Wie georeferenziert man eine Punktwolke?
TitleWas bedeutet Georeferenzierung?
Jede Punktwolke stellt zunächst nur eine Ansammlung von Messpunkten in einem lokalen Koordinatensystem dar. Damit diese Daten jedoch mit anderen Quellen – etwa CAD-Plänen, Drohnenaufnahmen oder GNSS-Messungen – kombiniert werden können, müssen sie in ein übergeordnetes geodätisches Koordinatenreferenzsystem überführt werden. Dieser Prozess wird Georeferenzierung genannt.
Eine präzise Georeferenzierung ist die Grundlage für lage- und höhenrichtige Vermessungs- und Planungsprozesse. Ob im BIM-Umfeld, bei der Dokumentation von Industrieanlagen oder in der Forst- und Landwirtschaft – nur korrekt georeferenzierte Punktwolken ermöglichen eine zuverlässige Weiterverarbeitung und Auswertung.
In diesem Beitrag zeigen wir, wie Sie Punktwolken einfach und präzise georeferenzieren – und welche Methoden und Werkzeuge sich dafür besonders eignen.
TitlePunktwolken & Koordinatensysteme - Die Grundlagen
Bevor eine Punktwolke georeferenziert werden kann, ist es wichtig, die Grundlagen von Koordinatensystemen und Punktwolkenstrukturen zu verstehen. Dabei ist zu beachten, dass die Georeferenzierung nicht die Messgenauigkeit der einzelnen Scanpunkte beeinflusst, sondern deren absolute Lage- und Höhengenauigkeit im übergeordneten Koordinatensystem. Sie bestimmt somit, wie korrekt die Punktwolke räumlich eingeordnet und mit anderen Geodaten verknüpft werden kann.
Was ist eine Punktwolke?
Eine Punktwolke besteht aus einer Vielzahl einzelner Messpunkte, die durch Laserscanning oder photogrammetrische Bildauswertung erfasst werden – entweder terrestrisch oder luftgestützt, beispielsweise mithilfe einer Drohne (UAV). Jeder dieser Punkte enthält Informationen über seine räumliche Position (X, Y, Z) – häufig ergänzt durch Farbinformationen (RGB) oder Intensitätswerte.
In vielen Fällen liegen diese Punkte zunächst in einem lokalen Koordinatensystem vor, das sich auf den Ursprung des Scanners bezieht. Das bedeutet: Die Punktwolke kennt zwar ihre interne Geometrie (relative Genauigkeit), aber nicht ihre Position auf der Erde.
Lokales vs. Globales Koordinatensystem
Lokales Koordinatensystem
- Ursprung ist meist die Position des Scanners oder der ersten Messung.
- Achsen sind willkürlich ausgerichtet.
- Wird innerhalb eines Projekts (z. B. Gebäudescans) verwendet, wo die absolute Lage unwichtig ist.
- Vorteil: Einfach und schnell zu erzeugen.
- Nachteil: Eine direkte Einbindung in übergeordnete geodätische Referenzsysteme und GIS-Umgebungen ist ohne eine zusätzliche Transformation nicht möglich.
Globales Koordinatensystem
- Bezieht sich auf ein erdbezogenes Koordinatenreferenzsystem, wie UTM (Universal Transverse Mercator) oder Gauß-Krüger.
- Punkte besitzen reale geographische Koordinaten (z. B. ETRS89 / UTM Zone 32N).
- Erlaubt die Kombination mehrerer Datensätze, z. B. Drohnenbefliegungen, terrestrische Scans und GNSS-Messungen.
- Notwendig für GIS-Analysen, Kartierungen oder Bauwerksdokumentationen im nationalen Bezugssystem sowie für behördliche Planungs- und Genehmigungsverfahren.
Referenzpunkte & Passpunkte
Damit eine Punktwolke von einem lokalen in ein globales Koordinatensystem überführt werden kann, benötigt man bekannte Punkte im Gelände oder auf dem Objekt:
- Referenzpunkte: Vermessene Punkte mit bekannten Koordinaten in einem übergeordneten Referenzsystem (z. B. GNSS oder Totalstation).
- Passpunkte: Punkte, die sowohl im Scan als auch in den Messdaten identifiziert werden können.
Durch die Zuordnung dieser Punkte wird eine mathematische Transformation (z. B. Helmert-Transformation) berechnet, die die Punktwolke korrekt im Raum positioniert und ausrichtet.
TitleMethoden der Georeferenzierung
Die Georeferenzierung einer Punktwolke kann auf verschiedene Arten erfolgen – je nach eingesetzter Hardware, gewünschter Genauigkeit und verfügbarem Zeitaufwand. Im Folgenden werden die vier gängigsten Methoden vorgestellt.
Georeferenzierung mittels Targets
Eine der klassischsten und präzisesten Methoden ist die Georeferenzierung über Targets (auch Referenzmarken oder Zielmarken genannt).
Dabei werden vor der Datenerfassung im Gelände physische Zielmarken – wie Kugeln, Schachbretttafeln oder Aufkleber – an gut sichtbaren Positionen verteilt. Diese Targets werden mit einem GNSS-Empfänger oder einer Totalstation exakt vermessen, sodass ihre globalen Koordinaten bekannt sind.
Beim Einlesen der Punktwolke in die Auswertesoftware (z. B. FARO Scene oder Trimble RealWorks) werden die gescannten Target-Positionen automatisch erkannt und den gemessenen Koordinaten zugeordnet.
So kann die Punktwolke präzise in das globale Koordinatensystem transformiert werden.
Vorteile:
- Sehr hohe Genauigkeit (Millimeter- bis Zentimeterbereich)
- Unabhängig von GNSS-Abdeckung (auch indoor einsetzbar)
- Ideal für technische Vermessung und Anlagenaufnahmen
Nachteile:
- Zusätzlicher Aufwand für das Aufstellen und Vermessen der Targets
- Sichtverbindung zwischen Scanner und Targets erforderlich
Diese Methode eignet sich besonders für Gebäudeaufnahmen, Industrieanlagen und Ingenieurvermessung, wo Präzision oberste Priorität hat.
Direkte Georeferenzierung mittels GNSS
Eine modernere und oft zeitsparendere Methode ist die direkte Georeferenzierung mit GNSS-Daten.
Hierbei wird die Position des Scanners oder Sensors bereits während der Aufnahme über satellitengestützte Systeme (z. B. Real-Time Kinematic = RTK) bestimmt.
Beispiele für GNSS-gestützte Systeme sind:
- DJI M350 RTK (Drohne mit RTK-Modul)
- XGRIDS LIXEL L2 Pro (mobiler Scanner mit optionalem GNSS-Modul)
Die GNSS-Positionen werden mit den Scandaten verknüpft, sodass die Punktwolke automatisch im globalen Koordinatensystem liegt.
Bei Drohnen- oder mobilen Scans ermöglicht dies eine schnelle, großflächige Erfassung mit direkter räumlicher Einordnung.
Vorteile:
- Schneller Workflow ohne manuelles Einmessen
- Ideal für großflächige Außenaufnahmen
- Kompatibel mit modernen RTK-Systemen
- GNSS-Unterstützung stabilisiert Trajektorien und verbessert die Genauigkeit von SLAM- oder photogrammetrischen Punktwolken, insbesondere bei großflächigen Außenaufnahmen
Nachteile:
- Abhängig von GNSS-Signalqualität (Einschränkungen in engen Straßen oder Innenräumen)
- Genauigkeit kann geringer sein als bei Target-basierten Verfahren
Diese Methode ist ideal für Topografien, Straßenvermessungen, Baustellendokumentationen und Drohnenbefliegungen.
Georeferenzierung mittels markanter Punkte
Wenn keine Targets oder GNSS-Daten vorliegen, lässt sich eine Punktwolke auch nachträglich georeferenzieren.
Dabei werden in der Punktwolke markante Punkte (z. B. Gebäudeecken, Schächte oder Kanten) ausgewählt, deren Koordinaten aus einem anderen Datensatz oder Plan bekannt sind.
In der Auswertesoftware (z. B. CloudCompare, PointCab oder FARO Scene) wird die Punktwolke über diese Punkte an das bekannte Koordinatensystem angepasst.
Vorteile:
- Keine zusätzlichen Messungen vor Ort notwendig
- Auch nachträglich auf vorhandene Punktwolken anwendbar
- Flexibel kombinierbar mit CAD- oder GIS-Daten
Nachteile:
- Abhängig von der Genauigkeit der bekannten Punkte
- Fehlerquellen durch manuelle Punktzuordnung möglich
Diese Methode wird häufig verwendet, um SLAM-Scandaten in ein geodätisches System zu integrieren.
Kombination mehrerer Verfahren
In der Praxis hat sich oft eine Kombination mehrerer Methoden als die effektivste Lösung erwiesen.
Ein typisches Beispiel ist die Fusion von SLAM-Daten mit GNSS-Punkten:
Ein mobiler Scanner (z. B. XGRIDS Lixel K1 oder Lixel L2 Pro) erfasst die Umgebung per SLAM-Verfahren, während gleichzeitig GNSS-Positionen an Referenzstellen aufgenommen werden.
In der Nachbearbeitung (z. B. mit Lixel Studio) werden die GNSS-Daten genutzt, um die SLAM-basierte Punktwolke zu stabilisieren und in das globale Koordinatensystem zu bringen.
So wird die hohe relative Genauigkeit des SLAMs mit der absoluten Positionstreue des GNSS kombiniert.
Vorteile:
- Hohe Genauigkeit und Stabilität über große Flächen
- Minimierung von Driftfehlern bei SLAM-Systemen
- Ideal für Projekte mit wechselnden Aufnahmebedingungen
Nachteile:
- Etwas komplexerer Workflow in der Nachbearbeitung
- Erfordert Erfahrung im Datenabgleich und Softwareeinsatz
Diese Hybrid-Methode eignet sich besonders für Großprojekte, Innen- und Außenkombinationen oder mobile Scans, bei denen Präzision und Effizienz gleichermaßen gefragt sind.
TitleSoftwarelösung für die Georeferenzierung
Lixel Studio
Lixel Studio von XGRIDS ermöglicht die Fusion von SLAM-, IMU- und GNSS-Daten und sorgt so für eine exakte, global georeferenzierte Punktwolke. Besonders nützlich ist, dass Lixel Studio Koordinaten aus Ground Control Points und GNSS-Daten verarbeitet und transformiert, sodass die Punktwolke im globalen Koordinatensystem liegt.
➡️ Ideal für mobile Kartierungen und SLAM-Projekte.
Scantra
Scantra spezialisiert sich auf die präzise Fusion mehrerer SLAM-Fahrten und bietet ein starkes Modul für Loop-Closures und Genauigkeitsprüfung.
➡️ Ideal für mobile Mapping- und Stadtvermessungsprojekte.
CloudCompare
CloudCompare ist ein kostenloses Open-Source-Tool für die manuelle Georeferenzierung und Transformation von Punktwolken (z. B. über ICP oder Helmert).
➡️ Geeignet für individuelle Projekte und Nachbearbeitungen.
FARO Scene
FARO Scene ist die Standardsoftware für FARO-Scanner. Sie erkennt automatisch Targets und ermöglicht die präzise Registrierung mehrerer Scans mit Einbindung von GNSS- oder Totalstationsdaten.
➡️ Optimal für Gebäudeaufnahmen und Industrieanlagen.
TitleTypische Fehler & Tipps
Auch bei sorgfältiger Datenerfassung können Fehler bei der Georeferenzierung auftreten. Das Wissen um häufige Fallstricke hilft, Abweichungen zu vermeiden und die Genauigkeit der Punktwolken zu maximieren.
Häufige Fehler
- Falsches Koordinatensystem: Nutzung unterschiedlicher Bezugs- oder Höhenwerte führt zu Versatz und falscher Ausrichtung.
- Vertauschte Achsen: X-, Y- oder Z-Achsen können bei Import oder Transformation verwechselt werden, was die Punktwolke kippen oder verschieben lässt.
- Ungenaue Referenzpunkte: Fehlerhafte GNSS- oder Passpunkte wirken sich direkt auf die Georeferenzierung aus.
- Drift bei SLAM-Daten: Ohne Korrektur durch Referenzpunkte kann es zu Driftfehlern kommen, besonders in langen Strecken oder großen Innenräumen.
- Unzureichende Sicht auf Targets: Bei Target-basierten Scans sollten alle Targets im Sichtfeld des Scanners liegen, sonst sinkt die Präzision.
Praktische Tipps
- Koordinatensystem immer prüfen: Vor der Aufnahme klären, welches globale System (z. B. UTM, Gauß-Krüger) verwendet wird.
- Kontrollpunkte setzen: Zusätzliche Punkte zur Validierung der Georeferenzierung helfen, Abweichungen zu erkennen.
- SLAM-Daten mit GNSS kombinieren: Dies reduziert Driftfehler und erhöht die absolute Genauigkeit.
- Software-Tools gezielt einsetzen: Automatisierte Target-Erkennung, Schleifenprüfung oder kinematische Module vereinfachen den Prozess.
- Nachbearbeitung nicht vernachlässigen: Eine abschließende Kontrolle in Software wie CloudCompare oder Lixel Studio stellt sicher, dass die Punktwolke korrekt ausgerichtet ist.
TitleFazit: Präzision durch richtige Georeferenzierung
Die Georeferenzierung ist entscheidend, um Punktwolken korrekt im Raum zu verorten und mit anderen Datensätzen zu kombinieren. Ob durch Targets, GNSS, bekannte Punkte oder Hybridlösungen – die passende Methode hängt von Projektgröße und Genauigkeitsanforderung ab.
Nur eine sauber georeferenzierte Punktwolke ermöglicht präzise Analysen, exakte BIM-Modelle und effiziente Planungsprozesse. So werden aus reinen Messdaten verlässliche Grundlagen für Vermessung, Konstruktion und Dokumentation.
