Punktwolke

Im 3D-Modellieren ist eine Punktwolke eine Menge von Datenpunkten in einem 3D-Koordinatensystem, das üblicherweise durch die XYZ-Achsen dargestellt wird. Jeder Punkt steht für eine einzelne räumliche Messung auf der Oberfläche eines Objekts. Zusammengenommen bildet eine Punktwolke die gesamte Außenfläche eines Objekts ab. Wird der RGB-Wert jedes Punkts erfasst, können der Punktwolke zusätzlich Farbinformationen hinzugefügt werden. Eine Punktwolke wird mit einem 3D-Scanner, Lidar oder einer Photogrammetrie-Software erstellt. Durch ein als Oberflächenrekonstruktion bezeichnetes Verfahren lässt sie sich in gängige Formate wie Polygonnetzmodelle, CAD-Modelle oder NURBS-Flächenmodelle umwandeln.

Da immer mehr Dinge aus unserem Alltag in die digitale Welt übertragen werden, bieten Punktwolken eine schnellere Möglichkeit, eine präzise virtuelle Replik eines bestehenden Objekts zu erstellen. Die Zahl der möglichen Anwendungen ist nahezu unbegrenzt. Hier einige Beispiele:

Bildung und Unterhaltung: Ein realer Ort, etwa der Buckingham Palace oder die Chinesische Mauer, kann gescannt und als Punktwolkendaten aufgezeichnet werden. Mit einer Renderfarm lässt sich daraus ein äußerst detailliertes digitales Modell erstellen, das in einem Spielfilm für Spezialeffekte eingesetzt oder für virtuelle Rundgänge genutzt werden kann, an denen Besucher online teilnehmen.

Erhaltung und Restaurierung: Historische Bauwerke müssen nicht im Lauf der Zeit verloren gehen. Punktwolken können zu ihrer langfristigen Dokumentation eingesetzt werden und sogar dabei helfen, sie nach einem unglücklichen Ereignis wiederherzustellen. So wurde beispielsweise nach dem Brand von Notre-Dame de Paris im Jahr 2019 eine Punktwolke mit einer Milliarde Datenpunkten herangezogen, um die Restaurierungsarbeiten zu unterstützen.

Sicherheitsprüfungen: Eine weitere zunehmend verbreitete Anwendung von Punktwolken sind Sicherheitsprüfungen während eines Bauprojekts. An wichtigen Meilensteinen des Projekts kann eine Punktwolke erstellt werden, um zu überprüfen, ob die Bauarbeiten präzise nach den Plänen des Architekten ausgeführt werden. Bei später auftretenden Problemen am Gebäude können diese Aufzeichnungen herangezogen werden.

Autonome Fahrzeuge: Die selbstfahrenden Autos der Zukunft sind auf Sensoren angewiesen, um Punktwolkendaten zu erfassen. Diese Daten werden die Entwicklung von Algorithmen für maschinelles Lernen und Deep Learning unterstützen. Dadurch werden Fahrerassistenzsysteme (ADAS) immer leistungsfähiger, bis eine vollständige Automatisierung erreicht ist.

Wie man sich vorstellen kann, kann eine Punktwolke aus Millionen oder sogar Milliarden von Datenpunkten bestehen. So umfasst die Punktwolke des fast 400 Jahre alten Staatlichen Tempels des Kriegsgottes in Tainan, Taiwan, eine Milliarde Punkte. Um regelmäßig mit großformatigen Punktwolken zu arbeiten, sind leistungsstarke Prozessoren und modernste Fähigkeiten für parallele Datenverarbeitung erforderlich.

Hier kommt GIGABYTE ins Spiel. Die G-Series GPU Server von GIGABYTE gehören dank einer der höchsten am Markt verfügbaren Dichten an GPU-Beschleunigern zu den führenden Lösungen der Branche. Dadurch lassen sich komplexe Berechnungen und die Verarbeitung großer Datenmengen mittels paralleler Datenverarbeitung problemlos bewältigen. Das taiwanische National Center for High-performance Computing (NCHC) wählte den 1U-4-Node-Server G191-H44 und den 4U-8-Node-Server G481-S80 von GIGABYTE für den Aufbau einer cloudbasierten Renderfarm aus, die auch Berechnungsdienste für Punktwolken bereitstellt. Der G481-S80 zeichnet sich durch leistungsstarke parallele Datenverarbeitung mit hoher Dichte aus, während der G191-H44 für seine geringe Latenz, seine hervorragende Internetanbindung und seine Kompatibilität mit 5G-Netzinfrastrukturen bekannt ist. Beide Server wurden umfassend getestet, um ihre Leistung und Stabilität auch in stark belastenden Szenarien sicherzustellen, etwa wenn sich Dutzende Benutzer gleichzeitig anmelden, um ein hochauflösendes 4K-Video zu verarbeiten.