Alle Bilder und auch Daten, die durch Sensoren erfasst werden, können in eine digitale Repräsentation überführt werden. Dabei werden aus den Echt-Welt-Daten digitale Zwillinge generiert, die als Grundlage für etliche digitale Anwendungen dienen. In unserer Forschungsarbeit konzentrieren wir uns dabei auf die Felder Fernerkundung (Remote Sensing) und semantische Rekonstruktionen ebenso wie auf Lösungen für den Bereich der inklusiven Digitalisierung sowie dem Medizinsektor.
Fernerkundung ermöglicht mit Aufnahmen von räumlichen Daten, Informationen über Orte oder Objekte zu gewinnen, die anders nicht zugänglich und analysierbar wären. Dies können Felswände oder Fassaden sein, die per Drohnenflug abfotografiert werden, ebenso wie ganze Kontinente per Satellitenbild oder durch Messdaten rekonstruierbare ferne Planeten. Wir schaffen Lösungen, um Methoden der Fernerkundung für verschiedene Branchen zu adaptieren. Unsere Forschungsergebnisse reichen von interaktiver Visualisierung der Marsoberfläche für die Planetenforschung/Raumfahrt bis hin zur Generierung von BIM-Modellen aus Bestandscans bereits bestehender Bauwerke. Wichtig ist uns dabei der innovative Brückenschlag zwischen Datenerfassung und semantischer Modellierung.
Im Feld der semantischen Rekonstruktion arbeiten wir u.a. daran, effiziente Wege zu finden, mit Computer Vision Algorithmen und Machine Learning Gebäude oder andere Objekte auf Bildern automatisch zu segmentieren und zu klassifizieren, um sie anschließend "intelligent" als dreidimensionales Modell zu rekonstruieren. Das heißt, dass z.B. das 3D-Modell eines Hauses selbst "erkennt", wo seine Wände, Türen, Fenster und so weiter sind. Wir optimieren hier zum einen semi-automatische Ansätze, die vom Benutzer gesteuert werden, und arbeiten zum anderen an der Entwicklung vollautomatischer Methoden.
Um die Museen der Zukunft barrierefrei zu gestalten, forschen wir seit vielen Jahren intensiv im Bereich der inklusiven Digitalisierung nach IT-basierten Lösungen, mit denen bildende Kunst für alle Zielgruppen "sichtbar" gemacht werden kann. Hierfür haben wir unter anderem eine spezielle Visualisierungssoftware entwickelt, die aus 3D-Scans oder Fotografien von Museumsobjekten ein digitales 2.5D-Modell erstellt, das mithilfe eines innovativen Fräsverfahrens in ein taktiles Relief überführt werden kann, das Höhen, Tiefen, Oberflächenstrukturen etc. haptisch erfahrbar macht – und dadurch Museen für das 21. Jahrhundert rüstet.
Zur effizienten Weiterverwertung und Analyse von durch bildgebende Verfahren gewonnenen Daten im Medizinsektor forschen wir nach innovativen Wegen, durch Machine Learning und speziell entwickelte Algorithmen spezifische Bildinhalte wie Wirbel, Tumore oder Organe automatisch segmentieren zu können. Dies ist eine wichtige unterstützende Maßnahme im Diagnoseprozess und dient weiters als Grundlage von Rekonstruktionen etwa von Volumendaten.
O-SNAP –Von Punktwolken zum polygonen Rekonstruktionsmodell
Mithilfe eines auf Optimierung basierenden Fang- bzw. Snap-Algorithmus werden aus unstrukturierten Punktwolken automatisch polygonale Modelle erstellt. Die so erzeugten Rekonstruktionen können anschließend durch einfache 2D-Striche vom User selbst präzisiert werden und sind zur Verwendung in interaktiven 3D-Anwendungen wie Spielen oder virtuellen Umgebungen geeignet.
3DWorx – vom Bestand zum Modell
Das gemeinsam mit unserem Industriepartner rmDATA entwickelte Tool 3DWorx verarbeitet nicht nur Punktwolken aus Laserscans oder Photogrammetrie von Gebäuden zu Modellen, was für BIM-Projekte von großer Bedeutung ist, sondern bildet auch die gesamte Rekonstruktionskette vom Scan zum fertigen Produkt ab. Darüber hinaus ist das Ableiten von relevanten Geometrien unkompliziert möglich, was etwa die Erstellung von Einreichplänen etc. erleichtert.
Tunnelvermessung mit 3D-Modellen
Gemeinsam mit unserem Industriepartner dibit Messtechnik GmbH und weiteren Forschungspartnern entwickeln sind wir seit Jahren an der Entwicklung von Softwarelösungen zur visuellen Analyse extrem hoch aufgelöster 3D-Tunnelmodelle beteiligt. Anhand dieser Rekonstruktionen ist beispielsweise ein exaktes geotechnisches Monitoring vom Schreibtisch aus möglich, wodurch langwierige und teure Tunnelbegehungen vor Ort minimiert werden können.
Licht-Simulation auf Basis von BIM-Datensätzen
Die Software HILITE, die wir über viele Jahre gemeinsam mit unserem Industriepartner ZUMTOBEL entwickelt haben, ermöglicht es, direkt aus IFC-Dateien, kombiniert mit verschiedenen Daten zu Geometrie, Material oder Lichtquellen, geplante Beleuchtungssysteme zu simulieren. Dies geschieht in physikalisch exakten und qualitativ hochwertigen Echtzeit-Visualisierungen, anhand derer weiters Optimierungsversionen durchgespielt werden können. Ursprünglich gemeinsam mit unserem Projektpartner ÖBB speziell auf neuartige BIM-Planungsmethoden für Bahnhöfe zugeschnitten, findet die Lichtsimulationssoftware HILITE mittlerweile in etlichen weiteren Szenarien Verwendung.
Im Rahmen des PROVEX-Projekts entwickeln JOANNEUM Research und VRVis ein auf Provenienz bedachtes Workflow-Management-Tool für heterogene Daten für den Einsatz in der ESA-Mission HERA.
Dank Tiefenkameras keine blinden Flecken auf Zugdächern.
Das Ziel von PanCam-3D ist die Weiterentwicklung von interaktiven 3D-Visualisierungen für die ExoMars 2022-Mission.
WIBSTAC befasst sich mit der Nutzung von 3D-Stereo-Rekonstruktionen mit großem Durchmesser für die Kartierung der Marsoberfläche über mittlere und große Entfernungen basierend auf Bildern der Rover-Panoramakameras.
Mithilfe des 3D-Drucks ("Additive Manufacturing") können Ersatzteile für schadhafte Züge schneller und günstiger hergestellt werden - ein großes Potenzial für die klimaschonende Zukunft und kürzere Ausfallzeiten.
Gemeinsam mit Rhomberg Bau GmbH und convex ZT GmbH entwickelt das VRVis ein Konzept für den Einsatz des Roboterhundes "Spot" von Boston Dynamic für eine autonome, immersive Baustellendokumentation.
Das Forschungsziel von AMASE ist die Entwicklung von Werkzeugen und Methoden zur Aufnahme, Verarbeitung, Visualisierung und Manipulation heterogener, großräumiger Geodaten, bei welchen es sich um die ständig aktualisierte Darstellung der realen Welt in Form eines sich entwickelnden digitalen Zwillings handelt.
Das Hauptziel dieses Projekts ist es, eine zuverlässige Entscheidungshilfe für große Infrastrukturprojekte zu ermöglichen, indem Lösungen für eine kollaborative visuelle Analyse von digitalen Zwillingen bereitgestellt werden.
Das Ziel des strategischen Projekts ARCS ist der Entwurf von Software-Architekturen, die interaktive Visualisierungssysteme in die Lage versetzen, große Mengen und Geschwindigkeiten räumlicher und damit verbundener nicht-geometrischer Daten aufzunehmen.
Im Forschungsprojekt Lightbox 2.0 wird die Entwicklung eines photogrammetrischen 3D-Scanners für die automatische und Deep Learning-gestützte Modellierung von Schlüssel vorangetrieben.
Im Projekt "Mars-DL" wird erforscht, wie ein Deep Learning-System durch Objekt- und Mustererkennung die Arbeit von Planetenforscherinnen und -forschern unterstützen kann. VRVis hat für dieses Projekt die Funktionalität von PRo3D erweitert, um Shatter Cone-Trainingsbilder automatisch zu rendern.
Unterstützung für die Planetenforschung: Visuelle Analyse von Rekonstruktionen der Mars-Oberfläche und Ansichtsplanung für Rover-Kamerainstrumente.
Visuelle Analyse der Ablenkung eines Asteroiden.
Virtuelle Erkundung und geologische Analyse von rekonstruierten Marsoberflächen und Gesteinsaufschlüssen.
In diesem Projekt werden Werkzeuge und Methoden zur Handhabung, Verwaltung, Manipulation und Bewertung mehrerer unterschiedlicher Datenquellen für Messungen und Lichtplanungen entwickelt.
MINERVA ist ein integriertes Framework für die Planetenforschung, das es Wissenschaftlerinnen und Wissenschaftlern aus verschiedenen Teams ermöglicht, in virtuellen Arbeitsbereichen zusammenzuarbeiten.
Barrierefreier Zugang zu Kunst und Museen für blinde und sehbehinderte Menschen durch 3D-Technologie.
Strategische Forschung in skalierbarem, semantischem Rendering.
Planetare Robotik Vision-Datenauswertung.
Untersuchung von Techniken, die eine nahtlose Analyse von Ensemble-Daten mit mehreren Detaillierungsgraden ermöglichen.
Algorithmen zur Verbesserung der visuellen Analyse von Oberflächenrekonstruktionen.
Entscheidungsunterstützungssysteme und 3D-Visualisierungstechnologien für den Tunnelbau.