Automatische opbouw Digital Twin uit puntenwolk.

Nieuws Automatische opbouw Digital Twin uit puntenwolk.

GeoNext heeft algoritmes ontwikkeld voor het automatisch modelleren van puntenwolken die met behulp van een mobiele scanner (vanuit een trein of auto) ingewonnen zijn. Deze algoritmes en ontwikkelende software passen wij succesvol toe in andere spoorprojecten, zoals PVS en analyse van bovenleidingen en opbouwen van DTM’s.

Het resultaat van de software is een digitaal 3D-model dat een exacte kopie van de werkelijke situatie is. De objecten zijn als LOD 200- of LOD 300-objecten afgebeeld. In het proces zitten vier significante algoritmes. Dit zijn het classificeren, het segmenteren, identificeren en “fitten”.

De basis voor het modelleren bestaat uit een puntenwolk en een 3D-objectenbilbiotheek. Een punt in een puntenwolk bestaat uit een XYZ-coördinaat en een waarde van de reflectie. Een onderlinge samenhang is er niet. Een puntenwolk is eigen een bestand zonder logica. Met de volgende stappen maken wij de puntenwolk slimmer.

Classificeren. In dit proces krijgen alle puntjes een classificatie op basis van hun geometrie. Wij maken onderscheid tussen verticale objecten, horizontale objecten, maaiveld spoor etc.

Segmenteren. Nu weten we wat een puntje voorstelt. De volgende stap is het segmenteren of te wel we zoeken naar de verzameling puntjes die logischer wijs bij elkaar horen. Het resultaat is een verzameling van losse bestanden waarvan de locatie en outline-geometrie bekend van is.

Identificeren. Tot slot vergelijken wij de 3D-objecten bibliotheek met de gesegmenteerde puntenwolkjes, middels een algoritme bepalen wij welk kandidaat object het beste past bij de gesegmenteerde puntenwolk. Fitten. Het geselecteerde object fitten we met behulp van de kleinste kwadraten methode op de puntenwolk.

Voorbeeld links is resultaat anno 2021, rechts wordt het resultaat anno 2026

Delen: