Ein hochmoderner autonomer Kran begann mit einem systematischen Positionierungsfehler von mehreren Zentimetern Container zu entladen. Nachdem mechanische und softwarebedingte Fehler ausgeschlossen wurden, griff das Ingenieurteam auf historische Fotogrammetrie zurück. Durch den Vergleich von Punktwolken, die in den letzten zwei Jahren mit Pix4D generiert wurden, wurde eine fortschreitende Setzung des Kais um 4,7 Zentimeter im Fahrbereich des Krans identifiziert, was die geometrische Kalibrierung der Maschine veränderte.
Arbeitsablauf zur Erkennung von Setzungen in Hafeninfrastrukturen 🏗️
Der Prozess begann mit der Ausrichtung der historischen digitalen Oberflächenmodelle in Global Mapper, wobei feste Kontrollpunkte an entfernten Gebäuden als stabile Referenz dienten. Die Differenz zwischen den Oberflächen wurde als Verformungsnetz nach Civil 3D exportiert, wo eine Setzungs-Wärmekarte erstellt wurde. Die Analyse ergab, dass die Setzung nicht gleichmäßig war, sondern einen Gradienten von 0,8 Zentimetern pro Meter zur Wasserkante hin aufwies. Diese Daten wurden in SketchUp integriert, um die geometrischen Auswirkungen auf die Kinematik des Krans zu modellieren, was zeigte, dass der Positionierungsfehler eine direkte Folge der Veränderung der Schienenhöhe war.
Georeferenzierte digitale Zwillinge als Werkzeug für die vorausschauende Wartung 🚁
Dieser Fall zeigt, dass die periodische Fotogrammetrie nicht nur zur Volumenmessung oder zur Erstellung von Plänen dient, sondern als Frühwarnsystem für strukturelle Verformungen fungiert. Ein georeferenzierter digitaler Zwilling, der mit monatlichen Drohnenflügen aktualisiert und in Pix4D verarbeitet wird, hätte die Setzung in ihren frühen Phasen erkannt. Die Integration dieser Daten in die Steuerungssysteme autonomer Maschinen würde eine dynamische Neukalibrierung der Krane ermöglichen, ungeplante Stillstände vermeiden und die Präzision beim Be- und Entladen von Schiffen gewährleisten.
Wie kann die historische Fotogrammetrie mit Echtzeit-Steuerungssystemen integriert werden, um strukturelle Abweichungen zu korrigieren, die die Kalibrierung autonomer Krane beeinträchtigen?
(PS: 3D-Vermessung ist wie das Erstellen einer Schatzkarte, aber der Schatz ist ein präzises Modell.)