3D Mapping of Vacant Buildings for Reuse

Projektet med titlen ”3D Mapping of Vacant Buildings for Reuse” søger at tackle en kritisk udfordring inden for arkitektur, konstruktion og ingeniør (AEC)-branchen: effektivt genbrug af eksisterende strukturer. I en tid, hvor bæredygtig udvikling og miljøansvar er altafgørende, kan evnen til at genbruge tomme bygninger i stedet for at rive dem ned i høj grad bidrage til en cirkulær økonomi. Dog er en af de største barrierer for genbrug af gamle bygninger manglen på præcis dokumentation og tegninger, som ofte mangler, er forældede eller ikke-eksisterende. Projektet har til formål at overvinde disse forhindringer ved at udvikle en innovativ teknologipipeline, der muliggør hurtig og brugervenlig kortlægning af bygninger, hvilket giver afgørende data til genbrugsanalyse i den tidlige fase af projektudviklingen.

Baggrund og Betydning

Genbrug af eksisterende bygninger tilbyder betydelige fordele, herunder reduceret affald, mindre behov for nye byggematerialer og bevarelse af historiske strukturer. I nogle lande, såsom Norge, er der et lovkrav om at gennemføre en Ombrukskartlegging (genbrugskortlægning) for alle bygninger, der skal rives ned eller ombygges, hvilket sikrer, at genanvendelige komponenter bliver identificeret og genvundet. Traditionelt er denne proces manuel, tidskrævende og tilbøjelig til fejl. Dette projekt introducerer en ny tilgang, der udnytter teknologier som LiDAR og maskinlæring til at konstruere en 3D-modellering, der automatiserer og strømliner denne proces, hvilket gør den mere effektiv og pålidelig.

Forskningsmål

De primære mål for denne forskning er:

1. Udvikling af en Scan-to-3D Pipeline: Opret en sømløs proces, der opfanger detaljerede 3D-modeller af bygninger ved hjælp af overkommelige enheder som iPads eller iPhones med LiDAR-sensorer.
2. Muliggøre Tidlig Genbrugsanalyse: Give interessenter væsentlige data, der kan informere beslutninger om en bygnings potentielle genbrug i de tidlige stadier af designprocessen.
3. Integration med Eksisterende Værktøjer: Sikre kompatibilitet med eksisterende miljøanalyseværktøjer for at vurdere miljøpåvirkning og potentielle forbedringer i energieffektivitet.

Metodologi

Kernen i denne forskningsprojekt ligger i udviklingen af en Scan-to-BIM (Building Information Modeling) pipeline. Denne proces begynder med at opfange en bygnings fysiske struktur ved hjælp af en LiDAR-sensor og kamera på en iPad eller iPhone. De indfangede data transformeres til en 3D “point cloud,” en digital repræsentation af bygningens rumlige dimensioner, som yderligere omdannes til en forenklet bygningsmodel og annoterede punktskyer af løse inventar. Her er et nærmere kig på de involverede trin:

1. Dataindsamling: En LiDAR-sensor og et kamera bruges til at scanne bygningen ved hjælp af relativt billige enheder som en iPad eller iPhone Pro. Enhedens positions- og orienteringsdata kombineres med de indfangede billeder for at danne en 3D punktsky.
2. Objektsegmentering og Annotation: De indfangede billeder behandles ved hjælp af en maskinlæringsalgoritme, der identificerer og mærker objekter inden for bygningen. Dette trin er afgørende for at genkende løse inventardele.
3. 3D-Modelkonstruktion: Punktsky-dataene konverteres til en forenklet 3D-model ved hjælp af “planar region growing”. Denne metode involverer analyse af point cloud for at finde flade overflader, konstruktion af et 3D-cellekompleks og brug af en “linear integer solver” til at skabe et sammenhængende udvalg af overflader, der resulterer i en ren model.
4. Integration med Analytiske Værktøjer: Den resulterende 3D-model eksporteres til platforme som Speckle, hvilket muliggør yderligere analyse og integration med arbejdsflows som Speckle Automate eller Grasshopper. Denne integration muliggør miljøpåvirkningsvurderinger og andre evalueringer, der er afgørende for genbrugsplanlægning.

Casestudier og Resultater

Effektiviteten af denne pipeline demonstreres gennem to kritiske casestudier:

1. Tvinn Solutions Integration: Denne casestudie fokuserer på integration af pipelinen med Tvinn Solutions, som genererer digitale tvillinger af bygningskomponenter i Revit. Målet er at evaluere nøjagtigheden og fuldstændigheden af den mærkede geometri, der er produceret af maskinlæringsalgoritmen, og identificere eventuelle nødvendige yderligere metadata.
2. Miljøpåvirkningsvurdering: Ved hjælp af værktøjer som Ladybug Tools, Radiance og SpeckleLCA vurderer denne casestudie, om den forenklede geometri, der er genereret af pipelinen, giver tilstrækkelig detaljeret information til en meningsfuld miljøanalyse. Resultaterne viser, at de forenklede modeller er egnede til vurderinger i den tidlige fase, hvilket gør det muligt for interessenter at træffe informerede beslutninger hurtigt.