„Light Detection and Ranging“, kurz LiDAR, ist eine Fernerkundungstechnologie, die Laserstrahlen nutzt, um in Echtzeit präzise Entfernungen und Bewegungen in einer Umgebung zu messen.
LiDAR-Daten können zur Erstellung zahlreicher Dinge verwendet werden – von detaillierten topografischen Karten bis hin zu den präzisen, dynamischen 3D-Modellen, die erforderlich sind, um ein autonomes Fahrzeug sicher durch eine sich schnell und ständig verändernde Umgebung zu führen. Zudem wird LiDAR-Technologie verwendet, um Gefahren und Naturkatastrophen wie Lavaströme, Erdrutschen, Tsunamis und Überschwemmungen zu bewerten.
LiDAR funktioniert nach den gleichen Prinzipien wie Radar („radio detection and ranging“, ein Ortungssystem, das häufig von Schiffen und Flugzeugen verwendet wird) und Sonar („sonic navigation and ranging“, ein System, das üblicherweise von U-Booten verwendet wird). Alle drei Technologien senden Energiewellen aus, um Objekte zu erkennen und zu verfolgen. Der Unterschied besteht darin, dass Radar Mikrowellen und Sonar Schallwellen nutzt, LiDAR jedoch reflektiertes Licht, wodurch Entfernungen schneller, präziser und mit höherer Auflösung gemessen werden können als bei den anderen beiden Systemen.
Ein typisches LiDAR-Instrument besteht aus mehreren Komponenten:
- ein Laserscanner, der schnelle Impulse von Nah-Infrarot-Laserlicht aussendet
- ein LiDAR-Sensor, der zur Erfassung und Sammlung der zurückkehrenden Lichtimpulse dient, und
- ein Prozessor zur Berechnung von Zeit und Entfernung und zur Erstellung des daraus resultierenden Datensatzes, der als LiDAR-Punkt-Cloud bezeichnet wird.
Damit die Fernerkundung genau ist, müssen die Zeit- und Raummessungen exakt sein. Daher verwendet ein LiDAR-System auch Zeitmessungselektronik, eine inertiale Messeinheit (IMU) und GPS.
Das LiDAR-Instrument sendet gepulstes Laserlicht in die Umgebung aus. Diese Impulse, die sich mit Lichtgeschwindigkeit fortbewegen, prallen an umliegenden Objekten ab und kehren zum LiDAR-Sensor zurück. Der Sensor misst die Zeit, die jeder Impuls benötigt hat, um zurückzukehren, und berechnet die zurückgelegte Strecke. Da die Geschwindigkeit des Laserlichts konstant ist, lassen sich aus dieser „Flugzeit“ sehr genaue Entfernungen berechnen.
Durch die Wiederholung des Prozesses und das Aussenden von Laserimpulsen über eine größere Fläche können Flugzeitmessungen an Milliarden von Einzelpunkten gesammelt und in Echtzeit zu einem so genannten LiDAR-Punkt-Cloud verarbeitet werden.
Um die LiDAR-Punktwolke in eine 3D-Karte umzuwandeln, durchlaufen die Daten mehrere Verarbeitungsstufen. Zunächst werden sie auf Richtigkeit und Vollständigkeit überprüft und gereinigt, um anomales Rauschen zu entfernen. Anschließend können Gegebenheiten auf der Geländeoberfläche, wie Gebäude, Flussufer und Baumkronen, algorithmisch identifiziert und klassifiziert werden.
Für eine einfachere Datenanalyse führen Algorithmen ein Downsampling der Punkt-Cloud durch, um redundante Daten zu entfernen und ihre Dateigröße zu reduzieren. Anschließend konvertieren sie in LAS (oder LASer), ein branchenübliches Dateiformat für den Austausch dreidimensionaler, tupelförmiger x,y,z Daten.
Schließlich können die Punkt-Cloud-Daten nach der Konvertierung in LAS visualisiert und in eine 3D-Karte des gescannten Terrains modelliert werden. Für ein bewegliches LiDAR-System, wie es in autonomen Fahrzeugen verwendet wird, sind diese Berechnungen konstant und fortlaufend. Einer Quelle zufolge generieren und verarbeiten selbstfahrende Autos jede Betriebsstunde ein Terabyte an Daten.1
LiDAR-Systeme können je nach Plattform in zwei Haupttypen unterteilt werden: luftgestütztes LiDAR und terrestrisches LiDAR.
Luftgestützte LiDAR-Systeme, auch luftgestützte Laserscannersysteme genannt, verwenden LiDAR-Scanner, die an Flugzeugen (normalerweise Hubschraubern oder UAVs) montiert sind, um 3D-Modelle der Bodenoberfläche zu erstellen.
Die luftgestützte LiDAR-Kartierung ist zu einem wertvollen Werkzeug für die Erstellung digitaler Höhenmodelle der Erdoberfläche geworden und hat die ältere und weniger genaue Methode der Photogrammetrie weitgehend ersetzt. Luftgestütztes LiDAR-Scanning wird auch in der Forstwirtschaft häufig eingesetzt, um LiDAR-Vermessungen der Baumkronen und topografische Geländemodelle der Bodenoberfläche des Waldes zu erstellen.
Zu den Arten von luftgestützten LiDAR-Technologien gehören:
Bathymetrisches LiDAR
Bathymetrisches LiDAR wird zur Erfassung von GIS-Daten in flachen Gewässern und entlang von Küstenlinien verwendet. Anstelle des Infrarot-Laserlichts, das von typischen LiDAR-Systemen verwendet wird, sendet bathymetrisches LiDAR grüne Laserstrahlen mit einer Wellenlänge aus, die das Wasser durchdringen kann, um die digitale Höhe des Meeresbodens zu messen.
Weltraumbasiertes LiDAR
Weltraumbasiertes LiDAR wird von der NASA und anderen Weltraumagenturen verwendet, um bei der Navigation von Raumfahrzeugen zu helfen, atmosphärische und Bodenoberflächenstudien durchzuführen und digitale Höhenkarten von Erde, Mond, Mars und Merkur zu erstellen. Zur Steuerung der autonomen Fahrzeuge der NASA sowie des Hubschraubers Ingenuity auf dem Mars wird ebenfalls LiDAR verwendet.
Terrestrisches LiDAR ist ein bodenbasiertes LiDAR-System, das häufig für Terrain- und Landschaftskarten verwendet wird. Terrestrisches LiDAR kann zur Erfassung von lokalisierten Daten mit geringer Reichweite verwendet werden und ist daher ideal für die Kartierung kleinerer Gebiete mit hoher Präzision.
Zu den Arten von terrestrischem LiDAR gehören:
Statisches LiDAR
Einige terrestrische LiDAR-Systeme sind statisch, d. h. an einem Ort fixiert, und werden für präzise und wiederholte LiDAR-Scans eines einzelnen Bereichs verwendet. Statisches LiDAR wird häufig an archäologischen Stätten, bei Bauprojekten sowie für bestimmte Arten der Risikobeurteilung eingesetzt, z. B. zur Überwachung der Bodenoberfläche eines aktiven Vulkans, einer Erdbebenstörung oder eines Überschwemmungsgebiets.
Mobiles LiDAR
Mobiles LiDAR ist eine Form von terrestrischem LiDAR, die LiDAR-Daten von einem fahrenden Fahrzeug sammeln kann. Mobile LiDAR-Systeme (MLS) sind für die Automobilindustrie bei der Entwicklung der Fahrerassistenz und des autonomen Fahrens unverzichtbar geworden: Die Datenerfassung durch Lichterkennung und Entfernungsmessung in Echtzeit ermöglicht es selbstfahrenden Autos, Straßen und Infrastrukturen schnell, genau und kosteneffizient zu identifizieren.
Da LiDAR-Scans detaillierte Geländemodelle der Bodenoberfläche und des Meeresbodens sowie präzise, hochauflösende Echtzeitvisualisierungen von sich bewegenden Objekten erstellen können, bietet es ein breites Spektrum an realen Einsatzmöglichkeiten in vielen Branchen, darunter:
LiDAR-Sensoren werden durch Kartierung von Variationen in Tiefe, Neigung, Feuchtigkeit und Ausrichtung zur Messung landwirtschaftlicher Landschaftsgestaltung und Topographie, zur Schätzung der Biomasse von Nutzpflanzen und zur Erkennung von Bodeneigenschaften eingesetzt. Zudem wird LiDAR zur Steuerung autonomer landwirtschaftlicher Fahrzeuge genutzt.
LiDAR wird unter Verwendung anspruchsvoller Schlachtfeldvisualisierungen, selbst in dicht besiedelten städtischen Umgebungen, zur Geländekartierung, Zielverfolgung, Minenjagd und Bildgebung durch Wolken sowie zur Missionsplanung verwendet.
Erfahren Sie mehr über Verteidigungs- und Nachrichtentechnologielösungen
Moderne Fahrerassistenzsysteme (ADAS) und autonome Fahrzeuge wie selbstfahrende Autos nutzen 3D-LiDAR-Kartendaten, um zu „sehen“ und auf Straßen sowie in anderen Umgebungen zu navigieren.
Erfahren Sie mehr über die Technologie, die selbstfahrende Autos antreibt
LiDAR kann für genaue Messungen der Windgeschwindigkeit verwendet werden und wird auch von Flughäfen zur Verfolgung von Flugzeugen und Fremdkörpern eingesetzt.
Bathymetrisches LiDAR verwendet grünes Laserlicht, um Wasser zu durchdringen und digitale Höhenmodelle von Flachwasserreservoirs, Flüssen und Meeresböden an der Küste zu erstellen. Diese können verwendet werden, um Erosion zu messen, Wildtierlebensräume zu kartieren und das Risiko innerhalb von Überschwemmungsgebieten einzuschätzen.
Erfahren Sie, wie KI, IoT und digitale Überwachung Seehäfen und Schifffahrt verändern können
LiDAR kann eine Baustelle schnell und genau vermessen, das Materialvolumen berechnen, Sicherheitsinspektionen durchführen und mögliche Gefahren erkennen.
Erfahren Sie, wie ein digital integrierter Ansatz Bauprojekte unterstützt
Die LiDAR-Technologie wird für die Bewertung von Windressourcen, die Öl- und Gasexploration sowie das Vegetationsmanagement für die Instandhaltung von Stromleitungen eingesetzt.
Erfahren Sie mehr über Energie- und Versorgungswirtschaftsprognosen
LiDAR wird zur Abbildung von Umgebungen in Virtual-Reality- und Augmented-Reality-Anwendungen verwendet.
Erfahren Sie mehr über Augmented- und Virtual-Reality-Forschung bei IBM Watson®
LiDAR liefert nicht nur detaillierte topografische Karten, sondern kann auch zur Messung der strukturellen Merkmale von Bäumen, wie z. B. des Blattflächenindex und des Volumens der Baumkronen, verwendet werden und ist ein wertvolles Instrument für die Vegetationsverwaltung. Es wird ebenfalls zur Überwachung und Eindämmung von Waldbränden eingesetzt.
Erfahren Sie, wie Technologielösungen dazu beitragen, die globale Entwaldung zu stoppen
Minen und Steinbrüche sind schwer zugänglich, und LiDAR wird zunehmend für Vermessung, Kartierung und Arbeitssicherheit eingesetzt. LiDAR-Scans können auch für Volumenmessungen in Steinbrüchen verwendet werden.
Erfahren Sie, wie IoT und Analysen das Anlagenmanagement im Bergbau verbessern
Mithilfe von LiDAR-Technologie können 3D-Modelle von Objekten für die Fertigung erstellt werden, und sie kann auch für die Qualitätskontrolle verwendet werden, um Anomalien und Mängel zu erkennen.
Erfahren Sie mehr über IBM Lösungen für die Fertigungstechnologie
LiDAR wird für die Erstellung digitaler Höhenmodelle sowie die Kartierung von Straßen, Brücken und anderen geografischen und infrastrukturellen Gegebenheiten verwendet.
Erfahren Sie, wie Geodaten genutzt werden können, um geschäftliche Erkenntnisse zu gewinnen
LiDAR kann verwendet werden, um das Blätterdach des Waldes zu scannen und die Vegetationsdichte, Arten und Gesundheit zu überwachen und so Vegetation zu identifizieren, die ein hohes Risiko für Versorgungsunternehmen und andere Infrastrukturen darstellen könnte.
LiDAR-Sensoren werden verwendet, um Temperatur, Wolkenabdeckung, Windgeschwindigkeit, Luftdichte und andere atmosphärische Parameter zu messen. Darüber hinaus stellen sie wichtige Daten für Wettervorhersagemodelle bereit.
Forschungsteams entwickeln kontinuierlich neue Systeme und Algorithmen, um die Genauigkeit, Geschwindigkeit und Effektivität von LiDAR zu erhöhen, es wird kontinuierlich daran gearbeitet, die LiDAR-Technologie kleiner, leichter und erschwinglicher zu machen. Dies würde eine breitere Übernahme in verschiedenen Branchen und Anwendungen ermöglichen, darunter Unterhaltungselektronik, Robotik und Smart-Home-Geräte. LiDAR wird für autonome Fahrzeuge immer beliebter und aller Erwartung nach in der Zukunft der Automobile eine bedeutende Rolle spielen.
Da sich die Technologie weiter verbessert und die Kosten sinken, werden die Anwendungen von LiDAR voraussichtlich dramatisch zunehmen.
Gewinnen Sie Einblicke zu Klima und Wetter, um stark wirkende Umweltbedingungen frühzeitig zu erkennen, Risiken proaktiv zu managen und nachhaltigere Abläufe zu entwickeln.
Setzen Sie mit den nachhaltigen Lösungen von IBM Ihre Nachhaltigkeitsambitionen in die Tat um – so verwirklichen Sie Ihre Nachhaltigkeitsziele für eine resiliente Zukunft.
Erfahren Sie, wie Geodaten zu einem unverzichtbaren Instrument für die strategische Geschäftsplanung im Bereich der ökologischen Nachhaltigkeit geworden sind.
Erfahren Sie, wie Industrieunternehmen Betriebstechnologie (OT) mit IT-Daten integrieren, um die Wartung, Überwachung und Verwaltung von Assets zu verbessern.
Treffen Sie bessere Entscheidungen im Vegetationsmanagent, indem Sie Wetter-, Satelliten- und IoT-Daten mit intelligenten Priorisierungs- und Berichtsfunktionen kombinieren.
Erfahren Sie, wie Unternehmen Geodaten nutzen, um Muster und Trends zu erkennen und Einblicke in die Beziehungen zwischen Variablen zu gewinnen.
Fußnoten
1David Edwards, „ On the Way to Solving the Big Data Problem in Autonomous Driving“, Robotics and Automation, 21. Juli 2022. (Link befindet sich außerhalb von ibm.com)