Principal Investigator / Projektleiter:

• Reiterer Alexander, Institute of Geodesy and Geophysics, Vienna University of Technology, Austria

Co-Investigators / Forscher:

• Bauer Arnold, Institute of Digital Image Processing - Joanneum Research

• Eiter Thomas, Knowledge-Based Systems Group (Institute of Information Systems - Vienna University of Technology

• Egly Uwe, Knowledge-Based Systems Group - Institute of Information Systems - Vienna University of Technology

• Huber Niko Benjamin, Institute of Digital Image Processing - Joanneum Research, Austria

• Lehmann Martin, Institute of Geodesy and Geophysics, Vienna University of Technology, Austria

• Paar Gerhard, Institute of Digital Image Processing - Joanneum Research

• Rieke-Zapp Dirk, Institute of Geological Sciences, University of Bern, Switzerland

• Schlunegger Fritz, Institute of Geological Sciences, University of Bern, Switzerland

• Vicovac Tanja, Institute of Geodesy and Geophysics, Vienna University of Technology, Austria

Projectdescription:

Worldwide rock falls are one of the major types of natural hazards killing or injuring a large number of individuals and creating very high costs every year. In the United States of America such events are annually causing estimated damages exceeding US $ 2 billion. Figures for Europe, Asia, particular China, Africa and South America may easily exceed those for the US. Besides direct costs rock falls are also reason for even higher indirect costs like interruption of important infrastructure facilities or losses for the tourist industry etc. In future it is very likely that the damages caused by rock falls will even increase as the hilly areas, where the majority of the rock falls occur, are used by a growing number of tourists and intersected by increasingly powerful transnational networks. In addition many global climate change scenarios predict an increase in the probability for heavy rain, which is a primary trigger for rock falls and landslides. This implies that there is urgent need for highly productive and reliable tools for rock fall monitoring at an operational level.

i-MeaS aims at an efficient, highly automated intelligent image-based measurement and analysis system which is able to monitor rock falls by means of non-signalised points. Basic idea is the use of image assisted total stations and image analysis techniques for automated point detection. In connection with such algorithms a huge number of constraints have to be clarified and solved (e.g. the influence of different light conditions on the resulting measurements) – we plan to combine image analysis techniques, with techniques from artificial intelligence (e.g. learning algorithms, knowledge-based systems, genetic algorithms, etc.) to research and assemble a flexible measurement system. Additionally, the system should be integrated into an alerting system. The investigation and installation of such a combined monitoring systems aims for a raise of security and a restriction of human, economical and environmental damage.

The innovation of i-MeaS is the close interaction between feature extraction, image-based sensors and a deformation analysis/alerting system. In traditional measurement systems sensors are used as (passive) devices only. Besides the input from image analysis there are complementary input data making it possible to build up activities of the sensors in feedback circuits. Totally new is the development and implementation of such a measurement system for the task of rock fall monitoring. The utilization of such a multi-sensor system has several advantages in comparison with conventional systems, like laser scanner or tacheometers.

The project at hand is planned as an international and interdisciplinary work and is designed as a “FWF Translational-Research-Programm”. The project can refer to several research projects executed by the project proposers.

Projektbeschreibung:

Felsstürze sind weltweit eine der häufigsten Naturgefahren und fordern jedes Jahr eine Vielzahl von Opfern und eine hohe Zahl von Kosten. In den Vereinigten Staaten von Amerika verursachen solche Ereignisse beispielsweise jährlich Kosten im Umfang von über 2 Milliarden US $. Ähnliches gilt für Europa, Asien (im Speziellen China), Afrika und Südamerika. Neben den direkten Kosten sind Felsstürze auch der Grund für sehr hohe indirekte Kosten, wie zum Beispiel die Unterbrechung wichtiger Verkehrsverbindungen, Einbußen in der Touristik, usw. Durch die Zunahme von bevölkerten Gebieten im alpinen Gelände ist auch ein Anstieg von gefährlichen Felsstürzen zu erwarten (das Gebirge wird zunehmend für den Tourismus und für internationale Verkehrs-Verbindungslinien genutzt). Zusätzlich führen die veränderten Klimabedingungen, wie zum Beispiel die Zunahme von Niederschlägen zu einem vermehrten Auftreten von Hangrutschungen und Felsstürzen. Daraus resultiert, dass ein hoher Bedarf an produktiven und zuverlässigen Überwachungssystemen für Felsstürze besteht.

Grundidee von i-MeaS ist die Entwicklung eines effizienten, hoch-automatisierten bild-gestützten Mess- und Analysesystems für die Überwachung von Felsstürzen mit Hilfe nicht-signalisierter Punkte. Die Basis soll dabei Bildanalyse bilden. In Verbindung mit solchen Algorithmen ergeben sich eine Unmenge von Problemstellungen, welche für einen erfolgreichen Einsatz des Messsystems berücksichtigt werden müssen (z.B. der Einfluss von unterschiedlichen Beleuchtungsverhältnissen auf die Messergebnisse) – wir planen, Bildanalyse mit Techniken aus dem Bereich der künstlichen Intelligenz (z.B. maschinelles Lernen, wissensbasierte Systeme, genetische Algorithmen, usw.) zu kombinieren, um ein möglichst flexibles Messsystem zu entwickeln. Zusätzlich soll das Messsystem in ein Frühwarnsystem integriert werden. Die Entwicklung und Installation eines solchen kombinierten Überwachungssystems würde eine Erhöhung der Sicherheit und eine Einschränkung des Gefahrenpotentials für Mensch und Infrastruktur bedeuten.

Die Innovation von i-MeaS stellt die enge Zusammenarbeit zwischen Bildanalyse, bildgebenden Sensoren und dem Deformationsanalyse und –bewertungssystem dar. Bei herkömmlichen Messsystemen werden die Sensoren lediglich als passive Elemente verwendet. Neben dem Input aus der Bildanalyse kann nun eine Vielzahl von Zusatzinformationen genutzt werden, um sog. Feedback-Prozeduren zu implementieren. Als völlig neu kann auch die Entwicklung und Installation eines solchen Messsystems für die Überwachung von Felsstürzen gesehen werden. Die Nutzung eines solchen Multi-Sensor Systems bietet eine Reihe von Vorteilen gegenüber konventionellen Systemen wie dem Laserscanning oder der Tachymetrie.

Das vorliegende Projekt ist als internationale und interdisziplinäre Arbeit geplant und wurde auf der Basis eines “FWF Translational-Research-Programm” eingereicht. Grundlage für dieses Projekt bilden umfangreiche Forschungsprojekte, welche von den Antragstellern durchgeführt wurden.

Sponsored by / Forschungsprogramm:

• Fonds zur Förderung der wissenschaftlichen Forschung (FWF)

Cooperations / Kooperationen:

• Knowledge-Based Systems Group (Institute of Information Systems - Vienna University of Technology)

• Institute of Digital Image Processing (Joanneum Research)

• Institute of Geological Sciences, University of Bern, Switzerland

Details:

• i-MeaS – An Intelligent Image-Based Measurement System for Rock Fall Monitoring

Contact / Kontakt:

• Reiterer Alexander