Grammatikbasierte Erzeugung von Innenraummodellen durch mobile Teilnehmer
Geodäsie, Photogrammetrie, Fernerkundung, Geoinformatik, Kartographie
Sicherheit und Verlässlichkeit, Betriebs-, Kommunikations- und verteilte Systeme
Zusammenfassung der Projektergebnisse
Ziel des Projektes war die Rekonstruktion von Gebäudeinnenräumen auf Basis von verteilt erfassten Sensordaten (Benutzerbewegungsspuren (2D) und Punktwolken (3D)) sowie einer zu entwickelnden Grammatik für Gebäudeinnenräume. Zur Erfassung von Sensordaten sollte dabei herkömmliche mobile Endgeräte wie Smartphones oder Tablets zum Einsatz kommen, um auch Nichtexperten und Communities die Erstellung qualitativ hochwertiger Innenraummodelle zu ermöglichen. Da private Benutzer durch die Reduktion der Laufzeit ihrer batteriebetriebenen mobilen Endgeräte von der Erfassung von Sensordaten abgeschreckt werden könnten, sollten außerdem Verfahren zur energieeffizienten Erfassung von Sensordaten entworfen und integriert werden. Zur formalen Beschreibung der Struktur von Gebäudeinnenräumen wurden spezielle Innenraumgrammatiken entworfen, die eine automatische (algorithmische) Ableitung von denkbaren Gebäudeaufteilungen in Räume, Korridore, usw. erlauben. Diese Grammatiken wurden einerseits genutzt, um Lücken in der Erfassung zu schließen, d.h. detaillierte Innenraummodelle an Stellen herzuleiten, die nicht von Sensordaten erfasst wurden. Andererseits wurden Verfahren entwickelt, um die Qualität von Innenraummodellen, die auf Grundlage ungenauer und fehlerbehafteter Sensordaten rekonstruiert werden, zu verbessern. Neben der qualitativen Verbesserung von Innenraummodellen bezüglich Vollständigkeit und Genauigkeit wurden Grammatiken des Weiteren genutzt, um den Aufwand der Erfassung zu reduzieren. Mit Hilfe von Grammatiken sowie einer geeigneten Erfassungsplanung kann dabei die Menge der notwendigen Sensordaten reduziert und somit Energie batteriebetriebener mobiler Endgeräte eingespart werden. Mit Hilfe komplementärer Methoden, wie z.B. die optimierte Kommunikation über Mobilfunknetze, konnte die Energieeffizient weiter gesteigert werden. Neben der optimierten Erfassung von (möglichst wenigen) Sensordaten wurden außerdem verteilte Verfahren zur Verarbeitung von Sensordaten zu Innenraummodellen entwickelt, die Rechenaufgaben zwischen dem mobilen Endgerät und Servern verteilen. Ziel waren dabei Verfahren, die eine optimierte Verteilung von Berechnungen erlauben, so dass sowohl der Energieaufwand für (mobile) Berechnungen als auch der Aufwand zur Kommunikation von Sensor- oder Modelldaten vom mobilen Endgerät zu den Servern reduziert wird. Die entworfenen Verfahren zur Innenraummodellierung wurden an realen Beispielen experimentell evaluiert. Hierbei wurden sowohl 2D-Bewegungsspuren als auch 3D-Punktwolken für verschiedene Gebäude der Universität Stuttgart erfasst und mit Hilfe von entsprechenden Innenraumgrammatiken Innenraumodelle hergeleitet. Es zeigte sich dabei eine hohe Übereinstimmung und Qualität der erfassten Modelle mit der Realität.
Projektbezogene Publikationen (Auswahl)
-
Combined Grammar for the Modeling of Building Interiors. In: ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, II-4/W1, pp 1-6, 2013
S. Becker, M. Peter, D. Fritsch, D. Philipp, P. Baier, and C. Dibak
-
DrOPS: Model-Driven Optimization for Public Sensing Systems. In: Proceedings of the 11th IEEE International Conference on Pervasive Computing and Communications (PerCom), 2013
D. Philipp, J. Stachowiak, P. Alt, F. Dürr, K. Rothermel
-
Efficient Distribution of Sensing Queries in Public Sensing Systems. In: Proceedings of the 10th IEEE International Conference on Mobile Ad-hoc and Sensor Systems (MASS), 2013
P. Baier, F. Dürr, K. Rothermel
-
Modeling Facade Structures Using Point Clouds from Dense Image Matching. In: Proceedings International Conference Advances in Civil, Structural and Mechanical Engineering, Inst. Engineers and Doctors, Hongkong, pp. 57-64, ISBN: 978-981-07-7227-7
D. Fritsch, S. Becker and M. Rothermel
-
Opportunistic Position Update Protocols for Mobile Devices. In: Proceedings of the International Joint Conference on Pervasive and Ubiquitous Computing (UbiComp), 2013
P. Baier, F. Dürr, K. Rothermel
-
Refinement of Coarse Indoor Models Using Position Traces and a Low-Cost Range Camera. In: Proceedings of the 4th International Conference on Indoor Positioning and Indoor Navigation. S. 787- 795. Montbéliard, 2013
M. Peter, A. M. Khosravani, D. Fritsch
-
MapGENIE: Grammar-enhanced Indoor Map Construction from Crowdsourced Data. In: Proceedings of the 12th IEEE International Conference on Pervasive Computing and Communications (PerCom), 2014
D. Philipp, P. Baier, C. Dibak, F. Dürr, K. Rothermel, S. Becker, M. Peter, D. Fritsch
-
Automatic Modeling of Building Interiors Using Low-cost Sensor Systems. Dissertation, Deutsche Geodätische Kommission, München, Reihe C, Nr. 767, ISBN 978-3-7696-5179-9. 2016
A. Khosravani
-
Increasing the Efficiency of Code Offloading in n-tier Environments with Code Bubbling. MobiQuitous 2016
F. Berg, F. Dürr, and K. Rothermel
-
Indoor Point Cloud Segmentation for Automatic Object Interpretation. 37. Wissenschaftlich-Technische Jahrestagung der DGPF, 2017
L. Runceanu, S. Becker, N. Haala, and D. Fritsch
-
Photogrammetrische Auswertung digitaler Bilder – Neue Methoden der Kamerakalibration, dichten Bildzuordnung und Interpretation von Punktwolken. In: Photogrammetrie und Fernerkundung, Hrsg. C. Heipke, Springer, Berlin, pp. 157-196
D. Fritsch
-
“GraMap: QoS- Aware Indoor Mapping through Crowd-Sensing Point Clouds with Grammar Support” In Proceedings of the 14th International Conference on Mobile and Ubiquitous Systems: Computing, Networking and Services (MobiQuitous 2017). ACM, 2017
M. Abdelaal, F. Dürr, K. Rothermel, S. Becker and D. Fritsch
-
“iSense: Energy-Aware Crowd- Sensing Framework” In Proceedings of the 36th International Performance Computing and Communications Conference (IPCCC 2017), pp. 1-9. IEEE, December 2017
M. Abdelaal, M. Qaid, F. Dürr, and K. Rothermel
-
GreenMap: Approximated Filtering towards Energy-Aware Crowdsensing for Indoor Mapping Public Sensing Systems. In: Proceedings of the 10th IEEE International Conference on Mobile Ad-hoc and Sensor Systems (MASS), 2018
J. Kaessinger, M. Abdelaal, F. Dürr, and K. Rothermel
-
“ComNSense: Grammar-Driven Crowd-Sourcing of Point Clouds for Automatic Indoor Mapping” In Proceedings of the 2017 ACM International Joint Conference on Pervasive and Ubiquitous Computing (UbiComp 2018). PACM IMWUT Issue 1, October 2018
M. Abdelaal, D. Reichelt, F. Dürr, K. Rothermel, L. Runceanu, S. Becker and D. Fritsch