KINO

KINO steht für KI-Assistenzsystem für XR-Navigationslösungen zur effizienten und präzisen Bestimmung von Posen auf Basis 3D-punktwolkenbasierter Objektraumabbildungen mit mobilen Consumer Endgeräten. Das Forschungsprojekt KINO ist in das Kooperationsnetzwerk twin4bim, welches sich Technologien digitaler Zwillinge für räumliche Umgebunden widmet, eingebunden.

Das Ziel des Projekts ist es, den Akteuren im Bauwesen mit digitalen Zwillingen und unter Nutzung handelsüblicher Smartphones, einen Zugang zum aktuellen Zustand und der Entwicklung einer Baumaßnahme mithilfe von Augmented- und Mixed Reality-Szenarien (XR-Szenarien) zu ermöglichen. Hierfür sollen Methoden entwickelt werden, mit denen der geplante Baufortschritt mit der tatsächlichen Situation vor Ort visuell abgeglichen werden kann und Übereinstimmungen und Abweichungen mittels AR-Technologiensichtbar gemacht werden können.

Die Digitalisierung in der Baubranche und die Einführung des Building Information Modeling (BIM) für alle teilnehmenden Akteure ermöglichen einem großen und diversen Anwenderkreis den Zugang zu geobasierten Daten und Diensten aus zentralen und interoperablen Datenspeichern. Diese Daten können mittlerweile in einem hohen Detailierungsgrad und großer Aktualität erfasst werden. Gleichzeitig existieren immer mehr 3D-Planungsdaten mit teilweise georeferenzierten Bezugsrahmen, so dass der Bedarf stetig wächst, Echt- und Planungsdaten in Mixed-Reality-Szenarien (XR-Szenarien) vor Ort zu überlagern und gemeinsam darzustellen. Während dies im geodätischen Anwendungsfeld mit entsprechend teuren und teilweise sehr komplexen Equipment sinnvoll realisiert werden kann, ist es für die breite Masse der Endverbraucher, aber auch für Fachanwender außerhalb der Geodäsie bisher nicht möglich eine Selbstlokalisation mit einer akzeptablen Genauigkeit vorzunehmen, was bisher den gewünschten und notwendigen Einsatz von XR-Szenarien erheblich beeinträchtigt.

Das Teilprojekt KINO -Sensorfusion (Laserscanner, Positions- und MEMS-Sensoren) und stochastisches Modell der 3D-Punkwolken, das an der TUC bearbeitet wird, befasst sich mit der Sensorfusion eines objekterfassenden Sensors (Laserscanner) mit Positionssensoren (low-cost GNSS) und Navigationssensoren (MEMS). Mit dieser Sensorfusion soll die Effizienz des Erfassungsworkflows durch eine simultane Erfassung der Position und Orientierung des Laserscanners während der eigentlichen Erfassung der 3D-Punktwolke erreicht werden. Die Position und Orientierung des Laserscanners wird für die Geo-Referenzierung der 3D-Punktwolke benötigt, um diese in einem bekannten Koordinatensystem exakt verorten zu können. Eine konsequente Berücksichtigung der Unsicherheiten aus der Geo-Referenzierung bei der weiteren Verarbeitung der 3D-Punktwolken erlaubt qualitätsgesicherte Aussagen in den Folgeprozessen. Solche Folgeprozesse sind beispielsweise die XR-Darstellung und Navigation mit mobilen Consumer Endgeräten.