KI im Bau

Innovation Scout · Quellenprofil

Baustellen räumlich erfassen: BIM-Wände stabilisieren die Kameraverortung

Ein Forschungsteam verbindet die gleichzeitige Kameraverortung und Kartierung mit Wandgeometrien aus dem Bauwerksmodell. Die bekannten Strukturen begrenzen Fehler, die sich während einer Aufnahme aufsummieren.

Forschungsmanuskript zu einem angenommenen Zeitschriftenartikel · arXiv; Manuskriptkopf: IEEE Robotics and Automation Letters, Preprint Version, accepted September 2026 · 17. September 2025 (erste arXiv-Einreichung)

Originalquelle öffnenBibliografische Angaben
Auf dieser Seite

Die Kamera bewegt sich, die räumliche Zuordnung muss stimmen

Bei einem Rundgang berechnet die Software, wo sich eine mobile Kamera befindet und wie die aufgenommenen Räume zusammenhängen. Verfahren, die gleichzeitig die Kameraposition und eine Umgebungskarte bestimmen, heißen SLAM. Kleine Zuordnungsfehler können sich entlang des Weges aufsummieren. Bei einer späteren Baukontrolle würden die Aufnahmen dann am falschen Ort im Modell landen.

Asier Bikandi-Noya und sein Team an der Universität Luxemburg ergänzen ein vorhandenes SLAM-System um Wandgeometrien aus einem digitalen Bauwerksmodell, dem BIM-Modell. Die verwendete Kamera liefert neben Farbbildern auch Tiefenbilder mit Entfernungsangaben. Eine gelernte Bildauswertung kennzeichnet die Wandbereiche. Aus deren Tiefendaten bestimmt das System ebene Flächen und verbindet sie mit den entsprechenden Wänden im Modell.

Zum Start wählt ein Nutzer zwei rechtwinklig zueinander stehende Modellwände aus, die das System zuerst erfassen soll. Im weiteren Verlauf werden zusätzliche beobachtete Wände ihren Modellgegenstücken zugeordnet. Jede solche Verbindung liefert eine geometrische Vorgabe für die Berechnung der Kamerabahn und der Umgebungskarte. Bei unsicheren Zuordnungen wird ihr Einfluss verringert.

Wie sich die berechnete Kamerabahn verbessert

Das Team prüfte die ausgewertete Fassung an elf Aufnahmesequenzen aus zwei Bürogebäuden und drei Baustellen. Zum Vergleich dienten Referenzbahnen, die aus zusätzlichen Laserscandaten berechnet wurden. Das verwendete Maß, der absolute Bahnfehler oder ATE, beschreibt die räumliche Abweichung der berechneten Kamerabahn von dieser Referenz. Sein Mittelwert über die elf Sequenzen sank gegenüber dem zugrunde liegenden SLAM-System von 25,4 auf 16,8 Zentimeter.

Versuche mit unvollständigen und veränderten Modellwänden zeigen, wie stark die Berechnung von passenden Vorgaben abhängt. Eine richtig zugeordnete Wand hilft, aufgelaufene Fehler zu korrigieren. Eine falsche Zuordnung oder eine stark abweichende Modellwand kann die Berechnung dagegen in die falsche Richtung ziehen. Die Auswahl der ersten Wandpaare und die Erkennbarkeit der Wandflächen gehören deshalb zum Aufnahmeablauf.

Für die Fortschrittskontrolle schafft der Ansatz eine räumliche Grundlage: Sichtbare Bauzustände sollen im richtigen Gebäudeausschnitt ausgewertet werden können. Die KI erkennt hier zunächst Wandbereiche; die geometrische Berechnung nutzt deren Modellbezug, um die Verortung der Aufnahmen zu stabilisieren. Weitere Auswertungen können darauf aufbauen und einzelne Bauteile sowie ihre Ausführungsstufen beurteilen.

Bibliografie

Originaltitel
BIM-Informed Visual SLAM for Construction Environments
Autoren
Asier Bikandi-Noya, Miguel Fernandez-Cortizas, Muhammad Shaheer, Ali Tourani, Holger Voos, Jose Luis Sanchez-Lopez
Verantwortliche Einrichtung
University of Luxembourg, SnT, Automation and Robotics Research Group (Autorenaffiliation)
Quellenart
Forschungsmanuskript zu einem angenommenen Zeitschriftenartikel
Veröffentlicht in/auf
arXiv; Manuskriptkopf: IEEE Robotics and Automation Letters, Preprint Version, accepted September 2026
Veröffentlichungsdatum
17. September 2025 (erste arXiv-Einreichung)
Ausgewertete Fassung
arXiv:2509.13972v4 vom 30. September 2026
DOI
10.48550/arXiv.2509.13972
Originalzugang
Original
Zugang
Open Access