Veranstaltungsprogramm

Eine Übersicht aller Sessions/Sitzungen dieser Tagung.
Bitte wählen Sie einen Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen.
Wählen Sie eine Sitzung aus, um die darin gehaltenen Vorträge anzuzeigen.

 
 
Sitzungsübersicht
Sitzung
Verabeitung von 3D-Punktwolken
Zeit:
Donnerstag, 03.02.2022:
13:30 - 15:00

Chair der Sitzung: Daniel Wujanz, technet GmbH

Zeige Hilfe zu 'Vergrößern oder verkleinern Sie den Text der Zusammenfassung' an
Präsentationen

Integration von Hyperspektraldaten in RandLA-Net zur Klassifikation in 3D Punktwolken

Isaak Mitschke, Thomas Wiemann

Universität Osnabrück, Deutschland

In den letzten Jahren wurden viele Deep Learning Verfahren entwickelt, um 3D-Punktwolken automatisch zu segmentieren. Als Eingangsdaten werden dabei üblicherweise Punktwolken, welche zusätzlich mit weiteren Informationen wie Reflektionsintensitäten und RGB Farbwerten versehen seien können, verwendet. Mithilfe von Hyperspektraldaten lassen sich detaillierte Aufschlüsse über die chemische Zusammenätzung unterschiedlicher Materialien gewinnen. In vorhergehenden Arbeiten haben wir untersucht, ob sich klassische Verfahren des maschinellen Lernens direkt auf solche Daten übertragen lassen. Es zeigte sich, dass dies in Prinzip funktioniert, die Klassifikationsgenauigkeit aber noch stark verbessert werden kann. In diesem Beitrag kombinieren wir den vorherigen Ansatz mit einem Verfahren, dass neben den Spektraldaten auch die geometrische Verteilung der Messpunkte berücksichtigt. Als Grundlage dient das neuronale Netz RandLA-Net, welches auf aktuellen Benchmarkdatensätzen wie Semantic3D und SemanticKITTI sehr gut abschneidet. Untersucht wird dabei, wie RandLA-Net auf einem selbsterzeugten und segmentierten Datensatz mit und ohne Hyperspektralwerden abschneidet.



Entwicklung einer randomisierten Hough-Transformation zur Zylinderdetektion in Laserscans

Sarah Menninger, Michael Bleier, Andreas Nüchter

Informatik VII - Robotik und Telematik, Julius-Maximilians-Universität Würzburg, Deutschland

Neben Ebenen sind Zylinder eine der häufigsten auftretenden grundlegenden Formen im industriellen Bereich. Eine schnelle, effiziente und robuste Methode zur Detektion von Zylindern in Punktwolken ist somit essentiell, um die manuellen Schritte bei der Modellerzeugung zu minimieren. Auch wenn es möglich ist, mithilfe einer 5D Hough-Transformation Zylinder zu detektieren, so ist dieser Ansatz doch sehr komplex und zeitintensiv. Eine Verringerung der Komplexität kann durch einen sequentiellen zwei Schritt Ansatz ermöglicht werden. Der erste Schritt findet mithilfe einer 2D-Hough-Transformation eine starke Hypothese für die Zylinderachsenorientierung, während sich der Zweite mit der Suche des Radius und der Zylinderposition im dreidimensionalen Raum beschäftigt. Die vorliegende Arbeit stellt eine Randomized Hough-Transformation (RHT) Methode für die Zylinderachsendetektion sowie die Kreisdetektion vor. Neben vollständigen Zylindern können auch Teilzylinder bis hin zu Halbzylindern automatisch detektiert werden. Anschließend wird die Implementierung mithilfe von Simulations- sowie Echtdaten validiert.



Automatisiertes flächenhaftes Monitoring von Bauwerksfassaden mit ei-ner scannenden Leica Nova MS60 MultiStation

Mohamad R. Hashimi, Annette Scheider, Thomas P. Kersten

HafenCity Universität Hamburg, Deutschland

Die fortschreitende Entwicklung neuer und vorhandener Technologien ermöglicht die Verarbeitung und Darstellung immer größer werdender Datenmengen. Gleichzeitig steigt auf Seite der Anwender die Erwartungshaltung an verfügbare Daten und deren Nutzung in vielen Bereichen des täglichen Lebens. Das in der Ingenieurvermessung etablierte klassische Bauwerksmonitoring beschränkt sich auf die hochgenaue Beobachtung diskreter Einzelpunkte. Um dieses sinnvoll durchzuführen und dem Nutzer spezifische Informationen zur Verfügung zu stellen, ist ein hohes fachliches Maß bereits in der Planung und Festlegung der Punktlagen erforderlich. Mit neueren Messmethoden ist eine Verdichtung der Punktlagen in einem quasi beliebig engen Raster möglich, die eine deutlich engmaschigere Deformationsanalyse von Bauwerksflächen ermöglichen. Im Sinne des Bauwerksmonitorings wird dieser Anspruch gerade da gefordert, wo auch kleinteilige Deformationen zu erwarten sind, die durch ein grobmaschiges Raster nicht dargestellt werden können.

An der HafenCity Universität Hamburg wurde ein automatisiertes System zum Langzeitmonitoring von Bauwerkfassaden mit Echtzeitanalyse und web-basiertem Datenabruf entwickelt. Als Messsystem wird dafür die scannende Leica Nova MS60 MultiStation eingesetzt. Die MS60 verfügt über eine Scanfunktion, mit der ein definiertes Raster am Objekt gemessen werden kann. Das Monitoringsystem, welches in MatLab und in Teilen in C++ entwickelt wurde, beinhaltet folgende automatisierte Arbeitsschritte: (1) Berechnung der Korrekturwerte in Abhängigkeit der Wetterbedingungen, (2) Orientierung des Messsystems durch Festpunkte, (3) Scanning der Objektoberfläche, (4) Auswertung der Scandaten und (5) Hochladen und Darstellen der Ergebnisse auf einem Webserver.

Zur Deformationsanalyse stehen in diesem Monitoringsystem je nach Projektanforderung folgende drei Vergleichsmöglichkeiten zur Verfügung: (a) Vergleich Punktwolke zu Punktwolke (C2C), (b) Vergleich Punktwolke zu Mesh (C2M) und (c) Vergleich Multiscale-Model to Model Cloud (M3C2). In ersten Tests im Labor konnte die Funktionsfähigkeit des Systems und der hohe Grad der Automation demonstriert werden. Die Überwachung von Fassaden mit dem System erfolgt in den Monaten November und Dezember 2021.



JUniForm – Regressionsanalyse von Kurven und Flächen in der industriellen Messtechnik

Michael Lösler

Frankfurt University of Applied Sciences, Deutschland

Regressionskurven und -flächen besitzen ein breites Anwendungsspektrum nicht nur in den messenden Disziplinen. So geben bspw. Formparameter Aufschluss über die Fertigungsqualität eines Bauteils in der Toleranzprüfung. Weiterhin liefert die Regres-sionsanalyse wichtige Indikatoren über Veränderungen an einem Objekt in der Defor-mationsanalyse oder über das Vorliegen eines Trends in der Zeitreihenanalyse. Die Regressionsanalyse ermöglicht auch das indirekte Bestimmen von unzugänglichen oder nicht materialisierbaren Kenngrößen wie bspw. eine Drehachse. Aus diesem Grund verfügen kommerzielle Softwarepakete i. A. über Routinen zur Bestimmung von geometrischen Primitiven wie Kugeln, Ebenen oder Zylinder.

In diesem Beitrag wird das neu entwickelte Modul Java·Unified·Form·Fitting (JUniForm) vorgestellt, welches Teil des freien Ausgleichungspakets Java·Applied·Geodesy·3D (JAG3D) ist. Neben der Bestimmung von geometrischen Primitiven wird demonstriert, dass JUniForm das Verschneiden bzw. Kombinieren von unterschiedlichen Geometrien zum Ableiten zusätzlicher Kenngrößen ermöglicht. Weiterhin wird gezeigt, dass die Performanz gegenüber der Vorgängerversion deutlich gesteigert werden konnte, sodass auch eine Verarbeitung größerer Punktmengen möglich ist. Die Richtigkeit der Ergebnisse wird mit Validierungsdatensätzen, die das National Institute of Standards and Technology (NIST) bereitstellt, belegt.



 
Impressum · Kontaktadresse:
Datenschutzerklärung · Veranstaltung: 20. Oldenburger 3D-Tage
Conference Software - ConfTool Pro 2.6.142
© 2001 - 2022 by Dr. H. Weinreich, Hamburg, Germany