Strukturmerkmale

Daten zur Beschaffenheit von Fahrbahnoberflächen bilden die Planungsgrundlage für Instandhaltungsarbeiten am Straßennetz. Zentral ist dabei die Detektion von Schäden, Flickstellen, Ausbrüchen oder gar feinen Rissen. Je früher diese erkannt werden, desto geringer fallen in der Regel die Instandhaltungskosten aus – und desto sicherer werden unsere Straßen. Wir entwickeln optische Messsysteme, die hochauflösende Bilddaten der Fahrbahnoberfläche bei hohen Fahrgeschwindigkeiten aufnehmen und so selbst millimeterfeine Strukturschäden sichtbar machen.

ZEB-konformes Kamerasystem mit Beleuchtung

Unser Messsystem zur hochpräzisen Erfassung von Straßenoberflächen umfasst zwei hochauflösende Kameras und ein LED-Beleuchtungssystem. Installiert an der Rückseite eines Messfahrzeugs erfasst das Messsystem die Straßenoberfläche während der Fahrt bei bis zu 80 km/h. Alle 3 cm wird ein Bildstreifen von knapp 4 cm Länge über eine Straßenbreite von 4,5 m aufgenommen. Mittels eines Projektionsalgorithmus werden diese Bildstreifen anschließend zu Bildern von 10 m Länge mit einer Auflösung von 1 mm × 1 mm verrechnet. Der hohe Dynamikbereich der Kameras und die effiziente LED-Beleuchtung sorgt für einen guten Kontrast zwischen dunklem (neuem Asphalt) und hellen Bereichen (Beton, Fahrbahnmarkierungen) der Fahrbahnoberfläche. Aufgrund der schrägen Beleuchtung und der hohen Auflösung lassen sich auch feinste Risse identifizieren. Das System erfüllt die Anforderungen der Bundesanstalt für Straßenwesen (BASt) für die Zustandserfassung und -bewertung von Straßen (ZEB) in Deutschland.

Laserscanner für die Detektion zusätzlicher Geometriemerkmale

Durch Kombination mit einem Pavement Profile Scanner PPS kann auch die Querebenheit der Straßenoberfläche mit Submillimeter Präzision vermessen werden. Zudem bietet Fraunhofer IPM mit dem Clearance Profile Scanner CPS einen vollständig gekapselten 360°-Scanner an, der die Umgebung millimetergenau erfasst. Alle Straßenscanner können zusammen mit Kameras und genauer Positionierungstechnik von Fraunhofer IPM in den Mobile Urban Mapper MUM integriert werden, der somit alle Daten der Straße und seines Umfelds in einem konsistenten Datenstrom liefert.

Daten vollautomatisiert auswerten

Durch die Integration von 3D-AI – unserem Deep Learning Framework mit automatisierter Interpretation von 2D- und 3D-Daten – ermöglichen wir eine automatisierte, effiziente Auswertung der umfangreichen Datensätze. Das Ergebnis kann beispielsweise eine Karte sein, in der je nach Bedarf lediglich Objekte wie zum Beispiel Straßenmöbel oder Risse eingezeichnet sind.