HN Ausgaben wählen
- HN 129 (8)
- HN 128 (10)
- HN 127 (6)
- HN 126 (10)
- HN 125 (11)
- HN 124 (8)
- HN 123 (10)
- HN 122 (9)
- HN 121 (10)
- HN 120 (7)
- HN 119 (10)
- HN 118 (7)
- HN 117 (10)
- HN 116 (14)
- HN 115 (10)
- HN 114 (6)
- HN 113 (10)
- HN 112 (7)
- HN 111 (9)
- HN 110 (9)
- HN 109 (11)
- HN 108 (8)
- HN 107 (9)
- HN 106 (7)
- HN 105 (14)
- HN 104 (6)
- HN 103 (11)
- HN 102 (8)
- HN 101 (9)
- HN 100 (13)
- HN 097 (1)
Meeting requirements for new types of on-demand survey campaigns
In March 2021, the newly founded Nicola Offshore GmbH started its work. The company specialises in ser-vices for marine survey campaigns. The fast workboats of the partner ProMarine BV guarantee the shortest transit times to the site. This means that the orders can be completed quickly.
Nicola Offshore | workboat | offshore wind farm | UXO
Im März 2021 hat die neu gegründete Nicola Offshore GmbH ihre Arbeit aufgenommen. Das Unternehmen ist auf Dienstleistungen für maritime Vermessungskampagnen spezialisiert. Die schnellen Arbeitsboote des Partners ProMarine BV garantieren kürzeste Transitzeiten zum Einsatzort. So können die Aufträge rasch erle-digt werden.
Nicola Offshore | Arbeitsboot | Offshore-Windpark | Kampfmittelaltlasten
- Ausgabe: HN 119, Seite 60–61
- DOI: 10.23784/HN119-09
- Autor/en: Andres Nicola, Daniel Esser
Comparison of different sub-bottom profiling systems to be used in very shallow and tide-influenced areas
A case study in the backbarrier tidal flat of Norderney, Germany
Shallow waters are the transition zones between land and sea where human activities are dominant, such as building infrastructures and oil digging. Therefore, there is always a great interest in the stratigraphy of the sub-bottom in shallow waters. However, working in shallow waters is more complex than deep waters. Vari-ous seismic methods are used in subseafloor investigations, such as sparkers and air guns. Yet, these meth-ods operate generally towed behind the vessel, which becomes challenging in very shallow waters. On the other hand, sub-bottom profilers operate mounted on the vessel; hence, more suitable for shallow waters. This article summarises findings from the Master Thesis that compared three sub-bottom profilers in very shallow and tide-influenced areas in the German Wadden Sea. The study was completed during an intern-ship at the NLWKN Forschungsstelle Küste (FSK) Norderney.
sub-bottom profiler | shallow water | tidal flats | chirp SBP | parametric SBP
Flache Gewässer bilden die Übergangszone zwischen Land und Meer, wo menschliche Aktivitäten dominie-ren, wie z. B. der Bau von Infrastrukturen und Ölbohrungen. Daher besteht ein großes Interesse an der Strati-graphie in flachen Gewässern. Allerdings ist die Arbeit in flachen Gewässern komplexer als in tiefen Gewäs-sern. Bei der Untersuchung des Bodenaufbaus werden verschiedene seismische Methoden eingesetzt, wie z. B. Sparker und Airguns. Diese Geräte werden jedoch in der Regel hinter dem Schiff geschleppt, was in sehr flachen Gewässern zu einer Herausforderung wird. Dahingegen arbeiten Sedimentecholote vom Schiff aus und sind daher für flache Gewässer besser geeignet. Dieser Artikel fasst die Ergebnisse einer Masterarbeit zusammen, in der drei Sedimentecholote in sehr flachen und tidebeeinflussten Gebieten im deutschen Wat-tenmeer verglichen wurden. Die Studie wurde während eines Praktikums beim NLWKN Forschungsstelle Küste (FSK) Norderney durchgeführt.
Sedimentecholot | Flachwasser | Watt | CHIRP-SBP | parametrisches Sedimentecholot
- Ausgabe: HN 119, Seite 54–59
- DOI: 10.23784/HN119-08
- Autor/en: Cigdem Askar
Interactive processing of MBES bathymetry and backscatter data using Jupyter Notebook and Python
This work explores the potential of Jupyter Notebook and Python to create an interactive processing tool for multibeam bathymetry and backscatter data. For this purpose, a Kongsberg EM 122 data set was used to identify and implement the required processing steps. Special attention was paid to the integration of freely available open source libraries to meet the performance requirements. The result is a modular approach that first decodes the required raw data, then computes the bathymetry and backscatter point clouds and finally applies semi-automatic filters to clean the bathymetry from outliers and visually correct the backscatter. Validation with data already processed on board confirmed the general feasibility of the approach. However, minor inconsistencies were encountered in the preprocessing of the bathymetry, which should be ad-dressed in further work. Additionally, the tool can be extended for tidal correction and navigation pro-cessing.
Python | Jupyter Notebook | multibeam processing | bathymetry | backscatter | open source
Diese Arbeit untersucht das Potenzial von Jupyter Notebook und Python zur Erstellung eines interaktiven Tools zur Verarbeitung von Fächerlot-Bathymetrie- und -Rückstreudaten. Zu diesem Zweck wurde ein Kon-gsberg-EM-122-Datensatz verwendet, um die erforderlichen Verarbeitungsschritte zu identifizieren und zu implementieren. Besonderes Augenmerk wurde auf die Integration von frei verfügbaren Open-Source-Bibliotheken gelegt, um den Leistungsanforderungen gerecht zu werden. Das Ergebnis ist ein modularer Ansatz, der zunächst die benötigten Rohdaten decodiert, dann die Bathymetrie- und Rückstreupunktwolken berechnet und schließlich halbautomatische Filter anwendet, um die Bathymetrie von Ausreißern zu bereinigen und die Rückstreuung visuell zu korrigieren. Die Validierung mit bereits an Bord verarbeiteten Daten bestätigte die generelle Machbarkeit des Ansatzes. Allerdings traten kleinere Unstimmigkeiten bei der Vorverarbeitung der Bathymetrie auf, die in weiteren Arbeiten behoben werden sollten. Zusätzlich kann das Tool für die Gezeitenkorrektur und die Navigationsverarbeitung erweitert werden.
Python | Jupyter Notebook | Verarbeitung von Fächerlotdaten | Bathymetrie | Backscatter | Open Source
- Ausgabe: HN 119, Seite 48–52
- DOI: 10.23784/HN119-07
- Autor/en: Sophie Andree
»Die riesigen Flächen unterhalb der Wasseroberfläche bilden das perfekte Szenario für KI-basierte Ansätze«
Alexander Reiterer ist Professor für das »Monitoring of Large-Scale Structures« an der Universität Freiburg. Am Fraunhofer-Institut für Physikalische Messtechnik IPM erforscht und entwickelt er Multi-Sensor-Systeme und Software für die Überwachung künstlicher und natürlicher Objekte. Im Interview mit den HN schätzt der Spezialist für künstliche Intelligenz in der Geodäsie das Potenzial für KI-basierte Ansätze bei hydrographi-schen Anwendungen ein.
Künstliche Intelligenz (KI) | künstliche neuronale Netze (KNN) | maschinelles Lernen | Multi-Sensor-Systeme
Alexander Reiterer is professor for »Monitoring of Large-Scale Structures« at the University of Freiburg. At the Fraunhofer Institute for Physical Measurement Techniques IPM, he researches and develops multi-sensor systems and software for monitoring artificial and natural objects. In the interview with HN, the specialist for artificial intelligence in geodesy assesses the potential for AI-based approaches in hydrographic applica-tions.
artificial intelligence (AI) | artificial neural networks (ANN) | machine learning | multi-sensor systems
- Ausgabe: HN 119, Seite 42–47
- DOI: 10.23784/HN119-06
- Autor/en: Alexander Reiterer, Lars Schiller, Patrick Westfeld
AI is enabling a transformation toward autonomous hydrographic operations
It has been possible to advance AI thanks to factors like increased access to massive computing power. In the same way, the increase in automation, which AI facilitates, advances the development of unmanned, autonomous hydrographic operations. This is an exciting prospect, as the advantages of such operations are many: efficiency gains, reduction in costs in the form of vessel time and man hours, as well as the minimisation of environmental impacts. We are working towards autonomous hydrographic operations by developing software tools, which provide automatic, realtime data processing and navigationaiding. In 2017, we established a dedicated software development team with engineers specialising in machine learning, machine vision and deep learning. The first official EIVA software version utilising AI was released in 2018, when we made it possible to use NaviSuite Deep Learning for automatic interpretation of data in NaviSuite Nardoa, our software bundle for pipeline inspections. In this article, we will dive into how we are using machine learning to create software solutions that support autonomous hydrographic operations.
NaviSuite Deep Learning | artificial intelligence | autonomous hydrographic operations | AI software
Die Weiterentwicklung der KI wurde durch Faktoren wie den verbesserten Zugang zu massiver Rechenleistung möglich. In gleicher Weise treibt die zunehmende Automatisierung, die KI ermög-licht, die Entwicklung unbemannter, autonomer hydrographischer Anwendungen voran. Dies ist eine spannende Perspektive, denn die Vorteile solcher Anwendungen sind vielfältig: Effizienzsteigerung, Kostenreduzierung in Form von Schiffszeit und Mannstunden sowie die Minimierung von Umweltauswirkungen. Wir arbeiten auf autonome hydrographische Anwendungen hin, indem wir Software entwickeln, die eine automatische Echtzeit-Datenverarbeitung und Navigationshilfe bietet. Im Jahr 2017 haben wir ein eigenes Software-Entwicklungsteam mit Ingenieuren gegründet, die auf maschinelles Lernen, maschinelles Sehen und Deep Learning spezialisiert sind. Die erste offizielle EIVA-Software mit KI wurde 2018 veröffentlicht, als wir die Nutzung von NaviSuite Deep Learning für die automatische Interpretation von Daten in NaviSuite Nardoa, unserem Softwarepaket für Pipeline-Inspektionen, ermöglichten. In diesem Artikel stellen wir vor, wie wir maschinelles Lernen nutzen, um Softwarelösungen zu erstellen, die autonome hydrographische Anwendungen unterstützen.
NaviSuite Deep Learning | künstliche Intelligenz | autonome hydrographische Anwendungen | KI-Software
- Ausgabe: HN 119, Seite 36–41
- DOI: 10.23784/HN119-05
- Autor/en: Sarafina McPherson Kimø
