Op weg naar een ILS voor pointclouds
Publicatiedatum 25 oktober 2021
Inwinning van data moet aan banden worden gelegd. Ingewonnen data moet beter aansluiten op alle producten en analyses die ermee gemaakt worden. Dat wordt extra belangrijk nu er steeds meer automatiseringen ontstaan die omzetting van pointclouds naar 3D modellen mogelijk maken. Een tijd geleden maakte PH al de eerste stappen richting een norm, maar nu gaan we echt aan de bak. Data inwinning en standaardisatie staan op de agenda van 2022 van het BIM loket én van PelserHartman. Met vele interessante automatiseringen tot gevolg!
Data inwinning en mogelijkheden tot standaardisatie
In opdracht van het BIM loket deed PelserHartman een eerste verkenning over data inwinning en standaardisatie. Het rapport dat we maakten kun je binnenkort downloaden op de website van het BIM loket.
In dit bericht en in het rapport vind je informatie over:
- Data inwinning. Over inwinnen, hardware en het gebruik van pointcloud data in software. En de toekomst van hardware.
- Data inwinning voor NLCS en OTL.
- Automatisch omzetten van meetdata. Classificatie, objectherkenning en omzettingen naar 3D elementen.
- Programma van het BIM Loket 2022.
BIM Loket webinar Data inwinning en standaardisatie
Bovenstaande film is de opname van de online Friday van het BIM Loket. Directeur innovatie van PelserHartman, Jeroen Pelser vertelt over data inwin-technieken en ligt de door hem geschreven eerste verkenning toe.
Eerste stap richting de 3D scan norm
We praten er al een hele tijd over; ‘een norm voor 3D inmeten en laserscanning’. Maar eerlijk gezegd zijn we tot nu toe niet ver gekomen. Wel hebben we een tijd geleden een heel interessant traject doorlopen met een specialist binnen het RVB naar aanleiding van het project Binnenhof Den Haag. Meer hierover lees je op de pagina Norm 3D scannen.
Checklists en de PH-ILS voor de juiste uitvraag
Stap 1 is altijd; het verkrijgen van de goede meetdata. Dit begint met maken van ‘De juiste bestelling’, en dat start dan weer met ‘De juiste uitvraag’. De nadruk lag destijds dan ook op het maken van de juiste uitvraag door de opdrachtgevers. En op dat vlak ging veel mis. Mensen wisten de juiste vragen niet te stellen en konden lastig omschrijven welke data ze nodig hadden. Daardoor ontvingen ze maar al te vaak data waarmee ze uiteindelijk niets tot heel weinig konden doen in een vervolgtraject.
Het begint wat ons betreft altijd bij het overdragen van kennis. En dat zijn we dan ook uitvoerig gaan doen. Verder hebben we een aantal checklists opgezet waarmee opdrachtgevers hun uitvraag beter konden maken. Maar ook maakten we een eigen Informatie Levering Specificatie (ILS) met kruisjeslijsten waarmee het gewenste 3D model beter gedefinieerd kon worden. Als laatste hebben we methoden bedacht waarmee de geleverde meetdata gevalideerd kan worden. In de praktijk komt dit erop neer dat we kijken of de gemaakte meetdata overeenkomt met de gemaakte afspraken en met de omschrijving van de meetdata.
Behoefte aan een inwin standaard
Er is dus behoefte aan een inwin standaard. Sommige organisaties hebben wel een voorschrift dat iets zegt over de nauwkeurigheid maar verder niets over data kwaliteit. Daardoor ontstaan er vaak problemen en miscommunicatie. De inmeetdata, bijvoorbeeld pointclouds, die partijen ontvangen zijn vaak onbruikbaar of deels niet bruikbaar. Er is geen aansluiting op de werkzaamheden die uitgevoerd moeten worden met de betreffende inmeetdata. De data is dan bijvoorbeeld niet bruikbaar voor het maken van bepaalde 3D modellen. Er zal een link gemaakt moeten worden tussen de data inwinning en het Level Of Detail- (LOD) niveau dat ermee gemaakt moet kunnen worden. De data moet daarbij ook zaken aangeven zoals; de plaats van het object en hoe het erbij ligt, de vorm, de kleur etc.
Vragen die beantwoord moeten worden zijn bijvoorbeeld; “Heb ik het object zo in beeld kunnen brengen dat ik alle eigenschappen kan zien? Kan ik de data hergebruiken in allerlei software? Maar misschien ook; hoe is de beveiliging van de data geregeld en hoe verloopt het back-uppen? Hoe zorg ik ervoor dat data niet gehackt kan worden?”
Voorbeelden van wat we zouden kunnen standaardiseren:
1. De inmeetmethode.
Of breder; de data inwinmethode. Daarbij spelen aspecten zoals het definiëren en aanbrengen van coördinatenstelsels, achterlaten van meetpunten voor uitzetwerk en de monitoring een grote rol. Dat laatste gaat een grote rol spelen nu er steeds vaker modellen gemaakt worden voor beheer & onderhoud. Maar ook de energie uitdagingen en de extreme weersomstandigheden vragen om monitoring. De bodem en dus de gebouwen zijn aan het bewegen onder invloed van te veel of te weinig water; de uitdroging van de bodem. Dit wordt tegenwoordig data gedreven werken genoemd. Iets dat steeds meer asset-owners zijn gaan doen.
2. Match tussen meetdata en LOD niveau.
Een bepaald gewenst LOD-niveau van een 3D model vraagt om bepaalde meetdata als basis. Bijvoorbeeld; is de pointclouddekking en de resolutie (afstand tussen twee meetpunten) te laag, dan kan het gewenste 3D model helemaal niet gemaakt worden. En aangezien aanvullen hier niet mogelijk is, kan het meetbureau dus weer opnieuw beginnen. Enkelvoudige inwinning en meervoudig gebruik moeten het uiteindelijke doel worden.
3. Achterlaten en overdragen van data.
Hoe leveren we de data aan, hoe maken we deze online toegankelijk en hoe back-uppen we de grote datasets? En hoe zorgen we ervoor dat veel later nog steeds duidelijk is wat de herkomst van de data is en wat we ermee kunnen doen en maken? Hier zal bijvoorbeeld de blockchaintechnologie een rol kunnen spelen.
Standaardisatie Data inwinning Programma 2022
Komend jaar gaan we samen met het BIM-loket, marktpartijen en leveranciers verder en zorgen we dat het inwinnen van de data beter gaat passen bij alle producten en analyses die partijen hiermee willen gaan maken. Daarvoor is het nodig om rijkere datasets te maken en meer informatie te verzamelen. Dat kan door meer sensoren in te schakelen. Maar eerst werken we aan de basis; weten wat de informatie behoefte is van alle betrokken partijen in het hele traject. Daarna is het zaak om de data zo te maken dat iedereen ermee uit de voeten kan. Ons concept Centrale Maatvoering sluit daar perfect op aan.
Definitie Centrale Maatvoering: Het onder controle houden van afmetingen, vorm en plaats van alle elementen die een rol spelen in het bouwproces. Inmeten, uitzetten, controleren en vastleggen centraal aangestuurd als één vakdiscipline en door één partij die de verantwoordelijkheid draagt. Dus data die meteen geschikt is voor iedereen in alle fases.
Met Centrale Maatvoering voorkomen we dat alle partijen voor zichzelf maatvoering maken. En er wordt voorkomen dat partijen data niet willen delen of dat verschillende datasets niet met elkaar overeenkomen.
Stappen volgend jaar:
- het verkrijgen van de goede data.
- classificatie van meetdata.
- objectherkenning.
- hardware sensoren.
In hoofdstuk 5 van het rapport ‘Data inwinning en mogelijkheden tot standaardisatie’ vind je een hoofdstuk dat verder omschrijft wat het programma van 2022 wordt en wat de eerste stappen zouden kunnen zijn.
