How it works

To learn more about 'Virtual Reality Modeling Language' see 'general informations'.

Teil 1 - Rekonstruktion eines eingescannten Objektes

TEIL 1 - Rekonstruktion eines eingescannten Objektes

1. Originaldatenfiles der einzelnen 3D-Laserscanner Aufnahmen (Punktwolken)

 

-) Im ersten Schritt wird das Modells mit Hilfe eines 3D-Laserscanner aufgenommen. Ein Datensatz besteht aus 6 Punktwolken die durch die Verwendung des Drehtellers (Aufnahmen alle 60 Grad) bereits registriert sind. Ein zweiter Datensatz besteht aus einer Dachaufnahme, die Punkte enthalten, die von den vorhergehenden Punktwolken nicht erfasst werden konnte.
-) Die beiden so erhaltenen Punktwolken werden in weiterer Folge mit dem Programm "Geomagic Studio" bearbeitet.

  • Originaldaten im WRP-Format Teil 1 (01_originaldaten/kurve1_cdm.wrp)
  • Originaldaten im OBJ-Format Teil 1 (01_originaldaten/kurve1_cdm.obj)
  • Originaldaten im WRP-Format Teil 2 (01_originaldaten/kurve_cdm.wrp)
  • Originaldaten im OBJ-Format Teil 2 (01_originaldaten/kurve_cdm.obj)

2. Gereinigte Punktwolken

 

-) Die Punktwolken werden nun von Fehlern, d.h. Punkten die nicht zum eigentlichen Objekt gehören und aus dem 3D-Scan resultieren bzw. bereits in der Vorlage, dem Modell enthalten sind, gereinigt.

  • Punktwolke im WRP-Format Teil 1 (02_bereinigt/kurve1_cdm.wrp)
  • Punktwolke im OBJ-Format Teil 1 (02_bereinigt/kurve1_cdm.obj)
  • Punktwolke im WRP-Format Teil 2 (02_bereinigt/kurve_cdm.wrp)
  • Punktwolke im OBJ-Format Teil 2 (02_bereinigt/kurve_cdm.obj)

Beispiel für eine gereinigte Punktwolke:

3. Registrierte, gereinigte und vereinigte Punktwolke

 

-) Bei der sogenannten Registrierung der Daten werden die verschiedenen Punktwolken auf einander abgestimmt. Im vorliegenden Fall liegen zwei verschieden orientierte Datensätze vor - jene 6 Punktwolken die bereits durch die Benutzung des Drehtellers eine Einheit bilden und die Punktwolke der Dachfläche. Nachdem einer der beiden Datensätze fixiert wurde, können beide Datensätze über die "3-Point-Registration" - durch die Wahl von drei Punkten die sowohl auf dem einen wie auch auf dem anderen Objekt zu sehen sind - zur Übereinstimmung gebracht werden.
-) Durch die "Global Registration" wird nun eine weitere Verfeinerung der Übereinstimmung vorgenommen.
-) Zusätzliche Bereinigung, d.h. Verbesserungen der vorliegenden Daten werden mit die Befehle "Reduce Noise" - bewirkt eine glattere Oberfläche - und den Befehl "Uniform Sample" - reduziert die Anzahl der Punkte durch die Definition eines Zwischenabstandes - erreicht.
-) Nachdem die Grundplatte nicht zum eigentlichen Objekt gehört, wird sie gelöscht.

  • Punktwolke im WRP-Format (03_registriert/kurve_cdm2.wrp)
  • Punktwolke im OBJ-Format (03_registriert/kurve_cdm2.obj)

4. Triangulierter Datensatz

 

-) Der gereinigte Datensatz wird durch die Funktion "Wrap" in einen triangulierten Datensatz umgewandelt.
-) Regionale Unebenheiten in der Oberfläche - die bereits im Modell vorhanden waren - werden durch die Anpassung an die lokale Umgebung geglättet und der unebene untere Abschluss durch eine Ebene abgeschnitten.
-) Nun werden auch eventuell vorhandene Löcher im Datensatz geschlossen.
-) Die unterschiedliche Anzahl der Punkte zeigt ab wann der vorhandene Datensatz zu abstrakt wird. 

  • Triangulierter Datensatz im WRP-Format (04_trianguliert/triang/kurve_cdm3.wrp)
  • Triangulierter Datensatz im OBJ-Format (04_trianguliert/triang/kurve_cdm3.obj)

4.a 100.000

 

  • Auflösung ca. 100.000 Punkte (kurve_cdm100000.wrp)
  • "100.000 Punkte" im OBJ-Format (kurve_cdm100000.obj)
  • "100.000 Punkte" im VRML-Format (kurve_cdm100000.vrml)
  • "100.000 Punkte" im Viewpoint-Format (kurve_cdm100000.html)

4.b 10.000

 

  • Auflösung ca. 10.000 Punkte
  • "10.000 Punkte" im WRP-Format (kurve_cdm10000.wrp)
  • "10.000 Punkte" im OBJ-Format (kurve_cdm10000.obj)
  • "10.000 Punkte" im VRML-Format (kurve_cdm10000.vrml)
  • "10.000 Punkte" im Viewpoint-Format (kurve_cdm10000.html)

4.c 1.000

 

  • Auflösung ca. 1.000 Punkte (kurve_cdm1000.wrp)
  • "1.000 Punkte" im OBJ-Format (kurve_cdm1000.obj)
  • "1.000 Punkte" im VRML-Format (kurve_cdm1000.vrml)
  • "1.000 Punkte" im Viewpoint-Format (kurve_cdm1000.html)

5. Rekonstruiertes Flächenmodell (CAD-Modell)

 

-) Aus dem vorliegende Datensatz wird nun eine "Nurbs" Oberfläche kreiert.

  • im WRP-Format: (05_CAD/kurve_CAD.wrp)
  • im IGS-Format: (05_CAD/kurve_CAD.igs)
  • im DWG-Format: (05_CAD/kurve_CAD.dwg)

6. STL File des Objektes für Rapid Prototyping

 

  • STL-Format: (06_STL_und_07_Plot_File/kurve_CAD.stl)

7. 3D-Plot File und Dokumentation

 

  • Plot-File für 3D-Plot: (kurve_cad.sjb)

Dokumentation (Skalierung, Druckzeit: ssys_kurve cad/log.txt)

STL units: Millimeters;
STL scale: 0.5;
rotation about X: 90.0;
about Y: 0.0;
about Z: 0.0;

STL size: ~141.5/84.0/57.9mm
Estimated build time: 4 hr 16 min

Entwerfen T:E:T:R:I:S Architecture

Algorithmus unterstütze Planung zur Entwicklung eines nutzungsvielfältigen mehrgeschossigen Gebäudes

Das Entwerfen mit dem Titel „T:E:T:R:I:S“ verbindet die Planung eines mehrgeschoßigen nutzungsvielfältigen Gebäudes mit digitalen Entwurfsstrategien. Als algorithmische Planungsunterstützung sind drei Strategien denkbar: ...

eCAADe 2023:
F2F: Algorithmic approach on kindergarten architecture

F2F: Algorithmic approach on kindergarten architecture
Talk and Proceeding: eCAADe 2023 – Digital Design Reconsidered (TU Graz | conference)

In the context of the design studio "Kindergarten meets Easy Rider", new and innovative ways of building kindergartens were examined. In more detail, we took the biking milieu with its demand for freedom and individualism as a starting point for rethinking kindergarten design. ...