MLS-basierte Erkennung und Parameterextraktion von Fahrbahn-Dachankern/Kabeln aus 3D-Punktwolken

Bergwerktunnel sicher halten

Tiefe Untertage-Kohlenbergwerke sind auf metallische Bolzen und Kabel angewiesen, die in das Tunnelgewölbe gebohrt werden, um ein Einstürzen des Gesteins zu verhindern. Sind diese Verankerungen schlecht platziert oder beginnen sie zu versagen, ist das Leben der Arbeiter gefährdet. Bislang erfolgt die Überprüfung von tausenden Bolzen weitgehend manuell, mit Maßband und Messgeräten, in dunklen, staubigen Stollen. Diese Studie stellt ein automatisiertes Verfahren vor, um jene verborgenen Lebensadern mit mobilen Laserscannern und 3D-Daten „sichtbar“ zu machen und zu vermessen — ein Ansatz, der schnellere und objektivere Sicherheitsprüfungen für moderne Bergwerke verspricht.

Ein Tunnel in drei Dimensionen scannen

Die Forschenden entwickelten ein tragbares mobiles Laserscanningsystem, das speziell für untertägige Fahrwege konzipiert ist. Ausgerüstet mit einem Laserentfernungsmesser und Bewegungssensoren wird das Gerät getragen oder geschoben und sendet schnell Laserimpulse an das umgebende Gestein. Während es sich bewegt, fügt eine Navigationsmethode namens SLAM (Simultane Lokalisation und Kartierung) die eintreffenden Messungen zu einem kontinuierlichen 3D-Modell des Tunnels zusammen. Selbst ohne GPS-Signale, die unter Tage nicht verfügbar sind, kann das System die Form eines 50-Meter-Abschnitts mit zentimetergenauer Genauigkeit rekonstruieren und dabei nicht nur die Gesteinsoberflächen, sondern auch Verankerungsteile wie Bolzen, Kabel und Stahlplatten erfassen.

Den digitalen Tunnel bereinigen

Rohdaten aus 3D-Scans in Bergwerken sind unordentlich. Staub, Wassernebel, Arbeiter und Maschinen erzeugen verstreute Punkte, die die Daten verunreinigen. Zuerst wenden die Forscher einen zweistufigen Rauschunterdrückungsprozess an, der offensichtliche Ausreißer entfernt und gleichzeitig echte Oberflächen zurückgewinnt, die fälschlich verworfen worden sein könnten. Anschließend isolieren sie gezielt das Dach des Tunnels, da dort die Verankerungsbolzen und -kabel verankert sind. Durch eine mathematische Rotation werden die Daten so ausgerichtet, dass das Dach in einer Standardorientierung flach liegt, was das Bestimmen von „oben“ und „unten“ erleichtert und die Richtung sowie Länge jedes Stütz-Elements über die gesamte Szene hinweg konsistent messbar macht.

Das virtuelle Tuch die Bolzen finden lassen

Um die Dachfläche von daran befestigter Hardware zu trennen, nutzen die Forschenden einen eleganten Trick: den Cloth Simulation Filter. Man stellt sich ein flexibles Tuch vor, das unter der Wirkung der Schwerkraft langsam auf das umgedrehte digitale Dach sinkt. Dort, wo echtes Gestein ist, legt sich das Tuch eng an. Wo ein Bolzen, Kabel oder eine Platte hervorsteht, legt sich das Tuch darüber und es entsteht eine Lücke. Indem der kleine Höhenunterschied zwischen dem Tuch und den tatsächlichen Punkten gemessen wird, klassifiziert der Algorithmus, welche Punkte zur glatten Dachfläche gehören und welche wahrscheinlich hervorstehende Objekte sind. Sorgfältig abgestimmte Einstellungen sorgen dafür, dass das Tuch detailliert genug ist, um den natürlichen Unebenheiten des Dachs zu folgen, aber nicht so fein, dass es versehentlich die Bolzen „verschluckt“, die es aufdecken soll.

Dem Computer beibringen, Stützen zu zählen und zu messen

Sobald potenzielle Hervorhebungen isoliert sind, muss die Methode noch entscheiden, welche Punktgruppen echte Bolzen oder Kabel sind und welche Rohrleitungen, hängende Drähte oder Rauschen darstellen. Hier gruppiert ein dichtebasierter Clustering-Ansatz nahe beieinanderliegende Punkte, die längliche Formen bilden. Der Algorithmus passt seinen Suchradius und die minimale Clustergröße so an, dass in der Regel jeder Bolzen zu einer sauberen Gruppe wird, ohne mit Nachbarn zu verschmelzen. Für jede Gruppe findet eine einfache geometrische Analyse die Hauptachse des Objekts und projiziert alle Punkte darauf, wodurch eine Schätzung der freiliegenden Länge und des Neigungswinkels entsteht. Zusätzliche Regeln, basierend auf bekannten Entwurfsparametern von Bergwerken — wie typischer Abstand, erwarteter Durchmesser und zulässiger Einbauwinkel — helfen, Verfälschungen herauszufiltern und nur tatsächliche, korrekt installierte Verankerungen zu behalten.

Von 3D-Karten zu praktischen Sicherheitsinformationen

Die Methode wurde in einem Tiefkohlebergwerk in der Inneren Mongolei getestet, an fünf aufeinanderfolgenden Dachsegmenten mit insgesamt 127 Bolzen und Kabeln, die zuvor sorgfältig von Hand beschriftet worden waren. Das automatisierte System fand 118 davon korrekt, mit nur wenigen Fehlenden und Fehlalarmen, selbst unter schwierigen Bedingungen mit Staub, teilweiser Spritzbetonüberdeckung und störenden Metallteilen. Ebenso wichtig ist, dass es für jede Verankerung eine strukturierte Datenbank erzeugte: ihre genaue Lage, der Abstand zu Nachbarn, die aus dem Dach herausragende Länge und der Winkel zur Gesteinsoberfläche. Für Bergbauingenieure verwandelt dies eine komplexe 3D-Punktwolke in eine gebrauchsfertige Checkliste für Qualitätssicherung und langfristiges Gesundheitsmonitoring. Zwar hängt der Ansatz weiterhin davon ab, gute Scandaten zu erhalten und dass zumindest Teile jedes Bolzens sichtbar sind, doch er weist in Richtung einer Zukunft, in der routinemäßige Tunnel­sicherheitsprüfungen schneller, häufiger und weniger abhängig von subjektiven menschlichen Beurteilungen durchgeführt werden können.

Zitation: Ren, Z., Zhu, H., Zhao, L. et al. MLS-based recognition and parameter extraction of roadway roof bolts/cables from 3D point clouds. Sci Rep 16, 6538 (2026). https://doi.org/10.1038/s41598-026-37689-3

Schlüsselwörter: mobiles Laserscanning, 3D-Punktwolken, Felsbolzen-Inspektion, Sicherheit im Untertagebau, Überwachung von Tunnelverankerungen