Machine Learning für die automatische Erkennung von LVT-Blöcken aus Punktwolken

Nach einer Zugentgleisung im Gotthard-Basistunnel musste die feste Fahrbahn auf einer Strecke von 7,5 km vollständig erneuert werden. Im Tunnel ist das System LVT (Low Vibration Track) verbaut, bei dem die exakte Lage der Schwellenblöcke entscheidend ist. Um korrekte Abstände und Ausrichtungen der 20 000 Blöcke zueinander nachzuweisen, war eine präzise geometrische Dokumentation erforderlich.
Für die Datenerfassung wurde ein mobiles Laserscanningsystem verwendet. Damit konnte garantiert werden, dass die Datenqualität homogen ist und die Erfassung innerhalb der zur Verfügung stehenden Zeit abgeschlossen werden konnte. Die Punktwolken wurden mithilfe eines speziell für diesen Anwendungsfall trainierten Machine-Learning-Algorithmus analysiert, um die Schwellenblöcke automatisiert zu klassifizieren. Die räumliche Lage der einzelnen Blöcke wurde anschließend durch den Abgleich mit einem digitalen Referenzmodell ermittelt.
Die gewählte Lösung ermöglichte eine effiziente und nahezu vollständig automatisierte Auswertung. Die Datenerfassung konnte innerhalb von zwei Schichten abgeschlossen werden. Zudem lässt sich das entwickelte Verfahren auch flexibel auf andere Objektarten übertragen.