Rekonstruktion von as-built Bauwerksmodellen

Modelle des Ist-Zustands von Gebäuden können die Tätigkeiten von Architekten, Gebäudebetreibern und Eigentümern auf vielfältige Art und Weise unterstützen. Zum Beispiel können sie nützlich sein für die Überprüfung, ob ein Gebäude Vorschriften über Brandschutz oder Erdbebensicherheit erfüllt, oder für die Entscheidfindung über die Anpassung von Gebäuden an veränderte Nutzerbedürfnisse. Die ursprünglichen Entwurfsunterlagen sind oft veraltet oder nicht verfügbar, um den Ist-Zustand zu beurteilen. Es ist deshalb in der Praxis üblich, aus Aufmassdaten, die vor Ort aufgenommen werden, Zeichnungen oder Modelle des Ist-Zustands zu rekonstruieren. Fortschritte in Laser und Infrarot Scanning-Technologien ermöglichen es, Gebäude rascher sowie mit höherer Genauigkeit und Detaillierungsgrad zu erfassen als mit manueller Massaufnahme. Ein Problem von solchen Gebäude-Scans liegt allerdings an ihrem geringen Informationsgehalt. Zum Beispiel verfügen sie über keine explizite Information über Formen von Fenstern oder Türen, Zugänglichkeit von Räumen, oder Raumnutzungen. Um die Beurteilung des Ist-Zustands von Gebäuden zu ermöglichen, ist es deshalb notwendig, aus Gebäude-Scans Modelle mit entsprechend angereicherten Informationen zu rekonstruieren. Bisher werden solche Modelle händisch rekonstruiert, was zeitintensiv und fehleranfällig ist. In diesem Forschungsprojekt streben wir an, innovative Modellierungsmethoden zu entwickeln, welche die Rekonstruktion von Gebäudemodellen mit hohem Informationsgehalt aus Gebäude-Scans unterstützen. Wir schlagen eine Modellrekonstruktions-Pipeline vor, die aus drei Schritten besteht. Im ersten Schritt werden Raumscans verarbeitet, um Oberflächenmodelle von Gebäudekomponenten wie Wände, Türen und Fenster zu berechnen. Im zweiten Schritt werden Räume identifiziert und mit Gebäudekomponenten verknüpft. Zudem werden Volumenmodelle von Räumen und Gebäudekomponenten berechnet. Im dritten Schritt werden Raumnutzungsinformationen abgeleitet und dem Modell hinzugefügt. Wir entwickeln Algorithmen für jeden dieser Schritte. Wir testen die Modellrekonstruktions-Pipeline, indem wir Software-Prototypen dieser Algorithmen programmieren und testen. Wir verwenden die Software-Prototypen, um Gebäudemodelle mit hohem Informationsgehalt werden aus Gebäude-Scans von bestehenden Wohngebäuden zu rekonstruieren. Anschließend evaluieren wir die Richtigkeit und Genauigkeit der rekonstruierten Modelle für die Ermittlung von Raumflächen sowie die Berechnung von Fluchtwegen. Beide Anwendungen sind typische Beispiele für die Beurteilung des Ist-Zustands von Gebäuden.

The ReconTOP project had the goal to work on an automated pipeline to determine the type of usage of spaces starting from point clouds. The main focus in that pipeline is the topology which is to be reconstructed from polygons and polyhedrons describing the boundaries of spaces. It was planned to use existing algorithms for point cloud processing. Based on the topological reconstruction, features should be identified as the basis for the computation of the type of usage of spaces. The analysis of existing algorithms for calculating polygons and polyhedra from point clouds has shown that they cannot achieve the quality required to determine the topology. This is specifically true for the geometry of corners, which are not adequately captured. Extensions of wall geometries do not allow the geometric identification of wall planes in adjacent rooms. On the other hand, the basic approach of reconstructing the topology based on a spatial decomposition works. It can be applied to both, to building components and to spaces in the case of sufficient accuracy. Topological properties can be the input for space usage determinations. The research showed in addition that an automated pipeline can be established. However, the research was restricted to the two-dimensional space. Floor plans have been computed from point clouds. The research project shows at the end two pipelines. One pipeline is able to determine the type of usage of rooms based on existing algorithms. This pipeline requires partly human interaction for specific parameters to achieve the results. The influence of certain parameters on the results cannot always be predicted, so different calculations must be performed with different parameters. The other pipeline uses modeled room polygons as its input. The accuracy of this data allows an automated determination of all topological properties. Topological parameters are determined for individual rooms as well as for floors. They are together with geometric properties input values for algorithms to determine the type of usage. This pipeline does not require additional user input so that it works in an automated way.