Skip to content
Sean Higgins Di, Mai 11, '21 8 min read

Wie Sie die Qualität von mobil erfassten Punktwolken bewerten können

Heute soll es darum gehen, wie Laserscan-Profis die Qualität einer mobil erfassten Punktwolke bewerten und Datensätze prüfen.

Bestimmt wissen Sie schon Bescheid über die Vorteile mobiler Mappingsysteme für die Gebäudedokumentation und warum sich die Investition lohnt. Daher haben Sie sich entschlossen, ein solches System zu kaufen. Sie haben bereits Ihre Kollegen und Kolleginnen um Rat gefragt, sich belesen und sich über die technischen Eckdaten aller auf dem Markt befindlichen Geräte informiert. Nach reiflicher Überlegung haben Sie die Liste auf einige Scanner eingegrenzt, die Ihnen als geeignet erscheinen.

Allerdings stehen Sie jetzt vor einem Problem: Sie möchten Beispielpunkwolkendaten der verschiedenen Anbieter herunterladen, um die Datenqualität zu prüfen. Allerdings haben Sie noch nicht allzu viel Erfahrung mit mobilen Scannern und wissen nicht so recht, wie Sie die ganze Sache angehen sollen. Wie können Sie einschätzen, ob die Qualität einer Beispielpunktwolke die Anforderungen Ihres Projekts erfüllt?

Dabei wollen wir Ihnen helfen. Zunächst soll es darum gehen, auf welche Metrik und welche Kennzahlen Laserscan-Experten für die Einschätzung der Punktwolkenqualität zurückgreifen. Danach erläutern wir Ihnen eine einfach Methode, mit der sich ein Datensatz prüfen lässt - ganz ohne komplizierte Analysetools.

A-complete-guide-BlogPost-Data-Set

Nach welchen Kriterien beurteilen Profis eine mobil erfasste Punktwolke?

Zunächst gehen wir auf die Eigenschaften ein, auf die Sie bei einer mobil erfassten Punktwolke achten sollten, und erklären, warum diese Eigenschaften so wichtig sind.

Farbe/Textur

Worauf muss ich achten? Wie realistisch sieht die Färbung und Texturierung der Punktwolke aus? Oder anders ausgedrückt: Wie sehr ähnelt die Punktwolke einem Foto, das mit einer hochwertigen Digitalkamera aufgenommen wurde?

Warum ist das wichtig? Gute Farbwiedergabe und Texturierung helfen Ihnen, kleine Details im Datensatz zu erkennen, z. B. Bäume, Türen und sogar Text auf Schildern. Das ist besonders während des Modellierungsprozesses von großer Bedeutung, wenn es darum geht, den Scan zu interpretieren und Objekte zu identifizieren.

Im besten Fall sieht die Punktwolke der von Ihnen erfassten realen Umgebung zum Verwechseln ähnlich. Eine gute Farbgebung und Texturierung erleichtert es Experten und Laien, den Datensatz zu verstehen und zu navigieren.

Rauschen

Worauf muss ich achten? Wie „unscharf“ ist die Punktwolke? Verrauschte Punkte tauchen unabhängig vom Scangerät in jedem Rohdatensatz auf, da das physikalische Verhalten des Lasersensors zufällige Unregelmäßigkeiten in den Daten verursacht. Es gibt verschiedene Ansätze, um dieses Rauschen zu beseitigen - einige davon funktionieren besser als andere.

Warum ist das wichtig? Zu starkes Rauschen kann bei Modellierungsanwendungen Probleme verursachen. Nehmen wir einmal an, Sie möchten einen Fußboden modellieren. Aufgrund von Rauschen erscheint eine Linie als 3 cm dick, wodurch genaue Verortungen und Messungen erschwert werden. Das gleiche Problem tritt auf, wenn Sie versuchen, feine Details zu modellieren.

Starkes Rauschen führt auch dazu, dass eine Punktwolke größer als eigentlich notwendig wird, um die Geometrie genau darzustellen. Das führt wiederum zu größeren Dateien und längeren Übertragungszeiten. Größere Dateien benötigen mehr Rechenkapazität, die Folge: Ihr PC arbeitet langsamer, schlimmstenfalls müssen Sie noch zusätzlich Geld für ein Upgrade Ihres Computers ausgeben.

Auflösung feiner Details

Worauf muss ich achten? Wie scharf ist die Auflösung kleiner Details, beispielsweise von rechtwinkligen Kanten oder die Form eines Türrahmens?

Warum ist das wichtig? Viele Modellierungsanwendungen erfordern ein hohes Maß an Detailgenauigkeit. Wenn Sie einen Grundriss im Maßstab 1:50 modellieren oder eine visuelle Inspektion durchführen wollen, muss eine Menge feiner Details erkennbar sein, um ein qualitativ hochwertiges Ergebnis zu erzielen.

SLAM-Graphic-1-de

Absolute und relative Genauigkeit

Worauf muss ich achten? Obwohl dies ein sehr komplexes Thema ist, können wir Ihnen eine relativ einfache Antwort geben. Genauigkeitsangaben geben an, wie nahe eine Messung dem tatsächlichen Wert kommt.

Beim mobilen Scannen messen wir zwei Arten von Genauigkeit: Die absolute Genauigkeit ist die Genauigkeit Ihrer Daten im globalen Maßstab. Diese Metrik bezieht sich auf eine Messung, die über mehrere Scanpositionen hinweg durchgeführt wird, z. B. von einer Ecke eines Gebäudes zu einer anderen.

Die relative Genauigkeit bezieht sich auf die Genauigkeit des Datensatzes auf lokaler Ebene. Diese Metrik gilt für Messungen zwischen Punkten an nur einem Scanstandort, z. B. einem Raum.

[Genauere Definitionen finden Sie in unserem Begriffsglossar]

Warum ist das wichtig? Diese Metriken sind wichtig, um die Zuverlässigkeit eines Scanners zu beurteilen, da sie zeigen können, wie genau die Abmessungen eines Gebäudes sind und wie genau die ermittelten Maße eines Raums sind - beides sind wichtige Faktoren für Anwendungen wie Scan-to-BIM oder die Erstellung von Grundrissen.

[Weitere Informationen darüber, welche Metriken für die BIM-Modellierung, die Erstellung von Grundrissen etc. am wichtigsten sind, finden Sie in unserem Leitfaden zur Modellierung anhand von Daten, die mit mobilen Mappingsystemen erfasst wurden.]

5 Schritte zur Überprüfung der Punktwolkenqualität

Sie wissen wahrscheinlich, dass viele erfahrene Laserscan-Profis die Qualität einer Punktwolke anhand eines Benchmark-Datensatzes und komplexer Software beurteilen. Was Sie vielleicht nicht wissen, ist, dass viele von ihnen auch ein Verfahren zur Prüfung der Punktwolkenqualität per Augenmaß verwenden.

Durch die Suche nach spezifischen Indikatoren können sie schnell beurteilen, wie gut eine Punktwolke bei den im vorherigen Abschnitt behandelten Metriken abschneidet. So macht es auch Stefan Romberg, der Head of Mapping und Perception bei NavVis.

Wenn Sie es gerne einmal selbst ausprobieren möchten: Hier finden Sie Beispieldatensätze einer NavVis-Punktwolke.

Schritt 1: Notieren Sie erste optische Eindrücke.

Laden Sie die vom Gerätehersteller bereitgestellten Beispieldaten herunter und öffnen Sie diese in Ihrer Software für Punktwolkendaten. Sehen Sie sich die Daten an und notieren Sie Ihre ersten Eindrücke.

  • Wie sieht es mit der Farbwiedergabe aus? Ähnelt die Punktwolke einem hochauflösendem Foto?
  • Wie sieht es mit der Schärfe aus?

Diese Methode mag zunächst einmal etwas zu subjektiv anmuten, ist aber dennoch sehr nützlich, so Romberg. „Häufig ist es so, dass subjektive Schönheit und hohe Punktwolkenqualität zusammenhängen“, erklärt er. „Subjektive Schönheit ist zwar kein direkter Beweis für Qualität - aber sie ist ein guter Indikator für objektive Qualitäten, die gemessen werden können.“

Das liegt daran, dass eine subjektiv schöne Punktwolke zumeist eine realistische Farbgebung und Texturierung sowie geringes Rauschen aufweist. Eine Punktwolke muss eine Grundgenauigkeit aufweisen, um Probleme wie Verformung und Verzerrung zu vermeiden.

Schritt 2: Betrachten Sie die Punktwolke von oben und nehmen Sie sich einen horizontalen Schnitt heraus

Wenn Sie die Punktwolke von oben betrachten, können Sie auf zwei weitere wichtige Indikatoren achten: gerade Linien und Konsistenz.

  • Sind die Wände gerade oder krumm?
  • Sind die Wände oder Balken von einem Ende zum anderen gleich dick?
  • Werden lange Flure verzerrt dargestellt?

Indem Sie sich diese Fragen stellen, können Sie sich ein besseres Bild von der Genauigkeit des mobilen Mappingsystems machen. Wenn die Wände nicht gerade, sondern verzogen sind, wenn sie von einem Ende zum anderen dicker oder dünner werden oder wenn sie sich in ein falsches Doppel aufspalten, stimmt etwas mit den Daten nicht, so Romberg. Dies könnte daran liegen, dass der SLAM-Algorithmus mit der Umgebung nicht zurechtkam.

[Warum bei einigen mobilen Mappinggeräten in diesem Bereich noch Probleme auftreten, erfahren Sie in unserem Erklärbeitrag zu SLAM, der Technologie, auf der mobile Mappingsysteme basieren.]

Schritt 3: Nutzen Sie die Zoom-Funktion, um feine Details zu prüfen

Fokussieren Sie sich auf einen kleinen Ausschnitt der Punktwolke, z. B. den Bereich um eine Tür. So können Sie nach bekannten Details suchen und prüfen, wie gut die Punktwolke diese auflöst.

  • Wie genau werden Ecken oder andere 90°-Winkel dargestellt?
  • Sind die Wände doch nicht ganz gerade, wenn man näher heranzoomt?
  • Wie scharf sind Details wie Türkanten, deren Konturen schwer zu erfassen sind?

So können Sie die Richtigkeit der Angaben überprüfen. Außerdem lässt sich so feststellen, wie gut die Auflösung von feinen Details ist.

A-complete-guide-BlogPost-Accuracy-whitepaper

Schritt 4: Lesen Sie sich die White Papers durch

Dieser Schritt ist sehr wichtig. Mit Hilfe der bisher beschriebenen Methoden können Sie zu einer ersten Einschätzung bezüglich der Genauigkeit kommen, aber diese kann natürlich keine empirische Untersuchung ersetzen. Was Sie brauchen, sind konkrete Zahlen. Diese finden Sie im Normalfall in den White Papers der Hersteller. Nehmen Sie sich also die Zeit, diese sorgsam durchzulesen.

Sie fragen sich vielleicht: Warum soll ich das tun, wenn ich mir doch schon das Datenblatt durchgelesen habe? Ein Datenblatt zu einem mobilen Mappinggerät ist nur begrenzt von Nutzen. Der angegebene Genauigkeitswert ist nur unter optimalen, kontrollierten Bedingungen erreichbar. In der realen Welt sieht das etwas anders aus. Die Genauigkeit eines mobilen Scanners hängt von einer Reihe von Faktoren ab, z. B. davon, wie gut der SLAM-Algorithmus mit der Umgebung zurechtkommt und wie effektiv die Korrekturfunktionen sind.

Deshalb sollten Sie sich die White Papers des Herstellers zur Genauigkeit ansehen, in denen die Genauigkeit des Scanners in einer Vielzahl von Anwendungen nachgewiesen wird. Diese Studien zeigen Ihnen, wie der Scanner in den für Sie wichtigen Umgebungen funktioniert.

Schritt 5: Probieren geht über Studieren

An diesem Punkt sollten Sie den Hersteller kontaktieren und eine Demo vereinbaren. So können Sie das Gerät einmal selbst ausprobieren, ein Gefühl für die Funktionsweise bekommen und vor allem die Datenqualität in einer Ihnen vertrauten Umgebung prüfen.

Sobald Sie die während der Demo erfasste Punktwolke erhalten haben, gehen Sie mit dieser erneut die Schritte 1-3 durch. Bonus: Jetzt können Sie sicher sein, dass der Hersteller in puncto Genauigkeit auch wirklich das halten kann, was er verspricht.

Es gibt aber auch noch komplexere Analysemethoden: Eine Möglichkeit wäre zum Beispiel, die Umgebung mit einem terrestrischen Laserscanner (TLS) zu erfassen und per cloud-to-cloud-Analyse zu prüfen, wie die Daten der Beispielpunktwolke im Vergleich dazu abschneiden.

Fazit

Um die Qualität einer Punktwolke zu überprüfen, brauchen Sie nicht immer gleich komplexe Analysewerkzeuge. Bereits durch eine sorgfältige visuelle Prüfung können Sie sich einen ersten guten Eindruck über die Qualität verschaffen. Wichtig: Lesen Sie auch die White Papers des Herstellers und vereinbaren Sie eine Demo. Die erfassten Daten können Sie anschließend mit TLS-Daten vergleichen. Wenn Sie diese Schritte beachten, sind Sie bestens informiert und können die richtige Entscheidung treffen.

Webinar jetzt anschauen

 

Sean Higgins ist ein selbstständiger Technikjournalist, ehemaliger Redakteur einer Fachzeitschrift und Naturliebhaber. Er ist der Meinung, dass 3D-Technologien klar und verständlich erklärt und besprochen werden sollten.

avatar

Sean Higgins

Sean Higgins is an independent technology writer, former trade publication editor, and outdoors enthusiast. He believes that clear, buzzword-free writing about 3D technologies is a public service.