WFS zum Bebauungsplan Im Drohne (2. Änderung) im Datenformat INSPIRE PLU Version 4.0.1
With the introduction of mobile mapping technologies, geomonitoring has become increasingly efficient and automated. The integration of Simultaneous Localization and Mapping (SLAM) and robotics has effectively addressed the challenges posed by many mapping or monitoring technologies, such as GNSS and unmanned aerial vehicles, which fail to work in underground environments. However, the complexity of underground environments, the high cost of research in this area, and the limited availability of experimental sites have hindered the progress of relevant research in the field of SLAM-based underground geomonitoring.
In response, we present SubSurfaceGeoRobo, a dataset specifically focused on underground environments with unique characteristics of subsurface settings, such as extremely narrow passages, high humidity, standing water, reflective surfaces, uneven illumination, dusty conditions, complex geometry, and texture less areas. This aims to provide researchers with a free platform to develop, test, and train their methods, ultimately promoting the advancement of SLAM, navigation, and SLAM-based geomonitoring in underground environments.
SubSurfaceGeoRobo was collected in September 2024 in the Freiberg silver mine in Germany using an unmanned ground vehicle equipped with a multi-sensor system, including radars, 3D LiDAR, depth and RGB cameras, IMU, and 2D laser scanners. Data from all sensors are stored as bag files, allowing researchers to replay the collected data and export it into the desired format according to their needs. To ensure the accuracy and usability of the dataset, as well as the effective fusion of sensors, all sensors have been jointly calibrated. The calibration methods and results are included as part of this dataset. Finally, a 3D point cloud ground truth with an accuracy of less than 2 mm, captured using a RIEGL scanner, is provided as a reference standard.
Derzeitige radar-basierte Nowcastingverfahren basieren auf der Annahme, dass die zeitliche Entwicklung von Hagelereignissen in erster Linie durch Advektionsvorgänge gesteuert ist; die relevanten physikalischen Prozesse, die für die Entstehung und das Größenwachstum von Hagel entscheidend sind, bleiben dabei unberücksichtigt. In Verbindung mit der komplexen internen Struktur und Dynamik von Hagelstürmen ergeben sich daraus große Unsicherheiten bei der Vorhersage der Hagelgrößenverteilung und der von Hagel betroffenen Fläche am Boden. Das Ziel des Projekts LIFT (Large Hail Formation and Trajectories) ist es, die Hagelentstehung und Hageltrajektorien besser zu verstehen, um daraus als wichtige Komponenten eines physikalisch-basierten Nowcastings erstmals ein radar-basiertes Verfahren für das Hagelwachstums zu entwickeln. Zu diesem Zweck wird im Rahmen von LIFT eine Messkampagne Süddeutschland durchgeführt, wo die größte Hagelwahrscheinlichkeit in Deutschland auf vielfältige Beobachtungssysteme trifft, die im Rahmen der Messkampagne Swabian MOSES mit einem dichten Netzwerk betrieben werden. Zum ersten Mal werden im Rahmen von LIFT moderne Radargeräte, In-situ Messgeräte, Fotogrammetrie und numerische Modellierung synergistisch kombiniert und ein umfassender Datensatz zur Rekonstruktion der zeitlichen Entwicklung des Hagelwachstums erstellt. Betroffene Bürger werden aktiv in die Messaktivitäten mit einbezogen und aufgerufen, Hagelkörnern einschließlich ihrer Haupteigenschaften in die WarnWetter App des DWD zu melden. Die Messkampagne mit ihrem mobilen und flexiblen Konzept beinhaltet die Anwendung neuer, innovativer Messtechniken, darunter Lagrangesche Trajektorien mittels kleiner Messsysteme, die in die Wolken eingebracht werden, und dronengesteuerte Luftbildaufnahmen zur Bestimmung der Hagelspektren. Aus Fernerkundungsdaten gewonnene Signaturen von Hagelereignissen liefern Informationen über die Charakteristika der Hagelereignisse und werden mittels numerischer Simulationen sorgfältig auf Messungenauigkeiten und Sensitivitäten bzgl. atmosphärischer Umgebungsvariablen evaluiert. Indikatoren für die Hagelentstehung und das Hagelwachstum werden aus Beobachtungsdaten und Simulationen identifiziert, und liefern die Grundlage für ein beobachtungs-basiertes Hagelwachstumsmodell. Schließlich wird dieses Multi-Parameter Hagelwachstumsmodell mit den bestimmten Hageltrajektorien und Schmelzprozessen kombiniert, um zu bestimmen, welche Prozesse am wichtigsten sind für das Nowcasting von Hagel. Das Projekt LIFT liefert damit einen wichtigen Betrag für zukünftige radar-basierte Hagelwarnsysteme mit einer verbesserten Vorhersagezeit und Vorhersagequalität.
Gesamtziel des Vorhabens ist die Entwicklung eines drohnenbasierten Sensorsystems für die Inspektion von Windkraftanlagen. Hierbei sollen insbesondere schwer zugängliche und kritische Stellen wie beispielsweise Rotorblätter in bislang unerreichter Genauigkeit digitalisiert und vermessen werden. Die Sensorik besteht aus Laserscannern, Kameras, Thermokameras und IMUs zum Einsatz, um ein möglichst umfassendes, multimodales Modell der Anlage zu erhalten. Durch den Einsatz von Drohnen kann die Inspektion im Vergleich zu aktuellen Methoden schnell, effizient und sicher durchgeführt werden. Die Idee des Teilprojektes ist, luftgestütztes Laserscanning so zu miniaturisieren und Drohnen, d.h. kleine UAVs, mit entsprechender Laserscan-Sensorik auszustatten, so dass die Inspektions-aufgabe kostengünstig gelöst werden kann. Dazu sollen die UAVs die erstellten 3D-Karten auch selbst nutzen. Es müssen die Verfahren und Algorithmen so angepasst werden, dass die Ergebnisse, d.h. die 3D-Karten in Echtzeit vorliegen. Das Vorhandensein einer detailreichen 3D-Karte mit Zusatzinformationen (Fotos, Thermografie, Interpretationen) bietet die Möglichkeit in kurzer Zeit, WKAs zu inspizieren und den Zustand zu dokumentieren. Die wissenschaftlichen Ziele des Vorhabens beinhalten zum einen die Lösung des Problems der simultanen Lokalisierung und Kartierung (SLAM, vgl. Abschnitt 2) eines UAVs. Ist SLAM gelöst, muss die 3D-Punktwolke in ein 3D-Modell umgewandelt, was durch Anwendung von neuronalen KI-Methoden gelingen soll. Eine weitere wissenschaftliche Herausforderung ist die Datennachverarbeitung und Datenanalyse. Hier sollen neue Methoden zur Änderungsdetektion umgesetzt werden. Auf technischer Seite ist ein Ziel des Projektes eine effiziente Lösung des Kalibrierproblems zu finden.
Der Ausbau der Windenergie im Binnenland ist entscheidend, um die Herausforderungen der Energiewende zu bewältigen. Die Windgeschwindigkeiten sind im Vergleich zu Standorten auf See geringer und die Anströmung komplexer. Das Forschungsvorhaben WINDbreaks soll dabei helfen die Volllaststunden der Windenergieanlagen im komplexen Terrain zu erhöhen. Hierfür sind messtechnische und numerische Untersuchungen an Windenergieanlagen (WEA) und an Baumreihen, die als Windschutzstreifen (WSS) dienen, geplant. Die Überströmung der WSS führt zu einer Beschleunigung der Windgeschwindigkeit und diese geht pro-portional zur dritten Potenz in den Leistungsertrag von WEA ein. Ein zusätzlich positiver Nebeneffekt ist das flachere Geschwindigkeitsprofil in Höhe der Rotorblätter, welches eine gleichmäßigere Verteilung der angreifenden Kräfte zur Folge hat. Im Teilprojekt erfolgen die Entwicklung der Drohnen-Windmesstechnik und deren umfangreicher Einsatz zur Generierung von Messdaten für die CFD-Analysen des Projektpartners Hochschule Ansbach (HSA). Der assoziierte Projektpartner N-ERGIE stellt die Messorte zur Verfügung. Es wird eine synchrone Steuerung von einer optimierten Windmess-Drohne und einer neu aufgebauten Windmess-Drohne entwickelt und für Messflüge eingesetzt. Zur markanten Verlängerung der Flugzeiten der Drohnen erfolgt die Entwicklung einer drahtgestützten Energieversorgung der Drohnen. Das mit zwei Referenz-Bodenstationen ergänzte Messsystem wird an WEA und WSS bei verschiedensten lokalen und meteorologischen Randbedingungen eingesetzt.