@misc{12646,
  abstract     = {{Die präzise und kosteneffiziente 3D-Rekonstruktion industrieller Umgebungen gewinnt zu-nehmend an Bedeutung, insbesondere für digitale Zwillinge und automatisierte Inspektions-prozesse. Diese Arbeit untersucht die Entwicklung und Evaluierung eines multisensorischen Kamera-Setups, das mit Gaussian Splatting eine speichereffiziente und schnelle Modellierung von Produktionsumgebungen ermöglicht. Dafür wurde ein mobiles, autonomes System auf Basis eines MiR-Roboters entwickelt, das Bilddaten von verschiedenen USB-Kameras (Lo-gitech Brio, Anker C200), einer DSLR und iPhone Kamera sowie Raspberry Pi Kameras er-fasst und verarbeitet. 
Die zentrale Forschungsfrage adressiert die Effizienz, Bildqualität und Wirtschaftlichkeit von Gaussian Splatting im Vergleich zu etablierten Verfahren wie Photogrammetrie und LiDAR. Erste Testläufe mit DSLR-Aufnahmen und einer manuell rekonstruierten Pipeline zeigen, dass Gaussian Splatting hochdetaillierte Punktwolken generieren kann, jedoch mit Herausfor-derungen hinsichtlich Kameraausrichtung, Überlappung der Bilder und automatisierter Missi-onsplanung des Roboters konfrontiert ist. 
Die Ergebnisse zeigen, dass das System eine schnelle und speichereffiziente 3D-Rekonstruk-tion ermöglicht, jedoch in seiner aktuellen Form noch Optimierungspotenzial aufweist. Be-sonders die genaue Kalibrierung der Kameras, eine verbesserte Synchronisation der Bilder so-wie eine präzisere Steuerung des Roboters sind entscheidend für die Qualität der Punktwol-ken. Während Gaussian Splatting eine überzeugende Alternative zu klassischen Verfahren darstellt, ist die Systemstabilität derzeit noch abhängig von manuellen Eingriffen und Justie-rungen. 
Zukünftige Arbeiten sollten sich darauf konzentrieren, die Automatisierung des gesamten Workflows weiter voranzutreiben, insbesondere durch den Einsatz verbesserter Kamera-A-lignment-Algorithmen, Hardware-Trigger für synchrone Bildaufnahme und Machine-Learn-ing-gestützte Bildoptimierung. Zudem könnte eine Erweiterung des Systems um zusätzliche Sensortechnologien wie Time-of-Flight-Sensoren oder LiDAR-Module helfen, die Detailge-nauigkeit weiter zu verbessern und eine robuste Echtzeit-Rekonstruktion zu ermöglichen. }},
  author       = {{Wiemann, Sam}},
  keywords     = {{3D-Rekonstruktion, Gaussian Splatting, Photogrammetrie, LiDAR, autonome Robotik, digitale Zwillinge, Industrie 4.0}},
  publisher    = {{Technische Hochschule Ostwestfalen-Lippe}},
  title        = {{{Entwicklung und Evaluierung eines multisensorischen Kamera-Setups zur 3D-Raumrekonstruktion in einer dynamischen Industrieumgebung mittels Gaussian Splatting auf einem autonomen Robotersystem}}},
  year         = {{2025}},
}