Rekonstruktion von as-built Bauwerksmodellen mit topologischen und semantischen Eigenschaften für Betrieb und Wartung
Zusammenfassung der Projektergebnisse
Das Projekt ReconTOP hatte das Ziel, eine automatisierte Pipeline zur Bestimmung der Nutzungsart von Räumen ausgehend von Punktwolken zu erarbeiten. Der Hauptfokus dieser Pipeline liegt auf der Topologie, die aus Polygonen und Polyedern, die die Grenzen des Raums beschreiben, rekonstruiert werden soll. Es war geplant, vorhandene Algorithmen zur Verarbeitung von Punktwolken zu verwenden. Basierend auf der topologischen Rekonstruktion sollten bestimmte Parameter als Grundlage für Algorithmen zur Berechnung der Nutzungsart von Räumen identifiziert und verwendet werden. Die Analyse vorhandener Algorithmen zur Berechnung von Polygonen und Polyedern aus Punktwolken hat gezeigt, dass diese nicht die erforderliche Qualität zur Bestimmung der Topologie erreichen können. Dies gilt insbesondere für Ecken. Verlängerungen von Wänden können nicht zur Identifikation der Wandebenen in angrenzenden Räumen genutzt werden. Die Abweichungen erlauben dies nicht. Der grundlegende Ansatz der Rekonstruktion der Topologie basierend auf einer räumlichen Zerlegung funktioniert. Er kann bei entsprechender Genauigkeit sowohl auf Bauteile als auch auf Räume angewendet werden. Topologische Eigenschaften können als Input für Raumnutzungsbestimmungen dienen. Die durchgeführten Arbeiten zeigen darüber hinaus, dass eine automatisierte Pipeline erstellt werden kann. Die Arbeiten beschränken sich jedoch auf den zweidimensionalen Raum. Grundrisse wurden aus Punktwolken berechnet. Im Projekt wurden zwei Pipelines erarbeitet: • Eine Pipeline ist in der Lage, die Nutzungsart von Räumen auf Basis vorhandener Algorithmen zu bestimmen. Diese Pipeline erfordert teilweise menschliche Interaktionen. Werte müssen für bestimmte Parameter vorgegeben werden, ohne dass ihr Einfluss bestimmter Parameter auf die Ergebnisse vorhergesagt werden kann. Dies führt dazu, dass Berechnungen mit unterschiedlichen Parametern durchzuführen sind, bis die Ergebnisse akzeptabel sind. • Die andere Pipeline verwendet modellierte Raumpolygone als Eingabe. Die Genauigkeit dieser Daten ermöglicht eine automatisierte Bestimmung aller topologischen Eigenschaften. Topologische Parameter werden sowohl für einzelne Räume als auch für Stockwerke bestimmt. Sie sind zusammen mit geometrischen Parametern Eingangswerte für Algorithmen zur Bestimmung der Nutzungsart. Diese Pipeline erfordert keine zusätzlichen Benutzereingaben und arbeitet automatisiert.
Projektbezogene Publikationen (Auswahl)
-
Feature-based decomposition of architectural spaces: outline of a procedure and research challenges, ICCCBE 2022, Cape Town, South Africa
Suter, G.
-
SFS-A68: A dataset for the segmentation of space functions in apartment buildings
Ziaee, A., Suter, G. & Barada, M.
-
SFS-A68: a Dataset for the Segmentation of Space Functions in Apartment Buildings. Proceedings of the 29th EG-ICE International Workshop on Intelligent Computing in Engineering, 319-329. EG-ICE.
Abbas Ziaee, Amir & Suter, Georg
-
Where is the end of the wall, ICCCBE 2022, Cape Town, South Africa
Gabler, F. & Huhnt, W.
-
Extracting topological features from room polygons based on a 2-dimensional space partitioning approach, EG-ICE 2023, London, UK
Gabler, F., Ziaee, A., Huhnt, W. & Suter, G.
-
SAGC-A68: A space access graph dataset for the classification of spaces and space elements in apartment buildings
Ziaee, A., Suter, G. & Keiblinger, L.
-
SAGC-A68: a space access graph dataset for the classification of spaces and space elements in apartment buildings, EG-ICE 2023, London, UK
Ziaee, A. & Suter, G.
-
SFS-A68: A dataset for the segmentation of space functions in apartment buildings
Ziaee, A., Suter, G., Barada, M. & Keiblinger, L.
-
Evaluating Automated Floorplan Generation: Benchmark on Residential Buildings, ICCCBE 2024, Montreal, Canada
Elsafty, A. & Hartmann, T.
-
SFC-A68: A dataset for space function and space access element classification in entire floors of multi-unit apartment buildings
Ziaee, A., Suter, G. & Keiblinger, L.
-
Simplification of Polygons from Point Cloud Data for Automated Floorplan Generation, in Tagungsband Forum Bauinformatik 2024, Technische Universität Hamburg, 2024, pp. 268-275
Carlone, A., Gabler, F.
-
Benchmark for Topological Spatial Assesment of Indoor Residential Buildings, EC3, 2025, Porto, Portugal
Elsafty, A. & Hartmann, T.
-
Multiview Space Function Classification in Apartment Buildings Using Image Deep-Learning Semantic Segmentation. Journal of Computing in Civil Engineering, 39(5).
Ziaee, Amir & Suter, Georg
