Thumbnail Image

Fortführung von 3D-Bestandsdaten aus topologischer und geometrischer Sicht

Manthe, Christian

Für Gebäude ist das Gebäudemanagement die Grundlage einer hohen Rendite. Effizientes Gebäudemanagement setzt eine strukturierte Vorhaltung der vorhandenen Information voraus. Sind alle Gebäude und inventarbeschreibende Informationen verfügbar, kann die Nutzung des Bestandes auf einer sicheren Grundlage transparent und zuverlässig geschehen. Mit dem Building Information Modelling (BIM) entsteht eine objektbezogene Datenstrukturen für die Ablage, das Auffinden sowie die Verschneidung von Gebäudedaten. In dieser Datenstruktur werden vorhandene 3D Modelle für die Georeferenzierung der Bestandsdaten genutzt. Die 3D Modelle dienen dabei als Portal zu den Gebäudedaten. Für den Fall, dass Baumaßnahmen im Bestand geplant und durchgeführt werden, müssen vorhandene geometrische 3D-Modelle kontrolliert beziehungsweise aktualisiert werden. Dazu sind Angaben zur Qualität der Modellgeometrie notwendig, um nutzbare und aktuelle Bestandspläne aus den 3D Modellen ableiten zu können. In der vorliegenden Arbeit wird aufbauend auf den Arbeiten von Gielsdorf [2007] und Clemen [2010] ein Datenmodell entwickelt, das die Ebenenparameter der Modellflächen für die geometrische Fortführung nutzt. Es wird aufgezeigt wie sich die Raumtopologie mit der Einführung von Hilfsflächen aus dem entwickelten Datenmodell bestimmen lässt und die gefundene Raumtopologie für die semiautomatische Zuordnung von geometrischen Informationen aus Punktwolken genutzt werden kann. Es werden Ebenensätze definiert, um die Geometrie aus gemessenen Punktwolken auf das fortzuführende Modell zu übertragen. Der Aufbau und die Lösung des dazu notwendigen mathematischen Gleichungssystems zur Berechnung der konsistenten Modellgeometrie wird erläutert. Abschließend wird aufgezeigt wie auf Grundlage des beschriebenen Datenmodells eine automatische Abbildung oder Konstruktionsvorschrift zur Erstellung des entsprechenden CAD-Modells realisiert werden kann. Damit beschreibt diese Arbeit von der Validierung eines vorhandenen Modells über die Beobachtungszuordnung, die Berechnung der neuen Modellgeometrie bis zur automatischen Modellkonstruktion einen Workflow, mit dem 3D Modelle geometrisch, auf Grundlage von Messdaten in Punktwolken, fortgeführt werden können.
For buildings, high returns are based on good facility management. Efficient facility management requires a structured provision of existing information. Provided that all information necessary to describe both building and inventory are available, the use of assets can happen on a transparent and reliable basis. With Building Information Modelling (BIM) there is now an object oriented data structure for storage, retrieval, and consolidation of building related data. Within this data structure, existing 3D models are used to geo-referencing facility data. Here, 3D models serve as a portal to access facility data. In case of building measures being planned and executed within the facility, existing geometrical 3D models need to be verified and updated. In order to do so, and to derive usable and current building layouts from 3D models, it is necessary to have quality specifications of the model geometry. Building on work of Gielsdorf [2007] and Clemen [2010] this paper develops a data model using plane parameters of model surfaces for geometrical updates. It is shown how a space topology can be constructed by introducing auxiliary faces to the developed data model. The resulting space topology is then used for semi-automatic attribution of geometrical information from point clouds. Plane data sets are defined, in order to transfer geometry from surveyed point clouds to the 3D model. Structure and solution of the mathematical equation system necessary to calculate a consistent model geometry are explained. Finally it is demonstrated how, based on the described data model, an automatic drawing of the respective CAD model can be realized. In summary, this paper provides a workflow for geometrical 3D model update based on surveyed data from point clouds: validating an existing model over various stages, attributing observations, calculating the new model geometry, and automatically constructing the model.