Rampenbestrijding eenvoudiger met 3D-kaarten van complexe gebouwen

Promendus Shayan Nikoohemat van UTwente creëerde een algoritme dat nauwkeurig 3D-modellen kan maken van de binnenkant van grote gebouwen uit puntwolken, voor eerste hulpverleners bij rampen.

Trefwoorden: #2D, #3D, #3D-model, #algoritme, #Brandweer, #Cyclomedia, #data, #iCGI, #laserscanner, #Leap3D, #modelleren, #Open Geospatial Consortium, #puntenwok, #rampenbestrijding, #TU Delft, #UTwente

Lees verder

research

( Foto: UTwente )

ENGINEERINGNET.BE - Indoor 3D-modellen zijn de digitale tweeling van het interieur van een gebouw. Eerste hulpverleners kunnen de 3D modellen gebruiken om een goede indruk te krijgen van de binnenkant van grote gebouwen, zoals winkelcentra, een ziekenhuis of een sportcomplex, op weg naar de ramp.

2D kaarten geven belangrijke informatie - zoals de locatie van de nooduitgangen - weer op soms verwarrende plattegronden, waardoor ze moeilijk snel te lezen zijn en daarnaast zijn deze kaarten na elke reconstructie verouderd.

"Soms zijn deze kaarten zo verouderd dat het echte gebouw er heel anders uitziet dan de plattegronden. We hebben daarom een snelle en betrouwbare aanpak nodig om digitale 3D-modellen van interieurs te maken", zegt Shayan Nikoohemat.

Gelukkig bestaat er een technologie die snel een heel gebouw kan scannen. Met behulp van laserscanners worden puntenwolken gemaakt. Deze ongestructureerde gegevens moeten nog worden omgezet in een 3D-model.

De data weet niet of een gescand punt een muur, een uitgang of bijvoorbeeld een tafel is. Volgens Nikoohemat heeft zijn programma dit opgelost.

"Ik heb algoritmes gemaakt die de data automatisch begrijpen en 2D- en 3D-kaarten kunnen maken. We kunnen deuren, trappen, obstakels en bevaarbare gebieden detecteren en modelleren. Dit zijn cruciale gegevens voor de planning bij een ramp."

Het algoritme herkent bouwkundige elementen zoals wanden, platen, plafonds en openingen. Individuele items zoals meubels vormen echter nog steeds een probleem.

"Het is nog niet in staat om alles correct te labelen, maar de structurele elementen zijn voldoende om een nauwkeurige kaart te maken, die we hebben getest op verschillende echte datasets," zegt hij.

Tijdens zijn postdoc zal Nikoohemat het systeem verder ontwikkelen om ook voor individuele items te werken.

Zijn onderzoek is geïnitieerd door UTwente, TU Delft, de Nederlandse Brandweer, industriepartners CGI, Cyclomedia en Leap3D, en het Open Geospatial Consortium ter ondersteuning van rampenbestrijding in openbare gebouwen.