• Publikationen
Show publication details

Kadel, Simon; Stork, André (Betreuer); Borner, Matthias (Betreuer)

Automatische und geführte Anreicherung von Building Information Models mit Strukturelementen aus 3D-Punktwolken

2015

Darmstadt, TU, Bachelor Thesis, 2015

Digitale 3D-Modelle von Gebäuden, sogenannte Building Information Models, sind heute in der Gebäudeplanung allgegenwärtig. Um aus bereits bestehenden Gebäuden ein BIM zu gewinnen, wird in der Forschung nach Verfahren gesucht, die dies möglichst einfach machen. Momentan wird dabei meistens in zwei Abschnitten gearbeitet. Zuerst wird das Gebäude aufgenommen, anschließend wird die Aufnahme, zum Teil mit langwierigen oder manuellen Verfahren, analysiert. Falls dabei festgestellt wird, dass die Aufnahme für die Analyse nicht gut genug ist, besteht meist nicht oder nur unter erheblichem Mehraufwand die Möglichkeit, das Gebäude erneut aufzunehmen. Deshalb wird eine Möglichkeit benötigt, noch während der Aufnahme feststellen zu können, ob ein Model erstellt werden kann. Dazu müssen die verwendeten Verfahren robust sein und schnell arbeiten. In dieser Arbeit wird ein Objektanalyse genanntes Verfahren vorgestellt, das in Punktwolken Fenster und geöffnete Türen findet. Dieses Verfahren ist in eine ResourceApp genannte Anwendung eingebettet. Mit dieser können Räume aufgenommen werden, und in den bei der Aufnahme entstehenden Punktwolken Wände erkannt werden. Da die vorliegenden Punktwolken fehlerbehaftet und ungenau sein können, sind Verfahren aus anderen Arbeiten nicht einsetzbar. Den Ansatz für die Objektanalyse liefert aber ein Prinzip, das man in vielen Arbeiten findet: Die Punkte der Punktwolke werden aus dem 3D- in den 2D-Raum projiziert und können dort mit bewährten Methoden aus der Bildverarbeitung untersucht werden. Für die Projektion benutzt die Objektanalyse die Wandflächen des Raumes. Eine der Herausforderungen der Objektanalyse ist es, möglichst wenige Fehler zu machen. Dabei gibt es zwei Arten von Fehlern, false positive und false negative genannt. Das Verringern von einer Art führt meist zu einem Vermehren der anderen Art. Hier muss eine gute Abwägung getroffen werden. Die Objektanalyse arbeitet in mehreren Schritten. Im ersten Schritt werden die Punkte der Punktwolke auf die Wandebenen projiziert und dadurch für jede Wand ein Bild erstellt. Im zweiten Schritt werden in diesem Bild mit dem in [SA85] vorgestellten Algorithmus Konturen gesucht, die anschließend zur besseren Bearbeitung mit dem Ramer-Douglas-Peucker Algorithmus vereinfacht werden. Die gefundenen Konturen werden dann anhand von ihrer Form, ihrer Größe und ihrem Verhältnis zu anderen Konturen gefiltert, damit nur noch Konturen übrig bleiben, die für als Fenster oder Tür in Frage kommen. Dieser Schritt beeinflusst die Ergebnisse der Objektanalyse stark, was daran zu sehen ist, dass knapp 98% der Konturen ausgefiltert werden. Nach dem Filtern werden die Konturen anhand ihrer Lage, Form und Größe in Türen, Fenster und sonstige Objekte eingeteilt und abschließend wieder in den 3D-Raum zurückgerechnet und dem Modell als Objekte hinzugefügt. Die Objektanalyse wird von fünf Parametern gesteuert und kann damit für jeden Raum optimal angepasst werden. Da geschlossene Türen oder durch Jalousien verdeckte Fenster von der Objektanalyse nicht erkannt werden und um Fehler der Objektanalyse zu verbessern wird außerdem eine Erweiterung der Benutzeroberfläche der ResourceApp vorgestellt, die es ermöglicht, das Modell des Raumes nach der Objektanalyse zu bearbeiten. Diese bietet neben der 3D-Ansicht auch eine 2D-Ansicht, die aus den in der Objektanalyse entstandene Bildern der Wände besteht. Dadurch können Objekte bearbeitet, gelöscht und erzeugt werden. Neben Türen und Fenstern stehen hier auch weitere Objekte zur Verfügung, um das Modell des Raumes um diese zu erweitern. Außerdem wird die Möglichkeit geboten, die Wände des Raumes zu bearbeiten, falls diese nicht vorhanden oder ungenau sind. Die Objektanalyse kann dann auf diesen bearbeiteten Wänden durchgeführt werden. Getestet wurde die Objektanalyse anhand von sechs Räumen und auf zwei Rechnern. Die Ausführungszeit der Objektanalyse lag dabei immer unter einer halben Sekunde, im Schnitt sogar nur bei etwa 120 ms. Auch bei der Genauigkeit liefert die Objektanalyse gute Ergebnisse: Von den zehn gut aufgenommenen Objekten wurden 9 erkannt, und sogar eine schlecht aufgenommen Tür konnte erkannt werden. Zusammen mit der Möglichkeit zur manuellen Bearbeitung ist die Objektanalyse deshalb eine gute Lösung für die Problemstellung.