Zeitraum
ab 01.Sep.2009
Ansprechpartner
Sekretariat
Tel.: +49(0)228.73-1751
Projektleiter
Weitere Mitarbeiter
Zusammen-
fassung
Gebäudemodelle mit Dachformen (Level-of-Detail 2, LoD2, in der Klassifikation von CityGML) sind Voraussetzung für viele Anwendungen, wie bspw. Stadtplanung, Solarpotentialanalyse, Visualisierung oder Tourismus. Solche Modelle sind derzeit jedoch nicht flächendeckend verfügbar. Ziel dieses Projektes ist ein Verfahren zur robusten, flächendeckenden 3D-Rekonstruktion von LoD2-Standarddachformen (Flachdach, Satteldach, Walmdach, etc.) aus dünnen LiDaR-Punktwolken (Punktdichte von ca. 1 Punkt/m²) und Gebäudegrundrissen. Beide Datensätze liegen i.d.R. flächendeckend vor.

Aufgrund der spärlichen Datengrundlage wird ein modellbasiertes Verfahren entwickelt, welches Eigenschaften eines Daches wie Symmetrie, Orthogonalität und Parallelität ausnutzt. Um mit Ausreißern in den Punktwolken umzugehen, werden die Parameter der strukturierten Dachmodelle mit Hilfe robuster Schätzverfahren aus dem Bereich (RanSaC, MSaC, MLESAC) geschätzt. Neben den klassischen Indikatoren der Modellselektion (AIC, MDL) des Daches sind zusätzlich die geometrischen Eigenschaften des Gebäudes ein wichtiger Indikator zur Wahl des besten Dachmodells. So ist bspw. bei Garagen (typischerweise ca. 3m x 5m), im Gegensatz zu Einfamilienhäusern, die Wahrscheinlichkeit höher, dass diese ein Flachdach besitzen. Methoden des maschinellen Lernens bieten die Möglichkeit diesen Zusammenhang automatisch herzuleiten und zur Klassifikation der Dachform zu nutzen.

Die Wahl des besten Modells erfolgt mit Support Vector Machines, einem robusten und leistungsfähigen Klassifikator. Der räumliche Kontext eines Gebäudes spielt bei der Klassifikation von Dachformen ebenfalls eine wichtige Rolle. Die Dachform in der lokalen Nachbarschaft eines Gebäudes hat, bei ähnlichen geometrischen Eigenschaften des Grundrisses, Einfluß auf die Art des Daches. So kann die Dachform mit Hilfe nicht-parametrischer Dichteschätzungen abhängig von der Nachbarschaft prädiziert werden. Insbesondere bei der Rekonstruktion von Dächern bei äußerst geringer Punktanzahl kann sich dies Zunutze gemacht werden.

Projektträger
und -partner
Gefördert vom Bundesministerium für Wirtschaft und Technologie aufgrund eines Beschlusses des Deutschen Bundestages (ZIM; Nr. KF2212501SS9)
Bilder, Beispiele
Publikationen zum Projekt
Henn, André / Gröger, Gerhard / Stroh, Viktor / Plümer, Lutz:
Model driven reconstruction of roofs from sparse LIDAR point clouds
In: ISPRS Journal of Photogrammetry & Remote Sensing, 2013, Heft 76, S. 17-29.

Extern