MAV 4 BIM

Als Teilprojekt des trinationalen Forschungsprojektes V-MAV zwischen den Universitäten TUM, der Technischen Universität Graz (TUG) und der Eidgenössischen Technischen Hochschule Zürich (ETHZ) beschäftig sich MAV 4 BIM (Micro Aerial Vehicles for Building Information Models) mit der Erstellung von dreidimensionalen Gebäudemodellen aus Bilderserien, die von Mikroflugrobotern (MAVs) aufgenommen wurden. Neben einer semi-automatischen Bildaufnahme stehen vollautomatische Verfahren zur Generierung von hochdetaillierten, fotorealistischen und georeferenzierten Gebäudemodellen im Fokus, die sowohl Außen- als auch Innenräume abdecken und dabei semantische Informationen über einzelne Gebäudeteile enthalten.
 

Verknüpfung von 3D Gebäudeinnen und -außenmodellen

Diese Arbeit präsentiert einen Ansatz zur automatischen Verknüpfung von nicht-überlappenden 3D Innen- und Außenmodellen eines Gebäudes, welche zuvor mittels bild-basierten 3D Rekonstruktions-Algorithmen erzeugt wurden. In der entwickelten Methode werden korrespondierende geometrische 3D Strukturen, die sowohl Teil des Gebäudeinneren als auch Äußeren sind (wie z.B. Fenster oder Türen), identifiziert und anschließend zur Registrierung beider Teile verwendet. In diesem Kontext wird das Potential von 3D Linien Segmenten hervorgehoben, die als Alternative oder Zusatz von 3D Punktwolken, die aus Structure-from-Motion Algorithmen erzeugt werden, dienen.

Geo-registrierung von MAV Bildern

Die geringen Qualitäten deronboard GNSS und INS Sensoren begrenzen die Georeferenzierungsgenauigkeit von Mikroflugrobotern und beschränken die direkte Geo-registrierung von MAV Bildsequenzen. Diese Arbeit stellt eine bildbasierte Methodik zur genauen und robusten Geo-registrierung von MAV Bilder(n) vor, indem MAV Bilder mit bereits georeferenzierten Bilddaten (wie Luft- oder Satellitenbilder mitsamt Höhenkarten oder Orthophoto mit zugehörigem DSM) registriert werden. Die Methodik berücksichtigt die erheblichen Unterschiede in Skalierung, Rotation und Bildinhalt von MAV und Luftbildern und zeichnet sich durch eine neuartige dichte Feature Extraktion, einer one-to-many Matching Strategie und einer globalen geometrischen Match-Verifikation aus.

Publikationen

  • Zhuo, Xiangyu; Koch, Tobias; Kurz, Franz; Fraundorfer, Friedrich; Reinartz, Peter: Automatic UAV Image Geo-Registration by Matching UAV Images to Georeferenced Image Data. Remote Sensing 9 (4), 2017 mehr…
  • Koch, Tobias; d'Angelo, Pablo; Kurz, Franz; Fraundorfer, Friedrich; Reinartz, Peter; Körner, Marco: The TUM-DLR Multimodal Earth Observation Evaluation Benchmark. The IEEE Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2016 mehr…
  • Koch, Tobias; Zhuo, Xiangyu; Reinartz, Peter; Fraundorfer, Friedrich: A new Paradigm for Matching UAV and Aerial Images. International Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences (ISPRS) 3, 2016, 83--90 mehr…
  • Koch, Tobias; Körner, Marco; Fraundorfer, Friedrich: Automatic Alignment of Indoor and Outdoor Building Models using 3D Line Segments. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops, 2016 mehr…