Pistepilvipohjainen mallinnusautomaatio ja määrälaskenta

Abstract

Opinnäytetyön tavoitteena oli selvittää pistepilvimallien erilaiset jatkokäsittelymahdollisuudet sekä kehittää prosessia, jolla pistepilvistä voidaan automaattisesti luoda inventointimalli ja tuottaa tarkkaa määrälaskentatietoa. Työn tilaajana toimi A-Insinöörit Suunnittelu Oy, ja opinnäytetyön tuloksia käytetään "Digitaaliset kaksoset" -palvelun kehittämiseen. Tutkimuksessa keskityttiin erityisesti ohjelmistojen kyvykkyyteen käsitellä pistepilviä ja tuottaa niistä suunnittelun ja määrälaskennan tueksi luotettavaa tietoa.

Tutkimuksessa kartoitettiin ja analysoitiin useita pistepilvien käsittelyyn soveltuvia ohjelmistoja. Ohjelmistojen ominaisuuksia arvioitiin niiden kyvyn perusteella käsitellä pistepilviaineistoja, tuottaa tarkkoja 3D-malleja ja integroida nämä tiedot BIM-järjestelmiin. Tulosten perusteella havaittiin, että pistepilvien automaattinen jatkokäsittely on vielä kehittymässä, mutta jo nyt on olemassa työkaluja, jotka mahdollistavat prosessin osittaisen automatisoinnin ja tarkkojen mallien luomisen.

Opinnäytetyössä tuotettu tieto ja analyysit vastaavat tilaajan tarpeeseen kehittää tehokkaampia työkaluja ja prosesseja inventointimallien ja määrälaskennan tueksi. Jatkossa suositellaan seuraamaan ohjelmistojen jatkuvaa kehittämistä, erityisesti tekoälyn ja koneoppimisen hyödyntämisessä pistepilvien käsittelyssä. Näiden teknologioiden odotetaan tulevaisuudessa parantavan merkittävästi pistepilvien jalostusta ja automaattista mallintamista. Työn tuloksia voidaan hyödyntää suoraan A-Insinöörien palvelutarjonnan kehittämisessä ja laajentamisessa.

The objective of this thesis was to explore the various post-processing possibilities for point cloud models and to develop a process for automatically creating an as-built model from point clouds and generating accurate quantity takeoff data. The client for this work was A-Insinöörit Suunnittelu Oy, and the results will be utilized in the development of the "Digital Twins" service. The study primarily focused on the capabilities of different software tools to process point clouds and produce reliable data to support design work and quantity takeoff.

Several software tools suitable for point cloud processing were evaluated. The evaluation focused on their ability to handle point cloud data, generate accurate 3D models, and integrate this data into BIM systems. The findings indicate that while the automation of point cloud post-processing is still evolving, there are already tools available that allow for partial automation and the creation of precise models.

The information and analyses produced in this thesis meet the client’s need to develop more efficient tools and processes for supporting as-built models and quantity takeoffs. Going forward, it is recommended to continue monitoring the ongoing development of software, especially in the use of artificial intelligence and machine learning in point cloud processing. These technologies are expected to significantly improve the refinement of point clouds and automate modeling. The results of this work can be directly utilized in the development and expansion of A-Insinöörit’s service offerings.