Sie sind hier: Startseite Professuren Monitoring von … Projekte

Projekte

 

Digitale Plattform mit 4PI real-time Endoimaging zur endoskopischen 3D-Rekonstruktion, Visualisierung und Nachsorgeunterstützung von Patienten mit Harnblasenkarzinom (RaVeNNA - 4pi)

Die Endoskopie gewinnt immer mehr an Bedeutung in der Chirurgie, da sie minimal-invasive und dadurch schonender Eingriffe ermöglicht. 3D-Modelle aus den Bildern der Endoskopie ermöglichen u. a. eine präzisere und somit effiziente OP-Vor- und Nachbereitung. Die Rekonstruktion der Harnblase aus endoskopisch erfassten Bildern gestaltet sich aus den unterschiedlichsten Gründen als schwierig.

Mit RaVeNNA sollen die Schwierigkeiten bei der 3D-Rekonstruktion der Harnblase aus Endoskopiebildern mittels Structure-from-Motion ausgeräumt werden. Zusätzlich sollen Harnblasenkarzinome mittels Klassifizierung des 3D-Modells detektiert und überwacht werden. Zur Klassifizierung der Harnblasenstrukturen werden Deep Learn-Ansätze verwendet, wobei ein besonderes Augenmerk auf dem Einsatz von Convultional Neural Networks (ConvNets) liegen wird.

Projektleitung:  Prof. Dr. Alexander Reiterer

E-Mail:            alexander.reiterer@ipm.fraunhofer.de

 

ErfASst – Erhöhung des Automatisierungsgrades für die Bewertung der Standsicherheit von Brücken

Brücken sind neben Tunneln die neuralgischen Elemente in der Verkehrsinfrastruktur. Ausfälle dieser Elemente können weitreichende Folgen für Leib und Leben, aber auch für die Versorgungssicherheit haben. Durch den stetigen Anstieg vor allem des Güterverkehrs sowohl auf der Schiene als auch auf der Straße, steigt die Belastung von Brückenbauwerken an. Derzeit werden Brücken alle drei Jahre in aufwendigen, manuellen Verfahren auf Standfestigkeit und Gebrauchstauglichkeit geprüft.

Mit ErfASst soll die Prüfung von Brücken teil-automatisiert und kostengünstiger werden. Der Einsatz neuster Sensorik und Algorithmen soll die Detektion von Rissen und die Bewertung deren Auswirkung beschleunigen. Umgesetzt werden die entwickelten Methoden in einem Demonstrator.

Projektleitung:  Prof. Dr. Alexander Reiterer

E-Mail:            alexander.reiterer@ipm.fraunhofer.de

 

Amy – Autonomes mobiles robotergestütztes Monitoringsystem für Großstrukturen

Das Ziel von Amy ist die Schaffung eines autonomen mobile Mapping Systems, welches speziell für die Inspektion und das Monitoring von Infrastrukturbauwerken eingesetzt werden soll. Amy besteht aus einer mobilen Plattform (Roboterfahrzeug), diversen Sensoren (u. a. Kameras, Laserscanner) und einer Datenanalysesoftware. Das System kann dabei als Baukasten betrachtet werden – frei adaptierbar und mit freien Schrittstellen ausgestattet. Mittelfristig soll Amy in Richtung vernetzter Sensor entwickelt werden und mit anderen Robotern (u. a. Drohnen) kooperativ agieren.

Projektleitung:  Prof. Dr. Alexander Reiterer

E-Mail:            alexander.reiterer@ipm.fraunhofer.de