Schlagwort: Python

Autonome Fixed-Wing-Drohne für Wettermessungen

MovingSensors Messsystem
2016 – 2017

Für das Monitoring und die Vermessung von kalbenden Gletschern im Rahmen des ETH-Projekts Sun2Ice in Nordwest-Grönland kamen mehrere Fixed-Wing-Drohnen zum Einsatz. Für die Abschätzung der Machbarkeit der zum Teil sehr langen Flugmissionen von über 200 km waren Informationen zu Windstärke, Windrichtung, Temperatur und Feuchtigkeit zentral.

Da im Projektgebiet diese Informationen nicht zur Verfügung standen, bauten wir eine kleine autonome Fixed-Wing-Drohne mit Messelektronik für Temperatur, Feuchtigkeit und Lichtmenge. Diese Drohne flog autonom bis über die Flughöhe der eigentlichen photogrammetrischen Drohnen und erfasste die notwendigen meteorologischen Parameter.

Beschreibung

In extremen Witterungsbedingungen besteht die Gefahr, dass Mess-Drohnen vereisen und abstürzen. Um die Wetterbedingungen, d.h. die Windgeschwindigkeiten und -richtungen sowie die Temperatur- und Feuchtigkeitswerte, auf der Flughöhe der photogrammetrischen Mess-Drohnen (rund 600 Meter über Grund) zu erfassen, wurde die Wetter-Drohne bis in eine Höhe von 1000 Meter über Grund entsandt. Als Ausgangsort für die Messungen diente die Ortschaft Qeqertat.

Die automatisch geflogene Mission der Wetter-Drohne wurde so ausgelegt, dass sie sich in Kreisen bis in 1000 Meter Höhe hoch- und dann wieder herunterschraubt.

Während dieses Flugs wurden durch die Messelektronik – zusammengebaut aus Elementen von Tinkerforge und der eigens in Python geschriebenen Software – alle 50 Meter die Temperatur, Feuchtigkeit und Lichtintensität gemessen. Durch die geflogenen Kreise und über die gemessenen Luft- und GPS-Geschwindigkeiten konnte die Windgeschwindigkeit und -richtung hergeleitet werden.

Nach der Rückkehr der Wetter-Drohne konnten die registrierten Messwerte ausgelesen und ausgewertet werden. Die so gemessenen Parameter standen als Höhenprofil zu Verfügung und wurden für die weitere Planung der photogrammetrischen Flüge verwendet.

Weiterführende Informationen

uBlox-RTK-GPS für Messaufgaben

MovingSensors Messsystem
2019 – 2020

Das Messsystem von MovingSensors arbeitet mit präzisen 2-Phasen-GPS-Systemen, die mit Real-Time-Kinematic direkt hochgenaue Positionsdaten in das Messsystem einspeisen. Diese Systeme sind jedoch sehr kostspielig – und oftmals ist eine solch hohe Genauigkeit im Sub-Zentimeter-Bereich gar nicht erforderlich.

Für die Erfassung der Positionsdaten im Bereich von wenigen Zentimetern wurde die Einbindung eines wesentlich billigeren GPS-Systems in das Messsystem erarbeitet.

Beschreibung

Hochgenaue geodätische GPS-Systeme liefern zuverlässig Positionen im Sub-Zentimeter-Bereich – dafür ist dann aber mit Anschaffungskosten von rund CHF 50’000 zu rechnen. Für viele Messaufgaben reichen 1-Phasen-GPS-Systeme völlig aus, bei denen die gemessenen Positionen mit einer eigenen Referenzstation und einer Funkverbindung auf eine Genauigkeit von wenigen Zentimeter korrigiert werden. Dafür belaufen sich die Kosten für die Hardware und die grundlegenden Software-Lösungen solcher 1-Phasen-GPS-Systeme auf gerade einmal CHF 600 bis 1’000.

Diesen tiefen Kosten steht aber dennoch ein gewisser Aufwand entgegen, um das GPS-System mit dem MovingSensors-Messsystem zu verbinden. Die Herausforderung besteht in der korrekten Konfiguration des GPS, der Programmierung einer einfachen Plattform für die Dateneingabe von Referenzstationen und die physische Verkabelung zum Messsystem. Als Datenaustausch wurde die Standard-GPS-Schnittstelle NMEA verwendet.

Mehrere Anbieter solcher GPS-Lösungen arbeiten neu auch intensiv an Low-Cost-2-Phasen-Systemen. Diese erste Implementierung ist also eine gute Vorbereitung für die kommenden, neuen Generationen von GPS-Systemen.

Weiterführende Informationen

  • Verwendete Elektronik: uBlox

Autonomer Rover und Prototyp MovingSensors Messkopf

MovingSensors Messsystem
2015–2017

MovingSensors entwickelte einen schnellen Prototyp, um die Entwicklung der Auswertungssoftware und der kartografischen Darstellung der Beleuchtungsmessungen am Flughafen Zürich zu unterstützen. Dieser Prototyp umfasste die gleiche Messanordnung wie der eigentliche Messkopf von MovingSensors, welcher unter anderem am Flughafen Zürich im Einsatz ist.

Zusätzlich wurde dieser prototypische Messkopf mit einem autonomen Fahrzeug/Rover kombiniert. Damit konnte er für die automatische Erfassung von grossen beleuchteten Flächen (z.B. von Sportplätzen) eingesetzt werden.

Beschreibung

Die fünf am Messkopf montierten Lichtsensoren und die Steuerung wurden mit Bauteilen von Tinkerforge realisiert. Für die eigentliche Steuerung der Sensoren und die Speicherung der Messdaten verwendeten wir Python und nutzten die von Tinkerforge zu Verfügung gestellten Programmierschnittstelle. Diese Kombination ermöglichte schnelle Tests der gesamten Messkette und der anschliessenden Auswertung mit PostGIS und QGIS. Die wertvollen Erfahrungen mit dem Prototyp konnten wir in die Entwicklung des eigentlichen Messkopfes einfliessen lassen und so die Schnittstellen zwischen Mess- und Auswertesystem optimieren.

Den autonomen Rover realisierten wir basierend auf der Pixhawk-Plattform und planten die zu fahrenden Missionen mit der Software MissionPlanner. Der Rover fuhr wie geplant die Mission autonom ab und registrierte bei jedem definierten Waypoint die Messwerte der fünf Lichtsensoren. Getriggert wurden die Sensoren über eine Weiterleitung des Photo-Trigger-Signals von der Pixhawk-Plattform zur Tinkerforge-Messelektronik.

Um eine hohe Genauigkeit bei der Navigation zu den einzelnen Messpunkten zu garantieren, verwendeten wir für den Prototyp zusätzlich ein Real-Time-Kinematic-GPS (RTK-GPS) mit eigener Basisstation. Das RTK-Signal wurde über die RTK-Injection von MissionPlanner und APM-Rover zum Rover übermittelt.

Weiterführende Informationen

IREDES-MWD-Datenkonverter

Marti Tunnel AG
2018 – 2019

Basierend auf dem International Rock Excavation Data Exchange Standard (IREDES) werden während des Bohrprozesses (Measurement While Drilling (MWD)) zum Beispiel von Anker, Sprenglöchern oder Erkundungsbohrungen eine grosse Anzahl von unterschiedlichen Parametern des Bohrvorgangs gemessen und gespeichert. Diese Daten beinhalten wertvolle Informationen zur Geologie und zu den bautechnischen Eigenschaften des Felsen.

Um die Daten aus den einzelnen MWD-Messungen zu verwenden können, müssen die XML-basierten Stammdaten der einzelnen Bohrlöcher und die damit verbundenen Messwerte ausgelesen und neu strukturiert werden. Diese Daten können in der Folge in beliebigen (3D-) GIS-Systemen oder anderen Analysewerkzeugen weiterverarbeitet werden.

Beschreibung

Pro Positionierung des Bohrwagens im Tunnel können eine grosse Anzahl von Bohrlöcher der verschiedensten Art, beispielsweise als Anker, für eine Sprengung oder zur Sondierung gebohrt werden. Diese Daten werden über das IREDES-Datenmodell zur Verfügung gestellt. Zusätzlich wird auch die Positionierung des Bohrwagens innerhalb des Tunnels gespeichert.

Über diese Information der absoluten Positionierung und der relativen Koordinaten der einzelnen Bohrlöcher (Start- und Endpunkte) können die einzelnen Bohrlöcher absolut positioniert werden. Mithilfe der Messdaten der MWD-Messungen können anschliessend alle gemessenen Daten (Penetrationsrate, Andruck, Rotationsgeschwindigkeit, …) ebenfalls im 3D-Raum pro Bohrloch positioniert werden.

Diese einzelnen Messungen liegen jeweils nur wenige Zentimeter auseinander und ergeben ein sehr vollständiges Bild über die Felseigenschaften entlang des Bohrlochs, welches für die geologische oder bautechnische Interpretation verwendet werden kann. Zudem liefern weitere Metadaten der Bohrlöcher (z.B. zeitlicher Start und Ende des Bohrprozesses eines einzelnen Bohrlochs) wertvolle Erkenntnisse über den Ablauf der Bohr- und Bauarbeiten.

Neben der reinen Datenkonvertierung und -strukturierung führt die Applikation jedoch noch eine Vielzahl von weiteren Analysen durch. So können über konfigurierbare Bohrlochtypen (z.B. Ankerlöcher, Langbohrungen, Sprenglöcher, Kranzlöcher, …) die einzelnen Bohrlöcher den jeweiligen Typen zugeordnet werden. Weitere Analysewerkzeuge erstellen Protokolle der durchgeführten Bohrungen entlang der Tunnelachsen und generieren weitere statistische Kennwerte.

Abgleich Gewässernetze mit NetworkJoiner

Bundesamt für Umwelt BAFU
2015 – 2018
In Zusammenarbeit mit Digikarto

Eine Vielzahl von Fachinformationen werden als Punkt- und Linienereignisse an geroutete und kilometrierte Gewässernetze referenziert und grösstenteils von den entsprechenden Fachstellen der kantonalen Verwaltungen erarbeitet. Als digitales Gewässernetz werden zum Teil eigene kantonale Gewässernetze oder das Gewässernetz des Bundes verwendet. Das Bundesamt für Umwelt hat die Aufgabe, diese Fachinformationen der einzelnen Kantone zu sammeln und im Geoportal des Bundes zu publizieren (z.B. Daten zur Ökomorphologie der Gewässer).

Um die Daten zwischen den einzelnen digitalen Gewässernetzen austauschen zu können, müssen die jeweiligen Gewässernetze miteinander verglichen werden. Diese Netzwerkvergleiche und resultierende Relationen gestatten dann einen möglichst verlustfreien Übertrag der jeweiligen Fachinformationen vom ursprünglichen auf ein anderes Gewässernetz.

Beschreibung

Für die Übertragung von Punkt- und Linienereignissen von einem Ursprungs-Gewässernetz auf ein neues Ziel-Gewässernetz (z.B. von einem kantonalen auf das eidgenössische Gewässernetz) müssen identische Gewässerabschnitte ermittelt werden. Nur in den wenigsten Fällen reicht dafür ein einfaches Vergleichen der Attribute – bei weitaus zahlreicheren Fällen muss die komplette topologische Struktur der beiden Netzwerke miteinander verglichen werden.

Grundsätzlich ähnelt diese Aufgabe damit dem Vergleich von Strassennetzwerken und -topologien, obwohl die Topologie von Gewässernetzen um ein Vielfaches komplexer ist als beispielsweise die von Strassen. Je nach Erfassungsmassstab der Netzwerke können etwa verzopfte oder mäandrierende Flussabschnitte völlig unterschiedlich erfasst worden sein.

Basierend auf einer ausführlichen Literaturrecherche und einzelnen Tests wurde das Conflation Toolset von ArcGIS als mögliche Basis evaluiert. Es analysiert die Topologie der beiden Netzwerke und erstellt eine Matching-Matrix der als identisch oder nicht-identisch erkannten Netzwerkabschnitte. Aufgrund des sehr hohen Komplexitätsgrads der Netzwerke werden durch das Conflation Toolset aber auch eine grosse Anzahl von Fehlinterpretationen erstellt. Um diese zu detektieren, wurden typische Fehlerfälle eruiert und mit Geoprocessing-Modellen aus den Matching-Matrizen extrahiert.

In ArcMap werden die detektierten Fehler anschliessend zielgerichtet symbolisiert und dem Benutzer zur Überarbeitung zur Verfügung gestellt.

Für eine möglichst effiziente und fehlerfreie Überarbeitung wurde mit C# und ArcObjects ein Bearbeitungswerkzeug programmiert, das die unterschiedlichsten Methoden zur Korrektur der fehlerhaften Matching-Matrizen zur Verfügung stellt. Gleichzeitig werden alle Arbeitsschritte des Bearbeiters im Hintergrund protokolliert und in einer Geodatabase abgelegt.

Weiterführende Informationen

Anforderungen an die Kilometrierung des Gewässernetzes im swissTLM3D

Impressionen von der GeoPython 2019 an der FHNW in Muttenz

Die Programmiersprache Python hat sich definitiv als wichtiges Werkzeug in der Geoinformatik etabliert – es führt kaum mehr ein Weg an ihr vorbei. Eine schier endlose Anzahl von Bibliotheken steht für die Erfassung, Bearbeitung und Analyse von Geodaten zu Verfügung.

Auch an der Konferenz GeoPython 2019 gab es eine Vielzahl von spannenden Neuigkeiten und Beispiele von Anwendungen von Python in der Geoinformatik. Vor allem Aspekte des maschinellen Lernens und der künstlichen Intelligenz waren ein dominantes Thema. Nicht nur in den Vortragsräumen, sondern auch in den animierten Gesprächen während der Kaffeepausen. Ich bin gespannt, wohin hier die Reise gehen wird. An der GeoPython 2020 werden wir sicher wieder etwas mehr erfahren.

Mich hat die Konferenz zunächst zu einem Blick in die Vergangenheit motiviert: 2008 hielt ich einen Vortrag zur Verwendung von Python, Eclipse und PyDev anlässlich einer Veranstaltung des ESRI User Forums. Verrückt, wie die Zeit vergeht.

Auswertung und Darstellung von Fahrgastzahlen

Verkehrsbetriebe Glatttal (VBG)
2015 – 2017
In Zusammenarbeit mit Digikarto

Die Verkehrsbetriebe Glattal möchten ihr Mobilitätsangebot optimal auf die Nachfrage anpassen und benötigen hierfür genaue, gut interpretierbare Daten zur Auslastung der einzelnen Linien zu verschiedenen Tageszeiten. Dafür haben sie bei Bus- und Tramlinien die Zahl aller ein- und aussteigenden Fahrgäste erfasst.

Damit diese tabellarischen Daten effizient und intuitiv analysiert werden können, hat GeoIdee eine Darstellungsart entwickelt und als Webseite umgesetzt. Neben den ein- und aussteigenden Fahrgästen pro Haltestelle werden auch die mitfahrenden Fahrgäste zwischen zwei Stationen dargestellt. Ausserdem können die Fahrgastzahlen von unterschiedlichen Fahrplanjahren miteinander verglichen werden. Um Fehler oder Unklarheiten in den Daten anzuzeigen, wurde ein Analysewerkzeug programmiert.

Beschreibung

Für dieses Projekt werden die Eingangsdaten vom Zürcher Verkehrsverbund (ZVV) und den Verkehrsbetrieben Glatttal (VBG) erhoben. Die VBG verarbeitet dann die Daten und stellt sie für die weitere Aufbereitung zu Verfügung.

Im nächsten Schritt prüft GeoIdee diese Daten mittels einer Python-Applikation auf Vollständigkeit und strukturelle Korrektheit. Um die Messwerte der Fahrgäste den entsprechenden Stationen korrekt zuweisen zu können, muss auch die Haltestellenabfolge der Linien (Linientopologie) analysiert werden.

Die Python-Applikation fasst die zentralen Daten zusammen und legt diese in einer definierten und optimierten Dateistruktur ab. Diese Dateistruktur dient dann als Basis für die Darstellung und Analyse der Daten innerhalb einer Webseite. Mittels Scalable-Vector-Graphics (SVG) werden diese Analysen mit ansprechenden, dynamischen und interaktiven Grafiken dargestellt und dem Benutzer zur Verfügung gestellt.

Jährlich werden die Fahrgastzahlen des vergangenen Fahrplanjahres eingelesen. Damit stehen die Daten auch als Zeitreihe zur Verfügung. Diese Informationen dienen der Planung von Linien und Haltestellen und sind die Basis für die Ausgestaltung der Fahrpläne.

Aktuell werden für die VBG so jedes Jahr rund 55 Tram- und Buslinien aufbereitet.

Das Konzept und der Aufbau der Fahrgasterfassung sind generisch konzipiert und können für beliebige andere Verkehrsbetriebe angewendet werden.

Vortrag: QGIS als Front-End von grossflächigen in-situ Beleuchtungsmessungen

Bei den Lichtmessungen von grossen Flächen (z.B. Flugzeug-Standplätzen) durch das Team von MovingSensors gilt es, die geforderten Messpunkte genau anzusteuern. Um die Messpunkte zusammen mit der Situation des Geländes, der aktuellen Position sowie der Positionsqualität und den aktuellen Messdaten anzuzeigen, hat sich QGIS als optimales Werkzeug herausgestellt.

Im Rahmen des Anwendertreffens 2018 der QGIS-Anwendergruppe-Schweiz konnten wir unser Konzept und die Verwendung von QGIS als Navigationssoftware präsentieren.