29. Forum Bauinformatik - TU Dresdenopeneebim.bau.tu-dresden.de/fbi17/material/presentations/...OCHMANN et al. (2016) siehe auch Projekt DURAARK: DIETZE & BEETZ (2016) Nicht auf Verwendung

07.09.2017 | 29. Forum Bauinformatik, Dresden | Institut für Numerische Methoden und Informatik im Bauwesen | L. K. Möller, M.Sc. | 1

Detektion von Raumgrundrissen

in Gebäudepunktwolkendaten auf mobilen Endgeräten

29. Forum Bauinformatik

Laura K. Möller, M.Sc.


Agenda

▶ Problemstellung

▶ Bestehende Lösungsansätze

Forschungsprojekte

Grundrissermittlung auf mobilen Endgeräten

▶ Ausgewählte Segmentierungsverfahren

RANSAC

Hough Transformation

▶ Demonstrationsanwendung

Methodisches Vorgehen

Ergebnisse testweiser Einsatz

▶ Fazit und Ausblick


• Ermittlung bestehender Raumgeometrien vor Ort

• Detailgetreue Aufnahme der Umgebung

• Verknüpfung semantischer Informationen mit Modell vor Ort

• Verwendung von für Verbraucher verfügbaren Mobilgeräten

(Smartphones/Tablets mit Tiefenkameras hier: Google Tango Tablet)

Problemstellung


Bestehende Lösungsansätze

Forschungsprojekte

Überführung von Punktwolkendaten in digitale Gebäudemodelle

z.B. über

• Ermittlung eines Drahtmodells mithilfe von Flächenrückführung und Kantenverfolgung zur

Unterstützung einer manuellen Modellierung – JUNG et al. (2014)

• Projektion von 3D Punkten in horizontale Ebene, Ermittlung der Raumanordnung mithilfe

von Triangulation und Überführung in Graph – TURNER & ZAKHOR (2014)

• Erkennung von Leerräumen mit InverseCSG – XIAO & FURUKAWA (2014)

• Punktwolkensegmentation zur Unterteilung der Punktwolke in Räume, Modellierung als

labeling problem zur Ermittlung von Raumbeziehungen und Überführung in IFC-Modell

OCHMANN et al. (2016) siehe auch Projekt DURAARK: DIETZE & BEETZ (2016)

Nicht auf Verwendung mit Tiefenkameras ausgerichtet

Gebäudegrundrisse nicht direkt vor Ort weiterverwendbar




• Bestimmung des Grundrisses durch Interaktion mit dem Nutzer

Java Floor Plan

GOOGLE DEVELOPERS (2016), github: Googlesamples - Java Floor Plan Example.

https://github.com/googlesamples/tango-examples-java (16.09.2016).




• Bestimmung des Grundrisses durch Interaktion mit dem Nutzer

Magicplan

MAGICPLAN (2017), Anwendungen Magicplan. http://www.magic-plan.com/anwendungen (28.07.2017).

Bilder: https://play.google.com/store/apps/details?id=com.sensopia.magicplan&hl=de (28.07.2017).


Segmentierung von Punktwolkendaten

RANSAC

RANSAC Algorithmus nach FISCHLER UND BOLLES (1981)

RANdom SAmple Consensus




Hough Transformation nach DUDA UND HART (1972)

Binärer

Bildraum

Parameter-

raum




Akkumulierende Abbildung

0 0 1 0 1 1 1 1 3 4 2 5 1 1 2 4 2 3 2 2 1 3 2 2 0 3 2 2 ..........

Auswertung

Δθ

Δρ

Akkumulator


Demonstrationsanwendung

Methodisches Vorgehen

1) Ebenen in Punktwolke detektieren

• Mithilfe der 3-D Kernel-basierten Hough Transformation (3-D KHT)

nach LIMBERGER & OLIVEIRA (2015)

2) Fußboden, Decke und Wände identifizieren

• Über vertikale oder horizontale Orientierung der detektierten Ebenen

3) Ermittlung der Raumgeometrie

• Sortieren der ermittelten Wandebenen im oder gegen Uhrzeigersinn

• Wandebenen mit Fußbodenebene verschneiden

• Entstehende Wandlinien miteinander verschneiden

Für rechteckige und eindeutig L-förmige Räume



Ergebnisse testweiser Einsatz I

Ermittelter Grundriss mithilfe der Demonstrationsanwendung Grundriss aus vorhandenem 3D-Modell*

* Die Modellierung wurde hierbei basierend auf mittels Handaufmaß ermittelten Messwerten durchgeführt.



Ergebnisse testweiser Einsatz II





Ergebnisse testweiser Einsatz III

Grundriss mit Schrankwand





Ergebnisse testweiser Einsatz IV

Sicht auf die verfälschte Punktwolke

Sicht auf die erkannten Ebenen


Fazit und Ausblick

• Ermittlung der Raumgeometrie mobil möglich

➞ abhängig von Genauigkeit der Punktwolkenaufnahme

• Modulweise einsetzbar

➞ ermöglicht zeitversetzte Anwendung

• Türen und Fenster werden nicht berücksichtigt

➞ Vorgehen erweitern

• Bisher nur Ermittlung von rechteckigen und L-förmigen Raumformen möglich

➞ Hinzufügen einer Möglichkeit zur manuellen Auswahl der detektierten Ebenen


Literaturverweise

• DIETZE, S. (Coordinator) & BEETZ, J. (Tech. Coordinator) (2016), DURAARK – Durable Architectural Knowledge.

http://duraark.eu (08.08.2016).

• DUDA, R. O. & HART, P. E. (1972), Use of the Hough transformation to detect lines and curves in pictures.

In: Commun. ACM, 15(1), 11-15.

• FISCHLER, M. A. & BOLLES, R. C. (1981), Random sample consensus: A paradigm for model fitting with applications

to image analysis and automated cartography. In: Commun. ACM, 24(6), 381-395.

• JUNG, J., HONG, S., JEONG, S., KIM, S., CHO, H., HONG, S. & HEO, J. (2014), Productive modeling for development of

as-built BIM of existing indoor structures. In: Automation in Construction, 42, 68-77.

• LIMBERGER, F. A. & OLIVEIRA, M. M. (2015), Real-time detection of planar regions in unorganized point clouds.

In: Pattern Recognition, 48(6), 2043-2053.

• OCHMANN, S., VOCK, R., WESSEL, R. & KLEIN, R. (2016), Automatic reconstruction of parametric building models from

indoor point clouds. In: Computers & Graphics, 54, 94-103.

• TURNER, E. & ZAKHOR, A. (2014), Floor plan generation and room labeling of indoor environments from laser range

data. In: International Conference on Computer Graphics Theory and Applications (GRAPP) 2014, 1-12.

• XIAO, J. & FURUKAWA, Y. (2014), Reconstructing the world’s museums. In: International Journal of Computer Vision,

110(3), 243-258.


Vielen Dank

für die

Aufmerksamkeit!

Documents

29. Forum Bauinformatik - TU Dresdenopeneebim.bau.tu-dresden.de/fbi17/material/presentations/...OCHMANN et al. (2016) siehe auch Projekt DURAARK: DIETZE & BEETZ (2016) Nicht auf Verwendung