Punktwolken Was kommt danach? Anwendungen im markscheiderischen Lagerstättenmonitoring

Transkript

1 1 Punktwolken Was kommt danach? Anwendungen im markscheiderischen Lagerstättenmonitoring Andreas GEIER und André JOHN Zusammenfassung Im Bergbau gehört das Markscheidewesen zu den klassischen Ingenieurdisziplinen. Dessen Aufgaben sind die Bereitstellung vermessungstechnischer Dienstleistungen, die Führung des Karten- und Risswerkes, die Bergschadenkunde, aber auch die Lagerstättenbearbeitung (Bollmann 2005) während der verschiedenen Phasen des Bergbaus. Dieser Beitrag präsentiert die Arbeiten des Institutes für Markscheidewesen und Geodäsie der TU Bergakademie Freiberg innerhalb des vom BMBF geförderten Projektes Untertagetaugliches Positionierungs- und Navigationssystem UPNS 4D+. Das Gesamtziel ist die Entwicklung eines autonomen Systems zur Erstellung des Grubenbildes aktiver untertägiger Abbaubetriebe. Hierbei kommen u.a. Sensoren zum Einsatz, die über direkte Messungen bzw. indirekt, über die Verarbeitung von digitalen Kameraaufnahmen, Punktwolken zur Verfügung stellen. Im Hinblick auf bergbau- und aufbereitungstechnologische Prozesse hat das Institut in dem Teilvorhaben Merkmalsextraktion zur Ressourceneffizienz Arbeitsabläufe zur Nutzung dieser Punktwolken für die Kluftflächen- und Haufwerksanalyse entwickelt. Die Analyse von Kluftflächen ist eine der Grundlagen geomechanischer Gebirgsbetrachtungen und ist in Verbindung mit der Analyse des Haufwerkes u.a. Grundlage für die Abbauoptimierung. Dazu zählen zum Beispiel die Optimierung von Sprengparametern und die Optimierung nachgeschalteter Zerkleinerungs- und Transportprozesse. 1 Einleitung In Europa wird der Zugang zu wirtschaftsstrategischen Rohstoffen, wie Stahlveredlern, Seltene-Erden- oder Platin-Gruppen-Elementen als kritisch eingeschätzt (EUROPEAN COMMIS- SION 2010). Auch in der modernen Industriegesellschaft Deutschlands wird die Im- und Exportsituation von Industrierohstoffen regelmäßig geprüft (ROHSTOFFSITUATION 2015). Dieser Kontext bildet den Rahmen für das interdisziplinäre Forschungsprojekt Untertägiges 4D+ Positionierungs-, Navigations- und Mapping-System zur hochselektiven, effizienten und im höchsten Maße sicheren Gewinnung wirtschaftsstrategischer Rohstoffe. Im Verbund entwickeln die indurad GmbH, die FH Aachen, die Fritz Rensmann, Maschinenfabrik, Diesellokomotiven, Getriebe GmbH & Co. KG, die GHH Fahrzeuge GmbH, die MILAN Geoservice GmbH, die RWTH Aachen, die TU Bergakademie Freiberg, die XGraphic Ingenieurgesellschaft mbh, die Hermann Paus Maschinenfabrik (assoziiert) und die TU Delft (assoziiert) ein autonomes System zur Erkundung komplex strukturierter heimischer Lagerstätten (BUTTGEREIT et al. 2017).

2 2 A. Geier und A. John Im Teilvorhaben Merkmalsextraktion zur Ressourceneffizienz entwickelt das Institut für Markscheidewesen und Geodäsie der TU Bergakademie Freiberg Algorithmen zur automatischen Ableitung prozessunterstützender markscheiderischer Produkte, wie die Bestimmung der Grubenbaugeometrie zur semiautomatischen Fortführung des Karten- und Risswerks, ein Änderungs-/Deformationsmonitoring aus 3D-Punktwolken, und betreibt Forschungen im Bereich der Lithostratigraphie (VARGA 2016). Daneben gehören die Kluftflächenanalyse, als Grundlage zur Bewertung des anstehenden Gebirges, und die Haufwerksanalyse, als Grundlage zur Optimierung und Kontrolle von Gewinnungssprengungen bzw. nachgeschalteter Gesteinszerkleinerungsprozesse (UPNS 4D+ 2015) zu den Arbeitsfeldern des Institutes. Zur Erfüllung dieser Aufgaben werden innerhalb von UPNS 4D+ verschiedene Sensoren eingesetzt. Angefangen bei terrestrischen Laserscannern, optischen sowie multi-/hyperspektralen Kameras bis hin zu modernen Radarsensoren. Der vorliegende Beitrag widmet sich der Nutzung von Geometrieinformationen, welche durch Messung mit einem Laserscanner oder einer Time-of-Flight-Kamera (GEIER 2016) aufgenommen wurden, aber auch durch Rekonstruktion aus photogrammetrischen Aufnahmen erzeugt werden können. 2 Kluftflächenanalyse In der Tektonik und der Strukturgeologie wird die Kluftflächenanalyse als Arbeitsmittel eingesetzt, um die Raumlage einzelner Elemente tektonischer Körper zu beschreiben und aus der Gesamtheit dieser Elemente Rückschlüsse auf die Genese dieses Körpers ziehen zu können (WALLBRECHER 1986). Auch in der Fels- und Gebirgsmechanik wird u.a. mittels Kluftflächenanalyse das Verhalten von Gesteinsverbänden bei künstlichen Bauwerken im Fels wissenschaftlich untersucht und beschrieben. Die praktische Anwendung [...] ist der Felsbau. Wesentliche Informationen zur Bewertung der von der Natur vorgegebenen Bedingungen, denen ein Felsbauwerk angepasst werden muß, gewinnt der Felsbauer aus der Analyse von Kluftmessungen. (PREUSS 1974). Abb. 1: Beispiel für ausgeprägte geologische Trennflächen. Schieferung im Quarzit, die von einem Kluftsystem gekreuzt wird. Quelle: (SPESSARTIT 2016)

3 Punktwolken Was kommt danach? Anwendungen im markscheiderischen Lagerstättenmonitoring 3 In diesem Kontext kann der Markscheider, der im Bergbau wesentlich für die Erfassung geometrischer Elemente, z.b. für die markscheiderische Betriebskontrolle, das Lagerstättenmonitoring oder das amtliche Risswerk, verantwortlich ist, einen grundlegenden Beitrag liefern. Besonders in Verbindung mit dem flächenhaften Monitoring über und unter Tage (z.b. FE- KETE 2010) kann durch den Markscheider mit der Ableitung weiterer sekundärer Produkte aus Punktwolken, hier die Kluft- und Haufwerksanalyse, ein wesentlicher Mehrwert für andere Geologie- und Bergbauprofessionen, z.b. die Geotechnik, geschaffen werden. Zu den Gefügeelementen tektonischer Körper (Abbildung 1) zählen die geologischen Trennflächen, oder auch Kluftflächen genannt. Das sind alle denkbaren Flächen die den Zusammenhalt des Gebirges aufheben und ihn andererseits charakterisieren. (MARTIENßEN 2004a) Bei der Kluftflächenmessung durch einen Geologen oder Markscheider interpretiert dieser gezielt einzelne Gefügeelemente eines Aufschlusses anhand der Erscheinungsform und Textur, wobei die jeweilige Trennfläche als eben angenommen wird. Dies kann bei der hier beschriebenen semiautomatischen Kluftflächenanalyse basierend auf 3D-Punktwolken nicht in jedem Fall umgesetzt werden, so dass hier eine Einschränkung auf rein geometrisch erfassbare Trennflächen erfolgt und die Textur vernachlässigt wird. Ein Gefügeelement wird vom Markscheider durch das sogenannte Streichen und Fallen bestimmt. Die eigentliche Position besitzt eine untergeordnete Rolle. Das Streichen ist die in der Horizontalen gemessene Richtung (Bezug magnetisch Nord) und das (Ein-)Fallen ist der Winkel zwischen der Horizontalebene und der Fläche selbst, rechtwinklig zur Streichrichtung gemessen (Abbildung 2). Klassisch erfolgt diese Bestimmung mit dem Gefüge- bzw. Geologenkompass. Abb. 2: Richtungsbestimmung (Streichen, Fallen) einer geologischen Trennfläche mit dem Gefüge-/Geologenkompass (FLICK et al. 1988) Die Erfassung eines komplexen Aufschlusses ist zeitintensiv und nicht jeder Aufschluss ist leicht bzw. gefahrlos zugänglich, so dass mit fortschreitender technologischer Entwicklung nach Wegen gesucht wurde die geologischen Gefügeelemente indirekt zu bestimmen. Zum Beispiel wurde die Stereobildphotogrammetrie z.b. durch PREUSS (1974) oder MARTIENßEN (2004a) auf die Kluftmessung angewendet. Hierbei wird vom Aufschluss ein Stereobildpaar aufgenommen und im Anschluss darin die Flächenbestimmung durchgeführt. Auch das terrestrische Laserscanning fand früh Anwendung (z.b. MARTIENßEN 2004b). Während mit diesen beiden Technologien die Aufnahme automatisiert werden konnte, blieb die Auswertung weiterhin manuell, d.h. die Auswahl aufzunehmender Kluftflächen, deren Lagebestimmung und graphische Darstellung erfolgen durch einen Auswerter. Dies verlagert

4 4 A. Geier und A. John den Arbeitsaufwand vom Außen- in den Innendienst, bietet aber den Vorteil von Nach-, Kontroll- und Ergänzungsmessungen ohne weiteren Außeneinsatz. Naheliegend ist, die Auswertung weiter zu automatisieren und einen zusammenhängenden Arbeitsablauf Datenerfassung, -verarbeitung und -darstellung zu entwickeln. Unter Beachtung oben genannter Praxis und der getroffenen Einschränkung ist eine Anwendung bekannter Algorithmen zur Ebenenbestimmung in Punktwolken naheliegend. Mit RANSAC- (FISCHLER & BOLLES 1981), Hough-Transformations- (VOSSELMAN et al. 2004) oder Region-Growing (RG)-basierten (RUSU 2009) Algorithmen existiert eine Vielzahl an Verfahren. Im Rahmen dieser Arbeit wurde auf einen Algorithmus zurückgegriffen, der auf einer Octree-Zerlegung des Raums mittels Morton-Nummer (SAMET 2006) in Verbindung mit einer würfelweisen lokalen Ebeneneinpassung beruht. Dieser neigt zwar zu einer Übersegmentierung (GEIER 2011), ist dafür bei großen Punktmengen effizient und nicht in dem Maße zeitintensiv wie bspw. ein RG-Verfahren. Die Übersegmentierung kann anhand von ähnlichen Ebeneneigenschaften (z.b. orthogonaler Abstand zum Ursprung, Richtung der Normalen) und der Nachbarschaft gefiltert, aber andererseits ausgenutzt werden. Oft schließt sich an eine Kluftflächenbestimmung eine richtungsstatistische Auswertung an, in der die jeweiligen Flächen anhand ihrer Flächengröße gewichtet werden können. Durch die auftretende Übersegmentierung würde ein ähnlicher Effekt erreicht werden. Abb. 3: Ausschnitt einer Punktwolke (grau) mit detektierten Gefügeelementen (Schwerpunkte gelb, Normalenvektoren weiß). Abbildung 3 zeigt beispielhaft den Ausschnitt eines Laserscans eines Streckenstoßes unter Tage (Lehr- und Forschungsbergwerk Reiche Zeche, TU Bergakademie Freiberg). Dargestellt sind neben der Punktwolke (grau) auch die detektierten ebenen Gefügeelemente, als Schwerpunkt (gelb) mit zugehörigem Normalenvektor (weiß). Bereits in dieser Abbildung sind Vorzugsrichtungen zu erkennen. Aus einer Ebenennormale lassen sich das Streichen und Fallen des zugehörigen Gefügeelements berechnen (MARTIENßEN 2004a). Wurde während der Aufnahme eines Aufschlusses zusätzlich die magnetische Nordrichtung bestimmt, z.b. mit einer Bussole, ist eine Richtungsangabe mit Bezug zu magnetisch Nord möglich. Die Orientierung mit Bezug zu einer Nordrichtung ist zu beachten, wenn mehrere Aufschlüsse zusammen ausgewertet werden.

5 Punktwolken Was kommt danach? Anwendungen im markscheiderischen Lagerstättenmonitoring 5 Abschließend erfolgt in einer azimutalen Projektion die Darstellung der detektierten Gefügeelemente, als Verschneidung mit der unteren Lagekugel (Abbildung 4). Für die Darstellung einer Fläche existieren zwei Möglichkeiten (Abbildung 5), die Schnittlinie mit der unteren Lagekugel oder der Durchstoßpunkt der Flächennormalen durch die untere Lagekugel. Für eine detaillierte Beschreibung sei z.b. auf (WALLBRECHER 1986) verwiesen. Abb. 4: Def. Lagekugel u. Lotpkt.; Kluftfläche in den Mittelpkt. der Lagekugel verschoben. M = Kugelmittelpkt., MF = Falllinie, F = Durchstoßpkt. der Falllinie, L = Durchstoßpkt. der Flächennormalen (Lotpkt.), = Fallrichtung, = Fallwinkel. (PREUSS 1974) Abb. 5: Beispiel: Streichen 315, Fallen 30 ; Kurve = Schnittkurve des Gefügeelements mit der unteren Lagekugel, Dreieck = zugehöriger Lotpkt. des Gefügeelements Entsprechend ergibt sich für die Aufnahme in Abbildung 3 die Darstellung in Abbildung 6. Hierbei sind die Gefügeelemente mittels ihrer Lotpunkte in einer flächentreuen Azimutalprojektion, dem sogenannten Schmidt schen Netz, abgebildet. Anhand dieser Repräsentation geologischer Gefügeelemente sind weitere richtungsstatistische Auswertungen (siehe MÖBUS 1989) möglich, wie z.b. eine Gefügedichtedarstellung (Abbildung 7). Die in Abbildung 3 angesprochene Vorzugsrichtung zeigt auch diese Darstellung. Abb. 6: Gefügepunktediagramm Abb. 7: Gefügedichtediagramm

6 6 A. Geier und A. John Insgesamt ist im Rahmen von UPNS 4D+ für die Kluftflächenanalyse ein einfacher, aber effizienter, Algorithmus, von der Aufnahme eines Aufschlusses bis hin zu einer ersten graphischen Darstellung geometrisch erfassbarer geologischer Trennflächen entstanden. 3 Haufwerksanalyse Die Steigerung der Ressourceneffizienz ist eine der großen Herausforderungen im Bergbau der Zukunft. Sie erfordert eine Optimierung aller Teilprozesse im Gewinnungs-, Förder- und Aufbereitungsprozess. Die Bestimmung der Korngrößen und Kornformen im bergmännischen Haufwerk im Rahmen der Haufwerksanalyse ist eine wichtige Grundlage zur Optimierung und Kontrolle von Gewinnungssprengungen und der nachgeschalteten Gesteinszerkleinerungs- und Transportprozesse. Abb. 8: Kolorierte Punktwolke eines Haufwerks generiert aus zwei Scanner-Standpunkten Die Ansätze für die Analyse bergmännischen Haufwerks reichen von der traditionellen Siebanalyse, bis hin zur digitalen halbautomatischen photogrammetrischen Bildauswertung. Im Rahmen des Forschungsprojektes UPNS 4D+ wurde u.a. das Potential der Nutzung von 3D- Punktwolken für die Haufwerksanalyse untersucht. Die Idee bei der Charakterisierung der Korngrößen- und Kornformverteilung unter Verwendung von 3D-Daten basiert auf der Nutzung der Tiefeninformation zur Anpassung von Ellipsoiden an die Gesteinskonturen. Aus der Geometrie dieser Ellipsoide [Hauptachsen - s (short), i (intermediate), l (long)] können anschließend Parameter zur Beschreibung der statistischen Verteilung der Korngrößen und Kornformen abgeleitet werden: Ableiten eines Äquivalentradius/-durchmessers aus dem Volumen des angepassten Ellipsoids (Kugel gleichen Volumens) Ableiten der Formparameter für die Objekte des Haufwerks aus den drei Hauptachsen des Ellipsoids: [Plattigkeit (s/i) und Länglichkeit (i/l)] Die Abbildung 9 zeigt beispielhaft die Verteilung der Korngrößen und Kornformen für ein Haufwerk. Im Beispiel wurden 125 Partikel (Steine) analysiert. Hierfür wurden zunächst für jedes Partikel mehrere sogenannte Seed-Punkte manuell ermittelt. Diese Seed-Punkte wurden so gewählt, dass sie die Geometrie des jeweiligen Partikels bestmöglich beschreiben, d.h., jede in der Punktwolke sichtbare Seitenfläche eines Partikels wurde durch einen Seed-

7 Punktwolken Was kommt danach? Anwendungen im markscheiderischen Lagerstättenmonitoring 7 Punkt markiert. Anschließend wurden zusätzlich die nächsten Nachbarpunkte zu diesen Seed-Punkten automatisch ermittelt, um eine gute Approximation der Partikelflächen zu erhalten. Zum Schluss wurde an die Punkte jedes Partikels ein Ellipsoid bestmöglich angepasst. Die Abbildung 10 zeigt zwei Beispiele für an die Gesteinskontur angepasste Ellipsoide. Abb. 9: Verteilung der Korngrößen (Äquivalenzdurchmesser) und Kornformen (ZINGG 1935) Abb. 10: Beispiele für an die Gesteinskontur angepasste Ellipsoide Im Rahmen der Untersuchungen konnte gezeigt werden, dass unter Nutzung einer 3D-Punktwolke des Haufwerks eine realistischere Modellierung, vor allem der Objekte mit einer unregelmäßigen Geometrie, möglich ist. Die Abbildung 11 veranschaulicht dies beispielhaft für einen Stein mit großer Plattigkeit. Bei der Auswertung des Orthofotos (links) würde die Korngröße deutlich überschätzt werden, da nur diese eine sichtbare Partikelfläche für die Korngrößenabschätzung herangezogen werden würde. Erst durch den seitlichen Blick auf die 3D-Punktwolke wird die tatsächliche Gesteinskontur sichtbar.

8 8 A. Geier und A. John Abb. 11: Gesteinsbrocken mit unregelmäßiger Geometrie im Orthofoto (links) und in 3D- Punktwolke (rechts) Ein weiterer Teilaspekt der Analyse des bergmännischen Haufwerks ist die automatisierte Erkennung großer Partikel und ihrer Lage innerhalb des Haufwerks, für eine Optimierung bzw. Automatisierung von Ladevorgängen mit mobilen Großgeräten. Diesbezüglich lieferten Analysen der Krümmungswerte von 3D-Haufwerksdaten einen Ansatzpunkt. Große Partikel besitzen i.d.r. größere Flächen/Regionen mit ähnlichen Krümmungswerten. In Abbildung 12 wird diese Beobachtung beispielhaft veranschaulicht. Ausgenutzt wird diese Beobachtung, indem man eine Segmentierung der 3D-Punktwolke auf Basis abgeschätzter Normalen und Krümmungen durchführt. Die auf diese Art ermittelten Segmente werden anschließend bezüglich ihrer Größe und der Lage in einem lokalen Koordinatensystem analysiert. Abb. 12: Visualisierung von Krümmungen einer Punktwolke bergmännischen Haufwerks Als Algorithmus für die Segmentierung der 3D-Punktwolke wurde das Region Growing Segmentation-Verfahren (RUSU & COUSINS 2011) angewendet. Um von vornherein möglichst viele kleine Segmente zu vermeiden, wurde dem Segmentierungsalgorithmus eine Mindestsegmentgröße vorgegeben. Diese bezieht sich auf die Anzahl der Punkte je Segment und wurde mit 0.5 der Gesamtpunktanzahl der 3D-Punktwolke definiert. Der Krümmungsgrenzwert für die Segmentierung wurde aus der Statistik der auftretenden Krümmungswerte der Punktwolke bestimmt. Er wurde definiert als Summe aus der mittleren Krümmung und

9 Punktwolken Was kommt danach? Anwendungen im markscheiderischen Lagerstättenmonitoring 9 der entsprechenden Standardabweichung. Der mittlere Punktabstand in der zu segmentierenden Punktwolke sollte nicht größer als 0.01 m betragen, damit eine zufriedenstellende Segmentierung möglich ist. Eine Beurteilung der Segmentgrößen erfolgt auf Basis der Punktanzahl pro Segment (SegmentPointCount) und über die maximale Entfernung zwischen Punkten im Segment (MaxSegmentDistance). Grenzwerte zur Abgrenzung der großen Fragmente im Haufwerk können für diese beiden Größen durch eine statistische Analyse aller erkannten Segmente rechnerisch ermittelt oder als Programmparameter übergeben werden. Für die rechnerische Ermittlung der Grenzwerte wurden zunächst die statistischen Verteilungen der beiden Parameter (SegmentPointCount und MaxSegmentDistance) aus allen Segmenten ermittelt. Anschließend wurden aus diesen statistischen Verteilungen geeignete p-quantile bestimmt. Für den Parameter SegmentPointCount wurden die Quantile für p = 0.25 und p = 0.75 und für MaxSegmentDistance die Quantile für p = 0.85 und p = 0.99 ermittelt. Auf Grundlage dieser Quantile wurden dann zwei durch eine logische ODER-Verknüpfung verbundene Entscheidungskriterien (Tabelle 1) definiert. Tabelle 1: Entscheidungskriterien für die Ermittlung der großen Segmente im Haufwerk 1. MaxSegmentDist > MaxSegmentDist 0.99 && SegPointCount > SegPointCount MaxSegmentDist > MaxSegmentDist 0.85 && SegPointCount > SegPointCount 0.75 Abbildung 13 zeigt die Anwendung des Verfahrens zur Erkennung von großen Partikeln im Haufwerk für eine aus mehreren 2D-Bildern rekonstruierte 3D-Punktwolke. Abb. 13: Rekonstruierte 3D-Punktwolke ( Pkt., mittlerer Punktabstand m, Fläche ca x 3.00 m) eines Haufwerks (links), RG-Ergebnis: 122 erkannte Segmente (Mitte), Filterung (MaxSegmentDist 0.99/0.85 = 0.6 m / 0.5 m und SegPointCount 0.25//0.75 = 144 / 995 Pkt.) und Visualisierung der großen Fragmente (rechts) Analog zur photogrammetrischen Haufwerksanalyse können Schwierigkeiten bei der korrekten Segmentierung auftreten. Probleme bereiten zum einen größere Feinkornbereiche im Haufwerk, welche fälschlicherweise als große Fragmente detektiert werden und stark zerklüftete Gesteinsbrocken, welche keine größeren Flächen gleicher Krümmung aufweisen. Das Auftreten derartiger Effekte kann nicht vollständig vermieden werden, jedoch arbeitet

10 10 A. Geier und A. John das Verfahren insgesamt in den meisten Fällen sehr zuverlässig und stellt somit ein neues praxistaugliches Werkzeug dar. 4 Zusammenfassung und Ausblick Das Institut für Markscheidewesen und Geodäsie hat im Rahmen von UPNS 4D+ die Themengebiete Kluftflächen- und Haufwerksanalyse weiterentwickelt. Die Kluftflächenanalyse, wie sie z.b. bereits durch MARTIENßEN (2004a) bearbeitet wurde, ist um eine automatische Bestimmung ebener Flächen ergänzt und in einem zusammenhängenden Algorithmus umgesetzt worden. Dieser Algorithmus vereint Datenimport, Datenaufbereitung und graphische Darstellung. Es muss lediglich manuell ein Punktwolkenausschnitt vorgegeben werden. Aufgrund der getroffenen Einschränkung auf eine geometrische Erfassbarkeit kann es jedoch vorkommen, dass bestimmte Klüfte nicht erkannt werden. An dieser Stelle ist es vorstellbar, dass eine Fusionierung mit weiteren Sensordaten, z.b. Hyperspektraldaten (VARGA 2016), wesentliche Verbesserungen bringt. Für die Haufwerksanalyse konnte gezeigt werden, dass ein großes Potential in der Nutzung von 3D-Punktwolken für die Haufwerksanalyse steckt. Die automatisierte Abschätzung der Lage großer Partikel durch eine Segmentierung der Punktwolke auf Basis der abgeschätzten Normalen und Krümmungen funktioniert in den meisten Fällen sehr zuverlässig und stellt somit ein praxisrelevantes Werkzeug dar. Die Charakterisierung der Korngrößen- und Kornformverteilung auf Basis von 3D-Punktwolken ist mit einem höheren Arbeitsaufwand verbunden, da die sogenannten Seed-Punkte eines Partikels bisher nicht automatisiert gefunden werden können. Auch wenn der vorgestellte Ansatz eine realistischere Modellierung der Partikel erlaubt, bedarf es weiterer Forschungen, um den Automatisierungsgrad des Verfahrens zu erhöhen und letztendlich Akzeptanz und Relevanz in der praktischen Anwendung zu erreichen. 5 Förderhinweis Die präsentierten Verfahren und Ergebnisse sind im Rahmen des Verbundforschungsprojektes Untertägiges 4D+ Positionierungs-, Navigations- und Mapping-System zur hochselektiven, effizienten und im höchsten Maße sicheren Gewinnung wirtschaftsstrategischer Rohstoffe. der BMBF-Bekanntmachung R4 Innovative Technologien für Ressourceneffizienz Forschung zur Bereitstellung wirtschaftsstrategischer Rohstoffe entstanden, welches durch das Bundesministerium für Bildung und Forschung gefördert wird. Förderkennzeichen: 033R126F.

11 Punktwolken Was kommt danach? Anwendungen im markscheiderischen Lagerstättenmonitoring 11 Literatur Bollmann, J., Lipinski, A. & Koch, W.G. (2005): Lexikon der Kartographie und Geomatik (Buchausgabe); Spektrum Akademischer Verlag; 2005; Buttgereit, D., Hartmann, T., Schade, S. & Nienhaus, K. (2017): Aus dem Weg zu nachhaltigen Abbauprozessen mit UPNS 4D+; 20. Kolloquium Bohr- und Sprengtechnik; TU Clausthal; Clausthal-Zellerfeld 2017 European Commission (2010): Critical raw materials for the EU Report of the Ad-hoc Working Group on defining critical raw materials, European Commission, June 2010 Fekete, S., Diederichs, M. & Lato, M. (2010): Geotechnical and operational applications for 3-dimensional laser scanning, Tunneling and Underground Space Technology. Fischler, M.A. & Bolles, R.C., (1981): Random Sample Consensus: A Paradigm for Model Fitting with Application to Image Analysis and Automated Cartography. ACM, 24 (3), S Flick, H., Quade, H. & Stache, G.-A. (1988): Einführung in tektonischen Arbeitsmethoden, Clausthaler Tektonische Hefte, Nr.12, Verlag Ellen Pilger, Geier, A. (2011): Algorithmen und Software für den Einsatz von terrestrischen Laserscannern zur automatisierten Langzeitvermessung und -überwachung ausgedehnter Gebiete unter besonderer Berücksichtigung der Datenattribute von Laserscannern mit Online Waveform Processing. Diplomarbeit, Geier, A. (2016): Time-of-Flight Kameras für die 3D Geometrieerfassung im Kontext markscheiderischer Aufgabenstellungen, 17. Geokinematischer Tag, Wagner Digitaldruck und Medien GmbH, UPNS 4D+ (2015): Untertägiges 4D+ Positionierungs- Navigations- und Mapping System zur hochselektiven, effizienten und im höchsten Maße sicheren Gewinnung wirtschaftsstrategischer mineralischer Rohstoffe (UPNS4D+), Internetseite des Institutes für Markscheidewesen und Geodäsie, TU Bergakademie Freiberg, abgerufen Martienßen, T. (2004a): Automatisierung der photogrammetrischen Erfassung von Flächengefügen am Beispiel geologischer Trennflächen, Dissertation, Verlag Glückauf GmbH, Essen, Martienßen, T. (2004b): Geologische Kluftkartierung durch Einsatz der Lasermesstechnik, Zeitschrift für Geotechnik, 2004(3): Preuss, H. D. (1974): Numerisch-Photogrammetrische Messung geologischer Trennflächen. Dissertation, Verlag der Bayrischen Akademie der Wissenschaften, 1974; Rohstoffsituation (2015): Deutschland Rohstoffsituation 2015; Bundesanstalt für Geowissenschaften und Rohstoffe, 2016; abgerufen Rusu, R. B. (2009):Semantic 3DObject Maps for Everyday Manipulation in Human Living Environments, Dissertation, Technische Universität München, 2009.

12 12 A. Geier und A. John Rusu, R. B. & Cousins, S. (2011): 3D is here: Point Cloud Library (PCL). International Conference on Robotics and Automation. Samet, H. (2006): Foundations of Multidimensional and Metric Data Structures, Elsevier/Morgan Kaufmann, 2006 Spessartit (2016): Internetseite, Geologie der Gesteine im ehemaligen MHI-Steinbruch bei Hemsbach, abgerufen: Varga, S. (2016): Multisensorsystem für die automatisierte Detektion von Gangerzlagerstätten und seltenen Erden in einer Mine, 17. Geokinematischer Tag, Wagner Digitaldruck und Medien GmbH, Vosselman, G.; Gorte, B.; Sithole, G. and Rabbani, T. (2004): Recognizing structure in laser scanner point clouds. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences 46 (part 8/W2), pp Wallbrecher, E. (1986): Tektonische und gefügeanalytische Arbeitsweisen; Ferdinand Enke Verlag Stuttgart; 1986; ISBN Zingg, Th., (1935): Beitrag zur Schotteranalyse; Schweizerische Mineralogische und Petrographische Mitteilungen 15; S

13 Punktwolken Was kommt danach? Anwendungen im markscheiderischen Lagerstättenmonitoring 13 Autoren Dipl.-Geoinf. Geier, Andreas TU Bergakademie Freiberg, Institut für Markscheidewesen und Geodäsie Dr.-Ing. John, André TU Bergakademie Freiberg, Institut für Markscheidewesen und Geodäsie