Eine Punktwolke zu erfassen ist nur der erste Teil der Arbeit. Damit Planer mit den Daten arbeiten können, müssen die Rohscans verknüpft, geprüft, bereinigt und für den jeweiligen Zweck aufbereitet werden. Diese Verarbeitung, oft Point Cloud Processing genannt, entscheidet darüber, ob aus einem Scan ein verlässlicher Plan wird. Der Beitrag beschreibt die einzelnen Schritte in der Reihenfolge, in der sie in der Praxis anfallen.
Registrierung: aus Einzelscans wird ein Datensatz
Jeder Scanstandpunkt liefert zunächst eine eigene Punktwolke in einem eigenen Koordinatensystem. In der Registrierung werden alle Scans in ein gemeinsames System überführt, entweder über Zielmarken oder über die Geometrie überlappender Bereiche. Bei Bedarf wird der Gesamtdatensatz anschließend über Passpunkte in ein übergeordnetes Koordinatensystem gebracht. Wichtig ist der Registrierungsbericht: Er zeigt die Restabweichungen zwischen den Scans und damit, ob die Verknüpfung den Anforderungen genügt. Details beschreibt der Beitrag zur Cloud-to-Cloud-Registrierung.
Bereinigung: Störpunkte entfernen
Jede Punktwolke enthält Punkte, die nicht zum Objekt gehören oder falsch gemessen sind:
- Personen, Fahrzeuge oder Baumaschinen, die sich während des Scans bewegt haben,
- Scheinpunkte durch Spiegelungen in Fenstern, Glas oder Wasserflächen,
- Mischpunkte an Kanten, an denen der Laserfleck teils Vorder- und teils Hintergrund getroffen hat,
- vereinzelte Ausreißer weit außerhalb des Objekts.
Software bietet dafür Filter, die viele dieser Punkte automatisch erkennen, etwa nach Abstand zu Nachbarpunkten oder nach Auftreffwinkel. Die Filter müssen aber mit Augenmaß eingestellt werden, sonst gehen auch echte Details wie dünne Geländerstäbe oder Kabel verloren. Eine abschließende Sichtkontrolle bleibt deshalb Teil der Arbeit.
Ausdünnen und Kacheln: Datenmengen beherrschbar machen
Eine Gebäudeaufnahme umfasst schnell viele Gigabyte. Nicht jede Weiterverarbeitung braucht die volle Dichte. Für die Planbearbeitung in CAD reicht oft eine gleichmäßig ausgedünnte Wolke, etwa mit einem festen Mindestabstand zwischen den Punkten. Große Datensätze werden außerdem nach Geschossen, Bauteilen oder Bereichen aufgeteilt, damit sie sich auf normalen Arbeitsplatzrechnern flüssig bearbeiten lassen. Die vollständige Originalwolke bleibt als Referenz erhalten.
Segmentierung und Klassifizierung
Bei der Segmentierung werden Punkte zu zusammenhängenden Gruppen zusammengefasst, etwa alle Punkte einer Wandfläche, einer Decke oder eines Rohrs. Die Klassifizierung ordnet diesen Gruppen oder einzelnen Punkten eine Bedeutung zu, zum Beispiel Boden, Gebäude, Vegetation, Wand oder Fenster. Im Außenbereich ist die Trennung von Gelände und Bewuchs Voraussetzung für Geländemodelle; im Gebäude erleichtert eine Klassifizierung das Ausblenden von Möbeln oder das gezielte Modellieren einzelner Bauteile.
Für beide Schritte gibt es zunehmend automatische, oft KI-gestützte Verfahren. Sie nehmen viel Handarbeit ab, liefern aber Wahrscheinlichkeiten, keine Gewissheiten. Ihre Ergebnisse müssen geprüft und korrigiert werden, bevor sie Grundlage für Planung oder Abrechnung werden. Mehr dazu im Beitrag KI in der Laserscan-Auswertung.
Auswertung und Export
Am Ende steht das Ergebnis, das im Projekt gebraucht wird: eine bereinigte Punktwolke im passenden Format wie E57 oder RCP, 2D-Pläne als DWG und PDF, ein vermaschtes Oberflächenmodell oder ein BIM-Modell im IFC- oder Revit-Format. Welche Aufbereitung nötig ist, hängt davon ab. Für eine reine Weitergabe der Punktwolke genügen Registrierung und Bereinigung, für ein Bauteilmodell kommen Segmentierung und Modellierung hinzu.
Vom Rohscan zum Ergebnis
Point Cloud Processing umfasst Registrierung, Bereinigung, Ausdünnung, Segmentierung, Klassifizierung und Export. Automatische Werkzeuge beschleunigen viele dieser Schritte, die Kontrolle durch Fachleute ersetzen sie nicht. Welche Ergebnisse wir aus aufbereiteten Punktwolken erstellen, zeigt die Seite zu Zeichnungen und Plänen.