Utveckling av algoritmer för generering av takmodeller för digitala tvillingstäder

Abstract

En digital tvilling är en modell av en stad som i varje ögonblick ska spegla staden och dess rörelser. Digitala tvillingar förutspås ha en stor mängd användningsområden i framtiden, exempelvis inom stadsplanering eller koordinering av hjälpinsatser vid olyckor. Tidigare har det krävts mycket manuellt arbete för att ta fram digitala modeller vilket gjort processen tidskrävande. Ny teknologi har möjliggjort automatisering av processen, något som idag är föremål för forskning, bland annat på Digital Twin Cities Centre (DTCC) på Chalmers. I detta arbete undersöks algoritmer för att automatiskt generera takmodeller för digitala tvillingstäder. Med hjälp av befintlig data i form av ortofoton, fastighetskartor, laserdata samt en implementerad maskininlärningsmodell från DTCC har gruppen tagit fram en metod för att generera takmodeller. Först segmenteras ortofoton för att hitta takens kanter och taknockar. Sedan behandlas bilderna för att jämna ut segmenteringen och hitta hörnpunkter. Från detta kombineras fastighetskartorna, de segmenterade bilderna och hörnpunkterna för att bestämma takplanen i 2D. Nu kan en 3D-geometri genereras genom att laserdatan kopplas till rätt takplan med quadrant angle-algoritmen. Därefter genereras plan med singulärvärdesuppdelning och laserdatan filtreras för avvikande punkter. Avslutningsvis sammanfogas gemensamma hörnpunkter och ett linjärt optimeringsproblem appliceras för att planarisera takplanen. Resultaten är lovande men visar också på utmaningen i att automatisera denna komplexa process. Det är uppenbart att mycket arbete kvarstår innan gruppens metod kan appliceras på stor skala. Däremot tas ett antal korrekta takmodeller fram vilket visar på potential. Framtida förbättringsområden inkluderar att hantera förskjutningar som uppkommer hos segmenteringarna och förbättra planariseringen av takplanen. Fortsatta frågeställningar kan vara att undersöka hur byggnadspolygoner och punktmoln kan utnyttjas under bildsegmenteringsfasen samt att utreda huruvida en kombination av en data- och modellbaserad metod ger bättre resultat.