iCity 1: BIM-konforme Gebäudeerfassung

Das Projekt BIM-konforme Gebäudeerfassung ist ein exploratives Teilprojekt im Leuchtturmprojekt iCity. Die intelligente Stadt der Zukunft lässt sich nur auf Grundlage von hochwertigen Daten erschaffen. Insbesondere Gebäude- und Stadtmodelle stehen im Zentrum einer derartigen Entwicklung. Als präzises, dreidimensionales Abbild von Gebäuden erfreut sich Building Information Modeling bei der Planung von Neubauten immer größerer Beliebtheit. Eine Modellierung von Bestandsgebäuden in ein BIM-Modell findet meist jedoch nicht statt. In diesem Projekt wird ein mögliches Konzept für eine solche BIM-konforme Gebäudeerfassung vorgeschlagen.

Zur Erfassung der Gebäude- und Innenraumgeometrien stehen verschiedene, aus der Geodäsie bekannte, hochmoderne Verfahren zur Verfügung. Jedoch sind ihre Arbeitsabläufe entweder bei der Einmessung oder der Auswertung eines so höchst komplexen dreidimensionalen BIM-Modells sehr zeitaufwändig. Hinzu kommt, dass die für das BIM-Modell so wichtigen semantischen Informationen nicht automatisch ermittelt werden, sondern händisch notiert und manuell in das BIM-Modell überführt werden müssen. Eine automatische Extraktion von diesem für das BIM-Modell integralen Bestandteil aus den Messdaten ist bisher nicht existent. Um eine einfache Modellierung zu ermöglichen, wird in diesem Projekt ein neues Verfahren hin zu einer Automatisierung der BIM-konformen Gebäudeerfassung entwickelt. Dies wird durch die Umsetzung in einer Demonstrator-Anwendung veranschaulicht.

Ausgehend von einer Untersuchung der geeigneten Aufnahmeverfahren wurde ein Konzept zur Aufnahme und Auswertung entwickelt. Die Kombination von mobilen Laserscannern und auf Bildern basierender Photogrammetrie bildet die Grundlage für eine automatisierte Auswertung.

Zentraler Bestandteil davon sind – neben den geometrischen Informationen der Punktwolke – besonders die in den Bildern enthaltenen semantischen Informationen. Basierend auf diesen wird eine automatische, pixelgenau Extraktion des Objekttyps mit Deep Learning - Verfahren durchgeführt. Darauf aufbauend werden den Punkten der photogrammetrischen Punktwolke eindeutige Kategorien zugeordnet.

Die in ihr enthaltenen geometrischen und semantischen Informationen bilden die Basis der BIM-Modellierung.

Weitere Schritte des Konzepts:

•          Kombination mit – durch mobilem Laserscanning – erzeugter Punktwolke

•          Extraktion der Objekte und ihrer Eigenschaften

•          Extraktion weiterer semantischer Informationen aus den Daten

• In einem Demonstrator wurde das Konzept umgesetzt
  • Qualitativ hochwertig trainiertes Neuronales Netz zur semantischen Segmentierung von Innenräumen
  • Klassifizierte Punktwolke durch Projektion der segmentierten Bilder anhand von Position und Rotation
  • Automatisiertes Post-Processing der Punktwolke basierend auf semantischen Informationen
  • Grundlage für weitere Arbeiten hin zu einem BIM-Modell wurden gelegt

• Aus einer mit Laserscanning aufgenommenen Vergleichspunktwolke wurde manuell ein BIM-Modell abgeleitet
• Eine Verknüpfung zwischen Innen- und Außenbereichen ist möglich.
• Ein Ansatz zur Automatisierung ist entwickelt und validiert'
   

Conclusio

• Photogrammetrie und Deep Learning Methoden ergänzen sich und nutzen die in den Bildern vorhandenen Informationen qualitativ hochwertig aus
• Eine Kombination mit mobilem Laserscanning ermöglicht die Generierung einer Gesamtpunktwolke zur vollständigen Modellierung von Innen- und Außenbereichen
• Eine weitergehende Automatisierung der BIM-Modellierung von Bestandsgebäuden auf Basis der hier extrahierten geometrischen und semantischen Objekt- und Bauteilinformationen ist möglich