Veranstaltungsprogramm

Durch die Akzeptanz von Laserscanning im Aufmaß und als Grundlage zur Modellierung von Bestandsgebäuden steigt die Projektgröße. Zusätzlich gibt es weitere Neuerungen in der Scannertechnologie. Reduzierung der Aufnahmezeit, Erhöhung der Distanzmessung und Vergrößerung der Scanauflösung führt zu immer größeren Punktwolkenprojekten.

Daraus resultieren Schwierigkeiten im Bereich Datenmanagement, Dateigröße und Visualisierung.

Standpunktbasierte (terrestrische) Laserscanner speichern die Rohdaten pro Standpunkt ab. Teilweise mit einer leichten Kompression. In der Regel wird der Datenfluss einmal durch einen Kompressionsalgorithmus geführt und die Daten nicht für die Kompression angepasst, um Energie und Berechnungszeit zu sparen. Nach dem Import in proprietäre Softwarelösungen kommt meist eine Kompression zum Einsatz.

Mobile (SLAM) Laserscanner speichern die Daten als Datenfluss auf die internen Datenträger. Hier kommt keine Kompression zum Einsatz, da man hier genug Daten im Arbeitsspeicher halten muss, um Kompression anzuwenden. Bei der Menge an Daten lohnt es sich hier noch nicht.

Bei mobilen Laserscannern wird in der proprietären Software auch keine Kompression benutzt, sondern nur die Trajektorie berichtigt. Die Daten werden dann im Austauschformat exportiert.

Die üblichen Austauschformate zwischen Softwarepaketen wie LAS, E57, PTX oder XYZ haben keine Kompression und sind in der Regel auch nicht zur direkten Visualisierung von Punktwolken geeignet. Es gibt Austauschformate, welche Kompression benutzen, wobei das einzige, welches in der Regel unterstützt wird, LAZ ist. Hierzu gab es auch Bemühungen, das LAZ Format anzupassen, um es für Streaming und Visualisierung zu erweitern (siehe COPC).

In unserem Vortrag möchten wir von den Rohaufnahmeformaten der Laserscanner über Austauschformate zu Visualisierungsformaten berichten. Dabei sollen unsere Erfahrungen aus dem PointCab Origins 3D Viewer, sowie unsere Erfahrungswerte mit anderen Viewern (wie CloudCompare, ReCap, Cesium, Potree, OpenScanTools, …) wie auch CAD oder BIM Softwarepakete (wie Revit, Archicad, Vectorworks) einfließen. Des Weiteren sollen Schwierigkeiten in der Punktwolkenvisualisierung beleuchtet werden und Wege diese zu überwinden.

Beispielhafte Dateigröße eines kleinen strukturierten Punktwolkenprojektes in verschiedenen Formaten:

• FARO Raw - 921 MB
• FARO lsproj - 775 MB
• E57 - 3679 MB
• RCP - 2632 MB
• LSD - 234 MB
• PTX - 7577

Das Thema dieses Beitrags befasst sich mit einem Vergleich der beiden PLS-Geräte GeoSLAM ZEB Horizon und Leica BLK2GO. Beide handgehaltenen mobilen Laserscanner wurden zur dreidimensionalen Erfassung einer komplexen Maschinenhalle mit einer Fläche von etwa 1.500 Quadratmetern eingesetzt. Ziel war es, neben der vollständigen Aufnahme aller in der Halle befindlichen Fahrzeuge und Maschinen eine Genauigkeitsanalyse im Vergleich zu einer TLS-Messung durchzuführen. Darüber hinaus erfolgte ein Punktwolkenvergleich der beiden PLS-Systeme untereinander.

Die Datenaufnahme mit den handgeführten Laserscannern erfolgte einerseits durch einen gesamten Scan der Halle, wobei die Messdauer jeweils etwa 18 Minuten betrug. Andererseits wurde die Maschinenhalle jeweils in vier kleineren Scans bei einer Dauer von circa 10 Minuten vermessen. Die TLS-Messung mit dem RIEGL VZ-400i, welche als Referenzmessung für die PLS-Systeme diente, wurde auf 4 Gerätestandpunkte reduziert, von welchen strukturierte und strukturlose Referenzflächen zu sehen waren. Um die gemessenen Daten der drei verschiedenen Geräte in ein gemeinsames lokales Koordinatensystem zu registrieren, wurden auf Papier gedruckte Schachbrettmarken als Passpunkte verwendet, welche im Vorlauf tachymetrisch bestimmt und ausgeglichen wurden. Im Postprocessing wurden zunächst alle Punktwolken manuell zugeschnitten, mittels des SOR-Filters bereinigt, zusammengefügt und hinsichtlich der Auflösung auf einen minimalen Punktabstand von 2 Zentimetern reduziert, sodass eine homogene und gleichbleibende Verteilung der Punkte in jeder Punktwolke vorlag. Nachdem alle Punktwolken mit den gleichen Rahmenbedingungen vorhanden waren, wurden sie zum einen mittels eines C2M-Vergleichs mit den Referenzflächen und zum anderen durch C2C-Vergleiche untereinander verglichen.

Bei den C2M-Vergleichen der PLS-Punktwolken mit der strukturlosen Referenzfläche fällt auf, dass die gemessenen Distanzen des ZEB Horizon und des BLK2GO systematisch zu lang sind, sodass die untersuchte Wandfläche jeweils hinter dem Soll-Modell liegt. Der Versatz liegt bei beiden Geräten im unteren Zentimeterbereich. Im Falle des BLK2GO zeigt sich vor allem mit steigender Wandhöhe zunehmende Abweichungen zur Referenz, während beim ZEB Horizon eine homogene Fehlerverteilung über die gesamte Fläche erkennbar ist. Beim C2M-Vergleich mit der strukturierten Referenzfläche, welche die Oberfläche einer Maschine darstellt, betragen die Abweichungen zwischen den PLS-Systemen und dem Soll-Modell 5 bis 12 Millimeter.

Die Ergebnisse der C2C-Vergleiche der PLS-Punktwolken untereinander liegen jeweils durchschnittlich im Bereich von 1 Zentimeter. Auffällig ist, dass beim Vergleich des ZEB Horizon mit dem BLK2GO die größten Abweichungen im Bereich der Dachflächen und an den Rändern der Maschinenhalle auftreten. Beim geräteinternen Vergleich zwischen zusammengeführter Punktwolke aus den Einzelscans und dem Gesamtscan zeigen sich beim ZEB Horizon im Gegensatz zum BLK2GO deutlich weniger Abweichungsmaxima, sodass lediglich an vereinzelten Maschinen wenige Punkte mit einer Abweichung von mehr als 3 Zentimeter erkennbar sind und somit etwa 99,4 Prozent aller Punkte eine geringere Abweichung als 3 Zentimeter aufweisen. Beim BLK2GO hingegen liegen bei diesem Vergleich vor allem an den Dach- und Wandflächen sowie an mehreren Maschinen erhöhte Abweichungen vor, sodass circa 97,5 Prozent aller Punkte weniger als 3 Zentimeter voneinander abweichen. Beide Geräte bewegen sich somit in dem vom Hersteller angegebenen Genauigkeitsbereich, wobei kleinere Systematiken festzustellen sind.

In den vergangenen Jahren hat sich die terrestrische Laserscanning (TLS)-Technologie erheblich weiterentwickelt. Moderne TLS-Instrumente bieten höhere Messgeschwindigkeiten, gesteigerte Präzision und kompakte Bauformen, sodass heute Scanzeiten von durchschnittlich etwa einer Minute pro Scanposition inklusive Standortwechsel auch über einen ganzen Tag realisierbar sind. Parallel dazu wächst der Bedarf an Verfahren, die sowohl statische als auch kinematische Datenerfassungsmodi effizient unterstützen. Während im Mobile Mapping traditionell einachsige Profilscanner dominieren, eröffnet die kinematische Nutzung zweiachsiger terrestrischer Laserscanner neue Potenziale hinsichtlich Datenqualität, geometrischer Vollständigkeit und operativer Flexibilität.

Dieser Beitrag untersucht das Leistungsvermögen des RIEGL VZ-600i im statischen und kinematischen Einsatz unter Verwendung von RTK-GNSS-Informationen und adressiert damit praxistaugliche Outdoor-Szenarien. Im statischen Modus werden retroreflektierende Zielmarken hochauflösend erfasst, die zuvor mittels Totalstation bestimmt wurden. Diese Festpunkte werden mit hoher Gewichtung in die Blockausgleichung der Scanpositionen in der Software RiSCAN PRO integriert, wodurch eine millimetergenaue absolute Georeferenzierung der statischen Punktwolke gewährleistet wird. Die kinematischen Punktwolken werden zunächst auf Basis der GNSS-Positionen und Inertialmessdaten berechnet und anschließend unter Zuhilfenahme der Laserscandaten weiter verbessert. Dadurch liegt die resultierende Genauigkeit der kinematischen Punktwolken initial im Bereich der RTK-GNSS-Genauigkeit (≈ 2 cm). In diesem Beitrag wird ein Verfahren vorgestellt, das durch einen Ausgleichsprozess basierend auf korrespondierenden Ebenen die kinematische Punktwolke an die millimetergenaue statische Punktwolke anpasst. Somit kann die Trajektorie gezielt nachoptimiert werden. Dies ist weder eine rein rigide Registrierung der kinematischen auf die statische Punktwolke, noch eine reine Anpassung der Trajektorie, sondern ein eng gekoppelter Ausgleich von GNSS-Positionsdaten, Inertialmessdaten und Laserscanningdaten. Dadurch kann eine hochgenaue Fusion beider Datensätze und insbesondere eine hochgenaue absolute Georeferenzierung der kinematischen Punktwolke erreicht werden. Die Ergebnisse demonstrieren das Potenzial dieses integrierten Ansatzes für hochpräzise geodätische Anwendungen und mobile Erfassungsszenarien.

Zoller + Fröhlich präsentiert seine hauseigenen mobilen Scanning Lösungen, die hochpräzise 3D-Datenerfassung in Bewegung ermöglichen. Hierbei werden leistungsstarke Laserscanner mit externer GNSS- und IMU-Technologie für eine exakte Georeferenzierung kombiniert. Dank kompakter Bauweise und intuitiver Software sind sie flexibel einsetzbar – vom Fahrzeug bis zum tragbaren Rucksack-System. Die erfassten Daten eignen sich ideal für Anwendungen in der Stadtplanung, Infrastrukturvermessung und digitalen Zwillingserstellung. Im Vortrag werden aktuelle Einsatzbeispiele und technische Weiterentwicklungen vorgestellt.