27
Juni
2019

Eye-bot Aerial Solutions erstellt hochpräzise vertikale 3D-Modelle von Monopolantennen

ContextCapture erfasst sicher und schneller größere Datenmengen für die präzise Erstellung von Realitätsrastern

Verbesserte Wiedergabetreue von Mobilfunkantennen
 
2017 erstellte der Drohnen-Dienstleister Eye-bot Aerial Solutions ein 3D-Realitätsmodell von Mobilfunkmasten in Springdale, Pennsylvania. Das Projektteam bei Eye-bot startete das Springdale Monopole Projekt, um die Modelltreue, die Positionsgenauigkeit und den Fotorealismus der Modelle, durch eine ganzheitliche Modellierung von vertikalen Monopolantennenstrukturen mit komplexen transparenten Querverstrebungen, zu verbessern. Auf lange Sicht möchte Eye-bot die verbesserten Modelle verwenden, um die Erstellung standardisierter 3D-Modellierungs-Workflows zu unterstützen.

Bild: © 2018 Bentley Systems
Bild: © 2018 Bentley Systems

Das Unternehmen ist auf die Verwendung von unbemannten Luftfahrzeuge („unmanned aerial vehicle (UAV)“) spezialisiert, um 3D-Modelle von Mobilfunkmasten zu erstellen. Eye-Bot mit Sitz in Pittsburgh, Pennsylvania, hat bereits in mehreren Branchen gearbeitet, u.a. industrielle Fertigung, Erdöl & Gas, Telekommunikation, Infrastruktur, Konstruktion, Versicherungen, Energie und Versorgungsanlagen. Als Federal Aviation Administration (FAA) zertifiziertes Unternehmen kann Eye-bot verschiedene Standorte prüfen, überwachen, per Luftaufnahme vermessen und in 3D modellieren.

Schwierige Modellierung von Masten

Die wichtigste Herausforderung des Sprindale Monopole Projekt waren die Merkmale der Mobilfunkmasten. Vertikale Monopolantennenmasten sind an sich schwer mit UAV-Fotogrammetrie modellierbar, und der Einsatz von UAV-Fotogrammetrie wird noch komplizierter, wenn der Masten transparent ist und komplexe Querverstrebungen aufweist. Diese Merkmale gelten für Abspannmasten und freistehende Kommunikationsmasten, wie dies bei diesem Projekt der Fall war. Aufgrund dieser Voraussetzungen erkannte das Team, dass LiDAR-Scanning als Teil des Datenerfassungsverfahrens integriert werden musste. Eine Software-Anwendung, die mit beiden Vermessungsmethoden arbeiten konnte, war erforderlich. Eye-bot kombinierte UAV Fotogrammetrie mit LiDAR Scans, um mit ContextCapture von Bentley mühelos 3D-Modelle zu erstellen.

„ContextCapture ist die einzige Software, die wir gefunden haben, die Fotogrammetrie und LiDAR Scans kombiniert verwenden kann - das ist ein einzigartiger Vorteil dieser Anwendung“, so Jake Lydick, Gründer und CEO von Eye-bot.

Die Anwendung half dem Projektteam ebenfalls dabei, alle seine Geräte und Ausstattungen umfassend zu nutzen. Früher hatte Eye-bot Schwierigkeiten, Bilder von über 40 Megapixel zu verarbeiten. ContextCapture verarbeitete alle hochauflösenden Bilder ohne jegliche Probleme. Diese Funktion ermöglichte es dem Projektteam, mit neuen Datenerfassungsverfahren zu experimentieren und letztendlich ein besseres Modell zu erhalten.

Informationsaustausch, verbesserte Sicherheit und Zuverlässigkeit

Neben den technischen Vorteilen war Eye-bot, dank ContextCapture, ebenfalls in der Lage, Projektinformationen mit potenziellen Kunden zu teilen. Eye-bot machte die erfassten Daten in verschiedenen Formaten verfügbar. Über ein gehostetes Webportal, das einen globalen Zugriff auf Information ermöglichte, hatte das Projektteam ebenfalls 3D-Raster und 2D-Ortho-Dateien zur Verfügung. Zusätzlich können Kunden oder potenzielle Kunden Raster und Punktwolken im CAD-Programm ihrer Wahl herunterladen und anzeigen, wenn sie die Modelle genauer untersuchen möchten. Die Interoperabilität von ContextCapture macht dies möglich.

ContextCapture ermöglichte Eye-bot, präzise Messungen zu machen und zu teilen, ohne den Standort besuchen zu müssen, wodurch die Sicherheit für das Projektteam verbessert wurde. Durch den Einsatz von Drohnen zur Erfassung der Daten und ihre Eingabe in die Reality Modeling Anwendung, beseitigte Eye-bot die Sturzgefahr für die Arbeiter von den Masten, die mit herkömmlichen Klettermethoden auftreten konnten. Die 3D-Realitätsmodelle ermöglichten es dem Projektteam, neben der Personensicherheit, die Sicherheit des Mastes selbst zu analysieren und nach strukturellen Verformungen und anderen Problemen zu suchen. Aufgrund der Möglichkeit diese detaillierten Modelle und Informationen mit allen Projektbeteiligten problemlos zu teilen, konnte Eye-bot schließlich die Fahrten und somit auch seine CO2-Bilanz reduzieren. Diese Modelle werden fundiertere Entscheidungen fördern und die allgemeine Sicherheit verbessern.

Aktualisierung der Modellinformation

Eye-bot entwickelte ein effizientes und wiederholbares Mittel zur Prüfung von vertikalen Monopolantennen, sodass größere Datenmengen präziser, schneller und sicherer als mit traditionellen Methoden erfasst werden können. Das Team kann die Modelle mit ContextCapture periodisch aktualisieren, um sie auf dem neuesten Stand zu halten und somit genaue Informationen über die Anlagen ihrer Kunden bereitzustellen.

ContextCapture steigerte die Effizienz von Eye-bot von der Planung und Umsetzung bis zur Instandhaltung, Erweiterung und Überwachung. Durch den Vergleich der 3D-Modelle können Anwender die Ausrichtung der Monopolantennen im gesamten Netzwerk messen und überwachen. Diese Methode half Eye-bot und seinen Kunden dabei, eine einheitliche Datenquelle für ihre Antennendaten zu schaffen. Anwender können ebenfalls regelmäßige Aktualisierungen durchführen, um sicherzustellen, dass die Anlagen in gutem Zustand sind, sowie bekannte Probleme zu beobachten und ggf. zu beheben, bevor korrigierende Maßnahmen notwendig sind. Nachdem der Anwender die erforderlichen Reparaturen oder Aktualisierungen bestimmt hat, können die Arbeiter das Modell bei der Durchführung ihrer Aufgaben als Referenz verwenden. Das Modell wird bei der Projektplanung und Materialauswahl behilflich sein und somit die Gesamteffizienz und Qualität des Projekts verbessern sowie Arbeitsstunden einsparen.

Kürzere Projektzeiten, verbesserter Service

Dank der verschiedenen Funktionen von ContextCapture sparte Eye-bot Zeit und Geld. Das Master-Engine Programm der Anwendung ermöglichte es den Anwendern, die Arbeitsbelastung im gesamten Netzwerk zu verteilen, sodass der benötigte Zeitaufwand zwischen Datenerfassung und Projektabwicklung verkürzt werden konnte. Dank der Interoperabilität von ContextCapture mit MicroStation® konnte das Team ein Modell erstellen, das direkt in die andere Anwendung importiert werden kann. Somit musste das Modell nicht mehr in ein CAD-Format konvertiert werden. Zudem wurde die Zeit zwischen Datenerfassung und Lieferung verkürzt. Da das Team eine Webansicht des Modells erstellen konnte, war Eye-bot in der Lage, seine Modelle auf seinem eigenen Server zu hosten, sodass die globalen Servicekosten reduziert wurden.

Zudem werden diese Modelle Eye-bot dabei helfen, mehr zuverlässige drahtlose Netzwerke zu erreichen, denn mit den detaillierten, präzisen und einfach austauschbaren Modellen werden die Techniker in der Lage sein, Serviceprobleme schneller zu lösen. In einer Welt, die stark von drahtloser Datenübertragung abhängig ist, ist diese Zuverlässigkeit von ausschlaggebender Bedeutung. Mit den Funktionen von ContextCapture können die Mobilfunkmasten schneller, sicherer und zuverlässiger überprüft und überwacht werden.

Weitere Informationen: www.bentley.com/de

 

 

 

Social Bookmarks

Wir benutzen Cookies
Cookies ermöglichen eine bestmögliche Bereitstellung unserer Dienste. Mit der Nutzung von GEObranchen.de und unseren Diensten erklären Sie sich damit einverstanden, dass wir Cookies verwenden.