Kurzfassung
Präzise Positionierung und Kartenerstellung sind Schlüsseltechnologien für autonome Roboter. Die meisten autonomen und halbautonomen Systeme verwenden ein LiDAR-basiertes Simultaneous Localization and Mapping (SLAM)-System in Kombination mit MEMS inertialen Messeinheiten (IMU). Wenn LiDAR ausfällt und nur mehr IMU-Daten zur Berechnung des Zustandsvektors des Roboters herangezogen werden, werden Messfehler akkumuliert und die Position des Roboters driftet weg. Nach einigen Sekunden ohne LiDAR-Daten sind LiDAR-inertiale SLAM-Systeme nicht mehr in der Lage, den Scan nach dem Ausfall in der bereits erstellten Karte zu registrieren. In diesem Beitrag wird ein neuartiger Ansatz zur Fusionierung von LiDAR, Inertial- und Rad-Odometrie in einem Faktorgraphen für SLAM vorgestellt. Ein kombiniertes IMU- und Rad-Odometriemodell wird als erste Schätzung für den LiDAR-Scanabgleich und zur Überbrückung von LiDAR-Ausfällen verwendet. Der Algorithmus wird für zwei verschiedene Robotermodelle validiert und getestet. Die Ergebnisse zeigen, dass mit dem neuen IMU- und Rad-Odometrie-Modell die Lokalisierungsgenauigkeit während LiDAR-Ausfällen verbessert wird. Nach 30 Sekunden ohne LiDAR-Daten können die LiDAR-Punktwolken nach dem Ausfall immer noch zur zuvor erstellten Karte registriert werden.

Abstract
Precise positioning and mapping are key technologies for autonomous robots. Most autonomous and semi-autonomous systems use a LiDAR-focused Simultaneous Localization and Mapping (SLAM) in combination with MEMS Inertial Measurement Units (IMU). When LiDAR fails and only IMU data are used to compute the state vector of the robot, errors accumulate. After a few seconds without LiDAR data, LiDAR-inertial SLAM systems can no longer register the scan after the outage to the already created map. This paper proposes a novel approach for fusing LiDAR, inertial, and wheel odometry in a factor graph for SLAM. A combined IMU and wheel odometry model is used as an initial guess for LiDAR scan matching and to bridge LiDAR outages. The algorithm is evaluated and tested for two different robot models. The results show that with the proposed IMU and wheel odometry model localization accuracy improves during LiDAR outages. After 30 seconds without LiDAR data, the LiDAR point clouds after the outage can still be matched to the previously created map.

Kurzfassung
Durch die Entwicklung von kompakten und leichten topo-bathymetrischen Laserscannern, die auch auf unbemannte Flugplattformen integriert werden können, hat sich das Anwendungsfeld der Airborne Laserbathymetrie (ALB) wesentlich erweitert. Mit aktuellen Sensoren lassen sich hohe Punktdichten von mehr als 100 Punkten/m2 und vergleichsweise große Eindringtiefen von mehr als der 2-fachen Secchi-Tiefe erzielen. In diesem Beitrag berichten wir vom Einsatz von UAV-ALB an drei oberösterreichischen Flüssen (Waldaist, Ager und Traun), durchgeführt durch die Skyability GmbH im Auftrag des Landes Oberösterreich. Wir stellen den Sensor und den Workflow zur Datenverarbeitung vor. Es hat sich gezeigt, dass das Gewässerbett mit einem Vollständigkeitsgrad von 99% erfasst wurde. Gegenüber terrestrisch gemessenen Referenzprofilen konnte eine absolute Höhengenauigkeit von besser als 15 cm für 95% aller Kontrollpunkte nachgewiesen werden, womit auch der strenge Exclusive Order Standard der IHO erfüllt ist. UAV-ALB stellt damit eine effiziente und präzise Methode zur Erfassung von Fließgewässern mittlerer Größe dar mit zahlreichen Anwendungen in der Wasser- und Schifffahrtsverwaltung, Elektrizitätswirtschaft, Gefahrenzonenplanung, Gewässerökologie und Unterwasserarchäologie.

Abstract
The development of compact and lightweight topo-bathymetric laser scanners, which can also be integrated on unmanned aerial platforms, has significantly expanded the application field of airborne laser bathymetry (ALB). With current sensors, high point densities of more than 100 points/m2 and comparatively large penetration depths of more than twice the Secchi depth can be achieved. In this paper we report on the deployment of UAV-ALB on three Upper Austrian rivers (Waldaist, Ager and Traun) conducted by Skyability GmbH on behalf of the province of Upper Austria. We present the sensor concept and the workflow for data processing. Data analysis revealed that the riverbed was recorded with a completeness level of 99%. Compared to terrestrially measured reference profiles, an absolute height accuracy of better than 15 cm could be demonstrated for 95% of all control points, thus also fulfilling the strict Exclusive Order Standard of the IHO. UAV-ALB thus represents an efficient and precise method for the detection of medium sized streams with numerous applications in water and navigation management, electricity industry, hazard zone planning, hydro-ecology and under water archaeology.

Kurzfassung
Für die Erfassung topographischer Information über größere Bereiche stehen praktisch zwei Messkonzepte zur Verfügung: Lidar (Light Detection And Ranging), auch unten dem Namen Laserscanning bekannt, misst direkt 3D und ist die jüngere Technologie und die 3D-Rekonstruktion aus Photographien, die auf bereits 150 Jahre Erfahrung zurückgreift. Beide Technologien entwickeln sich rasch weiter. Anhand der Gemeinsamkeiten und der Unterschiede der beiden Messkonzepte, untersucht auf dem Sensor-Niveau, wird gezeigt, wie sehr sich diese beiden Methoden ergänzen. Eine gemeinsame Prozessierung kann potentiell genauere, zuverlässigere und vollständigere Modelle unserer Umgebung liefern, die noch dazu effizienter erstellt werden können. Eine solche integrierte Verarbeitung ist aber nur für wenige Aufgaben entlang der Prozessierungskette von der Datenaufnahme bis zum 3D-Modell realisiert. Ein Ansatz zur gemeinsamen Orientierung wurde bereits vorgeschlagen und praktisch eingesetzt. Dieser Artikel soll die Komplementarität der beiden Sensoren stärker herausarbeiten und dazu beitragen die integrierte Aufnahme und Prozessierung von Lidar- und Photo-Aufnahmen als Standard etablieren.

Abstract
The differences between Lidar and photo observations are discussed on a sensor level. This highlights the similar and complimentary aspects of both data acquisition methods. A method for the integrated orientation of photo and Lidar observations is presented and its effectiveness is shown. It is argued that integrated acquisition and processing will become a standard for topographic data acquisition. The article is based on the research and experience of the photogrammetry group at Technische Universität Wien.

Kurzfassung
Full-Waveform-Laserscanning erlaubt es, sowohl geometrische wie auch radiometrische Information von Oberflächen in der gleichen räumlichen Auflösung zu erhalten, die noch dazu zeitgleich und vom selben Standpunkt erfasst wurden. Daher hat diese Datenerfassungsmethode innerhalb der letzten zehn Jahre eine wachsende Aufmerksamkeit in der 3D-Fernerkundung und verwandten Disziplinen erhalten. Diese radiometrische Information kann einerseits auf ein einzelnes Echo bezogen sein, oder andererseits auf die erfasste Oberfläche selbst, wie etwa der sogente Rückstreuquerschnitt. Echoparameter, welche meist durch eine Gauß’sche Zerlegung der Echowellenform bestimmt werden, sowie Oberflächeneigenschaften, die (geo-)physikalische Größen darstellen und daher unabhängig von den Parametern der Datenerfassung sind, werden zu den Zusatzattributen einer Laserscanning-3DPunktwolke gezählt. Der Rückstreuquerschnitt wird gewöhnlich durch eine Rückfaltung ermittelt, deren Resultat die Ableitung des Rückstreuquerschnitts nach der Zeit darstellt, also den differentiellen Rückstreuquerschnitt. Der Rückstreuquerschnitt wird daher durch anschließende Integration errechnet. Bisher fand der zeitliche Verlauf des differentiellen Rückstreuquerschnitts wenig Beachtung in der Literatur. In diesem Artikel wird die Ableitung zusätzlicher Oberflächenparameter auf Basis der statistischen Momente des differentiellen Rückstreuquerschnitts behandelt. Simulierte Beispiele sowie Beispieldatensätze aus ausgedehnten Laserscanning-Kampagnen im hochalpinen Gebiet zeigen das Potential dieses Ansatzes auf.

Abstract
Full-waveform laser scanning allows for retrieval of geometric and radiometric information in the same spatial resolution. Moreover, this two-fold information is recorded simultaneously and from the same point of view. This method has therefore gained increasing attention in 3D remote sensing and related fields. Such radiometric information can both be related to a single echo and to the scanned surface itself, i.e. by the backscatter cross-section. Echo parameters which are mostly determined by a Gaussian decomposition of the echo waveform as well as surface properties that are independent of the parameters of data acquisition, are regarded as additional attributes of a 3D laser scanning point cloud. The backscatter cross-section is commonly determined by a deconvolution. Its result is the derivative of the backscatter cross-section w.r.t. time. The backscatter cross-section is therefore determined by subsequent integration. So far, the differential backscatter cross-section has gained only little attention in literature. This article treats the derivation of additional surface parameters based on statistical moments of the differential backscatter cross-section. Simluated examples accompanied by real-world examples stemming from extended laser scanning campaigns in alpine environments illustrate the potential of this method.

Kurzfassung
Fernerkundungsdaten sind für die Untersuchungen von Naturgefahrenprozessen unerlässlich. Die Bandbreite reicht von LiDAR bis hin zum Einsatz von UAVs. Durch das „Ausblenden" der Vegetation werden Oberflächenformen erkennbar, die man in ihrem Zusammenhang vor Ort nicht erfassen kann. Dadurch kann auch eine zeitliche Komponente integriert werden, die Rückschlüsse über die Veränderungen an der Erdoberfläche zulässt. Dieser Artikel zeigt anhand von Praxisbeispielen die Bedeutung von Geodaten für gravitative Massenverlagerungsprozesse.

Abstract
Remote sensing data such as LiDAR and UAV geodata are of high importance in natural hazards analysis. Through the extraction of vegetation, the pure earth surface is visualized in an appropriate manner. In context with temporal information, significant changes of landforms can be evaluated. Within this contribution we underline the relevance of remote sensing data for hydrogeomorphic processes based on practical examples.

Kurzfassung
Die Laserstation Graz – Lustbühel misst seit 1982 Entfernungen zu Satelliten mit kurzen Laserpulsen; seit 2004 als einzige Station weltweit mit 2 kHz. Dies hat nicht nur enorme Vorteile für diese Messungen selbst (z.B. Genauigkeiten im sub-mm-Bereich), sondern ermöglicht auch eine ganze Reihe von innovativen Zusatz-Applikationen. Die routinemäßig gemessenen Entfernungen ermöglichen eine extrem genaue Bestimmung der Spin-Daten von Satelliten; parallel zu diesen Entfernungsmessungen können Seeing-Werte der Atmoshäre erfasst werden; die kHz Laserpulse werden zusätzlich für LIDAR-Zwecke verwendet; eine Übertragung bzw. Vergleich von Zeitskalen im sub-ns-Bereich, sowie eine Übertragung von Daten mit Hilfe der kHz Laserpulse ist im Aufbau.

Abstract
Since 1982, the laser station Graz – Lustbuehel measures distances to satellites using short laser pulses; since 2004 as the only station with 2 kHz. This is not only an enormous advantage for these distance measurements (e.g. sub-mm accuracies), but also allows several additional and innovative applications. The routinely measured distances allow an extremely accurate determination of spin parameters of satellites; in parallel, atmospheric seeing measurements are evaluated and registered; the kHz pulses are additionally used for LIDAR purposes; a transmission of, and comparison between time scales in the sub-ns range, as well as a data transmission concept using kHz laser pulses is in development.

Kurzfassung
Airborne Laser Scanning (ALS), auch bekannt als LiDAR (Light Detection And Ranging), liefert Daten der Erdoberfläche in einer hohen Genauigkeit und Punktdichte. Seit den 1990er Jahren entwickelte sich ALS zum Standardverfahren zur Erfassung von Objekten sowie deren Veränderungen, wie beispielsweise Gebäuden, Vegetation oder Straßen. Für Anwendungen in der Hydrologie oder der Geomorphologie wird die Lage der Wasseroberfläche benötigt, die zur Überwachungvon Braided-River-Strukturen, der Überflutungskartierung oderfür die Berechnung von Erosionsraten vonFlüssen herangezogen werden kann.In diesemArtikel wird eine auf der 3D Punktwolke basierende Methode vorgestellt, mit der es möglich ist anhand der geometrischen und radiometrischen Informationen der ALS Daten mit Hilfe von fehlenden Punkten(dropouts), Wasserpunkte zu identifizieren und diese zu klassifizieren. Diese Klassifikationsergebnisse können herangezogen werden um Wasserflächen zu kartieren, bestehende Filteralgorithmen zur Geländemodellerstellung zu verbessern oder um Wasserpunkte aus der Punktwolke zu entfernen und diese durch berechnete Flusssohlenpunkte zu ersetzen. Die Methode bestehtauseiner schwellenwertbasierten Klassifikation der Höheninformation und der Radiometriedaten der 3D Punktwolke. Die Methode ist in fünf Hauptschritte aufgeteilt. Als erstes werden die Radiometriedaten (Amplituden) korrigiert, um diese von atmosphärischen und geometrischen Einflüssen zu bereinigen. Anschließend werden diese korrigierten Amplituden verschiedener ALS-Flüge zueider radiometrisch angepasst, um die Vergleichbarkeit der Datensätze herzustellen. Der zweite Schritt ist die Modellierung von dropouts, welche für die AbleitungvonWasserflächen essentiell sind. Als drittes und viertes wird die Standardabweichung der Höhenwerte und das Amplitudendichteverhältnis für jede Reflexion und jeden dropout berechnet. Diese werden bei Schritt fünf zur UnterscheidungvonWasser-und Nicht-Wasserpunkten herangezogen. Zur Ableitung der Schwellenwerte für die Klassifikation wird ein terrestrisches Orthophoto und mit dGPS gemessene Linien verwendet, welche zeitgleich zur ALS Kampagne erhoben wurden. Ein wichtiger Schritt dieser Methode ist das Einbeziehen der berechneten dropouts in die Klassifikation, durch die eine Unterscheidung von Wasser und Nicht-Wasserpunkten ermöglicht wird. Mit der vorgestellten Methode ist auch eine Ableitung von vegetationsüberdeckten Wasserflächen möglich, was bei Sensoren die Vegetation nicht penetrieren können nicht möglich ist. Die Genauigkeit der Klassifikation liegt bei ca. 95% richtig klassifizierten Wasserpunkten. Durch die Korrektur und die Anpassung der Amplitudenwerte wird eine Berechnung der Flusslaufveränderung zwischen den verschiedenen Flügen ermöglicht.

Abstract
Airborne laser scanning (ALS), also referred to as airborne LiDAR (Light Detection And Ranging), provides highly accurate measurements of the Earth surface. In the last twenty years, ALS has been established as a standard technique for delineating objects (e.g. buildings, trees, roads) and mapping changes. Studies on hydrology or geomorphology such as monitoring of braided river structures, calculation of erosion and accumulation potential in watercourses, or floodplain mapping require all the precise location of the water surface. This paper shows a 3D point cloud based method, which allows an automaticwater surface classificationby using geometric and radiometric ALS information and the location of modeled lost reflections, which are called laser shot dropouts. The classification result can be used to map the watercourse, to improve DTM filtering routines or to replace water points with river bed heights for hydraulic modeling etc. The method reliesonathreshold based classificationusing geometryand radiometricinformationofthe3Dpoint cloud. The method is divided into five major steps. First, we correct the amplitude values by reducing the atmospheric and geometric influencestothe laser shots.Aradiometric adjustment was appliedtothe amplitudevaluesofthe data sets, which allows multi-temporal analysisof the amplitudevalues. The second stepis the interpolationof the coordinatesof the laser shot dropouts, which are the most important input to delineate water surfaces. In step three and four the two attributes(standard deviation of height values and the amplitude density ratio value) are calculated at a fixed distance to each reflection and dropout. These are used in step five to distinguish water and dry land points. The exploration of the attributes for the classification and the evaluation of the classification results are done by comparing the results to a terrestrial orthophoto mosaic an dGPS measurements, which were taken simultaneously to the ALS campaign. One of the major tasks is the use of modeled laser shot dropouts within a threshold based classification method to distinguish water and non-water echoes. The method is also suited to detect water under riverine vegetation, which is problematic by using data from sensors, that are notable to penetrate vegetation. The classification accuracy is about 95%. The achieved amplitude correction and the radiometric adjustment make the data sets comparable and allow to calculate changes in the channel flow paths within the different flights.