Zie Nieuws

3D-kaarten van complexe gebouwen voor rampenbestrijding

In geval van nood hebben eerstehulpverleners zoals de brandweer actuele informatie nodig. Meestal worden hier 2D-kaarten voor gebruikt als bron van informatie, maar die kunnen in een noodsituatie moeilijk leesbaar zijn. UT PhD-student Shayan Nikoohemat creëerde een algoritme dat nauwkeurig 3D-modellen kan maken van de binnenkant van grote gebouwen uit puntwolken.

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 een snelle en betrouwbare aanpak nodig om digitale 3D-modellen van interieurs te maken", zegt Shayan.

Van puntenwolk naar 3D-kaart

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 Shayan heeft zijn programma dit opgelost: "Voor mijn proefschrift heb ik 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".

Afbeelding 1: De puntenwolk en het uiteindelijke 3D model van de brandweerkazerne in Haaksbergen

Het herkennen van elementen

Het algoritme kan verschillende bouwkundige elementen zoals wanden, platen, plafonds en openingen herkennen. 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 hij het systeem verder ontwikkelen om ook voor individuele items te werken. Huib Fransen van de Veiligheidsregio Rotterdam-Rijnmond was blij met de resultaten: "Het project van Shayan is spannend voor ons en we waren blij om hem te voorzien van de scanlocaties om te testen."

Meer informatie

Shayan deed zijn onderzoek bij de Department of Earth Observation Sciences (EOS; Faculteit ITC) en werd begeleid door Prof.Dr.Ir. M.G. Vosselman. Hij werkt nu als postdoc voor dezelfde vakgroep. Zijn onderzoek is geïnitieerd door de UT, TU Delft en de Nederlandse Brandweer (iNowit, Brandweer Nederland) en industriepartners (CGI, Cyclomedia en Leap3D) en het Open Geospatial Consortium (OGC) ter ondersteuning van rampenbestrijding in openbare gebouwen. Het project is gefinancierd via het NWO-Partnerschapsprogramma Map4Society. Shayan verdedigde op woensdag 21 oktober zijn proefschrift, getiteld Indoor 3D Reconstruction of Buildings from Point Clouds.

K.W. Wesselink MSc (Kees)
Communicatiemedewerker (aanwezig ma-vr)