Anwendungen wie das automatisierte Fahren und Metawelt-Anwendungen erfordern vollständige, semantikreiche und qualitativ hochwertige 3D-Modelle der tatsächlichen Umgebung. 3D-Gebäudemodelle können verschiedene Detailstufen (Level of Detail – LOD) haben, wobei die Detailstufe LOD3 einer vollständigen Beschreibung der gesamten Gebäudeaußenhülle, Fassade und dem Dach entspricht. Diese sog. LOD3-Gebäudemodelle werden bisher manuell erstellt und sind weder massenmarktfähig noch wirtschaftlich. Das Projekt LevelUp geht diese Problemstellung an, indem Methoden zur automatisierten Erstellung und Integration von LOD3 Verkehrsraum Modellen entwickelt werden.
Im Rahmen des LevelUp-Forschungsprojektes beschäftigt sich das IWT mit der photogrammetrischen Außenrekonstruktion von Gebäuden. Die Rekonstruktion erfolgt anhand von zuvor aufgenommener Bildsequenzen, mit exakten Positions- und Winkelinformationen, in zwei Schritten: Im ersten Schritt werden die Fassadenelemente in den Bildern erkannt und in eine Kontur (z .B. Fenster) segmentiert. Im zweiten Schritt erfolgt die dreidimensionale Fassadenrekonstruktion anhand der Schlüsselpunkte (z.B. Ecken) über Triangulation von verschiedenen Aufnahmepunkten. (Paper: An Alternative Raw Data Acquisition Approach for Reconstruction of LOD3 Models)
Der Schlüssel zur detailgetreuen Gebäuderekonstruktion führt somit über die Segmentierung der Fassadenelemente in Konturen. Dazu wurden konkurrierende LiDAR-basierte Rekonstruktionsverfahren, Gebäude Dateiformatstandards und Normen untersucht. Als Ergebnis entstand ein Konzept zur „methodischen Klassifizierung, Zuweisung von Attributen und Labeling von Fassadenelementen in Kamerabildern zur Level of Detail 3 (LOD3) Rekonstruktion von Gebäuden“.
Das Konzept beinhaltet ein hierarchisches Klassendiagramm, das zur instanziierten Segmentierung im Labelingprozess der Bilder herangezogen wurde. Dabei ergab sich eine iterative Anpassung der Klassen und Attribute während des Labeling-Prozesses. Hierbei wurde eine geeignete Label-Form je Klasse abgeleitet. Die Überlagerung einzelner Objekte innerhalb von zweidimensionalen Bildern, wie z.B. Bäume vor einem Haus, führen zu dreidimensionalen, tiefenversetzten Informationen, die sich auf die Abhängigkeit einzelner Objektklassen untereinander auswirkt. Aus diesen Abhängigkeiten wurde ein Best Practice Vorschlag für einen effektiven Labeling-Prozess erarbeitet. Zusammengefasst ist das Ergebnis dieser Arbeit ein Vorschlag eines praxistauglichen Labeling-Konzepts zur instanziierten Segmentierung von Fassadenelementen in Bildern.