Mehr

Konvertieren von citygml in KML?


Ich versuche, citygml-Dateien zu rendern. Ich verwende NWW zum Rendern. Ich habe die citygml4j-Bibliothek verwendet, um die Geometrie von GroundSurface, Dach und Wänden zu extrahieren und konnte sie rendern. Aber aufgrund der riesigen Datenspezifikation von citygml habe ich Probleme mit komplexeren Dateien. Also suche ich nach einer Java-Bibliothek, die die citygml-Datei in das kml-Datenformat konvertieren kann, das in World Wind einfach visualisiert werden kann. Ich habe die 3dcitydb gesehen und fand das ziemlich cool, konnte aber keine APIs finden, die für meinen Zweck verwendet werden können (habe das nicht vollständig erforscht).

Gibt es eine Java-Bibliothek, die meinen Zweck erfüllen kann?


Zuerst die wichtigste Tatsache! CityGML ist kein Rendering-Format. Es wurde entwickelt, um Informationen auszutauschen, die seine Komplexität erklären.

Wenn Sie KML benötigen, können Sie die bereits erwähnte 3DCityDB verwenden. Es hat ein Export-Plugin für KML und COLLADA. Im Moment entscheiden sich viele Entwickler für COLLADA, das Sie in glTF konvertieren und in Cäsium werfen können.

Sie können auch direkt mit der PostGIS-Datenbank arbeiten. Es hat Funktionen wie AsKML oder AsX3D, die Sie verwenden könnten.


Dienstprogramme von virtuellen 3D-Stadtmodellen basierend auf CityGML: verschiedene Anwendungsfälle

Virtuelle 3D-Stadtmodelle werden zunehmend verwendet, um die Bereiche der realen Welt zur Verwendung in einer Reihe von Anwendungen im Zusammenhang mit Umweltsimulationen zu modellieren, darunter Stadtplanung, Kartierung der energetischen Eigenschaften von Gebäuden, Lärmkartierung, Hochwassermodellierung usw. Abgesehen von geometrischen und Aussehen/Textur-Informationen erfordern diese Anwendungen eine komplexe städtische Semantik. Derzeit stehen eine Reihe von 3D-Standards in CAD-, BIM- und GIS-bezogenen Bereichen für die Speicherung, Visualisierung und Übertragung von 3D-Geodatensätzen zur Verfügung. Die 3D-Datenmodelle (wie COLLADA, VRML, X3D usw.) waren zunächst rein grafisch/geometrischer Natur und wurden hauptsächlich zu Visualisierungszwecken verwendet. Mit der Aufnahme thematischer Module in OGC CityGML ebnete die Integration von Geometrie und Semantik in einem einzigen Datenmodell den Weg für eine bessere gemeinsame Nutzung virtueller 3D-Stadtmodelle. Trotz der Verfügbarkeit unterschiedlichster 3D-Datenstandards gibt es gewisse Unterschiede in Bezug auf Geometrie, Topologie, Semantik, LODs etc., was die Integration von 3D-Geodaten aus heterogenen Quellen erschwert. Dieses Papier dient dazu, den Bedarf an innovativen Lösungen in Bezug auf städtische umweltbezogene Simulationen hervorzuheben, die hauptsächlich auf der Verwendung von virtuellen 3D-Stadtmodellen basieren. In diesem Zusammenhang werden vier Anwendungsfälle untersucht, nämlich (1) Schätzung des städtischen Solarpotenzials mithilfe von CityGML-Modellen, (2) Simulation des Verkehrslärmpegels, der auf Gebäudewänden der städtischen Straßenabschnitte abgebildet wird, (3) Interoperabilität der CityGML-basierten 3D-Datenmodelle und (4) 3D-Indoor-Logistik und unterirdische Versorgungseinrichtungen. Für die Modellierung der meisten Anwendungsfälle bietet CityGML jedoch keine expliziten thematischen Darstellungen, sondern unterstützt die Erweiterung des CityGML-Schemas mithilfe von Anwendungsdomänenerweiterungen. Kurz gesagt untersucht die Studie die semantischen Modellierungsfunktionen von CityGML für die Transformation nativer virtueller 3D-Stadtmodelle in zufriedenstellende Funktionen wie semantische Informationen und Unterstützung der Interoperabilität.

Dies ist eine Vorschau von Abonnementinhalten, auf die Sie über Ihre Institution zugreifen können.


Ein BIM-GIS-integriertes webbasiertes Visualisierungssystem für die Planung von Niedrigenergiegebäuden ☆

Die Energieeffizienz eines Gebäudes wird maßgeblich von seiner äußeren bebauten Umgebung beeinflusst. In der aktuellen Entwurfspraxis werden die energetische Planung und Simulation eines Gebäudes jedoch häufig unabhängig von den umgebenden Gebäuden und der Energielandschaft der Gemeinde oder Stadt durchgeführt. Es gibt eine Kluft zwischen der Planung von Niedrigenergiegebäuden und der Energieplanung auf städtischer Ebene. Ziel dieses Beitrags ist es daher, die Zusammenarbeit zwischen den beiden Prozessen der städtebaulichen Energieplanung und der gebäudebezogenen Energieplanung durch einen ganzheitlichen Energiedesign-Ansatz zu erleichtern. In diesem Beitrag wird ein BIM-GIS-integriertes webbasiertes Gebäudeenergiedatenvisualisierungssystem entwickelt. Der Einsatz dieses Systems kontextualisiert das Niedrigenergie-Gebäudedesign in der urbanen Energielandschaft. Das Papier beschreibt auch die Lösungen für die Datenkonvertierung, die die größte Herausforderung für die Integration von BIM und GIS darstellt, und beschreibt die Visualisierungsmechanismen.


GLTF und WGS84 oder ECEF #16

Kurze Frage, ich habe jetzt 3DCityDB-Exporte, die gut funktionieren, und ich habe Importe in EPSG:3857 und EPSG:4326 getestet. Ich führe umfangreiche Importe aus OSM durch (z. B. landesweit und größer), daher suche ich EPSG:4326 für Genauigkeit. EPSG:3857 funktioniert für KML+GLTF-Exporte, ist aber in Cäsium natürlich verzerrt.

Ich habe KML-Extrakte in EPSG:4326 erstellt, die in Ordnung aussehen, aber im Browser sehr langsam gerendert werden. Leider werden Exporte im GLTF-Format nicht angezeigt. Gibt es einen grundlegenden Grund, warum GLTF nicht angezeigt wird? Mir ist klar, dass es möglicherweise damit zu tun hat, dass die Scheitelpunkte in Grad angezeigt werden, aber ich dachte nicht, dass dies eine Einschränkung von GLTF ist.

Der Text wurde erfolgreich aktualisiert, aber diese Fehler sind aufgetreten:

Wir können die Aufgabe derzeit nicht in ein Problem umwandeln. Bitte versuche es erneut.

Das Problem wurde erfolgreich erstellt, aber wir können den Kommentar derzeit nicht aktualisieren.

Rührender Heiligenschein kommentiert 29.09.2016 •

Als ich tiefer in die Spezifikation eintauchte, habe ich festgestellt, dass ich mich geirrt habe und dass die Einheiten in Metern sind sind erforderlich nach spez. Ich gehe davon aus, dass die Anforderung ist, dass die X-, Y-, Z-Koordinaten relativ zum Boden sind, also nicht ECEF.

Ich frage mich, ob es einen einfachen Weg gibt, mein wahrscheinlich naives Denken ist wie folgt:

1. Import in EPSG:4326 (und als solches in der DB postgis srid markieren)
2. Füllen Sie eine Spalte der cityobject-Tabelle mit der Mitte (oder verwenden Sie die Mitte des Umschlags für die Geschwindigkeit)
3. Wenn ein Export erfolgt (in gltf-Dateien oder über WFS), konvertieren Sie lat+long+z in Meter vom vorberechneten Zentrum und schreiben Sie in gltf. Fügen Sie die Erweiterung CESIUM_RTC hinzu und definieren Sie den Mittelpunkt als den zuvor berechneten.

Edit: Naives Denken war falsch

Rührender Heiligenschein kommentiert 29.09.2016

Tatsächlich kann eine Spalte nicht ausgefüllt werden, da die Echtzeituhr je nach Kachelgröße unterschiedlich wäre und der Mittelpunkt mehrerer Objekte ist. Also modifiziert:

  1. Import in EPSG:4326 (und als solches in der DB postgis srid markieren)
  2. Wenn ein Export erfolgt (in gltf-Dateien oder über WFS), berechnen Sie den Mittelpunkt der Kachel und fügen Sie die Erweiterung CESIUM_RTC mit dieser Kachelmitte (in Grad) hinzu. Scheitelpunkte würden dann zu den x,y,z-Komponenten der Linie, die das Zentrum mit der Kachel mit dem Scheitelpunkt verbindet.

Rührender Heiligenschein kommentiert 5. Oktober 2016

Ich habe auf https://groups.google.com/forum/#!topic/cesium-dev/t6VgLN5wtVI nachgefragt und mir wurde gesagt, dass GLTF ECEF-Koordinaten unterstützt, was wahrscheinlich die Notwendigkeit einer geringen Verzerrung zum Platzieren von GLTF-Modellen erfüllen würde.

Ich habe einen Import mit ECEF-Koordinaten anstelle von EPSG:4326 durchgeführt, es hat nicht geholfen und die Kachel fehlte noch (aber die Ausdehnung wurde korrekt berechnet)

Fehlt etwas/oder eine Annahme im 3dwebmap-Client, die die Verwendung von ECEF-Koordinaten verhindert?

Sorry für all die Fragen, das ist leider ein großes Roadblock-Problem für mich

Yaozhihang kommentiert 5. Oktober 2016

der KML/COLLADA/glTF-Exporter wurde unter der Annahme implementiert, dass die importierten CityGML-Datensätze ein projiziertes oder ein zusammengesetztes 3D-Raumbezugssystem verwenden, da nach unserem besten Wissen keine der vorhandenen offiziellen CityGML-Daten verwendet werden von die Städte oder Kartierungsagenturen weltweit verwenden das geographische Koordinatenreferenzsystem (zB EPSG: 4326). Wenn Sie also einen CityGML-Datensatz mit EPSG:4326 in die 3DCityDB importieren. der KML/COLLADA/glTF-Exporter kann beim Exportieren von KML/COLLADA/glTF-Modellen manchmal zu unerwarteten Ergebnissen führen.

Außerdem werden gemäß der glTF-Spezifikation die exportierten glTF-Modell-Scheitelpunkte in einem lokalen Raum definiert, der ein kartesisches 3D-Koordinatensystem ist. Hier verwenden wir einfach das KML-Element <Model>, um die Position (lat, lon, alt) und die Orientierung des Referenzpunktes im Weltraum für jedes Gebäudeobjekt zu speichern, anstatt die Erweiterung CESIUM_RTC zu verwenden. Die 3dcitydb-web-map kann das KML-Element <Model> analysieren, um die ECEF-Koordinaten jedes Gebäudeobjekts abzurufen und auf dem Cesium Virtual GLobe zu platzieren.


Das neue CityGML 3.0-Kernmodul

Das CityGML 3.0 Raumkonzept

In CityGML 3.0 wird eine klare semantische Unterscheidung von räumlichen Merkmalen eingeführt, indem alle Stadtobjekte auf die semantischen Konzepte von . abgebildet werden Leerzeichen und Raumgrenzen. Ein Raum ist eine Einheit von volumetrischer Ausdehnung in der realen Welt. Gebäude, Gewässer, Bäume, Räume und Verkehrsflächen haben beispielsweise eine volumetrische Ausdehnung. Daher werden sie als Räume oder genauer als spezifische Unterklassen der abstrakten Klasse Raum modelliert. Eine Weltraumgrenze ist eine Entität mit flächenhafter Ausdehnung in der realen Welt. Space-Grenzen begrenzen und verbinden Spaces. Beispiele sind die Wandflächen und Dachflächen, die ein Gebäude begrenzen die Wasseroberfläche als Grenze zwischen Gewässer und Luft die Straßenoberfläche als Grenze zwischen Boden und Verkehrsraum oder das digitale Geländemodell, das die Raumgrenze zwischen Über- und Untertage darstellt Platz.

Um eine genauere Definition von Räumen zu erhalten, werden sie weiter unterteilt in physische Räume und logische Räume. Physische Räume sind Räume, die ganz oder teilweise von physischen Objekten begrenzt sind. Gebäude und Räume sind beispielsweise physische Räume, da sie von Wänden und Platten begrenzt werden. Verkehrsräume von Straßen sind physische Räume, da sie durch Straßenoberflächen gegen den Boden begrenzt werden. Logische Räume hingegen sind Räume, die nicht unbedingt von physischen Objekten begrenzt, sondern nach thematischen Überlegungen definiert werden. Je nach Anwendung können logische Räume auch durch nicht-physikalische, also virtuelle Grenzen begrenzt sein und Ansammlungen von physikalischen Räumen darstellen. Eine Gebäudeeinheit ist beispielsweise ein logischer Raum, da sie bestimmte Räume zu Wohnungen aggregiert, wobei die Räume die physischen Räume sind, die durch Wandflächen begrenzt sind, während die Aggregation als Ganzes durch eine virtuelle Grenze begrenzt wird. Andere Beispiele sind Stadtquartiere, die durch virtuelle vertikal extrudierte Verwaltungsgrenzen begrenzt sind, öffentliche Räume vs. Sicherheitszonen in Flughäfen oder Stadtzonen mit spezifischen städtebaulichen Regelungen. Die Definition physischer und logischer Räume und entsprechender physischer und virtueller Grenzen steht im Einklang mit der Diskussion in Smith und Varzi (2000) über den Unterschied zwischen Bona-fide- und Fiat-Grenzen für gebundene Objekte. Bona-fide-Grenzen sind physische Grenzen, die den physischen Grenzen physischer Räume in CityGML 3.0 entsprechen. Im Gegensatz dazu sind Fiat-Grenzen künstliche Grenzen, sie entsprechen den virtuellen Grenzen logischer Räume.

Physische Räume wiederum werden weiter klassifiziert in belegte Plätze und unbesetzte Plätze. Besetzte Räume stellen physische volumetrische Objekte dar, die Raum in der städtischen Umgebung einnehmen. Beispiele für belegte Räume sind Gebäude, Brücken, Bäume, Stadtmobiliar und Gewässer. Platz einnehmen bedeutet, dass ein Teil des Platzes durch diese volumetrischen Objekte blockiert ist, zum Beispiel kann der Platz, der durch das Gebäude in Fig. 2 blockiert wird, nicht mehr zum Durchfahren dieses Platzes oder zum Aufstellen eines Baumes auf diesem Platz verwendet werden. Im Gegensatz dazu stellen unbesetzte Räume physikalische volumetrische Einheiten dar, die keinen Raum in der städtischen Umgebung einnehmen, d. h. kein Raum wird durch diese volumetrischen Objekte blockiert. Beispiele für unbelegte Räume sind Gebäuderäume und Verkehrsflächen. Es besteht die Gefahr, dass der Begriff OccupiedSpace missverstanden wird. Wir haben uns aber dennoch für die Verwendung des Begriffs entschieden, da er im Bereich der Robotik seit über drei Jahrzehnten etabliert ist (Elfes 1989). Die Navigation mobiler Roboter nutzt eine sogenannte Belegungskarte, die Bereiche markiert, die von Materie besetzt sind und somit für Roboter nicht navigierbar sind.

Besetzte und unbesetzte Plätze

Semantische Objekte in CityGML sind oft aus Teilen zusammengesetzt, d. h. sie bilden mehrstufige Aggregationshierarchien. Dies gilt auch für semantische Objekte, die besetzte und unbesetzte Räume darstellen. Generell lassen sich zwei Arten von Kompositionen unterscheiden:

Räumliche Aufteilung Semantische Objekte des Raumtyps OccupiedSpace oder UnownedSpace werden in verschiedene Teile unterteilt, die vom gleichen Raumtyp wie das Elternobjekt sind. Beispiele sind Gebäude, die in BuildingParts unterteilt werden können, oder Buildings, die in ConstructiveElements unterteilt sind. Gebäude sowie BuildingParts und ConstructiveElements repräsentieren OccupiedSpaces. Auf ähnliche Weise können Straßen in TrafficSpaces und AuxiliaryTrafficSpaces unterteilt werden, wobei alle Objekte UnbelegteSpaces sind.

Verschachtelung alternierender Raumtypen Semantische Objekte eines Raumtyps enthalten Objekte, die vom entgegengesetzten Raumtyp als Elternobjekt sind. Beispiele sind Gebäude (besetzter Raum), die Gebäuderäume (unbesetzter Raum) enthalten, Gebäuderäume (unbesetzter Raum), die Möbel enthalten (besetzter Raum) und Straßen (unbesetzter Raum), die CityFurniture (besetzter Raum) enthalten. Die Kategorisierung eines semantischen Objekts in besetzt oder unbelegt erfolgt auf der Ebene des Objekts in Bezug auf das Elternobjekt. Ein Gebäude ist Teil eines Stadtmodells, nimmt also zunächst den urbanen Raum innerhalb einer Stadt ein. Solange das Innere des Gebäudes nicht detailliert modelliert wird, muss der vom Gebäude abgedeckte Raum als bewohnt und nur von außen einsehbar betrachtet werden. Um das Gebäude im Inneren zugänglich zu machen, müssen Hohlräume in Form von Gebäuderäumen in das Gebäude eingebracht werden. Die Räume fügen dem Gebäudeinneren freien Raum hinzu, d. h. der besetzte Raum enthält jetzt unbelegten Raum. Der Freiraum innerhalb des Gebäudes kann wiederum Gegenstände enthalten, die wieder Raum einnehmen, wie Möbel oder Installationen. Im Gegensatz dazu nehmen Straßen auch urbanen Raum in der Stadt ein, dieser ist jedoch zunächst unbesetzt, da er für Autos, Fußgänger oder Radfahrer zugänglich ist. Das Hinzufügen von Verkehrszeichen oder anderen Stadtmobiliarobjekten zum Freiraum führt dazu, dass bestimmte Straßenabschnitte von diesen Objekten belegt werden. Somit kann man auch sagen, dass besetzte Räume meist mit Materie gefüllt sind, während unbesetzte Räume meist frei von Materie sind und somit Freiräume realisieren.

Die Klassifikation von Feature-Typen in OccupiedSpace und UnbelegtSpace definiert auch die Semantik der an die jeweiligen Features angehängten Geometrien. Für OccupiedSpaces beschreiben die angehängten Geometrien Volumes, die (meist) physisch belegt sind. Für unbelegte Räume beschreiben die angehängten Geometrien (oder gebundene) Volumen, die (meistens) physisch unbesetzt sind. Dies hat auch Auswirkungen auf die erforderliche Ausrichtung der Flächennormalen für angehängte thematische Flächen. Bei OccupiedSpaces müssen die Normalenvektoren thematischer Flächen in die gleiche Richtung zeigen wie die Flächen der äußeren Hülle des Volumens. Für unbelegte Räume müssen die Normalenvektoren thematischer Flächen in die entgegengesetzte Richtung zeigen wie die Flächen der äußeren Hülle des Volumens. Das bedeutet, dass aus der Perspektive eines Betrachters einer Stadtszene die Flächennormalen immer auf den Betrachter gerichtet sein müssen. Bei besetzten Räumen (z. B. Gebäude, Möbel) muss sich der Betrachter außerhalb des besetzten Raums befinden, damit die Oberflächennormalen auf den Betrachter gerichtet sind, während sich der Betrachter bei unbelegten Räumen (z. B. Räume, Straßen) typischerweise innerhalb des unbelegten Raums befindet.

Die Einteilung in OccupiedSpace und UnownedSpace mag nicht immer auf den ersten Blick ersichtlich sein. Carports zum Beispiel stellen einen besetzten Raum dar, obwohl sie nicht geschlossen sind und der größte Teil des Raumes frei von Materie ist, siehe Abb. 3. Da ein Carport ein überdachtes, unbewegliches Bauwerk ist, das dazu dient, Gegenständen (zB Autos) Unterschlupf zu bieten , Carports werden häufig als Gebäude in Katastern dargestellt. Somit sollte auch in CityGML ein Carport als Instanz der Klasse Gebäude modelliert werden. Da Building transitiv eine Unterklasse von OccupiedSpace ist, ist auch ein Carport ein OccupiedSpace. Nur in LOD1 würde jedoch der gesamte vom Carport abgedeckte volumetrische Bereich als physisch belegt gelten. In LOD1 wird der belegte Raum durch den gesamten Carport-Volumenkörper definiert (es sei denn, in LOD1 würde ein Raum definiert, der den unbelegten Teil unter dem Dach modelliert), während in LOD2 und LOD3 die Volumenkörper realistischer den tatsächlich physisch belegten Raum des Carport. Außerdem müssen für alle OccupiedSpaces die Normalenvektoren der thematischen Oberflächen wie der RoofSurface von den Volumenkörpern weg weisen, d. h. konsistent mit der Volumenkörpergeometrie.

Darstellung eines Carports als OccupiedSpace in verschiedenen LODs. Die roten Kästchen stehen für Festkörper, der grüne Bereich für eine Fläche. Zusätzlich werden die Normalenvektoren des Dachkörpers (in Rot) und der Dachfläche (in Grün) angezeigt

Im Gegensatz dazu ist ein Raum ein physisch unbesetzter Raum. In CityGML wird ein Raum durch die Klasse BuildingRoom repräsentiert, die eine Unterklasse von UnbelegterRaum ist. In LOD1 würde der gesamte Raumkörper als unbelegter Raum betrachtet, der jedoch Möbel und Installationen enthalten kann, wie in Abb. 4 gezeigt. In LOD2 und 3 repräsentiert der Körper realistischer den wirklich physikalisch unbelegten Raum des Raums ( möglicherweise etwas verallgemeinert, wie in der Abbildung angedeutet). Für alle unbelegten Räume müssen die Normalenvektoren der begrenzenden thematischen Oberflächen wie der InteriorWallSurface in das Objekt zeigen, d. h. entgegengesetzt zur Volumenkörpergeometrie.

Darstellung eines Raumes als Unbelegter Raum in verschiedenen LODs. Die roten Kästchen stehen für Festkörper, der grüne Bereich für eine Fläche. Zusätzlich werden die Normalenvektoren des Raumkörpers (in Rot) und der Wandfläche (in Grün) angezeigt


GeoWeb – Teil II – GML und KML

Was ist also der Unterschied zwischen GML und KML (Google)? Ich denke, einer der großen Unterschiede besteht darin, dass es eine große, bekannte Styling-Engine für KML namens Google Earth gibt. Wenn ich GML-Daten erstelle – was dann? Nun, ich brauche eine Style-Engine und eine Rednering-Engine, um eine Karte zu erstellen. Ist das schwer? Nein –, aber es ist auch keine Arbeit. Eine Style-Engine zu bekommen ist NICHT so schwer – jede Art von XSLT-Engine reicht aus. Und zum Rendern der Ausgabe des Stylingprozesses (typischerweise SVG) benötigen Sie so etwas wie das Adobe-Plugin für SVG oder die Batik-Bibliotheken, um daraus ein Bild (PNG, TIF, JPEG) zu machen. Beachten Sie, dass SVG Bildunterlagen zulässt –, damit auch dieser Teil einfach ist. Google Earth bietet Ihnen einen gebrauchsfertigen Satz von Bildern (nach Wahl) mit globaler Abdeckung. Ich sage also, ich kann mein eigenes Google Earth erstellen. Ja – Ich denke, das ist, was ich sage. Hier ist das Grundrezept. Lassen wir die Google Earth-Bilder vorerst außen vor.


Die Notwendigkeit umfassender 3D-Stadtmodelle (Teil 1)

Bei PenBay haben wir in den letzten Jahren viel Zeit damit verbracht, an Möglichkeiten zu arbeiten, das Innere von Gebäuden in GIS zu modellieren. Ich habe immer wieder über das Thema geschrieben und es ist ein Bereich, der mich immer noch fasziniert. Auf meiner kürzlichen Reise nach Vancouver, um auf der GeoWeb-Konferenz 2009 zu sprechen, wurde ich jedoch von Thomas Kolbes Arbeit an CityGML inspiriert, mehr über Gebäudesammlungen und deren Zusammenwirken in einer städtischen Umgebung nachzudenken. Wenn wir uns dieser Stadt- und Regionalskala zuwenden, hat die Granularität, mit der wir unsere Gebäude modellieren, große Auswirkungen auf die Skalierbarkeit, Leistung und die Toolsets, die wir für die Visualisierung und Analyse verwenden. Für die Zwecke unserer Diskussion hier definieren wir eine „Stadt“ als eine relativ große Ansammlung von Gebäuden in einem verdichteten Gebiet. Diese Stadt kann eine traditionelle Gemeinde wie Philadelphia oder Chicago sein, eine Militärstadt wie die Langley Air Force Base oder ein College-Campus wie die Boston University.


Schulungen

Projekt 2TaLL erforderte fachliche Schulungen und Beratungen, um das Wissen und die Kompetenzen der Projektteammitglieder zu erweitern. Eine Meilensteinentwicklung beinhaltete eine Schulung zum CityGML-Standard und zur FME-Software, die von Virtual City System in Berlin organisiert wurde (Juli 2014). Das Training half dabei, Fähigkeiten zur Verwendung von CityGML-Modellen zu entwickeln und ermöglichte es den Projektteammitgliedern, Programme zur Verarbeitung solcher Daten zu erstellen (entscheidend für z. B. 3D-Negativ). Weitere Schulungen und Konsultationen fanden in Polen statt und konzentrierten sich auf GIS-Techniken, Programmierung und Mathematik. Der Wissenstransfer ermöglichte die Entwicklung der Kapazitäten des Teams, neue Analysemethoden und Computeranwendungen (C++). Der Prozess half dabei, die Eignung von Stadtlandschaftsanalysesystemen (z. B. ESRI) zu überprüfen.

Das Basisseminar CityGML von virtualcitySYSTEMS bietet eine Einführung in den internationalen OGC CityGML-Standard. Es behandelt die Grundlagen zum Verständnis von CityGML und erklärt die Rolle von CityGML in 3D-GIS-Anwendungen und -Prozessen. Aufbauend auf den Inhalten des Basisseminars bieten wir ein vertiefendes Expertenseminar zum Thema CityGML an. Das Seminar behandelt jeweils aktuelle Themen aus der CityGML-Praxis und arbeitet deren theoretische Grundlagen im Detail ab. Die Seminarteilnehmer werden nach Möglichkeit anhand von begleitenden Übungen an die praktische Umsetzung der Themen herangeführt.

BASIC CityGML-Schulung
Urbane Informationsmodellierung mit CityGML
* Was ist urbane Informationsmodellierung?
* Einführung in die Normengruppe GML 3 und ISO 19100
* Grundkonzepte und thematische Module in CityGML 2.0
* Modellierung von Gebäuden, Gelände und zusätzlichen CityGML-Feature-Typen
* Multiskalenmodellierung, geometrisch-topologische Modellierung mit GML 3 und CityGML
* Oberflächeneigenschaften, implizite Geometrien
* Erweiterungsmechanismen
Beziehung von CityGML zu anderen 3D-Datenformaten
* CityGML und Visualisierungsformate wie KML/COLLADA oder X3D
* CityGML und CAD/BIM
Beziehung von CityGML zu INSPIRE
Aktuelle Anwendungen von CityGML in Praxis und Forschung
* Beispiele aus Bereichen wie Umwelt- und Energieplanung, Lärmsimulation, Katastrophenmanagement oder Stadtplanung

CityGML-Verarbeitung mit FME
Die FME-Technologie von Safe Software Company hat sich als Standardwerkzeug für den Umgang mit ETL-Prozessen (Extract, Load, Transform), für den Umgang mit GIS-Daten und für die Unterstützung von weit mehr als 300 gängigen GIS-Datenformaten neben CityGML im aktuellen Ausführung. Die FME bietet daher ihre Dienstleistungen zur Erstellung, Verarbeitung und Transformation von CityGML-Daten aus verschiedenen Datenquellen sowie zur Bereitstellung von CityGML-Daten in verschiedenen Zieldatenformaten an. Unser Seminar bietet eine umfassende Einführung in die Verarbeitung von CityGML mit FME. Neben grundlegenden Prozessen zum Lesen und Schreiben von CityGML-Daten und deren praktischer Umsetzung steht der Zugriff auf die Formulare der 3D-Stadtdatenbank im Fokus des Seminars. Die Schulung beginnt mit einer Einführung in das CityGML-Datenmodell und die 3D-Datenverarbeitung mit FME. Das Lesen und Schreiben von CityGML mit FME wird eingeführt und anhand praktischer Beispiele geübt. Im Fokus steht die Gewinnung valider Gebäudedaten aus heterogenen Eingangsdaten. Darüber hinaus werden auch andere Objektklassen von Objekten wie Gelände, öffentliche Einrichtungen und Vegetationsobjekte behandelt. Am zweiten Tag liegt der Schwerpunkt auf der Anbindung von Datenbanken als Datenquellen und dem direkten Zugriff auf die CityGML-Datenbank „3DCityDB“.
Trainingskomponenten:
* 3D-Datenformate und Umgang mit 3D-Geometrie
* Grundlagen des Lesens und Schreibens von CityGML
* Konvertieren von 3D-Datenformaten in CityGML
* Konvertieren von CityGML in andere 3D-Formate
* Datenbankzugriff mit FME
* Manipulieren und Extrahieren von Objekten aus der 3DCityDB

05.2014 – 02.2016 SZTSCHEZIN | IT-Beratung
inż. Maciej Berdyszak, mgr inż. Bogen. Maciej Jarzemski


Öffentliche Sicherheit

Ich finde es hilfreich, öffentliche Sicherheit anders zu definieren als Sicherheit, obwohl sich die Welten oft überschneiden. Ich denke, bei Sicherheit geht es in erster Linie darum, zu verhindern, dass schlimme Dinge passieren. Die öffentliche Sicherheit hingegen beschäftigt sich in erster Linie damit, zu reagieren, nachdem bereits etwas Schlimmes passiert ist. Klassische Sicherheitsbehörden wären demnach die Feuerwehr und der Rettungsdienst. Diese Behörden befassen sich oft mit den Standorten potenziell gefährlicher Gegenstände, die in einem Bereich vorhanden sein können, die sie in einer Notfallsituation einsetzen müssen. Die Standorte von Gefahrgutschränken und Propantanks sind beispielsweise für Feuerwehren von besonderem Interesse. Feuerwehren sind auch sehr daran interessiert, wo sich verfügbare Feuerlöschgeräte wie Feuerlöscher und Standrohre innerhalb eines Gebäudes befinden und wie ein bestimmtes Gebäude oder eine Gebäudegruppe mit der verfügbaren Wasserversorgung in der Umgebung zusammenhängt. Ebenso wie die Sicherheitsgemeinde ist auch das Personal der öffentlichen Sicherheit sehr daran interessiert zu verstehen, wie die lokale Verkehrsinfrastruktur im Notfall verwaltet werden kann. Wenn sie 1500 Menschen aus einem Hochhaus in Downtown Manhattan evakuieren müssen, wohin bringen sie diese Menschen? Wo richten sie Triage-Zentren ein? Wie kontrollieren sie den Zugang und Ausgang aus ihrem Einsatzbereich? Wie erhalten sie Zugang und Ausgang zu den Gebäuden, in denen sie arbeiten müssen? Wie verstehen sie die Art der Bevölkerung, die sich zum Zeitpunkt der Veranstaltung im Gebäude aufhalten könnte?

Raum-Management

Flächenmanagement ist in erster Linie Sache des Bauherrn oder Nutzers. Raummanager sind daran interessiert, die Form, Funktion, Zuordnung und Verfügbarkeitsmerkmale ihres Raums in 3D-Überstunden zu verstehen. Sie sind auch daran interessiert, verschiedene Leistungskennzahlen ihrer Räume sowohl einzeln als auch gemeinsam zu überwachen und zu verwalten. Leistungskennzahlen wie Kosten pro Quadratmeter, Energieverbrauch pro Quadratmeter, Belegungsrate und Personaldichte helfen dem Flächenmanager, die Nutzung seiner belegten Fläche zu optimieren. Häufig verlässt sich ein Flächenmanager auf ein computergestütztes Facility Management (CAFM)-System wie Archibus oder Centerstone, um Arbeitsabläufe in Bezug auf Umzugsmanagement, Zimmerreservierungen, Mietverwaltung usw. zu unterstützen. Geografische Informationen mit anderen Facility Management-Informationen systemübergreifend austauschen Grenzen ist eine kritische Anforderung der Weltraummanagement-Community.

Gewerbeimmobilien

Die Gewerbeimmobilien-Community teilt eine Reihe der Bedenken der Flächenmanagement-Community, jedoch in einem etwas weniger granularen Maßstab. Portfoliomanager für gewerbliche Immobilien sind oft daran interessiert, ihre Portfolios auf Suite- oder Gebäudeebene zu verstehen, anstatt auf Einzelraumebene. Sie teilen jedoch die Anforderung, die Auslastungsraten und andere Portfolioleistungskennzahlen in vier Dimensionen über ihre Portfoliobestände hinweg visualisieren zu können, und sind oft daran interessiert, wie ihr Portfolio mit der Demografie der Umgebung zusammenhängt.

Öffentliche Verwaltung

Es gibt eine Reihe von Behörden der öffentlichen Verwaltung, die Interessen innerhalb des Gebäudes haben. Einige dieser Behörden sind daran interessiert, den Landnutzungsanspruch zu regulieren. Ihr Interesse besteht darin, erlaubte Nutzungen von Gebäuden in drei Dimensionen im Zeitverlauf zu verstehen. Sie müssen auch die lokale Steuerpolitik in drei Dimensionen verwalten. Andere Behörden werden sich mit der Regulierung bestimmter Aktivitäten in Gebäuden befassen. Es gibt eine ganze Reihe von Inspektionsworkflows, die von Ihrer typischen Stadtverwaltung verwaltet werden, von Restaurantinspektionen über Kitasinspektionen bis hin zu Brandschutzinspektionen und vielem mehr. Alle diese Inspektionsworkflows erfordern ein grundlegendes Verständnis des Layouts des Inneren des Gebäudes sowie der Lage bestimmter domänenspezifischer Elemente. Je nach Arbeitsablauf können diese Elemente Dunstabzugshauben, Toiletten, Sprinkleranlagen, Standrohre usw. sein.

Gebäudemanagement

Für die Zwecke unserer Diskussion hier verwende ich den Begriff Facility Management, um die Instandhaltungsaktivitäten zu bezeichnen, die für eine Ansammlung von Gebäuden erforderlich sind. Das Facility Management beschäftigt sich in erster Linie mit dem bestehenden Zustand der von ihm kontrollierten Gebäude und den Standorten von allem, was planmäßige oder außerplanmäßige Wartungen erfordern könnte. Facility Management-Mitarbeiter verwenden häufig eine Art Arbeitsauftragsverwaltungssystem wie SAP oder IBM Maximo, um ihre Arbeit zu organisieren und zu dokumentieren. Für diese Community ist die Möglichkeit, Geo-Standorte von wartbaren Assets über Systemgrenzen hinweg auszutauschen, eine entscheidende Voraussetzung.

Umweltüberwachung / Öffentliche Gesundheit

Die Gemeinschaft für Umwelt, Gesundheit und menschliche Sicherheit befasst sich mit der Überwachung der Umweltqualität innerhalb und außerhalb von Gebäuden in der gesamten Landschaft. Sie verwenden häufig eine Kombination aus stationären und mobilen Umweltqualitätsüberwachungssystemen, um eine Vielzahl von Umweltqualitätsproben zu sammeln, zu analysieren und zu lagern. Diese Gemeinschaft befasst sich in erster Linie damit, die Verteilung verschiedener Schadstoffe in der städtischen Umgebung sowohl im Innen- als auch im Außenbereich im Laufe der Zeit zu verstehen. Sie müssen verstehen, wie verschiedene Faktoren von Explosionen über Wind bis hin zu Regen die Ausbreitungsmuster der Kontamination beeinflussen und vorhersagen können, unter welchen Bedingungen diese Kontamination für die menschliche Gesundheit schädlich sein könnte.

Energiemanagement

Energiemanagement wird zu einem kritischen Anliegen für alle nachdenklichen Stadtplaner. Da unsere Weltbevölkerung zunehmend urbanisiert wird, konzentriert sich die enorme Konzentration von Gebäuden (die dramatischsten Energieverbraucher der Welt) in unseren Städten stark auf den Energieverbrauch in unseren urbanen Zentren und belastet unsere Energieverteilungsinfrastruktur zunehmend und treibt die weltweite Nachfrage nach Energie in allen Formen. Als Reaktion darauf werden Campus-Manager und Stadtplaner zunehmend proaktiv bei der Überwachung des Energieverbrauchs pro Gebäude und manchmal pro Raum im Zeitverlauf. Universitätscampus werden in Fragen des Energieverbrauchs besonders proaktiv. Viele Universitäten haben Richtlinien entwickelt, die die Einhaltung der LEED-Standards für Energieeffizienz für alle universitätseigenen Gebäude vorschreiben. Auf der Ebene einzelner Gebäude beginnen viele Facility Manager, ihre intelligenten Gebäudesteuerungssysteme von Honeywell oder Johnson Controls viel proaktiver zu nutzen, um den Energieverbrauch pro Raum in ihrem gesamten Portfolio zu senken. Auf städtischer Ebene unternehmen einige Gemeinden, insbesondere in Europa, umfangreiche Maßnahmen zur Sammlung von Infrarotbildern, um die ungeheuerlichsten Energieineffizienzen in ihren Städten zu identifizieren und diese Gebäude für Energieeinsparungen gezielt einzusetzen.


3D-Welt im Browser. genau so

Die pdf-Version mit Bildern erhalten Sie hier

Die Welt xmlizing. Ich sage. Jeder Datentyp im Web muss in XML vorliegen. Das ist gut, das heißt offene Daten, menschenlesbare Daten, für die Gesellschaft zugänglicher in allen Bereichen, wo immer XML verwendet wird. XML ist heutzutage allgegenwärtig.
3D im Internet hat eine lange und interessante Geschichte, es hat mit der VRML-Technologie begonnen. Plenty of companies were making their own plug-ins, selling, showing their enormous functions, but there was no standard. It was hard to think of it, while the OpenGL support was barely standing and HTML was exploding on the net. People started talking how buggy and not efficient that kind of solution is. So VRML stayed in a shadow. That was years ago, some people had this dream about 3D worlds in a browser, true 3D API with decent data for it. Years passed and a successor of VRML came into stage, X3D.
X3D is a ratified standard from Web3D Consortium, it grew up to become next child to fight its way with browsers. X3D is XML based, it includes old parts of VRML such as H-Animation, GeoVRML or Nurbs. It replaces VRML while providing compatibility which VRML existing content (VRML content can be read by X3D reading applications). It was developed so that it is extensible and shrinkable as well. It consists of profiles, which include components. Components are collections of specific features. For instance we have Geo component. The reason of such a construction here is that some companies wouldn’t like to support all of the features available with X3D, so they shrink X3D to their specific X3D data. They can also create new profiles and components. The solution is universal as you can see. There is another very popular XML data for 3D representation – the Collada file (DAE extension). They are very similar as it comes for construction. Both the Web3D and Khronos Group (actual owner of Collada - originally was made by Sony) are collaborating so that they can specify fields where each of them will find its piece of land, they also want to make some of their parts the same (animation etc.) so that the open source society will have more profits. So if both are XML can we. yes, we can make translations between them. There are XSLT transformations available, free of charge of course. However, in big outline. Collada is considered as a interchange format for standalone DCC (Digital Content Creation) applications, while X3D is focused on web issues. If you want to have a broader view on X3D/Collada there’s a fresh whitepaper from Tony Parisi [1] on this subject. So we have X3D, why I find it so important for GIS Web 3D. Primarily, because it is a standard, a good stable standard, with really some time spent on developing its flexibility. Secondly it has a working group X3D Earth working group which vision is to create X3D representation of the world, I know that’s a big challenge, but they have some serious reinforcements as well (NASA). Anyway, there are also some other non-standard technologies that have something to say if it comes to GIS data. There is very nice cityGML which has some cities already implemented in it (www.cityGML.org), but it’s not yet a standard. At the moment it’s on its way of achieving that with Open Geospatial Consortium. However for web purposes X3D should take the lead. Heh, again cityGML is XML so yes, again XSLT to X3D is possible. More on that topic is covered in Kiwon Lee document[2] about literally speaking cityGML to X3D transformations and mobile GIS 3D. So we are here at the point where we have data type X3D which is supporting our GIS and what is more is web focused, but what about the viewer?
The Web3D Consortium provides us with some free X3D viewers. But all of them are required as new plug-ins for our browsers in case we want to view something, and that’s a bit of a problem. Because a good stable player is also very important if it comes to Internet society, in some way standardized player. I know that if someone really would like to use 3D in web he would download the player and play it. But as far as I know reality, people are not keen on installing new plug-ins, most of them don’t know how to do it (despite it is automated these days). That’s life. My point here is that the 3D that we have to offer should be playable just like that, when opening the web page. Like google maps, that’s why they are so popular. There is NASA WorldWind and Google Earth as well (the standalones), but the usability is what counts nowadays and what makes people speak about it. The practical usage of solution.
There is one plug-in however that is available among society, yes, exactly. Flash Player. Everyone has Flash Player. To be more concrete I will recall the chart from www.adobe.com (Fig.1)

Fig. 1 : The Adobe Flash Player statistics show that Flash content reaches more than 98% of users.

Yes I know that can be a bit exaggerated (those are Adobe statistics), but It’s hard to admit that the Flash Player is not ubiquitous.
So Flash, Flash, wasn’t that just for 2D vivid graphics? Yes it was, it is, and it’s evolving. But in the mean time we want to get started here with new Adobe Flex 2.0 technology which also uses Flash Player as a run-time environment. I gave you before an example what Flex ArcWeb Explorer is, and how ESRI was fascinated about it. Imagine now connecting 3D options to it. Well I believe it’s fully applicable. As I said before, we want to create very portable and practical solution. The point I’m making here is that in my opinion the X3D, Flex + Papervision3D bundle gives as a gate to develop really nice looking environments in a really fast way. There are many gaps still to be filled with some coding, but the outline is there, steady and ready. Ok so are we ready to show some graphics? what else do we need? . Rationality! and again the practical attitude. I’m going to keep repeating that till the end of my days. The public destination of that solution and the availably for everyone is a really important issue. People are creating standards these days, not companies. So which part of our gate needs to be replaced. what about X3D, do we have some data implemented in it? is it really in practical, wide usage? No it isn’t. My sentiment about X3D is similar to this expressed by French president Charles De Gaulle about Brazil: It has a great future … and always will. We need something practical, what is already in wide use, and its growing in the hand of the users, and moreover we need it now. X3D is supported by NASA and it maybe going to be a standard but nowadays we need to pick up something reasonably, that will strongly support us with existing data. The best way to see what I mean is to compare NASA World Wind and Google Earth. Google Earth is starting to be created by users for users, and that is what I call a standard. So what I advise to myself, is to use the kind of data that is using Google Earth to represent environment. So here we are now with KML (it seems that we are going through all the alphabet +ML extension). You see, the easiness with I am switching the data types is also because of the fact that all of them are XML based and its possible to make translations between them, we are not risking much. So again,my target is the type of that data that will be most suitable for wide audience providing ease of use and data creation perspectives. So what about this KML you ask?

KML stands for KeyHole Markup Language. The word Keyhole is an earlier name for the software that became Google Earth. The software was produced in turn by Keyhole, Inc, which was acquired by Google in 2004. The term "Keyhole" actually honors the KH reconnaissance satellites, the original eye-in-the-sky military reconnaissance system now some 30 years old. At the moment it is a standard of representing data for Google Earth apps. It is constructed with really simple structure. Let’s say we want to mark a point on Google maps. The KML file would be as follows :

That gives us points, nothing special. But the KML can support us with polygons descriptions :

Fig. 2 : Different types of polygons in KML, opened and placed on a specific location in Google Earth.

What is more, we can use Google Earth to create that kind of polygons using real world raster map as a drawing layer. So that way we can acquire polygon boundaries created on real world blue prints with real world coordinates. That is kind of fun. I wouldn’t lie if I say that starting from now, with no experience in Google Earth, I can create in few hours an outline of a small city and export it to KML files, or create KMZ archive (collection of KML files). Just like that, that is what I call simplicity. Ok let’s go further. Starting from KML version 2.1 Google made a big step towards 3D worlds, we have a support for intermediate 3D modeling file format, guess… yes, our gaming friend Collada (thought about X3D, huh?).

So… plenty of new possibilities now open. Game creators can move their actual work to Google Earth engine. Anyone can model buildings in his favorite application save it to Collada file and place it in the Earth on a specific coordinates. I don’t have to tell what kind of options it gives. Can you imagine games in real 3D environment or millions of people creating 3D models of their homes? Well, it’s going to happen faster than we think, I think. In the mean time… where were we with our lounge of chosen technologies?

Fig. 3 : The KML file with a Collada .dae model attached to it, opened in Google Earth.

Our gate for creating 3D worlds, based on true Geographical data, open for everyone in a common browser is : Flex with PaperVision3d + KML file format which includes Collada files. In my opinion that could be a really interesting solution solver for Web based GIS 3D. It is really easy to develop, and if you take a deeper insight on options which each of these technologies give, you will see that you can create some really fresh outlook of content in a web browser… just like that.

References :
[1] ”Developing Web Applications with COLLADA and X3D” by Dr. Rémi Arnaud and Tony Parsi
[2] “Prototype Implementations for Multi-typed 3D Urban Features
Visualization on Mobile 3D and Web 3D Environments “ by Lee Kiwon


Schau das Video: CityGML Streetspace Model derived from OpenDRIVE data in 4k (Oktober 2021).