Kurzfassung
In der Vergangenheit benötigten Messsysteme meist künstliche Messmarken für die online Erfassung relevanter Messpunkte. In der modernen Bauindustrie sind solche Messmarken aus ästhetischen Gründen meist nicht erwünscht bzw. deren Anbringung ha¨ufig zu kostspielig. Bildgebende Sensorsysteme sind heute in der Lage, Messungen ohne signalisierte Messpunkte durchzuführen. Solche Messsysteme nutzen die Oberflächentextur des Objektes, um die künstlichen Messmarken zu ersetzen. An der Technischen Universität Wien wird seit geraumer Zeit an der Erforschung und Entwicklung solcher Messsysteme gearbeitet. Hauptaugenmerk wurde dabei auf die Automatisierung des Messprozesses gelegt. Dieser Beitrag bildet eine Zusammenfassung des Vortrages, der anlässlich der Karl-Rinner Preisverleihung an der TU-Graz gehalten wurde. Zudem stellt er eine gekürzte Fassung des in [17] veröffentlichten Papers dar – für eine detaillierte Beschreibung sei auf den ungekürzten Text verwiesen.

Abstract
In the past, high-precision online 3D-measuring required artificial targets defining the points on the objects to be monitored. For many tasks like monitoring of displacements of buildings, artificial targets are undesired. Image-based measurement systems can perform their measurements even without targeting. Such systems use the texture on the surface of the object to find "interesting points" which can replace the artificial targets. At the Vienna University of Technology a team has focused the work on the research of such a image-based measurement system. Main goal of this process is the automation of the measurement procedure. This paper is a summary of the presentation held for the Karl-Rinner Awarding at the TU-Graz. It is notable, that the research results have already been published in a more detailed form in [17].

Kurzfassung
Derzeit wird im Zuge des FWF Projektes P18286 "Multi-Sensor Deformation Measurement System Supported by Knowledge Based and Cognitive Vision Techniques" ein neues bild-basiertes Messsystem entwickelt. Dieses System ist fähig nicht-signalisierte Punkte mit Hilfe geeigneter Algorithmen zu detektieren – die Prozedur ist in drei Teilschritte unterteilt: Bildaufbereitung, automatische Punkterfassung und Punktfilterung. Das System basiert auf neuen Techniken (ursprünglich im Fachgebiet der Künstlichen Intelligenz entwickelt), welche für die Teilschritte der Deformationsmessung, -analyse und -interpretation genutzt werden sollen. Beispiele solcher Techniken sind wissensbasierte Systeme, Cognitive Vision, Bildverstehen und Fallbasiertes Schließen.

Abstract
In the FWF project P18286 "Multi-Sensor Deformation Measurement System Supported by Knowledge Based and Cognitive Vision Techniques" a new kind of image-based measurement system is under development. This system is able to detect un-signalised object points by means of appropriate algorithms – the procedure is divided into three main steps: image pre-processing, automated point detection and interactive point filtering. The system is based on new techniques (originally developed in the area of Artificial Intelligence) which shall be used for the task of deformation measurement, analysis and interpretation. Examples for such techniques are knowledge-based systems, cognitive vision and image understanding methods and case-based reasoning.

Kurzfassung
Wesentliche Voraussetzung für die Verwendung von orts-und situationenbezogenen Informationen durch Location Based Services ist die genaue, zuverlässige und möglichst überall verfügbare Ortung des mobilen Nutzers. In diesem Umfeld stellt die Positionsbestimmung von Fußgängern in "passiven Umgebungen" eine besondere Herausforderung dar. In diesem Beitrag erfolgt die Vorstellung eines neuen wissensbasierten Ansatzes zur Steigerung der Qualität der Fußgängerortung.

Abstract
The precise, reliable and preferably everywhere available positioning of mobile users is a substantial precondition for the provision of location and situation based information by Location Based Services. Within these applications locating of pedestrians in passive environments represents a special challenge. In this paper a new knowledge based approach for the improvement of position quality is presented.