A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
Ein Ansatz zur automatischen Erstellung eines 3D-Modells für den Baubestand
Modellbasierte Planung gestattet die Durchführung einer Vielzahl von Planungsaufgaben in einer ganzheitlichen Sicht auf das Bauobjekt. Im Bereich der Umbau- und Sanierungsplanung findet sie jedoch nur sehr geringen Zuspruch, da ein räumliches Bauwerksmodell bislang nur unter großem manuellen Einsatz zu erstellen ist. Der Beitrag stellt hierfür einen weitgehend automatisierten Weg vor. Aus dem wirtschaftlich effizienten Messablauf terrestrischer Laserscanner resultieren Punktwolken mit einer i.d.R. sehr großen Anzahl an Einzelpunkten. Stufenweise wird daraus ein Oberflächenmodell entwickelt, wobei die räumliche Triangulierung der Punkte das zentrale Element darstellt. Aus dem Oberflächenmodell abgeleitete Volumenkörper werden dann mittels eines künstlichen neuronalen Netzes in Bauteilklassen kategorisiert. Gemäß dieser Klassifizierung entsteht schließlich, entsprechend der aufgemessenen Geometrie, ein Bauwerksdatenmodell. Zur weiteren algorithmischen Behandlung ist eine Aufbereitung der Punktmessdaten in Form einer Ausdünnung notwendig. Die Überführung in ein Oberflächenmodell geschieht schrittweise über eine Dreiecksvernetzung, Segmentierung mit Ausgleichsebenen und Aufbau eines Nachbarschaftsgraph, und schließlich durch Verschneidungsoperationen zur Ermittlung der signifikanten Eckpunkte, Kanten und Flächen. Wie gezeigt wurde, erlauben künstliche neuronale Netze die erfolgreiche Bauteilidentifizierung bei fehlenden, konkret formulierbaren Klassifizierungsregeln.
Ein Ansatz zur automatischen Erstellung eines 3D-Modells für den Baubestand
Modellbasierte Planung gestattet die Durchführung einer Vielzahl von Planungsaufgaben in einer ganzheitlichen Sicht auf das Bauobjekt. Im Bereich der Umbau- und Sanierungsplanung findet sie jedoch nur sehr geringen Zuspruch, da ein räumliches Bauwerksmodell bislang nur unter großem manuellen Einsatz zu erstellen ist. Der Beitrag stellt hierfür einen weitgehend automatisierten Weg vor. Aus dem wirtschaftlich effizienten Messablauf terrestrischer Laserscanner resultieren Punktwolken mit einer i.d.R. sehr großen Anzahl an Einzelpunkten. Stufenweise wird daraus ein Oberflächenmodell entwickelt, wobei die räumliche Triangulierung der Punkte das zentrale Element darstellt. Aus dem Oberflächenmodell abgeleitete Volumenkörper werden dann mittels eines künstlichen neuronalen Netzes in Bauteilklassen kategorisiert. Gemäß dieser Klassifizierung entsteht schließlich, entsprechend der aufgemessenen Geometrie, ein Bauwerksdatenmodell. Zur weiteren algorithmischen Behandlung ist eine Aufbereitung der Punktmessdaten in Form einer Ausdünnung notwendig. Die Überführung in ein Oberflächenmodell geschieht schrittweise über eine Dreiecksvernetzung, Segmentierung mit Ausgleichsebenen und Aufbau eines Nachbarschaftsgraph, und schließlich durch Verschneidungsoperationen zur Ermittlung der signifikanten Eckpunkte, Kanten und Flächen. Wie gezeigt wurde, erlauben künstliche neuronale Netze die erfolgreiche Bauteilidentifizierung bei fehlenden, konkret formulierbaren Klassifizierungsregeln.
Ein Ansatz zur automatischen Erstellung eines 3D-Modells für den Baubestand
Automatic assistance for creating a product model for existing building stock
Schleinkofer, Matthias (author) / Rank, Ernst (author)
Der Bauingenieur ; 84 ; 65-72
2009
8 Seiten, 8 Bilder, 21 Quellen
Article (Journal)
German
Ein Ansatz zur automatischen Erstellung eines 3D-Modells für den Baubestand
| Online Contents | 2009
Ein Ansatz zur automatischen Erstellung eines 3D-Modells fur den Baubestand
| British Library Online Contents | 2009
Wissensbasierte Unterstützung zur Erstellung von Produktmodellen im Baubestand
| UB Braunschweig | 2007