Welche Herausforderungen gibt es beim 3D-Scanning und bei Punktwolken?
- Wie lassen sich Objekte, Gebäude, Infrastruktur und Gelände dreidimensional vermessen?
- Wie funktioniert das Laserscanning und wie werden Millionen einzelner Messpunkte zu einer Punktwolke zusammengefasst?
- Was sind die Unterschiede zwischen terrestrischem, mobilem und luftgestütztem Laserscanning?
- Wie werden verschiedene Scans mit einem gemeinsamen Koordinatensystem verknüpft?
- Welche Faktoren bestimmen die Genauigkeit, Auflösung und Qualität einer Punktwolke?
- Wie werden große Punktwolken zu nutzbaren 3D-Informationen und Modellen für Geo-ICT-Anwendungen verarbeitet?
In diesem Blended-Learning-Kurs lernst du das 3D-Scannen und den Umgang mit Punktwolken kennen. Du entdeckst, wie mit Laserscannern und anderen Sensoren große Mengen dreidimensionaler Messpunkte erfasst werden können, mit denen Objekte, Gebäude, Infrastruktur und ganze Gelände sehr detailliert dokumentiert werden.
Dabei liegt der Schwerpunkt auf der gesamten Datenkette: von der Durchführung eines Scans bis hin zur Registrierung, Überprüfung, Verarbeitung und Visualisierung von Punktwolken. Sie lernen, wie rohe 3D-Messdaten letztendlich in nutzbare geografische Informationen umgewandelt werden.
Wie funktioniert das 3D-Laserscanning?
Ein Laserscanner ermittelt eine große Anzahl von Abständen zwischen dem Scanner und Objekten in der Umgebung. Durch die gleichzeitige Erfassung der Richtung jeder Messung lassen sich für jeden gemessenen Punkt dreidimensionale Koordinaten berechnen.
Sie lernen in groben Zügen, wie verschiedene Messprinzipien wie „Time-of-Flight“ und „Phase Shift“ zur Bestimmung von Entfernungen eingesetzt werden. Außerdem werden Sie mit Begriffen wie Scanauflösung, Messbereich, Genauigkeit und Reflexionswert vertraut gemacht.
Ein moderner Laserscanner kann in kurzer Zeit Millionen von Punkten erfassen. Zusammen bilden diese Punkte eine detaillierte dreidimensionale Punktwolke der Umgebung.
Das Ziel ist es nicht, Spezialist für einen bestimmten Laserscannertyp zu werden. Es geht vielmehr darum, dass Sie verstehen, wie 3D-Messdaten erfasst werden und welche Faktoren die Qualität eines Scans bestimmen.
Terrestrisches, mobiles und luftgestütztes Laserscanning
3D-Scans können von verschiedenen Plattformen aus durchgeführt werden. Beim terrestrischen Laserscanning (TLS) steht der Scanner während der Aufnahme an einer festen Position. Damit lassen sich beispielsweise Gebäude, Bauwerke und Industrieanlagen sehr detailliert vermessen.
Beim mobilen Laserscanning (MLS) wird der Scanner auf einer beweglichen Plattform, beispielsweise auf einem Fahrzeug, angebracht. GNSS und Trägheitssensoren werden verwendet, um die Position und Ausrichtung des Scanners während der Fahrt zu bestimmen.
Beim Airborne Laser Scanning erfolgt die Vermessung aus einem Flugzeug, Hubschrauber oder einer Drohne. Damit lassen sich in kurzer Zeit große Gebiete erfassen.
Sie lernen die Unterschiede zwischen diesen Methoden kennen und untersuchen, welche Technik für verschiedene Anwendungsbereiche geeignet ist.
Von einzelnen Scans zu einer einzigen Punktwolke
Ein Objekt oder Gebiet kann in der Regel nicht vollständig von einer einzigen Position aus gescannt werden. Daher werden häufig mehrere Scans von verschiedenen Standorten aus durchgeführt.
Diese einzelnen Scans müssen anschließend miteinander verbunden werden. Dieser Vorgang wird als Registrierung bezeichnet. Du lernst, wie entsprechende Punkte, Markierungen oder andere erkennbare Objekte genutzt werden können, um verschiedene Scans zusammenzufügen.
Zudem muss die Punktwolke häufig an ein bestehendes Koordinatensystem geknüpft werden. Dies wird als Georeferenzierung bezeichnet. Dabei können beispielsweise bekannte Bodenpunkte oder GNSS-Messungen herangezogen werden.
Sie erfahren, warum eine gute Registrierung und Georeferenzierung unerlässlich sind, wenn Punktwolken mit anderen geografischen Daten kombiniert werden sollen.
Qualität und Genauigkeit von Punktwolken
Eine Punktwolke kann Millionen von Messpunkten enthalten, doch eine große Anzahl von Punkten bedeutet nicht automatisch, dass der Datensatz auch genau oder zuverlässig ist.
Sie lernen, welche Faktoren die Qualität eines Laserscans beeinflussen. Dazu gehören beispielsweise der Abstand zum Objekt, der Einfallswinkel des Laserstrahls, die Reflexionseigenschaften von Materialien, sich bewegende Objekte und Abschirmungen.
Außerdem befassen Sie sich mit der Punktdichte, der Überlappung zwischen Scans und möglichen Abweichungen bei der Registrierung und Georeferenzierung.
Auf diese Weise lernen Sie, eine Punktwolke nicht nur visuell zu betrachten, sondern auch kritisch hinsichtlich ihrer Qualität und Eignung für eine bestimmte Anwendung zu bewerten.
Von der Punktwolke zu verwertbaren 3D-Informationen
Eine rohe Punktwolke stellt in der Regel nicht das Endprodukt dar. Die Daten müssen verarbeitet werden, bevor sie in GIS, CAD, BIM oder anderen Anwendungen effektiv genutzt werden können.
Sie lernen Techniken zum Filtern, Klassifizieren und Segmentieren von Punktwolken kennen. So lassen sich beispielsweise Geländehöhe, Gebäude, Vegetation und andere Objekte voneinander unterscheiden.
Außerdem untersuchen Sie, wie aus Punktwolken Höhenmodelle, Profile, Schnitte, Flächen und 3D-Modelle erstellt werden können.
Dabei wird auf gängige Datenformate wie LAS und LAZ eingegangen sowie darauf, wie große Punktwolken effizient gespeichert, ausgetauscht und verarbeitet werden können.
3D-Scanning & Punktwolken in der Praxis
Im Rahmen des Blended Learning arbeitest du mit bereitgestellten Punktwolken, mit denen du die verschiedenen Schritte von den Rohmessdaten bis hin zu verwertbaren 3D-Informationen durchläufst. Du untersuchst den Aufbau und die Qualität von Datensätzen und verarbeitest Punktwolken in Geo-ICT-Software.
Du arbeitest unter anderem an Aufgaben wie:
- Untersuche, wie ein Laserscanner Entfernungen misst und diese in dreidimensionale Punkte umwandelt.
- Vergleiche terrestrisches, mobiles und luftgestütztes Laserscanning und bestimme für verschiedene Anwendungen, welche Methode geeignet ist.
- Analysieren Sie eine Punktwolke hinsichtlich Punktdichte, Genauigkeit, Rauschen und fehlender Daten.
- Untersuchen Sie, wie mehrere Scans registriert und an ein bestehendes Koordinatensystem gekoppelt werden.
- Klassifizieren Sie Elemente einer bereitgestellten Punktwolke, beispielsweise Geländehöhe, Gebäude und Vegetation.
- Verarbeiten und visualisieren Sie LAS- oder LAZ-Daten und erstellen Sie aus einer Punktwolke ein Höhenprofil, ein Geländemodell oder eine andere 3D-Darstellung in QGIS.
Am Ende verstehst du, wie 3D-Scanning funktioniert, wie Punktwolken aufgebaut sind und welche Faktoren die Qualität von 3D-Messungen beeinflussen. Sie können erklären, wie verschiedene Scans registriert und georeferenziert werden und wie Rohpunktwolken zu verwertbaren 3D-Informationen für Vermessung, Bauwesen, Infrastruktur und andere Geo-ICT-Anwendungen verarbeitet werden.