Verarbeitung großer Datenmengen

Punktwolken, 3D-Stadtmodelle, Satellitenbilder: Das Arbeiten mit Geodaten erfordert häufig zeit- und rechenintensive Vorverarbeitung. Hierbei werden die Daten in Formate gebracht, die einen einfachen Zugriff z.B. aus dem Web-Browser ermöglichen. Wir entwickeln hierfür hocheffiziente Prozesse, mit denen Sie ihre Geodaten für Ihren Anwendungsfall aufbereiten können.

lidarserv – Echtzeit-Indexierung von Punktwolken

Die Aufbereitung von Punktwolken für die Visualisierung ist zeit- und rechenintensiv und findet klassischerweise als Verarbeitungsschritt nach der eigentlichen Aufnahme statt. Um diesen Prozess zu beschleunigen haben wir lidarserv entwickelt, den ersten echtzeitfähigen Punktwolken-Indexer. Mit lidarserv werden die Punktwolkendaten bereits während der Aufnahme in einen für die Visualisierung optimierten Index überführt. Damit entfällt jegliche Nachverarbeitung, so dass die Daten direkt – noch während der Aufnahme – visualisiert werden können. lidarserv ist als Open-Source Software frei verfügbar: https://github.com/igd-geo/lidarserv

 

Veröffentlichungen:

Bormann, P., Dorra, T., Stahl, B., & Fellner, D. W. (2022). Real-time Indexing of Point Cloud Data During LiDAR Capture. In Computer Graphics and Visual Computing (CGVC)

Showcases

 

SAMMIE - Vollautomatisierte Verarbeitung und Visualisierung von Mobile-Mapping-Daten

BauDNS – Rekonstruktion von Fassaden für energetische Sanierung

Mit dem Projekt BauDNS unterstützen wir die energetische Sanierung von Gebäudefassaden. Unsere Software analysiert einen Punktwolken-Scan des Bestandsgebäudes und erstellt daraus automatisch ein hochpräzises CAD-Modell. Das unterstützt Architekten bei der Arbeit, da sie mit der Planung beginnen können, ohne dass das Gebäude zuerst manuell am Computer nachmodelliert werden muss.

Unsere Anwendung nutzt eine semantische Klassifizierung der Punktwolke, um Fenster, Türen und Wände korrekt zu identifizieren. Diese Daten werden verwendet, um die berechneten Geometrien in eine logische Beziehung zueinander zu setzen. Zum Schluss kann das finale Modell über eine IFC-Schnittstelle für anderen Anwendungen exportiert werden.

Schwarzwald – Effiziente Indexierung von Punktwolken

Mit der Software Schwarzwald können Punktwolken in beliebiger Größe für die Visualisierung im Web aufbereitet werden. Durch intelligente Parallelisierung ist Schwarzwald schnell und nutzt vorhandene Hardware effizient. Die beiden gängigen Frameworks Potree und Cesium werden unterstützt. Schwarzwald ist als Open-Source Software frei verfügbar: https://github.com/igd-geo/schwarzwald

Veröffentlichungen:

Bormann, P. & Krämer, M. (2020). A System for Fast and Scalable Point Cloud Indexing Using Task Parallelism. In Smart Tools and Apps for Graphics - Eurographics Italian Chapter Conference

Showcases

 

Wie die Telekom ihre Glasfaserplanungsprozesse mit Steep um 75% beschleunigt hat

pasture – Eine Rust Bibliothek für Punktwolken

Für die Entwicklung unserer Anwendungen für zur hoch-effizienten Datenverarbeitung setzen wir stark auf moderne Entwicklungslösung wie z.B. die Programmiersprache Rust. Im Bereich der Punktwolkenverarbeitung haben wir pasture entwickelt, eine Softwarebibliothek für die Entwicklung von Anwendungen zur Verarbeitung sehr großer Punktwolken-Datensätze.

pasture ist als Open-Source Software frei verfügbar: https://github.com/Mortano/pasture

Lernen Sie hier, wie sie pasture benutzen können: https://mortano.github.io/pasture_tutorial/

GeoToolbox – Aufbereitung von 3D Stadtmodellen für die Visualisierung

Mit unserer GeoToolbox können beliebig komplexe Stadtmodelle aus dem CityGML-Format in unterschiedliche für die Visualisierung optimierte Formate konvertiert werden. So können Stadtmodelle zum Beispiel in das 3D Tiles Format konvertiert werden um anschließend in einer Web-Anwendung wie z.B. Cesium angezeigt zu werden. Es werden neben einfachen kolorierten Stadtmodellen auch texturierte Modelle unterstützt, für die ein effizienter Textur-Atlas erstellt wird. Eine automatische Erstellung von verschiedenen Detailstufen sorgt dafür, dass die Stadtmodelle performant im Web angezeigt werden können.

Ein weiterer Anwendungsfall ist die Konvertierung in volumetrische Formate, so z.B. Voxel um Stadtmodelle im Videospiel Minecraft darzustellen.

Hessen Stadtmodell Demo

Datenanalyse in Minecraft