nach oben

Erschienen in:

2024 | OriginalPaper | Buchkapitel

18. Bestandserfassung mithilfe von Computer Vision Methoden

verfasst von : Fiona Collins, Florian Noichl, Yuandong Pan, Andrea Carrara, M. Saeed Mafipour, Kasimir Forth, André Borrmann

Erschienen in: Künstliche Intelligenz im Bauwesen

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Zusammenfassung

In diesem Kapitel werden verschiedene Ansätze für die Bestandserfassung mithilfe von ComputerVision (CV) Methoden dargestellt. Verschiedene Subdomänen von CV, wie beispielsweise semantische oder Instanz-Segmentierung, unterstützen bei der automatischen Anreicherung von semantischen Informationen basierend auf verschiedenen Eingangsdaten. Im ersten Anwendungsfall werden 2D-Zeichnung als Datenquelle verwendet, um geometrische As-Designed-Modelle zu rekonstruieren. Als zweite wichtige Datenquelle werden im zweiten Anwendungsfall räumlich-visuelle Bestandsaufnahmen (Punktwolken und Bilder) betrachtet und deren semantische Extraktionsmethoden vorgestellt.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Integration von Digitalen Zwillingen im Baumanagement durch Echtzeitdatenverarbeitung

Nächstes Kapitel Automatisierte Erfassung von Schäden in der Brückenprüfung mithilfe maschineller Lernverfahren

AASHTO (2018): Manual for Bridge Evaluation.

AASHTO (2020): LRFD Bridge Design Specifications (9th Edition).

Barducci, Alessio; Marinai, Simone (2012): Object recognition in floor plans by graphs of white connected components. In: Proceedings of the 21st International Conference on Pattern Recognition (ICPR2012), S. 298–301.

Borrmann, André; König, Markus; Koch, Christian; Beetz, Jakob (Hg.) (2021): Building Information Modeling. Technologische grundlagen und industrielle Praxis: Springer Vieweg.

Braun, Alex; Tuttas, Sebastian; Borrmann, André; Stilla, Uwe (2020): Improving progress monitoring by fusing point clouds, semantic data and computer vision. In: Automation in Construction 116, S. 103210. https://doi.org/10.1016/j.autcon.2020.103210.

Carrara, Andrea (2022): Multi-view fusion of technical drawings for a conceptual 3D reconstruction using deep-learning. In: Proceedings of 33. Forum Bauinformatik.

Chen, Zhaiyu; Ledoux, Hugo; Khademi, Seyran; Nan, Liangliang (2022): Reconstructing compact building models from point clouds using deep implicit fields. In: ISPRS Journal of Photogrammetry and Remote Sensing 194, S. 58–73. https://doi.org/10.1016/j.isprsjprs.2022.09.017.CrossRef

DIN (1999): DIN 1076:1999-11, Ingenieurbauwerke im Zuge von Straßen und Wegen_- Überwachung und Prüfung. DIN. Berlin.

Jing, Yixiong; Sheil, Brian; Acikgoz, Sinan (2022): Segmentation of large-scale masonry arch bridge point clouds with a synthetic simulator and the BridgeNet neural network. In: Automation in Construction 142, S. 104459. https://doi.org/10.1016/j.autcon.2022.104459.

Kim, Byunghyun; Cho, Soojin (2020): Automated Multiple Concrete Damage Detection Using Instance Segmentation Deep Learning Model. In: Applied Sciences 10 (22), S. 8008. https://doi.org/10.3390/app10228008.

Kippers, R. G.; Koeva, M.; van Keulen, M.; Oude Elberink, S. J. (2021): AUTOMATIC 3D BUILDING MODEL GENERATION USING DEEP LEARNING METHODS BASED ON CITYJSON AND 2D FLOOR PLANS. In: Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci. XLVI-4/W4–2021, S. 49–54. https://doi.org/10.5194/isprs-archives-XLVI-4-W4-2021-49-2021.

Lee, Jae Hyuk; Park, Jeong Jun; Yoon, Hyungchul (2020): Automatic Bridge Design Parameter Extraction for Scan-to-BIM. In: Applied Sciences 10 (20), S. 7346. https://doi.org/10.3390/app10207346.

Li, Lingxiao; Sung, Minhyuk; Dubrovina, Anastasia; Yi, Li; Guibas, Leonidas (2018): Supervised Fitting of Geometric Primitives to 3D Point Clouds. https://doi.org/10.48550/arXiv.1811.08988.

Li, Shengyuan; Zhao, Xuefeng; Zhou, Guangyi (2019): Automatic pixel‐level multiple damage detection of concrete structure using fully convolutional network. In: Computer-Aided Civil and Infrastructure Engineering 34 (7), S. 616–634. https://doi.org/10.1111/mice.12433.

Lu, Ruodan; Brilakis, Ioannis; Middleton, Campbell R. (2019): Detection of Structural Components in Point Clouds of Existing RC Bridges. In: Computer-Aided Civil and Infrastructure Engineering 34 (3), S. 191–212. https://doi.org/10.1111/mice.12407.

Mafipour, MS.; Vilgertshofer, S.; Borrmann, A. (2021): Deriving Digital Twin Models of Existing Bridges from Point Cloud Data Using Parametric Models and Metaheuristic Algorithms. In: Proc. of the EG-ICE Conference 2021. https://publications.cms.bgu.tum.de/2021_Mafipour_EG-ICE.pdf.

Nan, Liangliang; Wonka, Peter (2017): PolyFit: Polygonal Surface Reconstruction from Point Clouds. In: Proceedings of the IEEE International Conference on Computer Vision., S. 2372–2380.

Ochmann, Sebastian; Vock, Richard; Wessel, Raoul; Klein, Reinhard (2016): Automatic reconstruction of parametric building models from indoor point clouds. In: Computers & Graphics 54, S. 94–103. https://doi.org/10.1016/j.cag.2015.07.008.CrossRef

Pan, Sinno Jialin; Yang, Qiang (2010): A Survey on Transfer Learning. In: IEEE Trans. Knowl. Data Eng. 22 (10), S. 1345–1359. https://doi.org/10.1109/TKDE.2009.191.

Pan, Yuandong; Braun, Alexander; Brilakis, Ioannis; Borrmann, André (2022a): Enriching geometric digital twins of buildings with small objects by fusing laser scanning and AI-based image recognition. In: Automation in Construction 140, S. 104375. https://doi.org/10.1016/j.autcon.2022.104375.

Pan, Yuandong; Noichl, Florian; Braun, Alexander; Borrmann, André; Brilakis, Ioannis (2022b): Automatic creation and enrichment of 3D models for pipe systems by co-registration of laser-scanned point clouds and photos. In: Proceedings of the 2022 European Conference on Computing in Construction. 2022 European Conference on Computing in Construction, Jul. 24, 2022: University of Turin (Computing in Construction).

Poux, Florent; Neuville, Romain; Nys, Gilles-Antoine; Billen, Roland (2018): 3D Point Cloud Semantic Modelling: Integrated Framework for Indoor Spaces and Furniture. In: Remote Sensing 10 (9), S. 1412. https://doi.org/10.3390/rs10091412.

Qi, Charles R.; Su, Hao; Mo, Kaichun; Guibas, Leonidas J. (2016): PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation.

Qin, Guocheng; Zhou, Yin; Hu, Kaixin; Han, Daguang; Ying, Chunli (2021): Automated Reconstruction of Parametric BIM for Bridge Based on Terrestrial Laser Scanning Data. In: Advances in Civil Engineering 2021, S. 1–17. https://doi.org/10.1155/2021/8899323.CrossRef

Schnabel, R.; Wahl, R.; Klein, R. (2007): Efficient RANSAC for Point-Cloud Shape Detection. In: Computer Graphics Forum 26 (2), S. 214–226. DOI: https://doi.org/10.1111/j.1467-8659.2007.01016.x.

Simonsen, Christoffer P.; Thiesson, Frederik M.; Philipsen, Mark P.; Moeslund, Thomas B. (2021): Generalizing Floor Plans Using Graph Neural Networks. In: 2021 IEEE International Conference on Image Processing (ICIP). 2021 IEEE International Conference on Image Processing (ICIP). Anchorage, AK, USA, 19.09.2021 - 22.09.2021: IEEE, S. 654–658.

Surikov, Ilya Y.; Nakhatovich, Mikhail A.; Belyaev, Sergey Y.; Savchuk, Daniil A. (2020): Floor Plan Recognition and Vectorization Using Combination UNet, Faster-RCNN, Statistical Component Analysis and Ramer-Douglas-Peucker. In: Nirbhay Chaubey, Satyen Parikh und Kiran Amin (Hg.): Computing Science, Communication and Security, Bd. 1235. Singapore: Springer Singapore (Communications in Computer and Information Science), S. 16–28.

Thomas, Hugues; Qi, Charles R.; Deschaud, Jean-Emmanuel; Marcotegui, Beatriz; Goulette, Francois; Guibas, Leonidas (2019): KPConv: Flexible and Deformable Convolution for Point Clouds. In: 2019 IEEE/CVF International Conference on Computer Vision (ICCV). 2019 IEEE/CVF International Conference on Computer Vision (ICCV). Seoul, Korea (South), 27.10.2019 - 02.11.2019: IEEE, S. 6410–6419.

Truong-Hong, Linh; Lindenbergh, Roderik (2022): Automatically extracting surfaces of reinforced concrete bridges from terrestrial laser scanning point clouds. In: Automation in Construction 135, S. 104127. https://doi.org/10.1016/j.autcon.2021.104127.

Wang, Boyu; Wang, Qian; Cheng, Jack C.P.; Song, Changhao; Yin, Chao (2022): Vision-assisted BIM reconstruction from 3D LiDAR point clouds for MEP scenes. In: Automation in Construction 133, S. 103997. https://doi.org/10.1016/j.autcon.2021.103997.

Yan, Yujie; Hajjar, Jerome F. (2021): Automated extraction of structural elements in steel girder bridges from laser point clouds. In: Automation in Construction 125, S. 103582. https://doi.org/10.1016/j.autcon.2021.103582.

Zhang, Liqiang; Li, Zhuqiang; Li, Anjian; Liu, Fangyu (2018): Large-scale urban point cloud labeling and reconstruction. In: ISPRS Journal of Photogrammetry and Remote Sensing 138, S. 86–100. https://doi.org/10.1016/j.isprsjprs.2018.02.008.

Titel: Bestandserfassung mithilfe von Computer Vision Methoden
verfasst von: Fiona Collins
Florian Noichl
Yuandong Pan
Andrea Carrara
M. Saeed Mafipour
Kasimir Forth
André Borrmann
Verlag: Springer Fachmedien Wiesbaden
Buch: Künstliche Intelligenz im Bauwesen
Print ISBN: 978-3-658-42795-5

Electronic ISBN: 978-3-658-42796-2

Copyright-Jahr: 2024
DOI: https://doi.org/10.1007/978-3-658-42796-2_18

Springer Professional

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"