Kira Zschiesche verteidigte am 19. Oktober erfolgreich ihre Doktorarbeit mit dem Titel Methods and Algorithms of an Imaging Total Station. Betreut wurde sie dabei durch Alexander Reiterer von der Albert-Ludwigs-Universität Freiburg und Martin Schlüter von der Hochschule Mainz. Wir gratulieren Kira sehr herzlich zu diesem Erfolg!
In ihrer Dissertation stellt Kira Zschiesche verschiedene Methoden und Algorithmen für die Anwendung von Image Assisted Total Stations (IATS) vor. IATSs kombinieren die Genauigkeit der Winkelmessung eines Tachymeters mit der Photogrammetrie und der damit verbundenen Möglichkeit der Bildverarbeitung und –analyse. Zschiesche geht auf die verschiedenen Hardwarekomponenten des Systems ebenso ein, wie auf die Bildverarbeitungsalgorithmen. Ihr Fokus liegt auf der Anwendung im Bereich des Structural Health Monitoring (SHM), insbesondere auf den photogrammetrischen Methoden zur Bestimmung und Verfolgung von nicht signalisierten Punkten. Auf Grund der wechselnden Lichtverhältnisse und atmosphärischen Einflüssen ist eine Automatisierung nicht trivial. Da Deformationsmessungen in der Regel wiederholt durchgeführt werden, sind Verfahren zur Erfassung von diskreten Punkten von besonderem Interesse. Kira Zschiesche zeigt, dass der Einsatz des Messsystems MoDiTa (Modular Digital Imaging Total Station) erfolgreich zur Bestimmung von Deformationen und dynamischen Charakteristika genutzt werden kann.
Ein besonderes Augenmerk legt Kira Zschiesche auf einen Lösungsansatz für die Selbst-Kalibrierung des MoDiTa Messsystems. Dabei wird eine bestehende Total Station modular um eine digitale Kamera erweitert, um so das Kalibieren direkt vor Ort zu ermöglichen. Durch diese Erweiterung eröffnen sich zusätzliche Anwendungsfelder, wie eine hochfrequente Zielerfassung oder auch die Verfolgung bewegter Ziele. Die Kalibrierung erfolgt mittels Bildverarbeitungs- und Ausgleichsmethoden und ist weitestgehend automatisiert.
Im Weiteren wird die Verwendung von Künstlicher Intelligenz in Kombination mit IATSs betrachtet. Konkret untersucht werden sowohl Ansätze zur Klassifikation als auch zur Objektdetektion mittels überwachtem Lernen. Der Hintergrund des aufgenommenen Bildes soll geprüft werden, um zu entscheiden, ob dieser für die weitere Verwendung angemessen ist. Diese Entscheidung wird bisher durch den Nutzer getroffen und bietet Potential zur Automatisierung. Der zweite Anwendungsfall beinhaltet das Auffinden von geodätischen Zielmarken mittels IATS und Deep Learning in erfassten Bildern. Es wird geprüft, ob ein vermeintliches Ziel (reflektierend und nicht reflektierend) in dem erfassten Bild zu sehen ist, um dieses identifizieren und lokalisieren (Objektdetektion) zu können. Mittels einer sogenannten Bounding Box wird das gefundene Ziel im Bild verortet. Mit Hilfe der darin enthaltenen Pixelinformationen kann die grobe Richtung zum Ziel im übergeordneten System bestimmt werden. Bereits implementierte Anwendungen zur Zielidentifikation sollen auf diese Weise unterstützt und um zusätzliche Informationen erweitert werden.
Die Arbeit wurde durch Alexander Reiterer (Erstgutachter) und Martin Schlüter (Mentor) betreut. Ulrike Wallrabe (Vorsitzende der Kommission), Andreas Eichhorn (Zweitgutachter) und Alexander Stolz (Beisitz) begleiteten das Verfahren.