© 2024 SURF
Het project heeft onderzocht wat de kansen zijn voor sensordata (camera, LiDAR, GPS) die verzameld
worden met een mobiele kit op een bakfiets en welke lokaal verwerkt worden op draagbare en efficiënte
devices (edge computing) voor toepassingen binnen het domein predictive maintenance. Een belangrijk
resultaat is het toepassen van een centrale manier van beheren van de kit (via AWS Greengrass) waarmee
Jetson Nano devices (zeer kleine computers met grafische kaart) vanuit de cloud kunnen worden uitgelezen
en nieuwe algoritmes kunnen worden uitgerold. Deze methode maakt het makkelijk om een grotere vloot
aan sensorkits in te zetten en overzichtelijk verschillende algoritmes te kunnen gebruiken.
De Jetson Nano kit bestaat uit een Jetson Nano microprocessor en een aantal sensoren waarmee data
ingewonnen kan worden, zoals een camera en een IMU sensor. Deze Jetson Nano kit is draagbaar, zodat hij
op de fiets kan worden gezet en de stroom wordt geleverd door middel van een powerbank of accu.
- Het is gelukt om de integrale keten van sensor – edge device – cloud te implementeren met cameradata,
maar helaas niet voor 3D LiDAR data ivm compatibiliteitsissues tussen de scanner en de edge devices.
Daarom is de analyse van 3D data onafhankelijk gedaan van de fietskit. Met behulp van alternatieve
databronnen (Cyclomedia, Sonarski) is het toch gelukt om een aantal analyses op de 3D data uit te voeren.
De gemeente Amsterdam heeft een grote dataset kunnen labelen door 3D data te koppelen aan beheerde
kaartlagen zoals de BGT en AHN. Deze gelabelde dataset kon gebruikt worden voor een groot semantisch
segmentatiemodel wat datapunten binnen de 3D dataset kan classificeren. Deze objecten konden
vervolgens verder geïnspecteerd worden door studenten en onderzoekers aan de Hogeschool van
Amsterdam waar scheefstand van lantaarnpalen en karakteristieken van bomen (kroonvolume, positie
laagste tak) automatisch gedetecteerd konden worden als proof-of-principle voor de waarde die deze
aanpak heeft voor slimmere maintenance oplossingen.
Het is een tijds- en kostenintensief proces om de conditie van assets in de publieke ruimte te monitoren. Nieuwe technologie in de vorm van 3D LiDAR scanning biedt nieuwe mogelijkheden voor conditiemonitoring. Het doel van deze KIEM-aanvraag is (i) om de hardware geschikt te maken voor frequente en goedkope opnames in de stedelijke omgeving, (ii) de analysetechnieken van de geproduceerde datasets verder te ontwikkelen en (iii) een geannoteerde dataset gefocust op asset management te produceren. Dit zorgt ervoor dat publieke en MKB-partijen slimmere, snellere en volledigere onderhoudsbeslissingen kunnen nemen.
Het consortium van Fietskoerier.nl, Sonarski, Gemeente Amsterdam en de Hogeschool van Amsterdam heeft elkaar gevonden in de vraag: “Hoe kan (publieke) LiDAR data bijdragen aan SMART Asset Management?” Dit project bevat een unieke combinatie van twee technologieën die op dit moment in ontwikkeling zijn (i) sensor data gedreven conditiemonitoring en (ii) point cloud algoritmes op LiDAR data. Fietskoerier.nl heeft de resources om op een duurzame manier de stad in kaart te brengen. Sonarski heeft een oplossing voor het uitvoeren van de 3D scans en Gemeente Amsterdam is een belangrijke kennispartner en heeft groot scala aan assets in de publieke ruimte. De deelnemers van dit project zien deze aanvraag als een eerste stap en hebben de intentie om te groeien tot een groter consortium welke de gehele keten van onderhoud omvat.