TY  - CHAP
A1  - Eggert, Mathias
A1  - Schade, Maximilian
A1  - Bröhl, Florian
A1  - Moriz, Alexander
ED  - Mandviwalla, Munir
ED  - Söllner, Matthias
ED  - Tuunanen, Tuure
T1  - Generating synthetic LiDAR point cloud data for object detection using the Unreal Game Engine
T2  - Design Science Research for a Resilient Future (DESRIST 2024)
N2  - Object detection based on artificial intelligence is ubiquitous in today’s computer vision research and application. The training of the neural networks for object detection requires large and high-quality datasets. Besides datasets based on image data, datasets derived from point clouds offer several advantages. However, training datasets are sparse and their generation requires a lot of effort, especially in industrial domains. A solution to this issue offers the generation of synthetic point cloud data. Based on the design science research method, the work at hand proposes an approach and its instantiation for generating synthetic point cloud data based on the Unreal Engine. The point cloud quality is evaluated by comparing the synthetic cloud to a real-world point cloud. Within a practical example the applicability of the Unreal Game engine for synthetic point cloud generation could be successfully demonstrated.
Y1  - 2024
SN  - 978-3-031-61174-2 (Print)
SN  - 978-3-031-61175-9 (Online)
U6  - https://doi.org/10.1007/978-3-031-61175-9_20
N1  - 19th International Conference on Design Science Research in Information Systems and Technology, DESRIST 2024, Trollhättan, Sweden, June 3–5, 2024
SP  - 295
EP  - 309
PB  - Springer
CY  - Cham
ER  - 
TY  - CHAP
A1  - Altherr, Lena
A1  - Döring, Bernd
A1  - Frauenrath, Tobias
A1  - Groß, Rolf
A1  - Mohan, Nijanthan
A1  - Oyen, Marc
A1  - Schnittcher, Lukas
A1  - Voß, Norbert
ED  - Reiff-Stephan, Jörg
ED  - Jäkel, Jens
ED  - Schwarz, André
T1  - DiggiTwin: ein interdisziplinäres Projekt zur Nutzung digitaler Zwillinge auf dem Weg zu einem klimaneutralen Gebäudebestand
T2  - Tagungsband AALE 2024 : Fit für die Zukunft: praktische Lösungen für die industrielle Automation
N2  - Im Hinblick auf die Klimaziele der Bundesrepublik Deutschland konzentriert sich das Projekt Diggi Twin auf die nachhaltige Gebäudeoptimierung. Grundlage für eine ganzheitliche Gebäudeüberwachung und -optimierung bildet dabei die Digitalisierung und Automation im Sinne eines Smart Buildings. Das interdisziplinäre Projekt der FH Aachen hat das Ziel, ein bestehendes Hochschulgebäude und einen Neubau an klimaneutrale Standards anzupassen. Im Rahmen des Projekts werden bekannte Verfahren, wie das Building Information Modeling (BIM), so erweitert, dass ein digitaler Gebäudezwilling entsteht. Dieser kann zur Optimierung des Gebäudebetriebs herangezogen werden, sowie als Basis für eine Erweiterung des Bewertungssystems Nachhaltiges Bauen (BNB) dienen. Mithilfe von Sensortechnologie und künstlicher Intelligenz kann so ein präzises Monitoring wichtiger Gebäudedaten erfolgen, um ungenutzte Energieeinsparpotenziale zu erkennen und zu nutzen. Das Projekt erforscht und setzt methodische Erkenntnisse zu BIM und digitalen Gebäudezwillingen praxisnah um, indem es spezifische Fragen zur Energie- und Ressourceneffizienz von Gebäuden untersucht und konkrete Lösungen für die Gebäudeoptimierung entwickelt.
KW  - Anomalieerkennung
KW  - IoT
KW  - Überwachung & Optimierung
KW  - DiggiTwin
KW  - BIM
KW  - Smart Building
KW  - Digitalisierung
Y1  - 2024
SN  - 978-3-910103-02-3
U6  - https://doi.org/10.33968/2024.67
N1  - 20. AALE-Konferenz. Bielefeld, 06.03.-08.03.2024
(Tagungsband unter https://doi.org/10.33968/2024.29)
SP  - 341
EP  - 346
PB  - le-tex publishing services GmbH
CY  - Leipzig
ER  -