Datenverarbeitung & Qualität

Sie macht große Datenmengen auswertbar, vor allem für Geländemodelle, für die Boden- von Nicht-Bodenpunkten getrennt werden müssen. Die Klassifikation läuft regelbasiert oder algorithmisch, zunehmend auch lernbasiert, und braucht fachliche Kontrolle: Bei dichter Vegetation oder komplexen Bauwerken kommt es zu Fehlklassifikationen. Anders als die Filterung entfernt sie keine Punkte, sondern ordnet vorhandene ein.

Typisch ist sie beim terrestrischen Laserscanning, bei SLAM-Systemen und bei großflächigen Drohnenbefliegungen. Ausgewertet werden die Überlappungsbereiche, über Passpunkte, Zielmarken oder automatische Verfahren wie Iterative Closest Point (ICP), bis eine durchgehende Gesamtpunktwolke entsteht. Die erreichbare Genauigkeit hängt von der Überlappung, der Objektgeometrie und der Stabilität der Referenzpunkte ab. Anders als die Georeferenzierung setzt sie Datensätze nur zueinander in Beziehung, ohne sie an ein übergeordnetes Koordinatensystem anzubinden.

Sie ist Voraussetzung, um Daten in Planung, GIS oder CAD zu nutzen und mit Bestandsdaten oder Katasterinformationen zu überlagern. Erfolgen kann sie über Pass- oder Kontrollpunkte, GNSS-gestützte Direktmessung oder die Transformation vorhandener Koordinaten. Wichtig sind das konsistente Anwenden des Referenzsystems und die dokumentierten Transformationsparameter. Eine unzureichende Georeferenzierung führt zu systematischen Lage- oder Höhenabweichungen, die sich in späteren Planungsphasen fortsetzen.

In der Drohnenvermessung betrifft sie Lasersensoren, Kameras und Inertialmesseinheiten. Hinzu kommt die geometrische Kalibrierung, die die räumliche Beziehung der Sensoren auf der Plattform bestimmt, etwa zwischen LiDAR und IMU. Im Flug wird die IMU-Kalibrierung oft durch definierte Manöver wie Achterfiguren oder Geschwindigkeitswechsel ergänzt, damit die Lagewinkel genau bestimmt werden. Eine unvollständige Kalibrierung führt zu Lage-, Höhen- oder Skalenabweichungen in der Punktwolke, die sich kaum nachträglich korrigieren lassen.

Versätze zwischen den Streifen entstehen durch Drift, Kalibrierabweichungen oder dynamische Einflüsse im Flug. Sie werden im Überlappungsbereich berechnet und durch Anpassung der Trajektorie oder der Punktwolkengeometrie verringert. Das verbessert die Genauigkeit abgeleiteter Geländemodelle und mindert das typische Schichtenmuster in zusammengeführten Punktwolken.

Geprüft werden unter anderem Punktdichte, Lage- und Höhenabweichungen, Vollständigkeit und Klassifikationsergebnisse, per Vergleichsmessung an Referenzpunkten, Statistik oder visueller Plausibilitätsprüfung. Dokumentiert sein sollte die Kontrolle vor allem dann, wenn die Daten Grundlage für Ausschreibungen, Massenberechnungen oder baubegleitende Kontrollen sind, denn schon Abweichungen von wenigen Zentimetern können je nach Projekt ins Gewicht fallen. Eine reine Datenprüfung kontrolliert nur formale Kriterien wie Dateiformat und Vollständigkeit, nicht die geometrische Qualität.

Üblich ist sie bei GNSS-Messungen, Tachymeteraufnahmen und Kontrollpunktnetzen, meist nach der Methode der kleinsten Quadrate. Bei Drohnen- und Laserscandaten spielt sie eine Rolle, wenn Passpunkte und Kontrollmessungen eingebunden werden: Spannungen im Datensatz sinken, das Genauigkeitsniveau wird homogener. Netzgeometrie, Beobachtungsanzahl und Messqualität bestimmen, wie stabil das Ergebnis ist.

Betroffen sind etwa vereinzelte Fehlmessungen, bewegte Objekte oder atmosphärische Artefakte. Auch für Geländemodelle werden Nicht-Bodenpunkte häufig per Filteralgorithmus ausgeblendet. Die Parameter entscheiden: Zu aggressiv entfernt die Filterung relevante Strukturen, zu zurückhaltend lässt sie Störungen stehen. Anders als die Klassifikation verändert sie den Datenbestand dauerhaft und sollte deshalb dokumentiert werden.