INTERGEO 2012: Presentation of the FOSS GIS aspects of the TRIDEC Project (ge...
Einsatz von Augmented Reality für hydrologische Modelle
1. Einsatz von Augmented Reality
für hydrologische Modelle
- MAGUN -
Mobile Anwendungen auf Basis von Geoinformationen
in einer In-situ Informationsinfrastruktur (iii)
im Umwelt- und Navigationsbereich
Stefan Simroth, HTW Berlin, stefan.simroth@student.htw-berlin.de
Frank Fuchs-Kittowski, HTW Berlin, frank.fuchs-kittowski@htw-berlin.de
2. Einleitung
• Hydrologische Modelle
– z.B. Wasserhaushalts-, Niederschlag-Abfluss-Modelle
• Einsatzgebiet
– z.B. Wasserdargebotsermittlung, Hochwasserschutz,
Planungsgrundlage
Problem: Zuordnung Modelldaten ↔ Realität
Lösung mit Hilfe von Augmented Reality (AR):
positionsgenaue Überlagerung der Sicht auf die
reale Umgebung mit 2D- oder 3D-
Visualisierungen der Modelle
2
5. Augmented Reality (AR)
• „Erweiterte Realität“
Erweiterung der realen Welt
mit digitalen Informationen
• eindeutige Beziehung
zwischen realen Objekten
und digitalen Informationen herstellen und
• über unterschiedliche Medien wahrnehmbar
machen
5
6. Augmented Reality - Beispiele
Abseitslinie im Fussball
AR Kitchen (MIT)
Gipfelspitzen
6
8. http://magun.htw-berlin.de
Projekt MAGUN http://www.magun-projekt.de
• Erarbeitung und Umsetzung eines
praxistauglichen Konzepts
– zur mobilen und visuellen Bereitstellung
von Geo- und Umweltinformationen
– mit Hilfe innovativer mobiler Technologien
(Smartphones, AR)
• Vereinfachung und Erhöhung der Effektivität der
Entwicklung mobiler Anwendungen
– um digitale Umwelt- und Geoinformationen
– mobilen Nutzern situationsgerecht bereitzustellen
8
9. Szenarien
• Darstellung des mittleren Dargebots
• 3D-animierter Vorher/Nachher-Vergleich von
Baumaßnahmen
• Nutzung für Lehrpfade als Informationssystem
9
14. Szenarien (2)
3D-Vorher/Nacher-Vergleich
• Wasserwirtschaft
– u.a. wasserbauliche Maßnahmen planen und
durchführen
– Planungs- und Genehmigungsverfahren
Pläne vielen heterogenen Anspruchsgruppen
verständlich machen
• 3D-Objekte der umgebauten Landschaft direkt
in das Kamerabild positionieren
• Direkter Vergleich durch „Nebeneinanderhalten“
14
15. Szenarien (3)
Lehrpfade
• Naturlehrpfade u.a. zur Umweltbildung
• ökologische Zusammenhänge, Aufgaben und
Funktionen, aktuelle und historische anthropogene
Nutzung, Naturschutz
• Ausrichtung des Lehrpfades auf Zielgruppe
• Wissen auf unterschiedlichem Detaillierungsgrad
direkt und kontextsensitiv bereitstellen
• Filme, Animationen, Audio
Kombination von Natur- und Technikerlebnis
15
16. Anforderungen
• Unterschiedliche Thematik der Daten
• Nutzergruppen
– Eine oder mehrere Person(en), Fachleute oder Laien
• Art der Daten und der Darstellung
– z. B. Texte, 2D-Bilder, 3D-Objekte, Videos, Audio
• Zeitbezug der Daten
– Echtzeit, Historisch, Aktuell, Zukünftig
• Datenqualität / -herkunft
– Messdaten, Berechnungen, Nutzergeneriert
• Verwendung von Markern zur Erkennung von Orten
• Ortung
– via GPS, Kompass, Marker
16
18. Ausblick
• AR noch in Kinderschuhen
– Hohes Potenzial, technisch & wirtschaftlich
• MAGUN
– Infrastruktur zur Bereitstellung von
kontextsensitiven Geo- und Umweltinformationen
– Unterstützung mehrerer AR-Browser
– AR-unterstützte mobile App
18