Gesamtklasse GK der Aggregationsflächen)
Die Geodaten Substanz.gpkg enthalten die Schadensobjekte als einzelne Polygon-Geometrien.
Das Modell abs(z) erkennt aus den RGB-, Intensity- und Height-Orthos die Schadensobjekte und klassifiziert sie
nach Typ.
Die Felder der Geometrien sind in der Dokumentation der Geodaten beschrieben.
Abbildung: Schadensobjekte (Einfärbung nach Typ)
Die Geodaten Straßenmarkierungen.gpkg enthalten die Straßenmarkierungen als einzelne Polygon-Geometrien.
Das Modell abs(m) erkennt aus den RGB- und Intensity-Orthos die Straßenmarkierungen und klassifiziert sie nach Typ.
Zusätzlich wird der Zustand der Straßenmarkierungen mit künstlicher Intelligenz bewertet.
Die Spezifikation der Schwellenwerte ist in der
Dokumentation der Konfigurationsdatei beschrieben.
Die Felder der Geometrien sind in der Dokumentation der Geodaten
beschrieben.
Abbildung: Straßenmarkierungen (Einfärbung nach Typ und Zustand)
In diesem Verzeichnis werden optional die synthetischen Orthos als georeferenzierte .tiff-Dateien gespeichert.
Für jede verarbeitete Punktwolke werden 3 Orthos erstellt: RGB-, Intensity- und Height-Ortho
Im Verzeichnis RGB werden die 3-Kanal RGB-Orthos mit 8-Bit Farbtiefe gespeichert.
Abbildung: Synthetisches RGB-Ortho
Im Verzeichnis Intensity und Height werden die 1-Kanal Intensity- und Height-Orthos mit 8- bzw.
16-Bit Farbtiefe gespeichert.
Das Intensity-Ortho enthält für jedes Pixel Informationen über die Reflexionsstärke des LiDAR-Scanners.
Im Height-Ortho wird zusätzlich die absolute Höhe der Szene abgebildet.
Abbildung: Synthetisches Intensity- und Height-Ortho
Christian Kuhlmann (Westfälische Hochschule Gelsenkirchen): [email protected]