Constructie-Digital Twins voor geautomatiseerde digitale werfopvolging

De faalkosten in de bouwindustrie –veroorzaakt door vertragingen en constructiefouten– moeten drastisch verminderen. Hiervoor moet de kwaliteit en de progressie op de werf systematisch en digitaal worden vastgesteld en moeten de ontwerpen worden geüpdatet conform de as-built toestand. 

Het doel van dit project is om automatische werfopvolging te realiseren met constructie-digital twins –een innovatief BIM dat de levenscyclus van objecten op de werf modelleert a.d.h.v. periodieke monitoring. De noodzakelijke geometrische en visuele input voor deze digital twins zal worden geëxtraheerd uit teledetectiedata d.m.v. zeer innovatieve machine learning.

Het startpunt van dit onderzoek is de ontwikkeling van multimodale segmentatiemodellen die periodiek opgenomen puntenwolken en beelden op de werf verwerken. Concreet zullen we de grensverleggende deep learning architectuur ontwikkelen die nodig is voor de segmentatie, en deze generaliseren voor objecten uit diverse gebouwdomeinen.

Het tweede deel van dit onderzoek is de extractie van de progressie en kwaliteit van de objecten op de werf en de integratie van de digital twins met BIM. Concreet zullen we een innovatieve methodologie ontwikkelen die nodig is om de staat en de kwaliteit (vorm, uitzicht) van de objecten te evalueren in opeenvolgende bouwfases. Bij de oplevering zullen de digital twins ook de informatie bevatten voor het as-built BIM dat nodig is voor post-constructieprocessen.