Key points are not available for this paper at this time.
Ein zentrales Merkmal von urbanen digitalen Zwillingen (DTs) ist eine automatisch generierte detaillierte 3D-Darstellung der bebauten und unbebauten Umgebung basierend auf Luftbildern, Grundrissen, LiDAR oder einer Fusion dieser. Solche 3D-Modelle finden Anwendung in Architektur, Bauingenieurwesen, Stadtplanung, Bau, Immobilien, Geografischen Informationssystemen (GIS) und vielen anderen Bereichen. Während die Visualisierung großer Datensätze in Verbindung mit den generierten 3D-Modellen oft eine wiederkehrende und ressourcenintensive Aufgabe darstellt, ist ein automatisierter Workflow komplex und erfordert viele Schritte, um eine qualitativ hochwertige Visualisierung zu erreichen. Methoden zur Rekonstruktion von Gebäuden haben sich von zuvor manuellen Ansätzen zu semi-automatischen oder automatischen Ansätzen deutlich weiterentwickelt. Dieses Papier zielt darauf ab, bestehende Methoden zur 3D-Gebäudegenerierung zu ergänzen. Zunächst präsentieren wir einen Literaturüberblick über verschiedene Optionen zur prozeduralen Kontextgenerierung und Visualisierungsmethoden, wobei der Fokus auf Workflows und Datenpipelines liegt. Anschließend stellen wir einen semi-automatisierten Workflow vor, der die Pipeline zur Gebäude-Rekonstruktion erweitert, um eine prozedurale Kontextgenerierung mit Python und Unreal Engine einzubeziehen. Schließlich schlagen wir einen Workflow zur Integration verschiedener Arten von großflächigen Daten zur städtischen Analyse zur Visualisierung vor. Wir schließen mit einer Reihe von Herausforderungen, die bei der Erreichung solcher Pipelines auftreten, und den Einschränkungen des aktuellen Ansatzes. Die Schritte für eine vollständige, durchgängige Lösung erfordern jedoch die weitere Entwicklung robuster Systeme zur Gebäudetektion, Dacherkundung sowie zur Geometriegenerierung und das Importieren und Visualisieren von Daten im selben 3D-Umfeld, was einen Bedarf an weiterführender Forschung und Entwicklung in diesem Bereich unterstreicht.
Somanath et al. (Tue,) haben diese Frage untersucht.