Beim Ausbau erneuerbarer Energien sind Windenergieanlagen (WEA) ein zentraler Bestandteil. Dabei rückt das Repowering – der Ersatz veralteter WEA durch moderne, leistungsfähigere Anlagen – zunehmend in den Fokus. Beim Einsatz von Augmented Reality (AR) zur Visualisierung solcher Bauvorhaben besteht das Problem bestehende Anlagen aus der Visualisierung zu entfernen. Hierzu ist die Verwendung von Diminished Reality (DR) ein Lösungsansatz, um reale Objekte der Umgebung in Echtzeit aus der Visualisierung zu entfernen. Der Beitrag zielt auf die Konzeption einer mobilen Outdoor AR- und DR-Anwendung zur Visualisierung von WEA-Repowering-Projekten, in der sowohl geplante Anlagen per AR als virtuelle Objekte hinzugefügt als auch in der Realität bestehende Anlagen per DR aus der Visualisierung entfernt werden. Hierfür werden ein DR-Verfahren basierend auf Convolutional Neural Networks (CNN) zur Objekterkennung und -nachverfolgung sowie Inpainting zur Hintergrundgenerierung konzipiert sowie die Implementierung eines Prototyps beschrieben, der die grundlegenden Funktionalitäten umsetzt.

错误:搜索内容不能为空,请输入英文关键词
错误:关键词超出字数限制,请精简
高级检索

Diminished Reality für mobile Outdoor-AR-Visualisierungen des Repowerings von Windenergieanlagen

  • Maximilian Deharde,
  • Frank Fuchs-Kittowski

摘要

Beim Ausbau erneuerbarer Energien sind Windenergieanlagen (WEA) ein zentraler Bestandteil. Dabei rückt das Repowering – der Ersatz veralteter WEA durch moderne, leistungsfähigere Anlagen – zunehmend in den Fokus. Beim Einsatz von Augmented Reality (AR) zur Visualisierung solcher Bauvorhaben besteht das Problem bestehende Anlagen aus der Visualisierung zu entfernen. Hierzu ist die Verwendung von Diminished Reality (DR) ein Lösungsansatz, um reale Objekte der Umgebung in Echtzeit aus der Visualisierung zu entfernen. Der Beitrag zielt auf die Konzeption einer mobilen Outdoor AR- und DR-Anwendung zur Visualisierung von WEA-Repowering-Projekten, in der sowohl geplante Anlagen per AR als virtuelle Objekte hinzugefügt als auch in der Realität bestehende Anlagen per DR aus der Visualisierung entfernt werden. Hierfür werden ein DR-Verfahren basierend auf Convolutional Neural Networks (CNN) zur Objekterkennung und -nachverfolgung sowie Inpainting zur Hintergrundgenerierung konzipiert sowie die Implementierung eines Prototyps beschrieben, der die grundlegenden Funktionalitäten umsetzt.