Fraunhofer-Gesellschaft | KI-Fortschrittszentrum »Lernende Systeme und Kognitive Robotik«
Fraunhofer-Gesellschaft | KI-Fortschrittszentrum »Lernende Systeme und Kognitive Robotik«

KI-gestütztes Bewerten von 3D-Punktwolken von Hochspannungsschaltanlagen

Quick Check

Ausgangssituation

Für die Digitalisierung der Stromnetze werden Digitale Zwillinge von Hochspannungsschaltanlagen erstellt. Als Grundlage für die digitalen Modelle dienen 3D-Punktwolken der Anlagen, die mit Laserscannern aufgenommen werden. Der Grad der Automatisierung bei der Erzeugung des Digitalen Zwillings hängt jedoch maßgeblich von der Qualität der Punktwolke ab. Die Wetterbedingungen, die eingesetzten Geräte und Softwareprodukte, sowie das Vorgehen während des Scannens können die Qualität der resultierenden 3D-Punktwolke beeinflussen. Für eine effiziente Digitalisierung der Hochspannungsschaltanlagen wird daher zunächst die Qualität der Punktwolken überprüft. Diese bislang manuelle Prüfung und Bewertung der Punktwolkenqualität ist sehr zeitintensiv und außerdem nicht objektiv. Daher soll dieser Prozess automatisiert werden und im Rahmen des Quick Checks eine KI-basierte Bewertung der Punktwolkenqualität untersucht werden.

Lösungsidee

In den Scans der Hochspannungsschaltanlagen sollen automatisiert Aussagen über die Qualität der Scandaten erzeugt werden. Die Bewertung soll anhand der Leitungen durchgeführt werden. Dieser Ansatz hat mehrere Vorteile. Leitungen haben eine große Verfügbarkeit in den Daten. Weiterhin ist die Geometrie der Leitungen bekannt, da diese näherungsweise als Zylinder modelliert werden können. Daher werden in den 3D-Punktwolken zunächst die Leitungen KI-basiert segmentiert. Durch eine Analyse der segmentierten Leitungen wird die Qualität der Punktwolken bewertet. Die Punktwolke der Anlage wird an mehreren hundert Stellen mit KI untersucht, sodass sich eine klare statistische Aussage über die Qualität der Punktwolke ergibt.

© Frederik Seiler, Fraunhofer IPA
Farbkodierte Bewertung der Qualität der Punktwolke.

Nutzen

Für eine Digitalisierung des Stromnetzes sind Modelle der bestehenden Schaltanlagen notwendig. Aufgrund der großen Anzahl an Schaltanlagen ist ein hoher Automatisierungsgrad bei der Digitalisierung notwendig. In diesem Quick Check wurde der erste Schritt der Verarbeitungspipeline – das Bewerten der Scanqualität – betrachtet. Durch eine automatische Bewertung der Qualität der Punktwolke kann die manuelle, monotone und zeitaufwändige Überprüfung der Scans ersetzt werden. Da die KI-basierte Bewertung der Scanqualität anhand von hunderten Stellen in der Punktwolke durchgeführt wird, handelt es sich nicht um eine Stichprobenprüfung, sondern es ergibt sich ein vollständiges und detailliertes Bild. Zusätzlich ist die Bewertung reproduzierbar und hängt nicht von der Erfahrung oder der subjektiven Einschätzung einer manuellen Inspektion ab.

Umsetzung der KI-Applikation

Als Basis für das Training des KI-Algorithmus dienen bereits digitalisierte Schaltanlagen. Aus diesen Anlagen werden automatisiert Trainingsdaten erzeugt, indem die Information der bereits erzeugten Digitalen Zwillinge in die Ausgangspunktwolken zurückgeführt werden. Das entwickelte Netzwerk leitet lokale geometrische Merkmale aus der Punktwolke ab. Diese lokalen Merkmale werden miteinander kombiniert, bis Merkmale mit hoher semantischer Bedeutung entstehen, auf deren Basis die Leitungen aus der Punktwolke segmentiert werden können. Für eine punktweise Segmentierung der 3D-Punktwolke werden die globalen Merkmale mit den lokalen Merkmalen kombiniert.

Projektpartner

»Im Zuge der Digitalisierung der Stromnetze verarbeiten wir hunderte von Punktwolken zu digitalen Zwillingen von Hochspannungsschaltanlagen. Der Automatisierungsgrad der Objekterkennung hängt stark von der Qualität der Punktwolken ab. Wir haben zusammen mit dem Team am Fraunhofer IPA erfolgreich ML-Methoden evaluiert, mit deren Hilfe wir automatisierte Qualitätskontrollen der Eingangsdaten durchführen können.«

Wolfgang Eyrich, Geschäftsführer  entegra eyrich + appel gmbh