Die Rekonstruktion von Bestand-Gebäudemodellen aus Punktwolken ist eine Problemstellung mit vielversprechenden Anwendungen in der Betriebs- und Instandhaltungsphase von Gebäuden. Bestand-Gebäudemodelle sind genauer als solche aus der Planung und deshalb besser geeignet als Grundlage für Entscheidungen, welche die Anpassung von Gebäuden an veränderte Nutzerbedürfnisse oder Vorschriften betreffen. Um eine verbesserte Automatisierung der Rekonstruktion von Bestand-Gebäudemodellen zu erreichen, untersuchen wir die Herleitung fehlender semantischer Daten. Diese inkludieren topologische Relationen zwischen Objekten in einem Gebäude (z.B. Zutritt zwischen Räumen) und semantische Objekteigenschaften (z.B. Raumfunktionen). Wir schlagen eine Pipeline für die Rekonstruktion von Bestand-Gebäudemodellen vor, die aus Punktwolkenverarbeitung, Topologierekonstruktion und Raumklassifizierung besteht. Methoden werden entwickelt für die: i) Extrahierung von geometrischen Modellen aus einer Pointcloud mit semantischen Labels für Anwendungen in Betrieb und Instandhaltung, ii) Rekonstruktion von Bauteil- und Raumgeometrien, und iii) Anreicherung von Räumen und zugehörigen Objekten mit funktionalen Klassifizierungsdaten. Bestehende Algorithmen und Datenstrukturen aus der Punktwolkenverarbeitung, Topologiemodellierung und semantischen Modellanreicherung werden verwendet, angepasst oder erweitert. Ein Proof-of-Concept der Rekonstruktions-Pipeline wird implementiert und validiert für die Raumflächenermittlung und Fluchtweganalyse in der Betriebs- und Instandhaltungsphase.
