3D-Datenwissenschaft mit Python

Kapitel 11. 3D-Gebäuderekonstruktion aus LiDAR-Daten

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Als Experten für hochmoderne Anwendungen weißt du, wie wichtig genaue 3D-Stadtmodelle für verschiedene Aufgaben sind, z. B. für die Stadtplanung, das Katastrophenmanagement und die Entwicklung der Infrastruktur. Du brauchst zuverlässige Methoden, um wertvolle Informationen aus komplexen 3D-Datensätzen zu extrahieren, insbesondere aus LiDAR-Punktwolken aus der Luft. Die derzeitigen Methoden zur Erstellung dieser Modelle beruhen oft auf manueller Verarbeitung oder halbautomatischen Verfahren, die zeitaufwändig und fehleranfällig sind. Wir brauchen eine robuste, automatisierte Lösung, um große Datensätze zu verarbeiten und genaue 3D-Modelle zu erstellen.

In diesem Kapitel gehen wir von einem fiktiven Beispiel aus, in dem du ein Immobilieninvestor bist, der das Potenzial eines Viertels bewertet. Du willst herausfinden, ob es machbar ist, bestehende Häuser horizontal und vertikal zu erweitern. Um fundierte Entscheidungen zu treffen, brauchst du genaue Informationen über die Grundfläche und die Höhe der einzelnen Gebäude. Wie wäre es, wenn wir LiDAR-Daten aus bestehenden offenen Datenportalen kuratieren und aus dem Gebiet, das wir für potenziell halten, ein Stadtviertel extrahieren könnten? Von dort aus könnten wir die unordentliche LiDAR-Punktwolke abstrahieren, um die Häuser zu erkennen, ihre Grundrisse ...