Forschungsprojekte

Aufgrund der zunehmenden Demokratisierung von Erfassungssystemen ist es möglich, immer kleinteiligere und detailliertere digitale Zwillinge unserer Realität zu erstellen. Dabei gilt es, Punktwolken aus verschiedenen Modalitäten (mobile Kartierung, luftgestützt, terrestrisch, photogrammetrisch etc.), Oberflächenrekonstruktionen oder geodätische Messungen ständig in eine gemeinsame Umgebung zu integrieren. Dies stellt eine Herausforderung für den Smart Worlds-Workflow dar, der aus Erfassung, Verarbeitung und Verständnis sowie Simulation und Entscheidungsfindung besteht.

Die Projektziele von AMASE haben mehrere Schwerpunkte:

• Um große Mengen heterogener Daten in immer kleineren Erfassungsintervallen zu bewältigen, sind Out-of-Core- und Level-of-Detail-Ansätze geeignet, da sie gut für die Verarbeitung, Visualisierung oder Manipulation großer geodätischer Daten skalieren. Hochfrequente Erfassungen erfordern jedoch neue Ansätze, um Verarbeitungsergebnisse, Analysen und sogar Entscheidungen mit neu eingehenden Daten synchron zu halten.
• Kollaborative Geodatenumgebung für Expertinnen und Experten: Analyse-Workflows werden immer komplexer und können daher nur von mehreren Expertinnen und Experten angegangen werden, die Arbeitskraft und disziplinübergreifendes Fachwissen vereinen. Daher ist es von entscheidender Bedeutung, eine gemeinsame Umgebung zu schaffen, in der diese Expertinnen und Experten bei der Erstellung von Analysen zusammenarbeiten, Ergebnisse austauschen und Entscheidungen treffen können. Ein wesentliches Werkzeug zur Schaffung eines gemeinsamen Situationsbewusstseins zwischen den Mitarbeitenden ist das Storytelling, um die Ergebnisse auf den Punkt zu bringen.
• Beschleunigung von Arbeitsabläufen zur Feature-Extraktion mit neuartigen automatischen und halbautomatischen Modellierungsansätzen: Um die steigende Datengeschwindigkeit zu bewältigen, ist es notwendig, bestimmte Verarbeitungsschritte zu automatisieren und den Anwender bzw. die Anwenderin mit Leit- und Steuerungsmechanismen zu unterstützen. In jedem Fall müssen die Ergebnisse und die Parametrisierung der Algorithmen transparent, vergleichbar und nachvollziehbar sein.
• Ableitung neuer Methoden zum Vergleich von Variationen von digitalen Zwillingen: Dazu gehört die Quantifizierung von Veränderungen zwischen Erfassungsintervallen, z.B. Volumen, Tunnelrissentwicklung über die Zeit, aber auch der Vergleich von Oberflächen, die aus unterschiedlichen Rekonstruktionsalgorithmen oder Parametrisierungen stammen.
• Schaffung einer neue Ebene des Realismus, um schwer zu quantifizierende Wahrnehmungseffekte in die digitale Planung einzubringen: Der Bau von Gebäuden oder Infrastruktur ist naturgemäß Vorschriften und Richtlinien unterworfen. Zu diesen klaren Bedingungen kommen subjektive und schwer zu quantifizierende Planungsrandbedingungen hinzu, z.B. wie wohl oder sicher fühlt man sich in einer bestimmten Umgebung oder wie wirkt sich ein neues Gebäude auf das Stadtbild aus.
• Etablierung reproduzierbarer Smart Worlds-Workflows einschließlich einer rigorosen Fehlerverfolgung: In Anbetracht der hohen Geschwindigkeit, der Zusammenarbeit und der komplexen Workflows müssen die Expertinnen und Experten alle Ergebnisse regelmäßig reproduzieren können, z.B. um die Analysen neu zu erstellen, wenn neue Eingabedaten verfügbar sind. Darüber hinaus ist jeder Schritt im Workflow eine potenzielle Quelle für Ungenauigkeiten, die kumuliert werden, z.B. Fehler, die aus der Erfassung, Rekonstruktion oder manuellen Annotation und Modellierung stammen.