Das Buch beschreibt die Entwicklung der (theoretischen) Kartographie und Kartosemiotik in der zweiten Hälfte des 20. Jahrhunderts und im 21. Jahrhundert, die Evolutionsprozesse der Karto/ Atlassemiotik, die Bildung einer neuen interdisziplinären Richtung das Atlassing und neuen semiotisch-epistemologischen Disziplinen wie Atlas- und Bildatlassemiotik, Atlasgraphie, Bildatlasgraphie und Bildatlaskunde.:Einführung 1. Kartographie als Wissenschaft im 20. Jahrhundert 2. Kartosemiotik und Suche nach einer Alternative 3. Atlanten und Atlaskartographie 4. Semiotik-bezogenes Atlassing und Bildatlassing 5. Zur Karto/Atlasgraphie im 21. Jahrhundert

The publication (as polybook) presents a carto/atlassemiotic anthology as a collection of 12 selected e-books that were published by the author between 1997 and 2022. There are 6 books written in Russian, 4 – in German and 2 – English language. The project is a summary of the author's 45 years of carto/atlas semiotic activity in Dresden. 35 years at the TU Dresden (1979-2014), including 11 years in the GDR and 24 years in the Federal Republic of Germany; since 2015 as a retiree and independent researcher at the German Society for Semiotics (since 2017 member of the Scientific Advisory Board of the DGS and co-head of the section “Environmental and carto/atlas semiotics”:Preamble 4 I Cartosemiotics and prehistoric maps (Barnaul-Dresden 1997, in Russian) 6 II Cartosemiotics in Europe (Dresden 2002, in German) 64 III Atlas cartosemiotics (Dresden 2006, in Russian) 144 IV National Atlas of Germany: cartosemiotic portrait (Dresden 2007, in German) 243 V Prehistoric signs and sign systems (Dresden 2009, 1st ed., 2015, 3rd ed. In Russian) 318 VI 30 years with and for cartosemiotics (Dresden 2011, in German) 374 VII Selected articles on the semiotics of maps and atlases (Dresden 2015) 481 VIII Semiotics of photoatlases (Dresden 2016, in Russian) 531 IX Semiotic evolution in cartography and atlassing (Dresden 2020, in Russian) 584 X Quo vadis European (theoretical) cartography and carto/atlas semiotics? (Dresden 2021, in German) 702 XI Cartо-atlassemiotics. Lexicon. (Dresden 2021, in Russian) 805 XII From metacartography to metaatlasgraphy (Dresden 2022) 894 / Die Publikation (als Polybuch) präsentiert eine karto/atlassemiotische Anthologie als eine Sammlung von 12 ausgewählten e-Büchern, die vom Autor 1997-2022 veröffentlicht wurden. Es sind 6 Bücher in Russisch, 4 – in Deutsch und 2- in Englisch geschrieben. Das Projekt ist eine Zusammenfassung der 45-jährigen karto/atlassemiotischen Tätigkeit vom Autor in Dresden: 35 Jahre an der TU Dresden (1979-2014), davon 11 Jahre in der DDR und 24 Jahre in der BRD; seit 2015 als Rentner und unabhängiger Forscher in der Deutschen Gesellschaft für Semiotik (seit 2017 Mitglied des Wissenschaftlichen Beirats der DGS und Ko-Leiter der Sektion „Umwelt- und Karto/Atlassemiotik“).:Preamble 4 I Cartosemiotics and prehistoric maps (Barnaul-Dresden 1997, in Russian) 6 II Cartosemiotics in Europe (Dresden 2002, in German) 64 III Atlas cartosemiotics (Dresden 2006, in Russian) 144 IV National Atlas of Germany: cartosemiotic portrait (Dresden 2007, in German) 243 V Prehistoric signs and sign systems (Dresden 2009, 1st ed., 2015, 3rd ed. In Russian) 318 VI 30 years with and for cartosemiotics (Dresden 2011, in German) 374 VII Selected articles on the semiotics of maps and atlases (Dresden 2015) 481 VIII Semiotics of photoatlases (Dresden 2016, in Russian) 531 IX Semiotic evolution in cartography and atlassing (Dresden 2020, in Russian) 584 X Quo vadis European (theoretical) cartography and carto/atlas semiotics? (Dresden 2021, in German) 702 XI Cartо-atlassemiotics. Lexicon. (Dresden 2021, in Russian) 805 XII From metacartography to metaatlasgraphy (Dresden 2022) 894 / Данная публикация (как многокнижье) представляет карто/атласно-семиотическую антологию как собрание из 12 избранных электронных книг, изданных автором в период с 1997 г. по 2022 г. 6 книг написаны на русском языке, 4 – на немецком и 2 – на английском языке. Проект отражает результат 45-летней карто/атласно-семиотической деятельности автора в Дрездене. 35 лет в ТУ Дрезден (1979-2014 гг.), в том числе 11 лет в ГДР и 24 года в ФРГ; с 2015 года в качестве пенсионера и независимого исследователя Немецкого общества семиотики (с 2017 года член Научно-консультативного совета НОС и соруководитель секции «Экология и карто-атласнaя семиотика»).:Preamble 4 I Cartosemiotics and prehistoric maps (Barnaul-Dresden 1997, in Russian) 6 II Cartosemiotics in Europe (Dresden 2002, in German) 64 III Atlas cartosemiotics (Dresden 2006, in Russian) 144 IV National Atlas of Germany: cartosemiotic portrait (Dresden 2007, in German) 243 V Prehistoric signs and sign systems (Dresden 2009, 1st ed., 2015, 3rd ed. In Russian) 318 VI 30 years with and for cartosemiotics (Dresden 2011, in German) 374 VII Selected articles on the semiotics of maps and atlases (Dresden 2015) 481 VIII Semiotics of photoatlases (Dresden 2016, in Russian) 531 IX Semiotic evolution in cartography and atlassing (Dresden 2020, in Russian) 584 X Quo vadis European (theoretical) cartography and carto/atlas semiotics? (Dresden 2021, in German) 702 XI Cartо-atlassemiotics. Lexicon. (Dresden 2021, in Russian) 805 XII From metacartography to metaatlasgraphy (Dresden 2022) 894

Gezeitenbewegungen auf Eisschelfen werden schon seit den 90er-Jahren mit globalen Navigationssatellitensystemen (GNSS) gemessen. Kürzlich wurden an der Neumayer-Station III auf dem Ekström-Eisschelf mit Seismologie und GNSS unerwartet große drittel- und vierteltägige Gezeitensignale in der horizontalen Bewegung beobachtet. Es wurde die Hypothese aufgestellt, dass diese hochfrequenten Gezeitensignale ihren Ursprung an der Aufsetzzone des Ekström-Eisschelfs haben. Deshalb wurden im Laufe der letzten zwei Jahre weitere seismologische und GNSS-Messungen an der Aufsetzzone durchgeführt. Diese Arbeit verfolgt die Forschungsfragen, mit welcher Genauigkeit epochenweise geschätzte Koordinaten der GNSS-Messungen an der Aufsetzzone bestimmt werden können und welche Gezeitensignale signifikant auf geophysikalische oder glaziologische Prozesse zurückzuführen sind. Dafür wurden sowohl mit den Grundgestein verbundene GNSS-Stationen als auch die GNSS-Stationen an der Aufsetzzone mit der Bernese GNSS Software ausgewertet. Die stationären mit dem Grundgestein verbundenen GNSS-Stationen wurden dabei zur Abschätzung der erreichbaren Genauigkeit genutzt und als Referenzstation für die differentielle GNSS-Auswertung verwendet. Die Koordinatenzeitreihen wurden anschließend im Zeit- sowie Frequenzbereich analysiert. Die Ergebnisse zeigen, dass mit differentiellem GNSS kinematische Koordinaten in Nordrichtung auf 6,0 mm, in Ostrichtung auf 5,4 mm und vertikal auf 17,7 mm genau bestimmt werden können. Dabei handelt es sich aber um eine Genauigkeit zu einem zeitlichen Mittel. Die absolute Position wird eventuell weniger genau bestimmt. Die Signifikanz geophysikalischer und glaziologischer Signale ist abhängig vom Messrauschen in den Zeitreihen. Die dadurch entstehenden Unsicherheiten konnten in dieser Arbeit akkurat abgeschätzt werden. Zusätzlich wird die Signifikanz einzelner Signale stark von Artefakten aus den GNSS-Orbits beeinflusst. Konkret betrifft das Frequenzen, die nahe den ganzzahligen Vielfachen der K1-Tide liegen. An der Aufsetzzone konnten signifikante drittel- und vierteltägige Gezeitensignale in der horizontalen Bewegung beobachtet werden. Diese Signale haben ein ähnliches Ausmaß wie an der Neumayer-Station III. Die Hypothese, dass diese Signale ihren Ursprung an der Aufsetzzone haben, könnte somit richtig sein. Die hochfrequenten Gezeiten sind aber nicht als eigene Signale zu verstehen, sondern als Teil (halb-)tägiger, nicht harmonischer Periodizitäten.:1. Einleitung 2. Theoretische Grundlagen 2.1. Glaziologische und geophysikalische Grundlagen 2.1.1. Die Aufsetzzone 2.1.2. Eisströmungen 2.1.3. Gezeiten an der Aufsetzzone 2.2. GNSS 2.2.1. Beobachtungsgleichungen 2.2.2. Bestimmungen der Mehrdeutigkeiten in Trägerphasenbeobachtungen 2.2.3. GNSS zur Bestimmung von Eisbewegungen auf Eisschelfen und Eisströmen 3. Daten 3.1. GNSS-Beobachtungen 3.2. CODE-Datenprodukte 3.3. Weitere Datensätze 4. Methodik 4.1. Prozessieren der GNSS-Beobachtungen mit der Bernese GNSS Software 5.4 4.1.1. Statische GNSS-Auswertung der Referenzstationen mit PPP-AR 4.1.2. Kinematische GNSS-Auswertung mit PPP 4.1.3. Kinematische GNSS-Auswertung im Netzwerk 4.2. Analyse der Koordinatenzeitreihe 4.2.1. Ausreißertest 4.2.2. Frequenzanalyse 5. Ergebnisse 5.1. Kinematische Lösung der Referenzstationen 5.1.1. PPP-Strategien im Vergleich 5.1.2. Basislinie FOP1 -- VESL 5.2. Das GrouZE-Netzwerk 5.2.1. Ergebnisse der Netzwerkauswertung 5.2.2. PPP 6. Diskussion 6.1. Rauschverhalten und Artefakte aus den Satellitenkonstellationen 6.2. Gezeitensignale 6.2.1. Signifikanz 6.2.2. Erste geophysikalische und glaziologische Interpretation 7. Zusammenfassung Anhang A. Partialtiden Anhang B. Aufbau der GNSS-Stationen Anhang C. Zusätzliche Ergebnisse zu den Referenzstationen Anhang D. Weitere Ergebnisse aus dem GrouZE-Netzwerk Anhang E. Gezeitenkataloge der GrouZE-GNSS-Stationen

Im Bereich der Industrieisolierung ist das Handaufmaß gängige Praxis, um Rohrleitungsgeometrien zu erfassen und anschließend eine passende Dämmung zu fertigen. Laserbasierte Messverfahren (LiDAR) aus dem geodätischen Bereich konnten sich in der Industrieisolierung nicht durchsetzen. Trotz verschiedener Automationsansätze ist die Modellierung auf Basis der Punktwolken mit Standardsoftware aufwändig und nur geschulten Anwendern vorbehalten. Ergänzt wird diese Tatsache um die Problematik teurer Hardwarekosten. Photogrammetrische Ansätze bilden hierzu eine kostengünstige Alternative. Zugehörige Rekonstruktionsverfahren für Rohrleitungen existieren bereits, sind jedoch wenig automatisiert. In dieser Arbeit werden daher die Automationsmöglichkeiten für eine photogrammetrische Rekonstruktion von Rohrleitungen im industriellen Umfeld thematisiert. Der Forschungsbeitrag dieser Arbeit kann in drei Schwerpunkte gegliedert werden: a) Automationsansätze auf Basis von Objektwissen, b) Automationsansätze mittels Deep Learning und c) ein Ausgleichungsverfahren für Aufnahmen eines Unmanned Aerial System (UAS) zur simultanen Bildorientierung und Rekonstruktion von Rohren im Außenbereich in Anlehnung an eine Bündelblockausgleichung. Ausgehend von bekannten Rohrdurchmessern aus den Normungstexten wird zunächst für eine Kamerakonstellation mit bekannter Orientierung eine abgewandelte Art der Epipolargeometrie für Zylinder präsentiert. Diese erlaubt die Einschränkung des Suchbereichs in den Bildern und kann somit zur Detektion von Zylindern beitragen. Die Suche von Flanschen und Bögen erfolgt über bereits rekonstruierte Objekte. Eine Alternative dazu stellt die Detektion und Rekonstruktion der Rohrleitungsbauteile mithilfe von Deep Learning und Instanzsegmentierung in den Bildern dar. Hierzu werden verschiedene Modelle trainiert und Berechnungsverfahren implementiert. Die Optimierung der Rekonstruktion sowie die Integration des vorhandenen Objektwissens gelingt mithilfe eines Ausgleichungsansatzes. Die entwickelte Methodik wird schließlich für den Einsatz an UAS-Aufnahmen adaptiert. Das Ausgleichungsverfahren wird dazu um die Schätzung der Orientierungsparameter erweitert. Für eine automatisierte Berechnung können die mittels Deep Learning detektierten Rohre als Eingabedaten verwendet werden. Die einzelnen Forschungsbeiträge und neu entwickelten Ansätze werden sowohl an realen Daten zur Ermittlung der Robustheit, wie auch im Rahmen von Labortests zum Zwecke eine Genauigkeitsbeurteilung untersucht. Die Automation anhand von Objektwissen bietet sich vor allem für einfachere Aufnahmen an. Hinsichtlich der Genauigkeit sind die Ergebnisse nach der Ausgleichung mit einer manuellen Rekonstruktion beziehungsweise einer LiDAR-Messung vergleichbar. Bei komplexeren Bildern empfiehlt sich dagegen die Detektion und Rekonstruktion mittels Instanzsegmentierung. Rohre, Flansche und Bögen lassen sich mit einer Erkennungsrate von knapp 60 % gut detektieren und mit einer Genauigkeit von circa 5 mm berechnen. Gegenüber der Rekonstruktion durch Objektwissen ist die Berechnung außerdem unabhängig von anderen Objekten möglich. Eine Aufnahme mittels UAS ist besonders für größere Objekte geeignet. Die erweiterte Ausgleichung zur Bildorientierung liefert in Bezug auf die Orientierungsparameter etwas schlechtere Werte als eine Berechnung über Passpunkte. Nichtsdestotrotz werden, sofern keine groben Abweichungen, zum Beispiel aufgrund von mehrdeutigen Kanten in den Bildern vorliegen, Genauigkeiten von 5-10 mm erreicht. Die Erfüllung der Genauigkeitsanforderungen für den eingangs erwähnten Einsatz in der Industrieisolierung ist damit gegeben.:1 Einführung 1 1.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Stand der Forschung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2.1 Rohrleitungsvermessung mittels LiDAR . . . . . . . . . . . . . . . . . . . . . . 3 1.2.2 Rohrleitungsvermessung mittels Photogrammetrie . . . . . . . . . . . . . . . . 6 1.2.3 Rohrleitungsvermessung mittels kombinierter Verfahren . . . . . . . . . . . . . 9 1.2.4 Rohrleitungsvermessung mittels UAS . . . . . . . . . . . . . . . . . . . . . . . 9 1.2.5 Deep Learning in der Photogrammetrie . . . . . . . . . . . . . . . . . . . . . . 10 1.2.6 Alternative photogrammetrische Orientierungsverfahren . . . . . . . . . . . . . 11 1.2.7 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.3 Zielsetzung und Forschungsfragen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.4 Aufbau der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2 Grundlagen 17 2.1 Bauteile im Anlagenbau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.1.1 Rohre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.1.2 Flansche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.1.3 Formstücke . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.1.4 Armaturen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.1.5 Druckbehälter und -kessel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.2 Drehung mittels Quaternionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.3 Ausgewählte photogrammetrische Grundlagen . . . . . . . . . . . . . . . . . . . . . . . 25 2.3.1 Äußere Orientierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.3.2 Innere Orientierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.3.3 Abbildung eines Punktes ins Bild - Kollinearitätsgleichungen . . . . . . . . . . 26 2.3.4 Verfahren zur Lösung der Inneren und Äußeren Orientierung . . . . . . . . . . . 26 2.4 Abbildung von 3D-Volumenkörpern . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.4.1 Projektion von Kegeln und Zylindern . . . . . . . . . . . . . . . . . . . . . . . 28 2.4.2 Projektion von Tori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.4.3 Sichtbarkeitsanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.5 Extraktion von Bildkanten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.6 Bildbasierte Zylinderrekonstruktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 3 Entwicklung eines Messsystems zur Rohrleitungsrekonstruktion 35 3.1 Anforderungen an das System . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 3.2 Aufbau und Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 3.3 Systemkalibrierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 3.4 Arbeitsablauf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 3.5 Rekonstruktionsverfahren für Rohre und Fittings . . . . . . . . . . . . . . . . . . . . . 39 3.5.1 Rohre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 3.5.2 Reduzierstücke . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 3.5.3 Bögen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 3.5.4 Flansche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 3.5.5 T-Stücke . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 3.5.6 Armaturen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 3.5.7 Behälter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 3.6 Optimierung der Rekonstruktion mittels Ausgleichungsrechnung . . . . . . . . . . . . . 44 3.6.1 Formulierung der Beobachtungsgleichungen . . . . . . . . . . . . . . . . . . . 44 3.6.2 Definition der Unbekannten . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 3.6.3 Funktionale Modellierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 3.6.4 Prozessierung der Rohrleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 4 Automationsansätze durch Objektwissen 55 4.1 Rekonstruktion von Zylindern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 4.1.1 Vollautomatischer Ansatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 4.1.2 Halbautomatischer Ansatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 4.2 Rekonstruktion von Bögen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 4.3 Detektion von Flanschen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 4.4 Objektbasierte Transformation mehrerer Standpunkte . . . . . . . . . . . . . . . . . . . 62 4.4.1 Zuordnung korrespondierender Rohrbauteile . . . . . . . . . . . . . . . . . . . 63 4.4.2 Berechnung der Vortransformation . . . . . . . . . . . . . . . . . . . . . . . . . 64 4.4.3 Finale Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 4.5 Ergebnisse und Genauigkeitsbetrachtung . . . . . . . . . . . . . . . . . . . . . . . . . . 66 4.5.1 Zylinderrekonstruktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 4.5.2 Bogenrekonstruktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 4.5.3 Flanschrekonstruktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 4.5.4 Automatische Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 4.6 Zwischenfazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 5 Automation mittels Deep Learning und Instanzsegmentierung 75 5.1 Objekterkennung mittels Instanzsegmentierung . . . . . . . . . . . . . . . . . . . . . . 75 5.1.1 Übersicht über die verschiedenen Modelle . . . . . . . . . . . . . . . . . . . . . 75 5.1.2 Eigene Implementierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 5.2 Rekonstruktion von Rohren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 5.3 Rekonstruktion von Flanschen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 5.3.1 Strategie für das Labeln der Bilder . . . . . . . . . . . . . . . . . . . . . . . . . 83 5.3.2 Prozessierung und Verschneidung der Masken . . . . . . . . . . . . . . . . . . . 84 5.4 Rekonstruktion von Bögen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 5.5 Ergebnisse und Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 5.5.1 Erkennung von Rohren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 5.5.2 Rekonstruktion von Rohren . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 5.5.3 Erkennung von Flanschen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 5.5.4 Rekonstruktion von Flanschen . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 5.5.5 Erkennung von Bögen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 5.5.6 Rekonstruktion von Bögen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 5.6 Zwischenfazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 6 Objektaufnahme mittels UAS 107 6.1 Zylinderbasierte Bündelausgleichung zur Orientierung und Rekonstruktion . . . . . . . 109 6.1.1 Szenario 1: Bildaufnahme mit einer GNSS-Einzellösung und Passpunkten . . . . 110 6.1.2 Szenario 2: Aufnahme mit differentiellem GNSS und ohne Verknüpfungspunkte 114 6.2 Testmessungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 6.2.1 Feldtest in einer Industrieanlage . . . . . . . . . . . . . . . . . . . . . . . . . . 116 6.2.2 Genauigkeitsuntersuchung im Labor . . . . . . . . . . . . . . . . . . . . . . . . 119 6.3 Ergebnisse und Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 6.3.1 Genauigkeit der Bildorientierung im Feldversuch . . . . . . . . . . . . . . . . . 120 6.3.2 Genauigkeit der Rekonstruktion im Feldversuch . . . . . . . . . . . . . . . . . . 122 6.3.3 Qualität der Näherungswerte für die Bildorientierung . . . . . . . . . . . . . . . 124 6.3.4 Genauigkeitsuntersuchung im Labor . . . . . . . . . . . . . . . . . . . . . . . . 125 6.4 Zwischenfazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130 7 Zusammenfassung und Ausblick 131 7.1 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 7.2 Potenziale für zukünftige Forschungsarbeiten . . . . . . . . . . . . . . . . . . . . . . . 134 7.3 Ausblick zur Integration der Daten in den Fertigungsprozess . . . . . . . . . . . . . . . 135 Literaturverzeichnis 137 / In the field of industrial insulation, manual measurement of pipe geometries is common practice in order to produce exactly fitting insulation. Laser-based measurement methods (LiDAR) from the geodetic sector have not been able to establish themselves in industrial insulation. Despite various automation approaches, modeling on the basis of point clouds with standard software is time-consuming and reserved for skilled users only. This fact is compounded by the problem of expensive hardware costs. Photogrammetric approaches are a cost-effective alternative. Reconstruction methods for pipelines already exist, but are not very automated. This thesis therefore focuses on the automation possibilities for photogrammetric reconstruction of pipelines in an industrial environment. The research contribution of this work can be divided into three main areas: a) automation approaches based on object knowledge, b) automation approaches using deep learning and c) an adjustment method for UAS imagery for simultaneous image orientation and reconstruction of pipes similar to a bundle block adjustment. Based on known pipe diameters from the standardization texts, a modified type of epipolar geometry for cylinders is first presented for a camera constellation with a known orientation. This allows the restriction of the search area in the images and can thus contribute to the detection of cylinders. Flanges and elbows are searched for using already reconstructed objects. Alternatively, pipeline components can be detected in the images using deep learning and instance segmentation. Various models were trained for this purpose. The 3D geometry can then be derived directly from the images. An adjustment approach is used to optimize the reconstruction and to integrate the existing object knowledge. Finally, the developed methodology is adapted for use on UAS imagery. The adjustment is extended to estimate the orientation parameters. For this purpose, the detected pipes can serve as input data to automate the calculation. The individual research contributions and newly developed approaches were examined both using real data to determine robustness and in laboratory tests to assess accuracy. Automation based on object knowledge is particularly suitable for simpler images. In terms of accuracy, the results after the adjustment are comparable with manual reconstruction or LiDAR measurements. For more complex images, however, detection and reconstruction using instance segmentation is recommended. Pipes, flanges and elbows in particular can be recognized well with a precision of almost 60 % and can be calculated with an accuracy of approx. 5 mm Compared to reconstruction using object knowledge, calculation is also possible independently of other objects. UAS imagery is particularly suitable for larger objects. The extended adjustment for image orientation provides slightly worse values for the orientation parameters than a calculation using ground control points. Nevertheless, an accuracy of 5-10 mm can be achieved, provided there are no gross deviations, for example due to ambiguous edges in the images. This therefore meets the accuracy requirements for the aforementioned use in industrial insulation.:1 Einführung 1 1.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Stand der Forschung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2.1 Rohrleitungsvermessung mittels LiDAR . . . . . . . . . . . . . . . . . . . . . . 3 1.2.2 Rohrleitungsvermessung mittels Photogrammetrie . . . . . . . . . . . . . . . . 6 1.2.3 Rohrleitungsvermessung mittels kombinierter Verfahren . . . . . . . . . . . . . 9 1.2.4 Rohrleitungsvermessung mittels UAS . . . . . . . . . . . . . . . . . . . . . . . 9 1.2.5 Deep Learning in der Photogrammetrie . . . . . . . . . . . . . . . . . . . . . . 10 1.2.6 Alternative photogrammetrische Orientierungsverfahren . . . . . . . . . . . . . 11 1.2.7 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.3 Zielsetzung und Forschungsfragen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.4 Aufbau der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2 Grundlagen 17 2.1 Bauteile im Anlagenbau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.1.1 Rohre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.1.2 Flansche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.1.3 Formstücke . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.1.4 Armaturen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.1.5 Druckbehälter und -kessel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.2 Drehung mittels Quaternionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.3 Ausgewählte photogrammetrische Grundlagen . . . . . . . . . . . . . . . . . . . . . . . 25 2.3.1 Äußere Orientierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.3.2 Innere Orientierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.3.3 Abbildung eines Punktes ins Bild - Kollinearitätsgleichungen . . . . . . . . . . 26 2.3.4 Verfahren zur Lösung der Inneren und Äußeren Orientierung . . . . . . . . . . . 26 2.4 Abbildung von 3D-Volumenkörpern . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.4.1 Projektion von Kegeln und Zylindern . . . . . . . . . . . . . . . . . . . . . . . 28 2.4.2 Projektion von Tori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.4.3 Sichtbarkeitsanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.5 Extraktion von Bildkanten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.6 Bildbasierte Zylinderrekonstruktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 3 Entwicklung eines Messsystems zur Rohrleitungsrekonstruktion 35 3.1 Anforderungen an das System . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 3.2 Aufbau und Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 3.3 Systemkalibrierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 3.4 Arbeitsablauf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 3.5 Rekonstruktionsverfahren für Rohre und Fittings . . . . . . . . . . . . . . . . . . . . . 39 3.5.1 Rohre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 3.5.2 Reduzierstücke . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 3.5.3 Bögen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 3.5.4 Flansche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 3.5.5 T-Stücke . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 3.5.6 Armaturen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 3.5.7 Behälter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 3.6 Optimierung der Rekonstruktion mittels Ausgleichungsrechnung . . . . . . . . . . . . . 44 3.6.1 Formulierung der Beobachtungsgleichungen . . . . . . . . . . . . . . . . . . . 44 3.6.2 Definition der Unbekannten . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 3.6.3 Funktionale Modellierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 3.6.4 Prozessierung der Rohrleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 4 Automationsansätze durch Objektwissen 55 4.1 Rekonstruktion von Zylindern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 4.1.1 Vollautomatischer Ansatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 4.1.2 Halbautomatischer Ansatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 4.2 Rekonstruktion von Bögen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 4.3 Detektion von Flanschen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 4.4 Objektbasierte Transformation mehrerer Standpunkte . . . . . . . . . . . . . . . . . . . 62 4.4.1 Zuordnung korrespondierender Rohrbauteile . . . . . . . . . . . . . . . . . . . 63 4.4.2 Berechnung der Vortransformation . . . . . . . . . . . . . . . . . . . . . . . . . 64 4.4.3 Finale Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 4.5 Ergebnisse und Genauigkeitsbetrachtung . . . . . . . . . . . . . . . . . . . . . . . . . . 66 4.5.1 Zylinderrekonstruktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 4.5.2 Bogenrekonstruktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 4.5.3 Flanschrekonstruktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 4.5.4 Automatische Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 4.6 Zwischenfazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 5 Automation mittels Deep Learning und Instanzsegmentierung 75 5.1 Objekterkennung mittels Instanzsegmentierung . . . . . . . . . . . . . . . . . . . . . . 75 5.1.1 Übersicht über die verschiedenen Modelle . . . . . . . . . . . . . . . . . . . . . 75 5.1.2 Eigene Implementierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 5.2 Rekonstruktion von Rohren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 5.3 Rekonstruktion von Flanschen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 5.3.1 Strategie für das Labeln der Bilder . . . . . . . . . . . . . . . . . . . . . . . . . 83 5.3.2 Prozessierung und Verschneidung der Masken . . . . . . . . . . . . . . . . . . . 84 5.4 Rekonstruktion von Bögen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 5.5 Ergebnisse und Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 5.5.1 Erkennung von Rohren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 5.5.2 Rekonstruktion von Rohren . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 5.5.3 Erkennung von Flanschen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 5.5.4 Rekonstruktion von Flanschen . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 5.5.5 Erkennung von Bögen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 5.5.6 Rekonstruktion von Bögen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 5.6 Zwischenfazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 6 Objektaufnahme mittels UAS 107 6.1 Zylinderbasierte Bündelausgleichung zur Orientierung und Rekonstruktion . . . . . . . 109 6.1.1 Szenario 1: Bildaufnahme mit einer GNSS-Einzellösung und Passpunkten . . . . 110 6.1.2 Szenario 2: Aufnahme mit differentiellem GNSS und ohne Verknüpfungspunkte 114 6.2 Testmessungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 6.2.1 Feldtest in einer Industrieanlage . . . . . . . . . . . . . . . . . . . . . . . . . . 116 6.2.2 Genauigkeitsuntersuchung im Labor . . . . . . . . . . . . . . . . . . . . . . . . 119 6.3 Ergebnisse und Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 6.3.1 Genauigkeit der Bildorientierung im Feldversuch . . . . . . . . . . . . . . . . . 120 6.3.2 Genauigkeit der Rekonstruktion im Feldversuch . . . . . . . . . . . . . . . . . . 122 6.3.3 Qualität der Näherungswerte für die Bildorientierung . . . . . . . . . . . . . . . 124 6.3.4 Genauigkeitsuntersuchung im Labor . . . . . . . . . . . . . . . . . . . . . . . . 125 6.4 Zwischenfazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130 7 Zusammenfassung und Ausblick 131 7.1 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 7.2 Potenziale für zukünftige Forschungsarbeiten . . . . . . . . . . . . . . . . . . . . . . . 134 7.3 Ausblick zur Integration der Daten in den Fertigungsprozess . . . . . . . . . . . . . . . 135 Literaturverzeichnis 137

This contribution describes an automatic and robust method, which can be applied to all classical geodetic computation problems. Starting from given input quantities (e.g. coordinates of known points, observations) computation opportunities for all other relevant quantities are found. For redundant input quantities there exists a multitude of different computation opportunities from different minimal subsets of input quantities, which are all found automatically, and their results are computed and compared. If the computation is non-unique, but only a finite number of solutions exist, then all solutions are found and computed. By comparison of the different computation results we may detect outliers in the input quantities and produce a robust final result. The method does not work stochastically, such that no stochastic model of the observations is required. The description of the algorithm is illustrated for a practical case. It is implemented on a webserver and is available for free via internet. / Der Beitrag beschreibt ein automatisches und robustes Verfahren, welches auf alle klassischen geodätischen Berechnungsprobleme angewendet werden kann. Ausgehend von vorgelegten Eingabegrößen (z.B. Koordinaten bekannter Punkte, Beobachtungen) werden Berechnungsmöglichkeiten für alle anderen relevanten Größen gefunden. Bei redundanten Eingabegrößen existiert eine Vielzahl von verschiedenen Berechnungsmöglichkeiten aus verschiedenen minimalen Untermengen von Eingabegrößen, die alle automatisch gefunden und deren Ergebnisse berechnet und verglichen werden. Wenn die Berechnung nicht eindeutig ist, aber nur eine endliche Anzahl von Lösungen existiert, dann werden alle Lösungen gefunden und berechnet. Durch den Vergleich verschiedener Berechnungsergebnisse können Ausreißer in den Eingabegrößen aufgedeckt werden und ein robustes Endergebnis wird erhalten. Das Verfahren arbeitet nicht stochastisch, so dass kein stochastisches Modell der Beobachtungen erforderlich ist. Die Beschreibung des Algorithmus wird an einem praktischen Fall illustriert. Er ist auf einem Webserver installiert und über das Internet frei verfügbar.

Diese Masterthesis behandelt den Entwicklungsprozess einer interaktiven Kartenapplikation, deren Bereitstellung und Nutzung als Teil einer Museumsausstellung im Stadtmuseum Dresden zum Thema Tabak erfolgt. Der Prozess beinhaltet die Aufbereitung und Geokodierung von historischen Standortdaten, die Georeferenzierung und das Kacheln einer historischen Hintergrundkarte sowie eine detaillierte Gegenüberstellung verschiedener Mapping-Bibliotheken. Als Kernbestandteil der Arbeit folgt schließlich die Beschreibung des Implementierungsprozesses mit Mapbox GL JS und aller wichtigen Bestandteile der Karte. Die gesamte Anwendung wird mit HTML, CSS und JavaScript entwickelt. Dabei wird aufgezeigt, welche Elemente für eine intuitive Bedienung der Benutzeroberfläche durch eine heterogene Personengruppe notwendig sind und wie sich eine Touch-Benutzeroberfläche von einer klassischen Desktopanwendung unterscheidet. Die Einschätzung der zumutbaren Interaktionstiefe ergab, dass das Interaktionslevel auf einem geringen Niveau gehalten werden muss, um eine einfache Bedienbarkeit zu ermöglichen. Die Applikation wurde nach der Entwicklung von einer kleinen Personengruppe evaluiert, wobei eine Beantwortung verschiedener Aufgaben mithilfe der Anwendung und eine Einstufung anhand ihrer Schwierigkeit erfolgte. Dabei ergab sich bei der Mehrheit der Aufgabestellungen eine fast ausschließlich problemlose Bedienbarkeit der Anwendung durch Nutzer aller Altersklassen mit Ausnahme der Altersklasse 70+. Die Evaluation zeigte jedoch Differenzen bei der Interaktion durch Menschen mit unterschiedlichem Vorwissen in Bezug auf interaktive Karten. Die Gegenüberstellung der JavaScript-Bibliotheken Leaflet, Mapbox GL JS und OpenLayers ergab projektbezogen für die Kriterien Visualisierung und Performance ein sehr gutes Abschneiden von Mapbox GL JS. Hier wird eine einfache Programmierung der Karteninhalte und eine ansprechende Darstellung der Kartenelemente ermöglicht.

Beitrag zu Wasser und Eissatellitendaten zur Bilanzierung von Massentransporten anläßlich einer Festschrift zum 65. Geburtstag von Prof. Reinhard Dietrich.

Beitrag zum Werdegang von Reinhard Dietrich anläßlich seines 65. Geburtstages

Beitrag zur Entwicklung des Höhenrahmens in Deutschland anläßlich einer Festschrift zum 65. Geburtstag von Prof. Reinhard Dietrich.

Beitrag zur geodätischen Erdsystemforschung mittels Satellitenfernerkundung anläßlich anläßlich einer Festschrift zum 65. Geburtstag von Prof. Reinhard Dietrich.