Korrektes Video

Digitalisierung: Potential! Chance! Risiko?

Das Bauwesen als eine der zentalen Branchen einer modernen Gesellschaft steht was Digitalisierung angeht weit hinter anderen Vorreitern. Doch warum? Sind es den Arbeitsprozessen inhärente Schwierigkeiten bei der Implementierung digitaler Methoden? Der Unikatcharakter der Bauwerke? Das starke Traditionsbewusstsein der Akteure mit Leitungsverantwortung?

Auch wenn mittlerweile viele digitalisierte Geräte genutzt werden, haben die erzeugten Daten trotzdem oft nur einzug in digitalisierte manuelle Prozesse gefunden. Um es mit den Worten eines Professors des Bauwesens, der hier ungenannt bleiben möchte zu sagen:

Wenn man einen scheiß-Prozess am Computer macht, hat man einen digitalen scheiß-Prozess

Wir glauben, dass digitalen Daten so viel mehr sein können, als sie es aktuell sind. Wir glauben, dass digitale Daten echten Fortschritt in etablierten Strukturen erzeugen können. Wir glauben, dass digitale Daten eine unabdingbare Grundlage sind, die Probleme der Zukunft und des Heute anzugehen.

Aus den vielen offenen Baustellen, die es für die Digitalisierung im Bauwesen gibt, haben wir uns eine fundamentale ausgesucht: Wie kann man aufgenommene Daten schnell so aufbereiten, dass sie für wichtige Analysen genutzt werden können, dabei echten Mehrwert erzeugen und trotzdem wichtige Werte wie Verständnis, Reproduzierbarkeit und Datenschutz beachten.

Der Laser Detector 2000

Die großen Datenmengen, die in allen Lebenszyklusphasen eines Bauwerkes anfallen, können oft nur durch manuelle Arbeit verwertet werden. Häufig bleiben sie Ungenutzt. Der hier erstellte Detector soll Bauelemente wie Wände, Fenster und Säulen in Innenräumen automatisiert in Punktwolken erkennen und daraus BIM Modelle erzeugen können.

Dafür werden moderne KI Verfahren wie Semantische Segmentierung, DeepLearning und Convolutional Neural Networks für die semantische Anreicherung der Daten genutzt, die dann rückprojeziert werden in die Laserscans. Die so gefilterten Punktwolken werden für die automatische Extraktion von Wänden und anderen Bauteilen genutzt.

Dies erlaubt einen schnellen Überblick über aufgenommene Scandaten ohne manuellen Eingriff, einfach zu verstehende 3D Modelle mit echten Bauteilgeometrien.

Was steckt drin

KI - 3D Geometrie - Computer Vision

Wir haben haben unsere verschiedenen Kompetenzen genutzt um die einzelnen Aufgaben zu lösen und am Ende einen gemeinsamen Prototypen und Verarbeitungspipeline zu erstellen. Das heißt folgendes passiert:

  • Berechnung von rektifizierten Bildern aus den Laserscan-Daten
  • Analyse der Bilder mit CNNs und Detektion von bestimmten Bauteilen (Stützen, Fenstern)
  • Rückspiegelung der Detektionen in die Laserscans und damit in die Punktwolken
  • Trennung der Punktwolken in Stockwerke und nach erkanntem Objekttypen
  • Detektion von Wänden mittels RANSAC
  • Fitting von 3D Modellen für die verschiedenen Bauteiltypen

Alles zusammen erlaubt es uns, semantisch angereicherte 3D-Modelle aus "dummen" Punktwolken zu erzeugen.

Herausforderungen und Luft nach oben

Datensätze/Punktwolken die im Baustellenbetrieb generiert werden sind naturgemäß qualitativ verschieden zu Daten wie sie in der Forschung genutzt werden. Sie enthalten Menschen, Werkzeug, Leitern, Baumaterialien und vieles mehr, das eigentlich nicht zur zu dokumentierenden Struktur selbst Zählen. Auch die Strukturen selbst müssen verschiedenen Elementtypen wie Fenster oder Wände zugeordnet werden, eine Aufgabe die oft nicht anhand ihrer Form oder anderen herkömmlichen Identifizierungsmethoden geschehen können. Zusätzlich kann der Scanner nicht immer so platziert werden, das gleichmäßig viele Datenpunkte von allen Gepäudepunkten vorhanden sind. Verschiedenste Filter- und Erkennungsmethoden mussten daher angepasst und in einer Vielzahl an Pozesschritten angewandt werden um die gewünschten Informationen automatisiert zu generieren.

Was wir trotzdem geschafft haben!

Erstellung eines Funktionierenden Prototyps, der aus vorhandenen Punktwolken in vertretbarem Berechnungsaufwands automatisiert elementare BIM Objekte (3d + Elementtype (Wand/ Fenster) erzeugen kann, die beispielsweise zur Erstellung von Ist-Bauplänen genutzt werden kann.

Kombination von semantischen Informationen aus KI-Verfahren mit geometrischen Analysen und erstellung von 3D Modellen

Erkenntnisse

Ein Wochenende ist ganz schön wenig, aber am Ende kann man doch ganz schon viel schaffen

Built With

Share this project:

Updates