Innovation Scout · Quellenprofil

Laserscans im BIM-Modell verorten: Ein vortrainiertes Bildmodell findet passende Raumstrukturen

Ein Forschungsteam verbindet KI-Merkmale mit geometrischer Ausrichtung und einer anschließenden Bauteilzuordnung. An einer Krankenhausbaustelle untersucht es damit zwei Voraussetzungen für den automatischen Vergleich von Planung und Ausführung.

Den Scan an der richtigen Stelle des Gebäudes einordnen

Ein lokaler Laserscan erfasst nur einen Ausschnitt einer Baustelle. Bevor die gemessenen Bauteile mit der Planung verglichen werden können, muss feststehen, wo dieser Ausschnitt im digitalen Bauwerksmodell, dem BIM-Modell, liegt und wie er ausgerichtet ist. Wiederkehrende Räume und ähnliche Flure erschweren diese Zuordnung. Boyu Wang und sein Forschungsteam der Hong Kong University of Science and Technology nutzen dafür DINOv2, ein vortrainiertes KI-Modell zur Auswertung von Bildmustern.

Die räumlichen Messpunkte des Scans bilden eine Punktwolke. Ein horizontaler Ausschnitt daraus wird zunächst in eine zweidimensionale Karte belegter und freier Bereiche verwandelt. Vergleichbare Karten entstehen durch virtuelle Laserscans des BIM-Modells an vielen möglichen Aufnahmepositionen. DINOv2 beschreibt die Muster dieser Karten mit gelernten Merkmalen. Die ähnlichste Modellkarte liefert einen Vorschlag für den Standort des Scanners. Anschließend richtet ein geometrisches Verfahren die Punktwolke genauer am Modell aus.

Die Bauteile aus Aufnahme und Planung zusammenbringen

Nach der räumlichen Ausrichtung folgt ein zweiter Schritt: Bereits erkannte Bauteile aus Scan und Modell müssen einander zugewiesen werden. Ein mathematisches Verfahren berücksichtigt dafür Lage, Bauteiltyp und Ausrichtung. Es sucht eine insgesamt passende Verteilung der Bauteilpaare, statt jedem Objekt einzeln den nächsten vermeintlich passenden Partner zuzuweisen.

Was in den Versuchen geprüft wurde

Für die räumliche Ausrichtung verwendete das Team 15 Scanpositionen einer Krankenhausbaustelle in Hongkong. Es verglich die berechnete Ausrichtung mit einer bekannten Referenzausrichtung. Die Abweichung wurde mit einem zusammenfassenden Fehlermaß namens RMSE bewertet. Als erfolgreich galt ein Versuch, wenn dieses Maß unter 20 Zentimetern lag. Mit den vortrainierten Bildmerkmalen gelang dies bei 14 der 15 Positionen; das geometrische Vergleichsverfahren ohne diese Merkmale erreichte die Grenze nur bei einer Position. Die KI half hier, trotz ähnlicher Raumstrukturen einen brauchbaren Ausgangspunkt für die Ausrichtung zu finden.

Die Bauteilzuordnung prüfte das Team an einem Raum mit 20 Komponenten. Das vorgeschlagene Verfahren verknüpfte alle 20 richtig mit ihren Modellgegenstücken. Damit ist die Voraussetzung geschaffen, deren Lage oder Typ zu vergleichen und fehlende oder zusätzliche Komponenten zu untersuchen.

Für eine Qualitätsprüfung bauen diese Schritte aufeinander auf: Zuerst muss der richtige Gebäudeausschnitt gefunden werden, danach werden seine Bauteile verknüpft und schließlich wird die Ausführung bewertet. Die 20 Zentimeter sind das Erfolgskriterium des Ausrichtungsversuchs. Die Genauigkeit und die zulässigen Abweichungen des anschließenden Einbauvergleichs müssen für die jeweilige Prüfaufgabe bestimmt werden.

Bibliografie

Originaltitel
Construction Quality Inspection by Local Point Cloud to BIM Registration and Component Association Based on Vision Foundation Model
Autoren
Boyu Wang, Mingkai Li, Fangzhou Lin, Zhenyu Liang und Jack Cheng
Verantwortliche Einrichtung
The Hong Kong University of Science and Technology, Department of Civil and Environmental Engineering (Autorenaffiliation)
Quellenart
Wissenschaftlicher Konferenzbeitrag
Veröffentlicht in/auf
Proceedings of Digital Frontiers in Buildings and Infrastructure International Conference Series, Band 2025, Seiten 193–202
Veröffentlichungsdatum
12. August 2025
DOI
10.66408/dfbi.2025.2584 (öffnet in neuem Tab)
Originalzugang
Original (öffnet in neuem Tab) · Volltext-PDF (öffnet in neuem Tab)
Zugang
Open Access