Automatisierte Inspektion von der Erfassung bis zur Entscheidung

Automatisierte LiDAR- und Videoinspektionen

Fragmentierte und ressourcenintensive BahninspektionenProblembeschreibung

Herkömmliche Infrastrukturinspektionen stützen sich häufig auf manuelle Begutachtungen vor Ort, vereinzelte Erhebungen und unzusammenhängende Datensätze. Dies kann zu subjektiven Ergebnissen, langen Bearbeitungszeiten und einer eingeschränkten Übersicht über das gesamte Netzwerk führen. Ingenieur- und Wartungsteams benötigen eine schnellere und einheitlichere Methode, um Veränderungen, Abweichungen und potenzielle Risiken zu erkennen.

Kontinuierliche Überwachung ohne aufwendige InfrastrukturUnsere Lösung

Cordel verwandelt Schienenfahrzeuge in Messzüge für die Infrastruktur. LiDAR-, Video- und Sensordaten werden automatisch erfasst, von speziell entwickelten KI-Modellen verarbeitet und auf einer einzigen Cloud-Plattform verwaltet. Dies bietet eine einheitliche Informationsquelle für den Zustand der Infrastruktur und ermöglicht es den Teams, netzwerkweite Daten in umsetzbare Erkenntnisse umzuwandeln.

Funktionsweise

Automatische Datenerfassung

Bewegungsgesteuerte Aufzeichnung, automatischer Upload und Erfassungsmanagement

Automatisierte Analyse

KI-gestützte Auswertung von LiDAR-, Video- und Sensordaten

Einblicke auf Netzwerkebene

Einheitliche und reproduzierbare Ergebnisse im gesamten Schienennetz

Automatisierte Ausnahmenerfassung

Schnellere Identifizierung und Priorisierung relevanter Befunde

Einheitliche Cloud-Plattform

Zentrale Speicherung, Abfrage, Indizierung und Zugriff

Qualitätsgesicherte Ergebnisse

Integrierte Qualitätssicherung, Rückverfolgbarkeit bei Audits und Versionskontrolle

Weitere Funktionen

  • Selbstkalibrierende Sensoren und Ferndiagnose
  • Wartungsarme Hardware, ausgelegt für raue Bahnumgebungen
  • Analyse von Gleismittellinien, Freiraum und Spurweite, Schotterprofilen, Vegetationswachstum, Oberleitungshöhe und Versatz
  • Erkennung von Anlagen und Überwachung von Veränderungen
  • Ergebnisse innerhalb von Tagen statt Monaten
  • Kundenspezifische KI-Modelle, die sich mit jeder Erfassung verbessern
  • Selbstbedienungs-Bewertungen auf Abruf
  • API-Zugriff zur Integration in bestehende Unternehmenssysteme
  • Reduzierung von Engpässen bei der Datenverarbeitung ohne zusätzlichen Personalaufwand

Ein breites Anwendungsspektrum für unsere LösungAnwendungsfälle

  • Position der Gleismittellinie (absolute Genauigkeit ±50 mm horizontal; ±30 mm vertikal) (automatische Extraktion aus klassifizierter Punktwolke; CSV-Dateien enthalten Längen- und Breitengrade)
  • Gleisgeometrie (konfigurierbar, typischerweise in Schritten von 1 Meter) (automatische Extraktion aus der klassifizierten Punktwolke; Überhöhung und Radius (Versinus)
  • Gleisabstand (Abstand zwischen parallelen Gleisen; typischerweise alle 1,5 oder 10 Meter) (KI-Anwendung auf die klassifizierte Punktwolke; CSV-Dateien oder das „Track Intervals“-Format von Network Rail (SCX-Dateien))
  • Analyse des Strukturprofils (LiDAR-Infrastrukturprofil / DB-Referenzfahrzeug – automatische Erkennung von Verstößen; identifiziert Strukturen (z. B. Gebäude, Bahnsteige), die in das definierte Profil hineinragen)
  • Gleisabstand zwischen parallelen Gleisen (automatische Ermittlung horizontaler und vertikaler Versätze zwischen benachbarten Gleisen)
  • Gebäude und Bahnsteige – Lage und Maße (CSV-Dateien im Abstand von 1 oder 5 Metern, einschließlich Gleisgeometrie (Überhöhung, Radius) und lineares Referenzsystem)
  • Abstand von der Bahnsteigkante zur Gleismittellinie (kontinuierliche Messung – ersetzt manuelle Vermessungen)
  • Profil und Breite des Schotterbettes (3D-Querschnittsanalyse – durchgehende km-genaue Basislinie)
  • Höhe ab Oberkante Schwelle (Höhenunterschied zwischen der Oberkante der Schwelle und der Schotteraufschüttung)
  • Volumenbasierte Schotterbewertung (Ermittlung von Schotterüberschuss (Übermaß) und -mangel (Untermaß) nach Volumen (in m³) entlang der Strecke)
  • Fahrdraht – Höhe (m) und seitliche Position (mm, links oder rechts) (automatische Extraktion aus der Punktwolke)
  • Vegetationswachstum in der Nähe von OLE (KI-Klassifizierung erkennt Vegetationswachstum innerhalb eines konfigurierbaren Begrenzungsrahmens)
  • Eindringen von Vegetation in den Gleisfreiraum (automatische Erkennung – kontinuierliche Überwachung, km-genaue Berichterstattung nach Position und Volumen (siehe auch OLE-Vegetationswachstum))
  • Erkennung saisonaler Wachstumsveränderungen (Überlagerung von Scan-Ergebnissen aus aufeinanderfolgenden Fahrten identifiziert das Wachstum im Zeitverlauf und erfasst die Volumina entlang der Strecke)
  • Geometrie und Profil der Überfahrfläche (3D-Modell erkennt Höhenunterschiede und Entwässerungsprobleme)
  • Sichtfreiraum (Vegetation / Bauwerke) (LiDAR-Sichtlinienanalyse gemäß den Anforderungen der Datenbank an die Sichtweite)

Lassen Sie uns die Schieneninfrastruktur voranbringen

Möchten Sie mehr über unsere digitalen Lösungen erfahren oder eine konkrete infrastrukturelle Herausforderung besprechen? Unser Team hilft Ihnen dabei, die richtigen Technologien, Dienstleistungen und Anwendungen für Ihre Anforderungen zu finden.

Stefan Distlberger

Head of Business Development Digitalization

Mobil: +49 1525 1652417

Kontakt
Kontaktieren Sie uns