Fehler in Punktwolken, Können wir Punktwolkendaten immer vertrauen?

Fehler in Punktwolken, Können wir Punktwolkendaten immer vertrauen?

Bei der Durchführung einer 3D Laserscanning Vermessung ist die Genauigkeit ein entscheidender Faktor. In den mehr als zehn Jahren, in denen wir uns mit der Verarbeitung von Punktwolkendaten beschäftigen, haben unsere Kunden immer wieder dieselbe Frage gestellt: «Können wir eine Genauigkeit von wenigen Millimetern einhalten?».

Bislang haben wir hunderte von Projekten mit ähnlichen Aufgabenstellungen abgeschlossen und die Antwort lautet natürlich ja. Unsere Vermessungs- und Zeichnungsteams setzen sich jedoch zusammen und untersuchen eine weitere Frage, bevor mit dem Projekt begonnen wird, nämlich: «Können wir den aktuellen Punktwolkendaten vertrauen?»

In diesem Beitrag erörtern wir zunächst einige Fakten im Zusammenhang mit den Ungenauigkeiten von Punktwolken, die mit modernen Laserscannern (terrestrische laserscanner) erfasst werden. Dann zeigen wir einige Fallstudien aus der Praxis über Informationsverluste während des Laserscanning Prozesses. Schließlich schlagen wir eine Lösung zur Überwindung dieser Einschränkungen vor, um Risiken zu vermeiden, welche die Qualität der Endprodukte – 3D BIM Modelle für digitaler Zwilling, 2D CAD Pläne, Visualisierungen – beeinträchtigen könnten.

Die Gründe für Ungenauigkeiten bei der Erfassung von Punktwolken

Fehler in Punktwolken können aus mehreren Gründen auftreten. Der erste Grund ist die inhärente Fähigkeit des Laserscanners. Alle Laserscanner – auch die besten – haben eine maximale Genauigkeit, und diese hängt von der gemessenen Entfernung ab. Der Fehler liegt beispielsweise bei +/- 1 mm pro 10 Meter Entfernung.  Je grösser also die Entfernung ist, die wir messen wollen, desto grösser könnte der Fehler sein.

Der zweite Grund, der zu Ungenauigkeiten in der Punktwolke führt, ist ein Fehler im Registrierungsprozess. Der Registrierungsprozess hängt von der anfänglichen Ausrichtung der zu registrierenden Punktwolken und ihrer Überlappung ab. Daher können eine unsachgemässe anfängliche Ausrichtung oder Scans mit geringer Überlappung die Qualität der Registrierung erheblich beeinträchtigen.

Der letzte Grund für Ungenauigkeiten bei Punktwolken ist die Fehlerfortpflanzung. Diese Fehlerkategorie tritt auf, wenn wir mehrere Punktwolken Scans kombinieren. Wir haben zum Beispiel eine Sammlung von Punktwolken Scans, und jeder Scan hat einen Fehler von +/- 1 mm. Bei jedem Schritt, der sich vom Ursprungsscan entfernt, wird also eine Fehlermenge kumuliert, die der Summe der quadratischen Fehler der einzelnen Scans entspricht.

Obwohl es viele Fehler gibt, die durch die Nichtbeachtung der bewährten Praktiken beim Scannen vor Ort verursacht werden, liegen sie ausserhalb des Rahmens dieses Beitrags, da wir hier hauptsächlich unsere Erfahrungen mit der Datenverarbeitung im Backoffice weitergeben möchten. Wir beabsichtigen, die besten Praktiken für das Scannen von Feldarbeit in einem zukünftigen Beitrag vorzustellen.

Fallstudien (terrestrische Laserscanner)

Fallstudie 1

Wir beschreiben die Fallstudie anhand eines Scans an der Kante eines Fensters – die Kante teilte den gesamten Raum in einen inneren und einen äusseren Halbraum, wie in Abbildung 1 dargestellt. Wir haben einige Standardanker als Referenzpunkte verwendet, um die Genauigkeit zu bewerten, und wir haben die Abweichung zwischen den Punktwolkendateien des äusseren Halbraums (FA_04) und des inneren Halbraums (EG_64) ermittelt.

Fehler in Punktwolkendaten

Diese Abweichung beträgt etwa 40 mm, ist aber schwer zu erkennen. Wenn wir direkt nach der Punktwolke zeichnen würden, könnte die Genauigkeit von 5mm nicht eingehalten werden.

Die Abweichung tritt nicht nur zwischen zwei Punktwolkendateien auf, sondern es werden auch Fehler an nahegelegenen Punkten festgestellt, in diesem Beispiel zwischen der Datei FA_04 und der Datei EG_62 in der Abbildung unten.

Eine ähnliche Abweichung trat zwischen der Datei FA_029 und der Datei EG_60 auf.

Fallstudie 2

Bei der Gesamtinspektion der Daten können wir feststellen, dass die Türdicke an der linken Position im Vergleich zu der gleichen Art Tür auf der rechten Seite problematisch ist.

Hier die linke Seite im Detail.

Hier die rechte Seite im Detail.

Wir stellen eine enorme Abweichung von bis zu 90mm fest. Wenn wir direkt nach der Punktwolke zeichnen würden, könnte die Genauigkeit von 5mm nicht eingehalten werden.

Wir haben ausserdem die vertikale Oberfläche überprüft und es ist deutlich zu erkennen, dass der Unterschied in der Punktwolke von Scans innerhalb und ausserhalb des Raumes nicht übereinstimmen.

Wenn man solche Verschiebungen sieht, kann man davon ausgehen, dass es noch viele weitere Ungenauigkeiten an anderen Positionen haben wird. Dies hat sich bei der weiteren Kontrolle auch bewahrheitet. Hier einige Beispiele dazu.

Die Lösung für hoher Genauigkeit

Ähnlich wie bei anderen Datenverarbeitungspipelines treten auch bei der Punktwolkenverarbeitung Fehler auf, und dieses Phänomen ist normal. Wichtig ist, wie wir mit dieser Art von Informationsverlust effizient umgehen.

Manche argumentieren, dass sie Zeit und Kosten für den Kunden sparen könnten, indem sie einen trivialen Arbeitsablauf befolgen (siehe Abbildung «Allgemein angewendeter Workflow»). Sie füllen die fehlerhaften Daten mit den Durchschnittswerten ihrer Nachbarpunkte auf.

Dieser Ansatz mag zwar die Verarbeitungszeit verkürzen, doch wird die Qualität stark beeinträchtigt. Dieser Genauigkeitsgrad kann für bestimmte Zwecke, wie z.B. Showcases oder Animationen für Werbung akzeptabel sein. In kritischen Bereichen, wie dem Bauwesen und der Architektur, wo eine hohe Präzision benötigt wird, ist es jedoch nicht akzeptabel.

Allgemein angewendeter Workflow

Um diese Probleme zu überwinden, führen wir gleich zu Beginn der Punktwolkenverarbeitungspipeline einen strengeren Überprüfungsprozess durch (siehe Abbildung «Angewendeter Workflow VMT Solutions»). Wir sind uns bewusst, dass der Überprüfungsprozess einige Zeit in Anspruch nehmen kann. Auf diese Weise erreichen wir jedoch höchste Qualität bei all unseren Projekten.

Insbesondere haben wir unseren Arbeitsablauf in das Kanban-Prinzip integriert – ein Prinzip, das der Toyota-Konzern anwendet, um die Qualität seiner Dienstleistungen konstant zu halten. Genauer gesagt, erhalten wir zu Beginn des Prozesses schnelle Feedback-Schleifen zwischen unseren Vermessungsteams und den Zeichnungsteams, bis beide Seiten sicher sind, dass wir unseren Punktwolken Daten vertrauen können. Jede Punktwolke wird vor dem Zeichnungsbeginn überprüft, damit wir garantieren können, dass die von uns verwendeten Daten von Anfang an korrekt sind. Dies macht uns seit mehr als zehn Jahren zu einem der führenden Unternehmen in der Verarbeitung von Punktwolken Daten.

Angewendeter Workflow VMT Solutions

Schlussfolgerungen

Wir akzeptieren die Tatsache, dass Punktwolken viele Abweichungen von der Realität aufweisen können, manchmal sogar massive Abweichungen, und diese massgeblich am Erfolg des Projektes beteiligt sind.

Einige Fehler in Punktwolken sind bekanntlich schwer zu erkennen und erfordern daher viel Know-how und praktische Erfahrung in verschiedenen komplexen Projekten. Dies unterscheidet uns von anderen Anbietern auf dem Markt.

Aus diesem Grund ist die Verifizierung ein unverzichtbarer Schritt bei der Verarbeitung von Punktwolken, um die Daten vor jeder weiteren Verarbeitung zuverlässig zu verifizieren.

Die Zusammenarbeit mit einem erfahrenen Partner wie der VMT Solutions bringt Ihnen Planungssicherheit, in dem Sie sich darauf verlassen können, dass die 3D Modelle, digitaler Zwilling oder 2D Pläne, die Sie erhalten, der Realität entsprechen. Dadurch vermeiden Sie Überraschungen und Mehrkosten bei der Ausführung ihres Projektes, welches aufgrund unserer Daten geplant wurde.

FAQs