Wie man die Genauigkeit und Qualität von Lidar-Daten verbessert
December 9, 2025Wie bei jedem Rohstoff beeinflusst die Qualität von Punktwolkendaten, beispielsweise von LiDAR-Daten, direkt die Qualität der daraus abgeleiteten Produkte. Eine Punktwolke mit einer Positionsgenauigkeit unterhalb des erforderlichen Standards führt zu einem ungenauen digitalen Geländemodell (DGM) ; falsch klassifizierte Punkte verursachen eine fehlerhafte Darstellung extrahierter Vektormerkmale; Rauschpunkte, die ober- oder unterhalb des erwarteten Höhenbereichs liegen, beeinträchtigen mit hoher Wahrscheinlichkeit nachfolgende Analysen oder Datenverarbeitungsprozesse.
Global Mapper Pro® bietet zahlreiche Werkzeuge zum Bearbeiten, Filtern und zur allgemeinen Verbesserung der Qualität von Punktwolkendaten. Die aktualisierte Punktwolke kann anschließend in den umfangreichen Analysewerkzeugen von Pro verwendet oder exportiert werden, um eine verbesserte Version der LiDAR-Daten als Endprodukt zu erstellen.
Filterung beim Import
Wer Punktwolkendaten in Global Mapper importiert, sieht beim Laden einer Datei sofort verschiedene Optionen zur Auswahl der zu importierenden Punkte. Dazu gehören das Laden von Punkten innerhalb bestimmter Grenzen, das Zuschneiden der importierten Punkte sowie die Reduzierung der Lade- und Verarbeitungszeit. Obwohl diese integrierte Filterung praktisch sein kann, empfiehlt es sich oft, zunächst den gesamten Datensatz zu untersuchen. Eine kurze Überprüfung der Punktverteilung, der Klassifizierungen und der allgemeinen Eigenschaften nach dem Import liefert häufig den nötigen Kontext, um zu entscheiden, welche Filter die zuverlässigsten Ergebnisse liefern.
Das Dialogfeld „Lidar-Import“ bietet zahlreiche Optionen zum Filtern der Daten, bevor diese in der Kartenansicht dargestellt werden.
Zugriff auf Metadaten
Oft besteht der erste Schritt bei der Beurteilung eines Datensatzes darin, ihn einfach anzusehen. Deckt die Punktwolke Ihren Untersuchungsbereich vollständig ab oder gibt es Lücken? Fallen beim Betrachten im 3D-Viewer vertikale Spitzen oder Einbrüche ins Auge?
Neben dieser visuellen Prüfung beginnt ein systematischerer Qualitätssicherungsschritt mit den Metadaten des Layers, die durch einen Rechtsklick auf den Layer im Kontrollzentrum aufgerufen werden können. Hier zeigt Global Mapper wichtige Details wie Höhenbereich, durchschnittliche Punktdichte und -abstand, Erfassungsdatum und die vorhandenen Punktklassifizierungen an. Diese Momentaufnahme vermittelt sofort einen Eindruck davon, wie die Daten erfasst wurden und was sie enthalten.
Mit diesem Kontext können Sie gezielte Verbesserungsmaßnahmen einleiten, um Lücken zu schließen, Klassifizierungen zu verfeinern und die allgemeine Zuverlässigkeit der Punktwolke zu stärken.
Die Verbesserung der Genauigkeit und Qualität von LiDAR-Daten lässt sich in zwei Hauptkategorien unterteilen: Bearbeitung und Filterung. Bei der Bearbeitung werden typischerweise die Eigenschaften von Messpunkten aktualisiert, während bei der Filterung nicht benötigte oder fehlerhafte Punkte entfernt werden. Oft werden diese beiden Verfahren kombiniert angewendet.
Bearbeitung von Punktwolken
Einer der häufigsten Schritte bei der Arbeit mit Punktwolkendaten ist die Zuweisung oder Aktualisierung von Klassifizierungswerten zur Darstellung der Oberflächenart. Gängige Klassen sind unter anderem Boden, Gebäude und Vegetation. In manchen Datensätzen – insbesondere solchen, die durch Photogrammetrie erzeugt wurden – sind üblicherweise alle Punkte zunächst unklassifiziert. Daher ist es notwendig, aussagekräftige Klassen zuzuweisen, bevor eine strukturierte Analyse erfolgen kann.
Manuelle Klassifizierung
In Global Mapper Pro lassen sich Klassifizierungen manuell aktualisieren , indem man die zu ändernden Punkte auswählt und die gewünschte Klasse mithilfe der vorkonfigurierten Klassifizierungsschaltflächen in der Symbolleiste zuweist. Diese Methode ist zwar für großflächige Neuklassifizierungen nicht effizient, eignet sich aber ideal für Nachbearbeitungen oder schnelle Änderungen an kleinen Punktgruppen, insbesondere in der Pfadprofilansicht (Querschnittsansicht).
Automatische Klassifizierung
Ein effizienterer Workflow besteht darin, die automatischen Klassifizierungswerkzeuge zu nutzen . Diese analysieren LiDAR-Daten mithilfe von Algorithmen, um Punkte zu erkennen, die Boden, hohe Vegetation oder Bäume, Gebäude, oberirdische Stromleitungen und Strommasten repräsentieren. Andere Objekte können mithilfe des Segmentierungswerkzeugs für die manuelle Klassifizierung isoliert werden . Diese neu klassifizierten Punkte können anschließend zur Erstellung eines digitalen Geländemodells (DTM) oder zur Merkmalsextraktion verwendet werden. Sobald eine Punktwolke klassifiziert ist, lassen sich problemlos weitere Analysen durchführen, wie beispielsweise die Erstellung eines Höhenrasters oder die Extraktion von Bäumen als Vektormerkmale.
Das automatische Klassifizierungswerkzeug analysiert Punktwolken, um Merkmale wie Boden, Vegetation, Gebäude, oberirdische Versorgungsleitungen und Strommasten zu identifizieren. Weitere Objekte können mithilfe des Segmentierungswerkzeugs zur manuellen Überprüfung isoliert werden . Nach der Reklassifizierung können diese Punkte für nachgelagerte Aufgaben wie die Erstellung eines Oberflächenmodells oder die Extraktion von Objekten wie Bäumen als Feature-Layer verwendet werden.
Benutzerdefinierte Klassifizierung
Über die integrierten Modelle hinaus ermöglicht das Werkzeug zur benutzerdefinierten Punktwolkenklassifizierung die Definition eigener Klassen und das Training von Global Mapper Pro zur Erkennung dieser Klassen. Nach Eingabe von Beispielpunkten, die ein konsistentes Merkmal repräsentieren, analysiert die Software deren Attribute und Geometrie, um eine Klassifizierungssignatur zu generieren. Diese Signatur bildet die Grundlage für ein benutzerdefiniertes, trainiertes Modell.
Bearbeiten der X-, Y- und Z-Werte
Ein weiterer Aspekt der LiDAR-Qualität, der verbessert werden kann, ist die Positionsgenauigkeit. Wenn ein Datensatz nicht perfekt mit einer Referenzebene oder einer anderen Punktwolke übereinstimmt, bietet Global Mapper Pro mehrere Werkzeuge zur Korrektur seiner 3D-Position:
- Manueller Offset: Verschieben Sie die gesamte Ebene entlang der X-, Y- und Z-Achse.
- Lidar-Qualitätskontrolltool: Vergleichen Sie die Punktwolke mit Kontrollpunkten, erstellen Sie einen Bericht über etwaige Abweichungen und nehmen Sie gegebenenfalls Positionskorrekturen vor.
- Lidar-Werkzeug anpassen: Positionieren Sie die Punkte so, dass sie mit einer überlappenden Punktwolke übereinstimmen, und visualisieren Sie die Höhenunterschiede zwischen ihnen. (Für eine detailliertere Anleitung, Siehe dazu auch diesen verwandten Blog.)
- Bildrektifizierungswerkzeug: Eine Punktwolke mithilfe des Rektifizierungs-Workflows an bekannten 3D-Bodenkontrollpunkten ausrichten.
Jede dieser Methoden aktualisiert die Koordinaten oder Höhen der Punkte, um die angewendeten Korrekturen widerzuspiegeln. Weitere Hinweise zur Verbesserung der Positionsgenauigkeit von Punktwolken finden Sie in diesem Artikel.
Filtern von Punktwolkendaten
Punktwolken müssen fast immer gefiltert werden, bevor mit Analysen, Oberflächengenerierung oder Merkmalsextraktion begonnen werden kann. Die Filterung kann auf der geografischen Ausdehnung der Daten oder, häufiger, auf deren inhärenten Attributen oder Eigenschaften basieren.
Lidar-Anzeigegerät
Die in Version 26.2 überarbeiteten Steuerelemente für die Lidar-/Geländedarstellung bieten eine Punktfilter- Oberfläche, mit der sich Punkte, die bestimmte Kriterien erfüllen, schnell und einfach anzeigen lassen – unabhängig davon, ob es sich um Lidar- oder photogrammetrische Punktwolken handelt. Filterbare Attribute werden automatisch anhand der Punktmetadaten berechnet und befüllt. Dadurch werden die Einschränkungen integrierter Attribute wie Höhe, Intensität oder RGB-Werte überwunden. Mithilfe von Histogramm-Schiebereglern können Benutzer die sichtbaren Punkte in Echtzeit anpassen und so ihre Datensätze präzise steuern. Gefilterte Punkte werden ausgeblendet, aber nicht gelöscht und können jederzeit wiederhergestellt werden.
Geografische Filterung
Wie bei allen Vektordaten lässt sich eine Punktwolke auf die Ausdehnung eines vordefinierten Polygons zuschneiden . Dies bietet eine einfache Möglichkeit, Redundanzen in nachfolgenden Verarbeitungsschritten zu vermeiden. Dies ist wohl die nützlichste Filteroption beim Datenimport, kann aber auch nach dem Laden der Daten angewendet werden.
Die Nähe von Punkten kann auch als Grundlage für Filterungen dienen. Das Ausdünnungswerkzeug von Global Mapper Pro entfernt Punkte basierend auf einer definierten Dichte- oder Abstandsanforderung und behält dabei nur den Punkt mit der maximalen, minimalen oder durchschnittlichen Höhe in der unmittelbaren Umgebung bei. Dies ist besonders nützlich bei der Arbeit mit hochauflösenden, photogrammetrisch erstellten Punktwolken.
Das Werkzeug „Modell-Schlüsselpunkte“ reduziert ebenfalls eine Punktwolke, zielt aber darauf ab, die Punktwolke auf die geringstmögliche Anzahl von Punkten zu verringern, die zur Darstellung der Merkmale in den Daten erforderlich sind.
Geräuschreduzierung
Als Störpunkte gelten Datenpunkte, die außerhalb des normalen Höhenbereichs innerhalb eines festgelegten Gebiets liegen. Störpunkte können durch Probleme bei der Datenerfassung, physikalische Anomalien im Zielgebiet (z. B. Vögel, die unter dem Flugzeug fliegen) oder zahlreiche andere Ursachen entstehen. Das Störpunkt-Identifizierungstool von Global Mapper Pro kann Störpunkte entweder neu klassifizieren oder sie anhand vordefinierter Parameter und Höhenschwellenwerte sofort entfernen oder löschen.
Filtern nach Klassifizierung
Der erste Schritt bei der Umwandlung einer Punktwolke in ein Raster-DTM ist zwangsläufig die Entfernung von Punkten, die nicht als Boden klassifiziert sind . Würden diese Punkte beibehalten, entstünde eine Oberfläche, die oberirdische Merkmale enthält und nicht die tatsächliche Bodenmorphologie des Zielgebiets widerspiegelt. Die Filterung ist in diesem Zusammenhang ein einfacher Klassenauswahlprozess, der entweder bei der Bildschirmdarstellung der Punkte oder während der Rasterung bzw. Oberflächenerstellung angewendet werden kann. In beiden Fällen werden die den Pixeln der resultierenden Rasterebene zugewiesenen Höhenwerte aus der ausgewählten Teilmenge der Punktwolke abgeleitet.
Punktwolkenexport
Global Mapper Pro bietet zwar eine Vielzahl von Bearbeitungs- und Filterwerkzeugen, jedoch werden die in diesem Artikel beschriebenen Optimierungsverfahren nicht automatisch in den Originaldateien oder geladenen Layern gespeichert. Um die Ergebnisse der Punktwolkenoptimierung in einer Datei zu speichern, können die Daten im entsprechenden Punktwolkenformat exportiert werden. Der neue Layer übernimmt alle geänderten Punktmerkmale und enthält nur die Punkte, die nach dem Filtern oder Löschen nicht benötigter Punkte übrig geblieben sind.
Die leistungsstarken Analyse-, Extraktions- und Oberflächengenerierungswerkzeuge von Global Mapper Pro ernten verständlicherweise die größte Aufmerksamkeit und Anerkennung von Geodatenexperten. Es ist jedoch ebenso wichtig, die entscheidende Rolle der Bearbeitungs- und Filterwerkzeuge der Pro-Version in diesen Prozessen zu würdigen. Je besser die Qualität des Rohmaterials, desto besser das Endergebnis.
Wenn Sie mehr über Global Mapper Pro und seine LiDAR-Genauigkeitswerkzeuge erfahren möchten, laden Sie eine 14-tägige kostenlose Testversion herunter und fordern Sie noch heute eine Demo an ! Für weitere Informationen kontaktieren Sie uns.
Wenn Ihnen dieser Blog gefallen hat, könnten Ihnen auch diese anderen Ressourcen zur Verbesserung der Genauigkeit und Qualität Ihrer Lidar-Bilder nützlich sein:
