ProgressTrack
Entwicklung eines automatisierten Verfahrens zur Baufortschrittskontrolle auf Basis der Integration von Punktwolkeninterpretation und 4D Bauwerksmodelllierung
Förderer: Deutsche Forschungsgemeinschaft (DFG)
Dauer: 01.07.2013 - 30.08.2016
Partner: Department of Photogrammetry and Remote Sensing
Kontakt
Description
Das beantragte Projekt hat zum Ziel, Methoden und Techniken für eine robuste automatisierte Überwachung des Fortschritts von Bauvorhaben (Hochbau) zu entwickeln. Diese beruhen auf dem Abgleich von Punktwolken, die aus photogrammetrischen Aufnahmen oder Laserscans der Baustelle erzeugt werden, mit einem 4D-Bauwerksmodell, das die dreidimensionale Geometrie von Bauteilen mit einer graphbasierten Repräsentation der zugehörigen Bauprozesse kombiniert. Im Fokus steht dabei die Schaffung eines möglichst robusten Verfahrens, das tolerant gegenüber den im Bauwesen üblichen Ausführungsungenauigkeiten und dem häufigen Auftreten von Sekundärobjekten, wie Baubehelfe, Maschinen und gelagerte Materialien, ist. Um dieser Herausforderung zu begegnen, wird ein hybrides integriertes Verfahren entwickelt, das sich aus modell- und datengetriebenen Komponenten zusammensetzt. Während die modellgetriebenen Komponenten auf einem Abgleich zwischen geplanten und gebauten Zustand basieren und hierzu auf projektspezifisches Wissen zurückgreifen, dienen die datengetriebenen Komponenten der Detektion von nicht im Planungsmodell enthaltenen Objekten. Sie machen dabei Gebrauch von hinterlegtem generischem Wissen zu Lage und Gestalt von Bauteilen und der Reihenfolge ihrer Ausführung. Zur Umsetzung des integrierten Verfahrens werden verschiedene computergestützte Methoden eingesetzt und weiterentwickelt, u.a. Methoden der geometrischen Prozessierung, der computergestützten Wissensrepräsentation sowie der graphentheoretische Modellierung und Analyse.
Videos
Projektgebäude Karlstrasse
Projektgebäude "Haus für Kinder"
Veröffentlichungen
| ▪ |
Kerscher, C.: Qualitativer und quantitativer Abgleich zwischen 3D-Modellen und Punktwolken im Gerüstbau Betreuer: Braun, A. and Borrmann, A. Bachelorarbeit, 2020 |
|
| ▪ |
Vega, M.: Efficient Vertical Object Detection in Large High-Quality Point Clouds of Construction Sites Betreuer: Braun, A. and Borrmann, A. and Noichl, F. and Bauer, H. Masterarbeit, 2020 |
|
| ▪ |
Collins, F.: Encoding of geometric shapes from Building Information Modeling (BIM) using graph neural networks Betreuer: Braun, A. and Borrmann, A. and Hall, D. Masterarbeit, 2020 |
|
| ▪ |
Braun, A.; Tuttas, S.; Stilla, U.; Borrmann, A.: Improving progress monitoring by fusing point clouds, semantic data and computer vision Automation in Construction 116 (C), pp. 1-16, 2020 DOI: 10.1016/j.autcon.2020.103210 |
|
| ▪ |
Braun, A.; Borrmann, A.: Combining inverse photogrammetry and BIM for automated labeling of construction site images for machine learning Automation in Construction 106, pp. 1-13, 2019 DOI: 10.1016/j.autcon.2019.102879 |
|
| ▪ |
Breu, T.: Point Cloud Classification as a Support for BIM-based Progress Tracking Betreuer: Braun, A. Masterarbeit, 2019 |
|
| ▪ |
Braun, A.; Tuttas, S.; Stilla, U.; Borrmann, A.: BIM-Based Progress Monitoring In: Borrmann, A.; König, M.; Koch, C.; Beetz, J. (Eds): Building Information Modeling, Springer, 2018 |
|
| ▪ |
Müller, B.: Machine Learning - based Image Segmentation Betreuer: Braun, A. Bachelorarbeit, 2018 |
|
| ▪ |
Jahr, Katrin; Braun, Alex; Borrmann, André: Formwork detection in UAV pictures of construction sites In: Proc. of the 12th European Conference on Product and Process Modelling, Copenhagen, Denmark, 2018 |
|
| ▪ |
Jahr, Katrin; Braun, Alex: Maschinelles Sehen für die automatische Erkennung von Baubehelfen In: Proc. of the 30. Forum Bauinformatik, Weimar, Germany, 2018 |
|
| Alle Einträge anzeigen |
