Baufortschrittserfassung

Videobasierte Erfassung des Ausbaufortschritts auf Basis von 4D-Bauwerksmodellen

Bei der Ausführung von Ausbauarbeiten kommt es sehr häufig zu Abweichung vom geplanten Bauablauf. Dies liegt zum einen an inhärenten Planungsunsicherheiten und zum anderen an unvermeidbaren Störungen und Planungsänderungen. Aus diesem Grund ist eine kontinuierliche Erfassung des Baufortschritts sehr wichtig, damit schnell geeignete Maßnahmen getroffen werden können. Derzeit ist die Baufortschrittserfassung ein sehr arbeits- und zeitintensiver sowie subjektiver Prozess, da Vorort-Daten manuell erfasst und mit relevanten Projektinformationen abgeglichen werden. Folglich werden Abweichungen vom geplanten Bauablauf häufig erst sehr spät erkannt, welche zu umfangreichen und kostenintensiven Gegenmaßnahmen bzw. Umplanungen führen können. Somit ist eine zeitnahe, transparente und genaue Baufortschrittserfassung für eine robuste und effiziente Bauausführung notwendig.

Im Rahmen des Forschungsprojekts werden innovative Methoden zur automatisierten Erfassung des aktuellen Ausbaufortschritts auf Grundlage von videobasierten Ist-Daten und 4D-Soll-Bauwerksmodellen grundlegend entwickelt. Hierzu zählen beispielsweise Verfahren zur modellbasierten Positions- und Orientierungsbestimmung der Kamera, um Videos im 4D-Bauwerksmodell zu registrieren. Somit können Informationen aus dem Bauwerksmodell direkt auf die Bildaufnahme übertragen werden. Auf dieser Basis werden anschließend Methoden des Maschinellen Sehens und Lernens zur Erkennung relevanter Ausbauobjekte und Fertigstellungs-grade entwickelt. Hierbei werden fortschritts- und blickrichtungsabhängige Objekt- und Zustandsmerkmale definiert und in einem erweiterbaren Objektkatalog abgelegt. Dafür werden neuartige Konzepte zur Speicherung und Verknüpfung relevanter Lage, Geometrie und Material-Klassifikatoren für Ausbauelemente auf Basis eines 4D-Bauwerksmodells sowie deren kontinuierliche Adaption erforscht. Durch die erwarteten Ergebnisse sollen Genauigkeit, Robustheit und Effizienz der Baufortschrittserfassung im Ausbau wesentlich verbessert werden.

Kropp, Christopher; Koch, Christian; Koenig, Markus (2018). Interior construction state recognition with 4D BIM registered image sequences. Automation in Construction 86 11-32.

Kropp, Christopher; Koch, Christian; Koenig, Markus (2015). Integrating visual state recognition with 4D BIM based indoor progress monitoring. In: Proc. of the 22nd EG-ICE International Workshop. Eindhoven. Netherlands.

Kropp, Christopher; Koch, Christian; Koenig, Markus (2014). Drywall state detection in image data for automatic indoor progress monitoring. In: Proc. of the 2014 International Conference on Computing in Civil and Building Engineering (ICCCBE 2014). Orlando. USA.

Kropp, Christopher; Koenig, Markus; Koch, Christian (2013). Object Recognition in BIM Registered Videos for Indoor Progress Monitoring. In Proceedings of the 2013 EG-ICE International Workshop on Intelligent Computing in Engineering. Vienna. Austria.

Kropp, Christopher; Koch, Christian; Brilakis, Ioannis; Koenig, Markus (2012). A framework for automated delay prediction of finishing works using video data and BIM-based construction simulation. In: Proceedings of the 14th International Conference on Computing in Civil and Building Engineering. Moskau/ Russia.