Die RAG fördert bis Ende 2018 in Deutschland Steinkohle im Untertagebau und trägt weiterhin die Verantwortung für die daraus resultierenden Folgen in Nordrhein-Westfalen und im Saarland. Seit fast 200 Jahren wurden tausende von Schächten und anderen Hohlräumen unter Tage erschlossen, viele davon zu einer Zeit, als Computer und 3D-Modelle noch unbekannt waren. Heute sind die Erhaltungsarbeiten der Hauptschwerpunkt der RAG.

Für viele Industriegebäude führt die RAG kontinuierlich Instandhaltungs- und Umbauarbeiten durch. Ein BIM oder digitaler Zwilling würde die Planung beschleunigen und die Effizienz verbessern. Etwa 20 Standorte wurden bereits mit Drohnen vermessen und 3D-Punktwolken erstellt. Diese Punkte haben keine Semantik, sondern bestehen nur aus einer einzelnen Position im Raum und einem Farbwert. Um aus diesen 3D-Punkten solide CAD-Objekte zu erstellen, ist ein erheblicher Zeit- und Arbeitsaufwand durch Spezialisten erforderlich. Zusätzlich müssen die CAD-Objekte attributiert werden, um Gebäudeobjekte auswählbar zu machen, wie z.B. eine Tür, eine Treppe oder nur eine Wand.

Das Ziel dieser Data Challenge ist es, diesen Prozess zu automatisieren. Semantische Segmentierung kann helfen, 3D-Punkte in Objekte zu zerlegen. Andere Techniken können helfen, Objekte als Teil eines Gebäudes zu identifizieren. Am Ende soll automatisch ein mit Attributen und Farben angereichertes CAD-Modell entstehen, das langfristig die Basis für ein vollwertiges BIM sein soll. Natürlich wird eine manuelle Überprüfung des generierten CAD-Modells weiterhin erforderlich sein, aber der menschliche Aufwand soll minimiert werden. 

Für Details zu den Punktwolkendaten im .LAZ-Format laden Sie bitte das Data Sample herunter!

Es wird mit einer Projektdauer von ca. 3 Monaten gerechnet.

Ihr habt euch bereits zur Challenge angemeldet und wollt Bei der Q&A-Session dabei sein? Hier geht es zur Anmeldung!

• Expertenwissen in semantischer Segmentierung und Objekterkennung
• Erfahrung im Umgang mit CAD und Punktwolken
• Verständnis für BIM (Building Information Modeling) ist ein Plus

‍

• Lösung zur Umwandlung aller RAG 3D-Punktwolken in solide CAD-Objekte
• Objekte wie Wände, Böden, Decken, Türen, Fenster werden als solche attribuiert
• Minimale manuelle Korrekturen erforderlich
• CAD-Objekte erhalten realistische Farben / Texturen
• CAD-Objekte sind kompatibel mit vorhandener RAG-Viewer-Software (AutoCAD oder Microstation (dwg/dgn) 

‍

Das Projekt kann in drei Meilensteine unterteilt werden:

1. Punktwolken-Segmentierung
2. Der zweite Meilenstein ist erreicht, wenn 3D-Punktwolken in CAD Geometrien umgewandelt werden können.
3. Der dritte Meilenstein ist erreicht, wenn CAD Geometrien korrekt zugeordnet werden können (Konstruktionsteil, Farbe/Textur)