SFB/TRR 280 (Konstruktions­strategien für material­minimierte Carbonbeton­strukturen) – Bildanalysemethoden in der Mikrotomographie

Bearbeiter: Frank Liebold, Franz Wagner, Matthias Hardner
Ehemalig: Ferdinand Maiwald, Ariel Rodriguez, Hannes Sardemann

Dieses Projekt ist Bestandteil des durch die Deutsche Forschungsgemeinschaft (DFG) geförderten Sonderforschungsbereich SFB/TRR 280 (Konstruktionsstrategien für materialminimierte Carbonbetonstrukturen – Grundlagen für eine neue Art zu bauen, Teilprojekte D03 und S). Ein Teil der Teilaufgaben wird in den nächsten Punkten vorgestellt.

Das Projekt

In enger Kooperation mit über 20 Teilprojekten in den Standorten Dresden und Aachen werden neue Bauformen und Konstruktionsstrategien entwickelt und umgesetzt. Um die Zuverlässigkeit der entwickelten Carbonbetonstrukturen zu gewährleisten, müssen diese umfassend untersucht werden. Die Teilprojekte D03 und S fokussieren sich dabei auf die Aufnahme und 3D Rekonstruktion solcher Proben durch einen µ-Tomograph bis hin zur strukturellen Analyse der so entstandenen Daten.

Computertomographie

Ein Computertomograph besteht aus einer Strahlungsquelle und einer Bildebene. Diese Anordnung entspricht in gewisser Weise einer Kamera. Während des Scans wird eine große Anzahl an Projektionen aufgenommen, während sich die Probe rotiert.

Ausgehend von diesen Projektionen, wird eine 3D Rekonstruktion erstellt, welche durch einen graustufenbasierten Voxelraum representiert wird. In diesem Volumen sind nun alle Elemente, welche in der Probe vorhanden sind, sichtbar.

Deep Learning basierte 3D Strukturanalyse

Die entstandenen Rekonstruktionen können anschließend hinsichtlich ihrer Bestandteile, Eigenschaften und Deformationen analysiert werden. Die quantitative Strukturanalyse wird mittels 3D Convolutional Neural Networks (CNN) durchgeführt, da ein auf simpleren Algorithmen basierender Prozess nicht in der Lage ist, die kleinsten Bestandteile zuversichtlich zu segmentieren.

Die neuronalen Netze werden dabei überwacht trainiert. Das heißt, dass bereits ein segmentiertes Volumen vorliegen muss, an welchem das Netz lernt, welche Strukturen es erkennen soll.

Die Herstellung der Trainingsdaten geht jedoch mit einem sehr hohen Zeitaufwand einher, weshalb ein unüberwachter (ohne den Einfluss von Menschen) Lernprozess entwickelt wird. Dadurch entfällt für zukünftige Bearbeiter die manuelle Herstellung der Trainingsdaten. Erreicht wird das Ziel durch ein 3D Generative Adversarial Network (GAN), welches täuschend echte Trainingsdaten generiert.

3D-Verschiebungsfelder zwischen Deformationszuständen

Es existieren mind. 2 Volumendatensätze verschiedener Lastzustände einer Probe.

Querschitte des Referenzzustands und es deformierten Zustands:

Im Volumen des Referenzzustands wird ein Punktraster festgelegt. Zur Bestimmung des Verschiebungsvektorfelds wird 3D Least Squares Matching angewandt, ein gradientenbasiertes subpixelgenaues Zuordnungsverfahren.

Deformationsanalyse

Beim Auftreten von Rissen kommt es zu Diskontinuitäten im Verschiebungsfeld. Folgende Deformationsvektoren wurden abgeleitet:

Auszeichnungen

• "Photogrammetriepreis der Nico Rüpke - Stiftung" für den Tagungsbeitrag mit dem Titel "3D-Deformationsanalyse und Rissdetektion in multitemporalen Voxeldaten von Röntgentomographen"

Publikationen 2023

• Wagner, F.; Maas, H.-G. (2023):
  A Comparative Study of Deep Architectures for Voxel Segmentation in Volume Image. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLVIII-1/W2-2023, 1667–1676,
  https://doi.org/10.5194/isprs-archives-XLVIII-1-W2-2023-1667-2023.

• Liebold, F.; Wagner, F.; Giese, J.; Grzesiak, S.; de Sousa, C.; Beckmann, B.; Pahn, M.; Marx, S.; Curbach, M.; Maas, H.-G. (2023):
  Damage Analysis and Quality Control of Carbon-Reinforced Concrete Beams Based on In Situ Computed Tomography Tests. Buildings 2023, 13(10), 2669,
  https://doi.org/10.3390/buildings13102669.

• Giese, J; Herbers, M; Liebold, F; Wagner, F; Grzesiak, S; de Sousa, C; Pahn, M; Maas, H.-G.; Marx, S; Curbach, M; Beckmann, B (2023):
  Investigation of the Crack Behavior of CRC Using 4D Computed Tomography, Photogrammetry, and Fiber Optic Sensing. Buildings 2023, 13(10), 2595,
  https://doi.org/10.3390/buildings13102595.

• Liebold, F; Mader, D; Sardemann, H; Eltner, A; Maas, H.-G (2023):
  A Bi-Radial Model for Lens Distortion Correction of Low-Cost UAV Cameras. Remote Sens. 2023, 15(22), 5283,
  https://doi.org/10.3390/rs15225283.

• Wagner, F.; Mester, L., Klinkel, S.; Maas, H.-G. (2023):
  Analysis of Thin Carbon Reinforced Concrete Structures through Microtomography and Machine Learning. Buildings 2023, 13(9), 2399,
  https://doi.org/10.3390/buildings13092399.

• Mester, L; Klempt, V.; Wagner, F.; Scheerer, S.; Klarmann, S.; Vakaliuk, I.; Curbach, M.; Maas, H.-G.; Loehnert, S.; Klinkel, S. (2023):
  A Comparison of Multiscale Methods for the Modelling of Carbon-Reinforced Concrete Structures. Building for the Future: Durable, Sustainable, Resilient. fib Symposium 2023. Lecture Notes in Civil Engineering, vol 350. Springer, 1418–1427,
  https://doi.org/10.1007/978-3-031-32511-3_145.
• Liebold, F., Bergmann, S., Bosbach, S., Adam, V., Marx, S., Claßen, M., Hegger, J., Maas, H.-G. (2023):
  Photogrammetric Image Sequence Analysis for Deformation Measurement and Crack Detection Applied to a Shear Test on a Carbon Reinforced Concrete Member. Proceedings of 19th fib Symposium 5-7 June 2023 in Istanbul, Turkey,  Lecture Notes in Civil Engineering, vol 349, 1273–1282, https://doi.org/10.1007/978-3-031-32511-3_130.

• Wagner, F., Eltner, A., Maas, H.-G. (2023):

  River water segmentation in surveillance camera images: A comparative study of offline and online augmentation using 32 CNNs. International Journal of Applied Earth Observation and Geoinformation, 119, 103305, https://doi.org/10.1016/j.jag.2023.103305.

• Curosu, V., Kikis, G., Krüger, C., Liebold, F., Macek, D., Mester, L., Platen, J., Ritzert, S., Stüttgen, S., Kaliske, M., Klinkel, S., Löhnert, S., Maas, H.-G., Reese, S., Robertz, D. (2023):
  Ansätze für numerische Methoden zur Inspiration, Analyse und Bewertung neuartiger Carbonbetonstrukturen. Bauingenieur, 98(11), 368-377, https://doi.org/10.37544/0005-6650-2023-11-56.

Publikationen 2022

• Liebold, F., Maas, H.-G. (2022):
  An approach to subpixel accuracy widening crack width determination in image sequences. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLVIII-2/W2-2022, 61–68, https://doi.org/10.5194/isprs-archives-XLVIII-2-W2-2022-61-2022.
• Mester, L., Wagner, F., Liebold, F., Klarmann, S., Maas, H.-G., Klinkel, S. (2022):
  Image-based modelling and analysis of carbon-fibre reinforced concrete shell structures. Proceedings for the 6th fib International Congress: Concrete Innovation for Sustainability. 1. Aufl. Oslo, Band 6, 1631-1640.
• Liebold, F., Maas, H.-G. (2022):
  Computational Optimization of the 3D Least-Squares Matching Algorithm by Direct Calculation of Normal Equations. Tomography 8(2), 760-777, https://doi.org/10.3390/tomography8020063.
• Liebold, F., Maas, H.-G. (2022):
  3D-Deformationsanalyse und Rissdetektion in multitemporalen Voxeldaten von Röntgentomographen. Dreiländertagung der DGPF, der OVG und der SGPF in Dresden – Publikationen der DGPF,  Band 30, 105–116, https://doi.org/10.24407/KXP:1796026123.

Publikationen 2021

• Liebold, F., Lorenzoni, R., Curosu, I., Léonard, F., Mechtcherine, V., Paciornik, S., Maas, H.-G. (2021):
  3D Least Squares Matching Applied to Micro-Tomography Data. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLIII-B2-2021, 533–539, https://doi.org/10.5194/isprs-archives-XLIII-B2-2021-533-2021.