zfv 6/2026

zfv 6/2026
Gratis | Kostenlos (Printversion vergriffen, PDF-Downloads weiterhin kostenfrei erhältlich)
Inhalt
Nutzungsbedingungen

Editorial | Die vorliegende Ausgabe der zfv widmet sich als Themenheft dem Schwerpunkt »Qualitätssicherung beim Mobile Mapping«. Kinematische Multisensorsysteme, Mobiles Laserscanning und Mobile Mapping sind aus der modernen Ingenieurgeodäsie und Geoinformation längst nicht mehr wegzudenken. Als hochintegrierte Messsysteme erfassen sie unsere Umwelt in Bewegung und liefern dichte 3D-Punktwolken über weite Areale mit nie dagewesener räumlicher Auflösung. Sie markieren damit einen grundlegenden Paradigmenwechsel: Weg von der diskreten Einzelpunktmessung hin zur ganzheitlichen, flächenhaften Erfassung dynamisch veränderlicher, komplexer Räume.

 

Geodäsie im FOKUS | In der Übergangszone zwischen Strand, Watt und flachem Küstenmeer fehlen häufig hochauflösende Geländedaten. Ebenso in Flüssen, wo sich Kiesbänke und Untiefen verlagern. Die »Airborne Laser Bathymetry« kann diese Datenlücken schließen. Fortschritte in der Full-Waveform-Auswertung, der Refraktionskorrektur und der Drohnen-Technologie tragen dazu bei, vermehrt 3D-Daten der Unterwassertopografie zu gewinnen.

 

Zusammenfassung

Mobiles Laserscanning hat sich als leistungsfähige Methode zur schnellen, flächenhaften Erfassung von Bestandsgeometrien etabliert. Die Ergebnisqualität kinematischer Systeme wird jedoch nicht allein durch Sensorspezifikationen bestimmt, sondern maßgeblich durch Erfassungskonzept, Prozessierungssoftware und Umgebungsbedingungen beeinflusst. Dieser Beitrag beleuchtet Herausforderungen und Lösungsansätze aus drei Perspektiven: Systemhersteller, spezialisierter Dienstleister und planendes Ingenieurbüro. Betrachtet werden sowohl SLAM-basierte Multisensorsysteme als auch fahrzeuggestützte Mobile-Mapping-Systeme. Im Mittelpunkt stehen Möglichkeiten und Grenzen der Qualitätssicherung entlang der gesamten Prozesskette sowie die Erkenntnis, dass eine enge Abstimmung zwischen Auftraggeber und Auftragnehmer und eine fachkundige Ergebnisbewertung wesentliche Voraussetzungen für einen erfolgreichen MMS-Einsatz sind.

 

Zusammenfassung

Die regelmäßige Erfassung von Straßeninfrastrukturen mit Mobile-Mapping-Systemen gehört heute bei vielen Kommunen und Infrastrukturbetreibern zum Arbeitsalltag. Durch die flächendeckende Verfügbarkeit wächst der Anspruch, die gewonnenen Daten nicht nur zur Dokumentation, sondern auch als Grundlage für Planung, Betrieb und Erhaltung einzusetzen.

Dieser Beitrag beschreibt die Entwicklung von der kinematischen Vermessung zum digitalen Zwilling für den Straßenraum. Ausgehend von aktuellen Mobile-Mapping-Systemen werden die Schritte von der Datenerfassung über die Informationsgewinnung bis zur cloudbasierten Bereitstellung und Nutzung der Daten vorgestellt. Anhand typischer Anwendungen wie der virtuellen Inspektion, dem Aufbau von Infrastrukturkatastern, der Zustandsbewertung und Vegetationsanalysen wird gezeigt, wie aus 3D-Punktwolken, Bilddaten und abgeleiteten Fachinformationen eine gemeinsame Informationsgrundlage für unterschiedliche Nutzergruppen entsteht. Es werden Erfahrungen aus der Praxis sowie aktuelle Herausforderungen bei Datenintegration, Aktualisierung und Datenmanagement diskutiert.

 

Zusammenfassung

Die präzise Vermessung von Bahninfrastrukturen ist eine wesentliche Voraussetzung für einen sicheren und effizienten Bahnverkehr. Aufgrund des stark ausgelasteten Schienennetzes und der großen Nachfrage von aktuellen Geodaten werden zunehmend kinematische Multisensorsysteme (MSS) eingesetzt. Der vorliegende Artikel beleuchtet die Qualitätssicherungsmaßnahmen im Zusammenhang mit solch kinematischen MSS, insbesondere die Anforderungen aus den DB-Regelwerken und dem Produktfreigabeverfahren. Als Beispiel eines bereits freigegebenen kinematischen Multisensorsystems wird im Folgenden das Trimble MX9 vorgestellt; dessen Datenverarbeitungsprozess und begleitende Qualitätskontrollen werden exemplarisch erläutert. Im Fokus steht, wie Qualität überprüft und dokumentiert wird, damit die vorgegebenen Richtlinien der Deutschen Bahn eingehalten werden. Die Analyse zeigt, dass ein systematischer Prüf- und Freigabemechanismus sowie spezielle Qualitätssicherungsverfahren unverzichtbar für den sicheren Bahnbetrieb und für den flexiblen Einsatz innovativer Vermessungstechnologien in der Bahninfrastruktur sind.

 

Zusammenfassung

Mobile-Mapping-Systeme (MMS) werden aufgrund ihrer hohen Effizienz und Flexibilität seit vielen Jahren in unterschiedlichsten Anwendungsbereichen eingesetzt. Dabei stellt häufig die Angabe von Genauigkeiten der generierten Punktwolke und der daraus abgeleiteten Zielgrößen eine große Herausforderung dar. Zur Bewertung der Unsicherheit von MMS-Punktwolken können empirische Ansätze verwendet werden, bei denen die erfassten MMS-Daten anhand von Referenzinformationen analysiert werden. In dieser Arbeit präsentieren wir eine großflächige Evaluierungsumgebung in einem (sub-)urbanen Gebiet mit variierenden Umgebungsbedingungen. Als Referenzinformation dient eine hochgenaue sowie dichte Punktwolke auf Basis terrestrischen Laserscannings (TLS). Darüber hinaus präsentieren wir eine automatisierte Evaluierungspipeline, die mehrere Tausend Objekte innerhalb der Untersuchungsumgebung extrahiert, relevante Zielgrößen bestimmt und deren Unsicherheit analysiert. Exemplarische Experimente mit einem hausintern entwickelten MMS zeigen, dass die Abhängigkeit der Parameterunsicherheit von den GNSS-Bedingungen für die betrachteten Parameter unterschiedlich ausfällt. Daraus ergeben sich weiterführende Erkenntnisse hinsichtlich der Generalisierbarkeit der Parameterunsicherheit unter verschiedenen Einsatzbedingungen.

 

Zusammenfassung

Die Datenerfassung mit kinematischen Laserscannern wird derzeit als schnellste Lösung zur Erfassung von 3D-Punktwolken angepriesen. Trotz ihrer eindeutigen Vorteile werden die folgenden praktischen Probleme jedoch in der Regel nicht thematisiert. Zunächst einmal sind kinematische Systeme überwiegend als Black Boxes konzipiert, was zu einem Mangel an transparenter Qualitätssicherung führt. Infolgedessen sind Anwender in der Regel nicht in der Lage, die erzielte Qualität eines Datensatzes transparent zu beurteilen. Während in den meisten Fällen davon ausgegangen werden kann, dass das Problem der Minimierung von Widersprüchen innerhalb eines einzelnen kinematischen Datensatzes in den meisten Fällen gelöst ist, gibt es keine fundierten Lösungen für Projekte, bei denen statische und kinematische Daten gemischt werden, sowie für Projekte, bei denen zahlreiche kinematische Datensätze zu prozessieren sind. Lösungen, die auf dem Iterative Closest Point-Algorithmus (Besl und McKay 1992) basieren, sind nicht in der Lage, die innere Geometrie kinematischer Punktwolken zu verändern, um die unvermeidlichen Widersprüche zwischen unterschiedlichen Datensätzen zu minimieren. Der Vorteil der wesentlich schnelleren Datenerfassung durch kinematische Scanner geht mit enormen Datenmengen einher, die in sehr kurzer Zeit erfasst werden können.

Folglich führt dieser Vorteil zu dem offensichtlichen Problem, dass die Grenzen der Rechenressourcen erreicht werden, insbesondere angesichts immer umfangreicherer Projekte. Schließlich kann das Ergebnis eines einzelnen kinematischen Scans durch systematische Fehler oder Ausreißer verzerrt sein. Infolgedessen enthält die resultierende Punktwolke Fehler, die vor der weiteren Verarbeitung korrigiert werden müssen.

Dieser Artikel stellt einen Algorithmus vor, der die oben genannten Schwächen behebt. Er ermöglicht die Minimierung von Widersprüchen zwischen mehreren kinematischen Datensätzen sowie zwischen statischen und kinematischen Punktwolken. Darüber hinaus können verzerrte kinematische Punktwolken mithilfe eines neuartigen adaptiven Verfahrens korrigiert werden. Zudem werden etablierte geodätische Qualitätsmaße abgeleitet, die eine aussagekräftige Qualitätssicherung ermöglichen. Die Leistungsfähigkeit des Algorithmus wird anhand von zwei Datensätzen aus der Praxis demonstriert.

 

Zusammenfassung

Mobiles Laserscanning (MLS) ermöglicht eine effiziente Erfassung großflächiger industrieller und städtischer Umgebungen, ist jedoch im Vergleich zum terrestrischen Laserscanning stärker von geometrischen Messunsicherheiten geprägt. Besonders kritisch sind Drifteffekte aus der Trajektorienschätzung, die sich entlang des Messwegs orts- und zeitabhängig akkumulieren können. Der Beitrag stellt drei Ansätze vor, um diese Unsicherheiten zu quantifizieren, vorherzusagen und zu reduzieren. Für industrielle Innenräume beschreiben wir eine automatisierte, ebenenbasierte Methode, die MLS-Punktwolken in Fragmente unterteilt und lokale Transformationsparameter gegenüber hochgenauen Referenzdaten schätzt. Dadurch lassen sich Driftmuster sichtbar machen. Ergänzend diskutieren wir einen lernbasierten Ansatz, der Punktwolkenunsicherheiten anhand lokaler geometrischer Merkmale prädizieren soll und Referenzdaten nur während des Trainings benötigt. Erste Ergebnisse zeigen Potenzial, verdeutlichen aber zugleich weiteren Forschungsbedarf. Für städtische Anwendungen schlagen wir schließlich eine adaptive Fragmentierungs- und Registrierungsstrategie vor, mit der MLS-Punktwolken robuster in bestehende Punktwolken oder CityGML-Modelle integriert werden können. Eine zugehörige Software ist frei verfügbar. Insgesamt zeigt der Artikel, dass referenzdatenbasierte Verfahren zur Unsicherheitsanalyse von MLS-Punktwolken bereits praxisnah einsetzbar sind, während maschinelles Lernen eine noch nicht abschließend bewertbare Perspektive für künftige Unsicherheitsmodellierungen bietet.

 

Zusammenfassung

Seit einigen Jahren sind Unterwasser-Laserscanner, die mit dem Time-of-Flight (ToF)-Verfahren arbeiten, verfügbar und können auf schwimmenden Plattformen wie Schiffen installiert werden. Diese Instrumente erlauben eine geometrisch hochauflösende Erfassung der Unterwasserumgebung, die in Form einer Punktwolke ausgegeben wird. Um eine zuverlässige Aussage über die Unsicherheit der so erzeugten Punktwolke zu ermöglichen, müssen zunächst alle wichtigen Einflussfaktoren identifiziert werden. Sie stellen die Grundlage für zukünftige quantitative Modellierungen dar.

 

Zusammenfassung

Die präzise Absteckung von Bodenmarkierungen ist ein wesentlicher, jedoch zeit- und personalintensiver Schritt bei der Inbetriebnahme industrieller Maschinenanlagen. Zur Automatisierung dieser Aufgabe wurde die mobile Roboterplattform RITA (Robot with Integrated Tacheometer/Tracker Steering for Different Applications) entwickelt. In diesem Beitrag werden verschiedene Strategien zur hochgenauen Positionierung der Plattform und ihrer Nutzlast untersucht. Hierzu wurden definierte Testmuster auf einem realitätsnahen, unebenen Untergrund abgefahren und die Soll-Ist-Abweichungen analysiert. Die Ergebnisse zeigen, dass zusätzliche Mess- und Korrekturschritte die Positioniergenauigkeit signifikant verbessern. Während beim direkten Anfahren noch Fehler im Millimeterbereich auftreten, reduziert eine kontinuierliche Trajektorienanpassung die Abweichungen deutlich. Durch eine anschließende Feinpositionierung konnten maximale Restfehler von unter 0,1 mm erreicht werden. Damit eignet sich RITA für hochgenaue Positionierungs- und Markieraufgaben im industriellen Anlagenbau.

 

Aktuelles und Neues über nationale und internationale Fachveranstaltungen und Fachmessen, aus Lehr- und Forschungsstätten sowie aus Verwaltung und Wirtschaft, Personalien und Buchbesprechungen über aktuelle Neuerscheinungen aus dem gesamten Fachgebiet

Zusammenfassung

Inhaltsverzeichnis 2026

Summary

Contents 2026

 

Wir benutzen Cookies

Diese Seite nutzt essentielle Cookies. Es wird ein Session-Cookie angelegt. Beim Akzeptieren und Ausblenden dieser Meldung wird darüber hinaus der Session-Cookie 'reDimCookieHint' angelegt. Wenn Sie unseren Shop nutzen, stellen weitere essentielle Cookies wichtige Funktionen bereit (z.B. Speicherung der Artikel im Warenkorb).

Datenschutz Impressum
CookieHint and Consent by reDim GmbH (Öffnet in neuem Fenster)