Punktwolken

Beim Punktwolke Laserscanning wird für jeden abgetasteten Materialbereich ein Point (Punkt) gesetzt. Diese Punkte werden mit einem XYZ-Koordinatensystem in ein virtuelles Modell integriert. Für die dreidimensionale Darstellung dient ein CAD System, welches wiederum das Octree-Verfahren zur Gliederung der in einer erzeugten Punktwolke enthaltenen Punkte und zur Einordnung in einem Tensorfeld verwendet. Dieser Vorgang wird als Segmentierung bezeichnet. Vereinfacht ausgedrückt heißt das, der Laser erfasst Bereiche, in denen Materie vorhanden ist. Die CAD-Technologie dient dazu, die Punktwolken zu verarbeiten und in ein CAD-Modell umzuwandeln.

Für die Umwandlung wird ein spezieller Algorithmus verwendet, der zur Gattung der Out-of-Core-Algorithmen gehört. Nur damit kann das Processing (also die Verarbeitung der Daten) beim Punktwolke Laserscanning garantiert werden. Vor allem bei der Erfassung ganzer Städte oder geologischer Bereiche sind die Datenmengen oft so hoch, dass selbst der Hauptspeicher der Superrechner dafür nicht ausreichen würde. Der Out-of-Core-Algorithmus ist dafür zuständig, die zu berücksichtigenden Daten auf verschiedene Speichermedien zu verteilen.

Auch für die Darstellung der Punktwolke 3D ist ein Algorithmus erforderlich. Hier stehen für die CAD Programme verschiedene Varianten zur Auswahl. Wer Punktwolken bearbeiten möchte, sodass daraus ein Oberflächenmodell entsteht, greift oft zu Marching Cubes, der auf die Darstellung von Isoflächen (abschließende Flächen) spezialisiert ist. Um Punktwolken bearbeiten zu können, stehen verschiedene Algorithmen zur Verfügung, die in der Point Library Cloud der Open PerceptionFoundation zusammengefasst wurden.

Eine sehr große Rolle spielt die Punktwolke CAD bei der Qualitätssicherung sowie den Prüfungen des Materialzustands im Rahmen der laufenden Sicherheitschecks. Punktwolken Scanner kommen beispielsweise bei Schienenfahrzeugen für die regelmäßige Prüfung der Achsen zum Einsatz. Eine Sichtprüfung würde hier nicht ausreichen, da selbst kleinste Materialbrüche vor allem bei den Hochgeschwindigkeitszügen mit Neigetechnik katastrophale Folgen haben können. Ein weiteres Einsatzgebiet der mit einem Laserscanner erzeugten Punktewolke CAD ist die Überprüfung des Zustands von Brückenpfeilern sowie von Staudämmen.

Die Erhebung von geografischen Informationen (in der Fachsprache Spatial Data genannt) erfolgt heute ebenso mit dem Punktwolke Laserscanning. Sie werden für die verschiedensten Zwecke benötigt. Die Punktwolke 3D kann beispielsweise anzeigen, wo größere Felsabbrüche durch Rissbildung in der Folge von Erdbeben oder der natürlichen Verwitterung drohen. Die frühzeitige Kenntnis solcher Gefahrenzonen mit einer 3D Punktwolke ermöglicht rechtzeitige Evakuierungen. Außerdem werden Spatial Data zur Vorbereitung von Ausgrabungen erhoben und können Hinweise auf bevorstehende Vulkanausbrüche liefern, indem die Veränderungen der Vulkanflanken und Vulkanschlote mit der Punktwolke CAD in regelmäßigen Abständen erfasst und miteinander verglichen werden.

Insgesamt ist das Punktwolken Modell aus dem Gefahren- und Risikomanagement nicht mehr wegzudenken. Die geografischen Informationen dienen beispielsweise zur Berechnung möglicher Überflutungsgebiete bei Sturmfluten und durch Starkregen und Tauwetter bedingten Hochwasserwellen. Die beim Processing aus der 3D Punktwolke abgeleitete Oberflächenstruktur ist ein nützlicher Helfer bei der Planung von Deichen und anderen Hochwasserschutzanlagen. Beim Bau von Straßen wird die Struktur angrenzender Berghänge mit dem Punktwolke Laserscanning untersucht. Damit kann herausgefunden werden, an welchen Stellen besondere Sicherungsmaßnahmen gegen das Abrutschen kompletter Hänge und gegen Steinschlag getroffen werden müssen.