ARIDuA – Autonome Roboter und Internet der Dinge in untertägigen Anlagen

• Main Authors: Varga, Sebastian, Grehl, Steve
• Other Authors: TU Bergakademie Freiberg, Geowissenschaften, Geotechnik und Bergbau
• Format: Others
• Language: deu
• Published: Technische Universitaet Bergakademie Freiberg Universitaetsbibliothek "Georgius Agricola" 2018
• Subjects: Geokinematik; Tagung 2018; geokinematics; conference 2018; ddc:624; rvk:ZI 9300; Ingenieurvermessung; Kinematische Vermessung; Kinematische Geodäsie
• Online Access: http://nbn-resolving.de/urn:nbn:de:bsz:105-qucosa-237391; http://nbn-resolving.de/urn:nbn:de:bsz:105-qucosa-237391; http://www.qucosa.de/fileadmin/data/qucosa/documents/23739/14.ARIDuA%20%E2%80%93%20Autonome%20Roboter%20und%20Internet%20der%20Dinge%20in%20untert%C3%A4gigen%20Anlagen_GKT2018_1b.pdf

Die interdisziplinäre ESF Nachwuchsforschergruppe ARIDuA forscht seit dem 01. Juli 2017 institutsübergreifend an der TU Bergakademie Freiberg im Themenkomplex Autonome Roboter und Internet der Dinge in untertägigen Anlagen. Gegenstand der Forschung ist es, Schlüsseltechnologien für den entstehenden „Bergbau 4.0“ zu entwickeln. Hierzu zählen Roboternavigation, Sensorintegration und Langzeitmessungen, Big Data im bergbaulichen Kontext und automatisierte geologische Kartierung. Der Beitrag gibt einen Überblick über ARIDuA und die „automatisierte geologische Kartierung“. Es werden Anforderungen an eine automatisierte geologische Kartierung dargestellt und das darauf basierende Messfahrzeug, das u.a. mit einer Hyperspektralkamera ausgestattet ist. Es wird ein Auswertungsschema beschrieben, das die Klassifizierung der Messdaten mit einem geostatistischen Ansatz kombiniert und pixelgenau die Auftrittswahrscheinlichkeit der Gesteinsklassen angibt. === The interdisciplinary ESF Junior Research Group ARIDuA is investigating the topic “Autonomous Robots and Internet of Things in Underground Mining”. Therefore it implements key technologies for the new sector of “Mining 4.0”. Focusing on the application of mobile robots in underground, a wireless sensor network is implemented and synergies are identified. This also results in significant benefits for the mining sector. In this context, an outline of a geological analysis system capable of pixel-wise mineral classification is presented. A hyper-spectral-camera mounted on a mobile vehicle is used inside an underground mine in combination with multiple state-of-the-art RGB cameras. The reason why this is necessary, the requirements, and the concept of data analysis is described. The automated mine survey generates an occurrence probability of each mineral class for each pixel. Therefore, it combines classification with geostatic methods.