Ortung und Navigation

Gemeinhin werden die Begriffe Ortung und Navigation heute in erster Linie mit Satellitennavigationssystemen, wie dem amerikanischen GPS, in Verbindung gebracht. Diese sind aus dem täglichen Leben heute nicht mehr wegzudenken.

Allgemein beschreibt Ortung den technischen Vorgang zur Bestimmung des momentanen Standortes eines Objekts. Hierbei reflektiert das zu ortende Objekt die Strahlung, die der Beobachter zum Zwecke der Ortung aussendet (z.B. Echolote, Radarsystemen, Laserentfernungsmesser usw.). Auch wenn diese Beschreibung nicht direkt auf GPS zutrifft, wird der Begriff hier benutzt. In der Geodäsie wird bei der Ableitung von 4D-Koordinaten mit einem Satellitennavigationssystem von Positionierung gesprochen. Die Navigation ist eine Positionsbestimmung in Echtzeit, die dazu benutzt wird, das zu navigierende Objekt an einen bestimmten Ort zu führen.

Der Forschungsbereich Ortung und Navigation ist kein für sich isolierter Bereich. Die Anwendungen hierin reichen von der Erzeugung hochpräziser Vermessungsnetze und Datumstransformationsparameter über die Verbesserung der Positionierung von Flugdrohnen, die Messung von Bauwerksschwingungen, die hochpräzise Positionsbestimmung von Roboterarmen bis zur Validierung von GNSS Empfängern für die EU gemäß ISO 5725 “Accuracy of measurement methods and results”.

Ansprechpartner

Prof. Dr.-Ing. Jörg Klonowski

Tel.: +49 6131-628-1436
Fax.: +49 6131-628-91436

Prof. Dr. Ing. Renate Czommer

Tel.: +49 6131-628-1439
Fax.: +49 6131-628-91439

Projekte

Publikationen

–

i3mainz - Jahresbericht 2018

2019

PDF / RTF

Jahrebericht 2018

Im Jahresbericht werden die Projekte und Aktivitäten des i3mainz in komprimierter Form vorgestellt.

–

Systemarchitektur eines mobilen Empfehlungssystems mit Echtzeitanalysen von Sensordaten für Asthmatiker

2016

N. Bock; M. Scholz; G. Piller; K. Böhm; H. Müller; D. Fenchel; T. Sehlinger; M. van Wickeren; W. Wiegers

RTF

Multikonferenz Wirtschaftsinformatik (MKWI)

Das Projekt ActOnAir verfolgt einen neuartigen Ansatz zur Erfassung, Kombination und Analyse persönlicher Belastungsinformationen und feinmaschiger Umweltdaten für Asthmatiker. Individuelle Handlungsalternativen werden identifiziert, bewertet und überwacht. Dieser Beitrag stellt Gestaltungsziele und Kernanforderungen für die zu entwickelnden Softwarekomponenten vor und beschreibt eine hierzu passende Systemarchitektur sowie deren prototypische Umsetzung.

–

Location Based Sensing for Health Diagnoses: A Prototype for Personalized Pollen Profiling

2015

K. Böhm; N. Bock; T. Sehlinger

RTF

GI_Forum - Journal for Geographic Information Science

Personalized information and forecasts of environmentally triggered medical symptoms are becoming more and more critical, since the numbers of patients suffering from environmentally induced symptoms is still increasing (e.g. allergy or asthma patients). This project aimed at developing a solution to enable gathering personalized pollen exposure information and mapping this information with geospatial data from the personal habitat. This enables personal forecasts based on geospatial information and, when distributed to other suffering individuals, gives them the possibility of avoiding harmful environments. Within an interdisciplinary team of researchers from the medical, engineering, and geoinformatics professions, a system was developed to gather, qualify, and quantify aeroallergen particles (pollen), monitor additional climate parameters, and map this information, together with geospatial information, to the daily habitat of a single individual.

–

Innovative concepts for image based data capture and analysis of huge point clouds

2014

F. Boochs

RTF

n.A.

Results from two sample projects will be presented, showing possibilities to improve quality and precision of data capture and evaluation.

One example explains the potential to improve the absolute positional accuracy of a robot guided effector when applying photogrammetric strategies. Need and aims of such a tracking process are explained, followed by a description of actual solutions and their restrictions. Then the potential of photogrammetric solutions for such purposes are outlined, followed by a detailed description of the system developed. Finally, practical tests are shown, underlining that the design and realization are able to hold the challenging aims and improve the absolute accuracy of a robot by a factor of 20.

In an second example possibilities to evaluate huge data sets are presented. Due to the increasing availability of large unstructured point clouds obtained from laser scanning and/or photogrammetric data, there is a growing demand for automatic processing methods. Given the complexity of the underlying problems, several new methods resort to using semantic knowledge in particular for supporting object detection and classification. A novel approach making use of advanced algorithms is shown, in order to benefit from intelligent knowledge management strategies for the processing of 3D point clouds along with object classification in scanned scenes. In particular, these method extends the use of semantic knowledge to all stages of the processing, including the guidance of the 3D processing algorithms. The complete solution consists in a multi-stage iterative concept based on three factors: the modeled knowledge, the package of algorithms, and the classification engine.

–

Social Media as Sensor

2014

N. Bock; K. Böhm

PDF / RTF

FOSSGIS

Dieser Beitrag beschäftigt sich damit, die Analyse von Social Media Daten als eine Art „Human Sensor“ in einem Sensor Observation Service (SOS) bereitzustellen.

Hintergrund sind die Möglichkeit und das Potential, welche die Analyse von Social Media Daten aus den unterschiedlichen Netzwerken, wie Twitter, Facebook, Flickr oder Youtube bieten. Vor allem im Bereich der Marketinganalyse und des Katastrophenmanagements ist dies ein immer häufiger genutztes Werkzeug. Die Relevanz des Raumbezugs bei Social Media zeigt der Prototyp einer Arbeit, welcher die Ergebnisse einer gefilterten Twitter-Suche über einfache kartographische Darstellungsformen räumlich visualisiert (http://tweetmap.fh-mainz.de). Durch den Einsatz von Natural Language Processing (NLP), z.B. bei der Sentimental Analyse, können Social Media Daten hinsichtlich des Inhaltes untersucht werden. Aus diesen Untersuchungen lassen sich detailliertere Informationen, ähnlich zu physikalisch gemessenen Phänomenen, gewinnen. Dadurch lassen sich Social Media Daten zu einem Human Sensor wandeln. Unter Human Sensors versteht man ein Messmodell, in dem Menschen neben physikalischen Messungen, wie z.B durch Fitnessarmbänder, auch subjektive „Messungen“ wie Sinneseindrücke, Empfindungen oder persönliche Beobachtungen beitragen (vgl. Resch et al. [1]).

Die Nutzung von Social Media basierten Human Sensors gewinnt zudem an Bedeutung, wenn diese Daten in den Zusammenhang mit anderen Datenquellen, wie z.B. Umweltinformationen, gesetzt werden können. Eine Herausforderung dieser Zusammenführung ist die Interoperabilität zwischen den Daten. Diese kann durch den Einsatz von Standards erreicht werden.

Der hier vorgestellte Ansatz basiert auf dem Sensor Observation Service (SOS) aus dem Bereich des Sensor Web Enablements (SWE). Die Kombination der oben genannten Bereiche (Raum/Zeit, NLP, Human Sensor) ergibt hierfür eine Sensordatenquelle in einem SOS-Netzwerk. In diesem Netzwerk können die so verwalteten Informationen mit anderen räumlichen Sensordaten kombiniert werden.

Der Beitrag fokussiert dabei die Konzeption und Entwicklung des Systems FlexSensor, welches die Möglichkeit bietet, Daten aus Social Media Netzwerken (zunächst beispielhaft mit Twitter) und deren Analyse (NLP), als Beobachtungen in einem Sensornetzwerk als SOS zur Verfügung zu stellen. Zudem werden Ansätze gezeigt, die gesammelten Daten räumlich und zeitlich zu visualisieren.

[1] Resch, Bernd; Mittlböck, Manfred; Kranzer, Simon; Sagl, Günther; Heistracher, Thomas; Blaschke, Thomas: „People as Sensors“ mittels personaliserten Geo-Trackings, Angewandte Geoinformatik 2011, p. 683, 2011.

–

3D-Messen großer Volumen bzw. großer Bauteile

2014

D. Berndt; F. Boochs; P. Kühmstedt

RTF

Leitfaden zur optischen 3D-Messtechnik

Große Bauteile entstehen im Fahrzeugbau (PKWs und LKWs in der Automobilproduktion, Flugzeugrumpfschalen oder
Turbinenmodule im Flugzeugbau, Rahmen und Außenhaut an Schienenfahrzeugen), im Schiffbau, im Anlagenbau oder bei der Produktion von Energieerzeugungsanlagen (Windenergieanlagen, Großturbinen, usw.). An sie werden hohe Anforderungen hinsichtlich Maßhaltigkeit und Ausführungsqualität gestellt. Typische, sich daraus ergebene Messaufgaben sind das Prüfen geometrischer Merkmale in einem großen Messvolumen (z. B. Maß- und Formabweichungen über mehrere Meter) sowie das dimensionelle Erfassen einer lokalen Bauteilgeometrie oder das Prüfen eines lokalen Montagezustands in einem global registrierten Bauteilkoordinatensystem.
Dazu kommen Sensoren zum Einsatz, die nur in einem lokal begrenzten Messvolumen, typischerweise kleiner 1m, Bild und
Geometrieinformationen erfassen können. Da die Abmessungen der Großbauteile mehrere Meter bis mehrere zehn Meter
betragen, müssen die lokal erfassten Prüfmerkmale für die sich anschließende Auswertung in ein globales Koordinatensystem, üblicherweise das Bauteilkoordinatensystem, transformiert werden.

–

Einsetzbarkeitsuntersuchung der Apple iBeacon Technologie bei Messen

2014

K. Böhm; W. Y.; vanWickeren M.

RTF

LBAS, Fachgespräch, Ortsbezogene Anwendungen und Dienste