Unsere Technologien im einsatz
Punktwolken Klassifizierung
Punktwolken liefern extrem detaillierte Abbildungen der Realität, erzeugen jedoch enorme Datenmengen, die ohne Vorverarbeitung nur schwer interpretierbar sind. Um daraus effizient nutzbare Datengrundlagen zu gewinnen, ist eine automatisierte Trennung relevanter und irrelevanter Inhalte entscheidend.
Auf Basis sorgfältig manuell klassifizierter Trainingsdaten haben wir einen Machine-Learning-Algorithmus entwickelt, der bahnrelevante Objekte wie Gleise, Masten oder Signalanlagen automatisch erkennt. Zudem filtert unsere Lösung bewegte Objekte wie Züge oder Personen zuverlässig heraus.
Darüber hinaus arbeiten wir an einem Classifier, der speziell auf Airborne-Laserscandaten optimiert ist und Boden, Vegetation sowie Verkehrsflächen automatisch klassifiziert.
Diese Entwicklungen ermöglichen eine deutlich effizientere Auswertung großer Laserscandatensätze.
Deformationsanalyse mittels Laserscanning
Eine regelmäßige Aufgabe ist die Durchführung von Setzungs- und Deformationsmessungen, um Veränderungen an Bauwerken oder Objekten über die Zeit präzise zu erfassen, zu dokumentieren und zu visualisieren. Dabei setzen wir zunehmend auf Laserscanning.
Diese Methode bietet zahlreiche Vorteile: Sie erfasst die gesamte Oberfläche flächendeckend und ohne aufwendige Markierung einzelner Punkte. So entstehen nicht nur punktuelle Messwerte, sondern ein vollständiges Bild aller Veränderungen am gesamten Objekt. Zudem ermöglicht sie anschauliche Visualisierungen als fundierte Entscheidungsgrundlage und verkürzt die Messdauer durch die schnelle Aufnahme großer Datenmengen erheblich.
Automatische Geometrie-Extraktion aus Punktwolken
Für Planung, Integration in GIS-Systeme oder Kollisionskontrollen werden häufig Informationen zu Objekten und Bauteilen in CAD-Formaten benötigt. Punktwolken liefern zwar detailreiche geometrische Daten, eignen sich jedoch für viele Anwendungen nur eingeschränkt. Gleichzeitig möchte man nicht auf die umfassende und schnelle Erfassung per Laserscanning verzichten.
Aus diesem Grund haben wir verschiedene Werkzeuge – größtenteils selbst entwickelt – geschaffen, um Geometrien direkt aus Punktwolken zu extrahieren. Ein Beispiel ist unser Algorithmus zur automatischen Erkennung linienhafter Objekte wie Gleise oder Oberleitungen, die als Polylinien ausgegeben werden. Ebenso haben wir Verfahren entwickelt, um Rohre und Leitungen automatisch zu identifizieren und per Knopfdruck als verformungsgerechte 3D-CAD-Körper zu exportieren. So können nachgelagerte Gewerke direkt mit den gewohnten Dateiformaten weiterarbeiten.
Unsere Algorithmen reduzieren den manuellen Aufwand erheblich und ermöglichen es, auch große Projekte in kurzer Zeit wirtschaftlich effizient umzusetzen.
Scan2BIM
Bestehende Pläne von Gebäuden sind häufig veraltet oder entsprechen nicht der tatsächlichen Ausführung. Ungenaue Plangrundlagen führen bei Renovierungen oder Umbauten oft zu kostspieligen Fehlern und Verzögerungen.
Mittels Laserscanning erfassen wir die bauliche Realität flächendeckend, präzise und in kurzer Zeit. Die hochauflösenden 3D-Punktwolken bilden jedes Detail ab, sind jedoch schwer zu interpretieren und erfordern leistungsstarke Hardware.
Da die meisten Architekten und Planer heute in 3D arbeiten, bietet ein exaktes Bestandsmodell erhebliche Vorteile gegenüber 2D-Plänen – es ermöglicht eine realitätsnahe und fehlerreduzierte Planung direkt im digitalen Raum.
Aus diesen Gründen haben wir unser Team um Architektinnen und Architekten erweitert, die auf Basis der Punktwolken verformungsgerechte 3D-BIM-Modelle erstellen – Bestandsmodellierung made in Austria. Der Bestand wird direkt in Archicad modelliert, sodass Planer in ihrer vertrauten Software nahtlos weiterarbeiten können.
Ergänzend bieten wir virtuelle Touren an, die die Interpretation des Modells erleichtern und Vor-Ort-Termine deutlich reduzieren.
