AI-baserad segementering av fasader för att optimera renovering i en större skala
Magazine article, 2021

Hur kan vi på ett automatiskt sätt skapa mer detaljerade 3D modeller av byggnader i digitala tvillingar och förbättra indata för att beräkna energibesparingspotentialer i befintliga byggnader? I en pilotstudie har vi undersökt hur maskininlärning kan användas för att extrahera information om fönstersättning och storlek i befintliga byggnader. Vi har utvecklat en modell som har “tränats” att känna igen och segmenterar fönster från bilder med byggnadsfasader och på så sätt skapa digitala och mer detaljerade data för befintliga byggnader. Vårt långsiktiga mål är att utveckla en helautomatisk metod för analyser av renoveringspotentialer för byggnader och fastighetsportföljer.

Author

Sanjay Somanath

Chalmers, Architecture and Civil Engineering, Building Technology

Yinan Yu

Chalmers, Computer Science and Engineering (Chalmers), Functional Programming

Nils Nordmark

University of Gothenburg

Mola Ayenew

University of Gothenburg

Liane Thuvander

Chalmers, Architecture and Civil Engineering, Architectural theory and methods

Alexander Hollberg

Chalmers, Architecture and Civil Engineering, Building Technology

Bygg och teknik

0281-658X (ISSN)

Vol. 2021 2 26-29

Digital Twin Cities Centre

VINNOVA (2019-00041), 2020-02-29 -- 2024-12-31.

Subject Categories

Environmental Analysis and Construction Information Technology

Building Technologies

Computer Systems

More information

Latest update

3/1/2022 1