Master Thesis Roof Type Classification from Digital Surface Models and Building Footprints

Deine Aufgaben:

Daher ist es das Ziel dieser Arbeit, zu untersuchen, welche Methoden eingesetzt werden können, um den Dachtyp von Gebäuden automatisch aus einem DSM abzuleiten und so die skalierbare Erstellung hochpräziser digitaler Zwillinge für sicherheitskritische Anwendungen zu unterstützen.

• Bewertung aktueller Fortschritte bei der Ableitung des Dachtyps auf Basis geordneter/ungeordneter Punktwolken und triangulierter Netze (beide können aus dem DSM abgeleitet werden)
• Entwicklung einer Pipeline zur Ableitung des Dachtyps auf Basis von DSM und Gebäudegrundrissen
• Vergleich der vorgeschlagenen Pipeline mit einem klassischen regelbasierten Ansatz
• Bewertung der praktischen Wirksamkeit der vorgeschlagenen Pipeline in repräsentativen Anwendungsfällen

Das bringst Du mit:

• Derzeit als Student in Informatik, Mathematik oder einem ähnlichen Studiengang eingeschrieben
• Grundkenntnisse über gängige 3D-Darstellungsformate in der Computergrafik, wie z. B. Netze, Punktwolken und Voxel
• Grundkenntnisse in Deep Learning und Computer Vision
• Grundkenntnisse in Python (idealerweise im Hinblick auf Deep-Learning-Anwendungen, z. B. PyTorch oder TensorFlow)