Zum Hauptinhalt springen

Punktwolkenattribute

Um auf die Attribute eines Punktwolke zuzugreifen, öffnen Sie das Projektmenü und wählen Sie Ihre Punktwolke aus. Klicken Sie auf die Registerkarte Attribute. Unten finden Sie ein Dropdown-Menü, das alle möglichen Attribute auflistet. Wählen Sie das Attribut aus, das Sie verwenden möchten. Eine Liste aller möglichen Attribute und deren Funktionen finden Sie weiter unten.

Hier finden Sie eine Liste aller verfügbaren Werte sowie deren Verwendung und die damit verbundenen Optionen:

  • Analyse: Funktioniert nur mit Analyse-Punktwolken. Für weitere Informationen zur Analyse lesen Sie diesen Artikel.

    • Name: Ändern Sie den Namen der Punktwolke
    • Position anzeigen
    • Rotation anzeigen
    • Maßstab anzeigen
    • Analyse löschen (wird nur aus der 3D-Anwendung gelöscht, kann später erneut geladen werden, wenn es sich um eine serverseitige Analyse handelt)

  • Klassifizierung: Funktioniert nur mit kompatiblen Punktwolken. Ziel der Klassifizierung ist es, ähnliche Punkte in bedeutungsvolle Kategorien wie Boden, Vegetation, Gebäude und andere Objekte zu gruppieren.

    • Alle anzeigen/verbergen: Alle Kategorien anzeigen oder verbergen
    • Eine Zeile pro Kategorie, klicken Sie auf die Zeile, um sie anzuzeigen/verbergen, klicken Sie auf die Farbe, um sie zu ändern

  • Farbe: Färbt die gesamte Punktwolke mit einer Farbe

    • Wählen Sie eine Farbe aus der Palette
    • Verwenden Sie einen hexadezimalen Code, um die Farbe auszuwählen
    • Wählen Sie eine Farbe aus der Standardliste

  • Kombination: Verwenden Sie dies, wenn Sie mehrere Optionen gleichzeitig verwenden möchten. Ziehen Sie die Schieberegler, um deren Verwendung zu erhöhen oder zu verringern.

    • RGBA: Farbkodierte Punktwolke
      • Gamma: Grundsätzlich die Belichtung der Punktwolke. Niedrigere Gamma-Werte entsprechen höherer Belichtung, höhere Gamma-Werte geringerer Belichtung, was einen Sonnenuntergangseffekt erzeugt.
      • Helligkeit: Die Helligkeit der Punktwolke. Niedrigere Helligkeit macht sie dunkler, höhere Helligkeit macht sie heller.
      • Kontrast: Ändert den Kontrast der Punktwolke. Niedrigerer Kontrast lässt die Punktwolke grau erscheinen, höherer Kontrast überbelichtet die Standardfarben (rot, gelb, grün, blau…).
    • Intensität: Stärke oder Magnitude des Signals
      • Bereich: Von niedriger Intensität bis hoher Intensität
      • Gamma: Grundsätzlich die Belichtung der Punktwolke. Niedrigere Gamma-Werte entsprechen höherer Belichtung, höhere Gamma-Werte geringerer Belichtung, was einen Sonnenuntergangseffekt erzeugt.
      • Helligkeit: Die Helligkeit der Punktwolke. Niedrigere Helligkeit macht sie dunkler, höhere Helligkeit macht sie heller.
      • Kontrast: Ändert den Kontrast der Punktwolke. Niedrigerer Kontrast lässt die Punktwolke grau erscheinen, höherer Kontrast überbelichtet die Standardfarben (rot, gelb, grün, blau…).
    • Höhe: Höhe oder vertikale Position jedes Punktes
      • Höhenbereich: Legen Sie fest, wo der Verlauf in Bezug auf die Höhe beginnt und endet
      • Verlaufmodus
        • Clamp: Standardverlauf, außerhalb des Bereichs wird die Endfarbe des Randes beibehalten.
        • Wiederholen: Wenn der Verlauf endet, beginnt er wieder von der Ursprungsfarbe.
        • Spiegelwiederholung: Wenn der Verlauf endet, wird ein neuer, umgekehrter Verlauf gesetzt, ähnlich wie beim Wiederholen, es gibt jedoch keine Farbdiskontinuität.
      • Verlaufsschema: Ändern Sie die Farben des Verlaufs, Auswahl ausschließlich aus einer vordefinierten Liste.
    • Analyse: Nur wenn verfügbar für diese Punktwolke, Modell-zu-Punktwolke-Vergleich.
    • Klassifizierung: Nur wenn verfügbar für diese Punktwolke, unterteilt verschiedene Objekttypen (Boden, Vegetation, Gebäude…).
    • Rückgabewert: Anzahl der Pulse, die benötigt wurden, um diesen Punkt zu erhalten.
    • Punktquelle-ID: Gruppiert nach Scan-ID.

  • Höhe: Sie stellt die Höhe oder vertikale Position jedes Punktes dar. Höhenwerte sind in vielen Anwendungen von Punktwolken wichtig, wie z.B. in der topografischen Kartierung, Hochwasser-Modellierung, Stadtplanung und Infrastrukturdesign. Durch die Analyse der Höhenwerte ist es möglich, genaue und detaillierte digitale Höhenmodelle (DEMs) zu erstellen, die für eine Vielzahl von geospatialen Analyse- und Visualisierungszwecken verwendet werden können.

    • Höhenbereich: Legen Sie fest, wo der Verlauf in Bezug auf die Höhe beginnt und endet.
    • Verlaufmodus
      • Clamp: Standardverlauf, außerhalb des Bereichs wird die Endfarbe des Randes beibehalten.
      • Wiederholen: Wenn der Verlauf endet, beginnt er wieder von der Ursprungsfarbe.
      • Spiegelwiederholung: Wenn der Verlauf endet, wird ein neuer, umgekehrter Verlauf gesetzt, ähnlich wie beim Wiederholen, es gibt jedoch keine Farbdiskontinuität.
    • Verlaufsschema: Ändern Sie die Farben des Verlaufs, Auswahl ausschließlich aus einer vordefinierten Liste.

  • Gps-Zeit: GPS-Zeit ist ein wichtiges Attribut, das mit jedem Punkt in der Punktwolke verbunden ist. Es liefert Informationen über den Zeitpunkt, zu dem der Laserstrahl emittiert wurde, und den Zeitpunkt, zu dem der Rückstrahl empfangen wurde, was eine genaue Berechnung des Abstands und der Position des Punktes ermöglicht. Darüber hinaus kann die GPS-Zeit auch für Qualitätskontrollen und Analysezwecke verwendet werden. Durch die Analyse der Verteilung der GPS-Zeitwerte in der Punktwolke ist es möglich, Bereiche mit zeitlichen Anomalien oder Fehlern zu identifizieren, die auf Probleme mit den Daten oder dem LiDAR-System hinweisen können.

  • Indizes: Indizes sind Attribute, die mit jedem Punkt in einer LiDAR-Punktwolke verbunden sind und zusätzliche Informationen über die räumlichen Eigenschaften des Punktes und dessen Beziehungen zu anderen Punkten in der Wolke liefern. Sie werden häufig zur Unterstützung fortgeschrittener Analyse- und Verarbeitungstätigkeiten wie Segmentierung, Klassifizierung und Merkmalsextraktion verwendet. Es gibt mehrere Typen von Indizes, die in der LiDAR-Punktwolkenverarbeitung genutzt werden können, darunter:

    • Normalenvektor: Dieser Index repräsentiert die Orientierung des Punktes relativ zu seiner lokalen Nachbarschaft. Er kann verwendet werden, um plane Flächen zu identifizieren oder um Oberflächen-Normalen für die Oberflächenrekonstruktion zu schätzen.
    • Krümmung: Dieser Index repräsentiert die lokale Krümmung der Oberfläche am Punkt. Er kann verwendet werden, um scharfe Kanten zu identifizieren oder um den Krümmungsradius für gekrümmte Oberflächen abzuschätzen.
    • Höhe über Grund: Dieser Index repräsentiert die Höhe des Punktes über dem Boden oder einer Referenzoberfläche. Er kann für die Geländemodellierung verwendet werden oder um Objekte zu identifizieren, die über oder unter der Bodenoberfläche liegen.
    • Relative Höhe: Dieser Index repräsentiert die Höhe des Punktes relativ zu seinen benachbarten Punkten. Er kann verwendet werden, um Objekte zu identifizieren, die höher oder niedriger sind als ihre Umgebung.
    • Dichte: Dieser Index repräsentiert die Dichte der Punkte in der lokalen Nachbarschaft rund um den Punkt. Er kann verwendet werden, um Bereiche mit hoher oder niedriger Punktdichte zu identifizieren, wie z.B. Vegetation oder Gebäudefassaden.

  • Intensität: Sie repräsentiert die Stärke oder Magnitude des Signals, das von einem Sensor oder Gerät empfangen wurde, als der Punkt erfasst wurde. In einigen Fällen steht die Intensität im Zusammenhang mit der Reflexion des Objekts an diesem Punkt. Zum Beispiel stellt der Intensitätswert in einer LiDAR-Punktwolke die Menge des Laserlichts dar, das vom Objekt zurück zum Sensor reflektiert wurde. In diesem Fall würde ein höherer Intensitätswert auf eine Oberfläche hinweisen, die mehr Licht reflektiert, wie eine weiße Wand, während ein niedrigerer Intensitätswert auf eine Oberfläche hindeutet, die weniger Licht reflektiert, wie ein schwarzes Auto. In anderen Fällen kann die Intensität eine andere physikalische Größe repräsentieren. Zum Beispiel kann die Intensität in einer fotografischen Punktwolke die Helligkeit eines Pixels im Originalbild darstellen, das zur Erzeugung der Punktwolke verwendet wurde.

    • Bereich: Von niedriger bis hoher Intensität.
    • Gamma: Grundsätzlich die Belichtung der Punktwolke. Niedrigere Gamma-Werte entsprechen höherer Belichtung, höhere Gamma-Werte geringerer Belichtung, was einen Sonnenuntergangseffekt erzeugt.
    • Helligkeit: Die Helligkeit der Punktwolke. Niedrigere Helligkeit macht sie dunkler, höhere Helligkeit macht sie heller.
    • Kontrast: Ändert den Kontrast der Punktwolke. Niedrigerer Kontrast lässt die Punktwolke grau erscheinen, höherer Kontrast überbelichtet die Standardfarben (rot, gelb, grün, blau…).

  • Intensitätsgradient: Er ist ein Maß für die Änderung der Intensität zwischen benachbarten Punkten in einer Punktwolke. Er repräsentiert die Rate, mit der sich die Intensität in Bezug auf Entfernung oder Position ändert. Der Intensitätsgradient wird berechnet, indem der Gradient der Intensitätswerte in der Punktwolke genommen wird. Dies umfasst die Berechnung der partiellen Ableitungen der Intensitätswerte in Bezug auf die x-, y- und z-Koordinaten jedes Punktes. Die Größe des Gradientenvektors an jedem Punkt repräsentiert den Intensitätsgradientenwert. Hohe Werte des Intensitätsgradienten weisen auf scharfe Kanten oder Grenzen hin, während niedrige Werte glatte oder allmähliche Übergänge anzeigen.

    • Bereich: Von niedriger bis hoher Intensität.
    • Gamma: Grundsätzlich die Belichtung der Punktwolke. Niedrigere Gamma-Werte entsprechen höherer Belichtung, höhere Gamma-Werte geringerer Belichtung, was einen Sonnenuntergangseffekt erzeugt.
    • Helligkeit: Die Helligkeit der Punktwolke. Niedrigere Helligkeit macht sie dunkler, höhere Helligkeit macht sie heller.
    • Kontrast: Ändert den Kontrast der Punktwolke. Niedrigerer Kontrast lässt die Punktwolke grau erscheinen, höherer Kontrast überbelichtet die Standardfarben (rot, gelb, grün, blau…).

  • Detailgrad: In der LiDAR-Punktwolkenverarbeitung kann der Detailgrad (LOD) die Punktdichte in der Punktwolke, die Datenauflösung oder den Abstraktionsgrad darstellen, der zur Darstellung der Daten verwendet wird. Zum Beispiel würde eine Punktwolke mit einem hohen Detailgrad eine hohe Punktdichte, eine hohe Auflösung und einen feinen Abstraktionsgrad aufweisen. Im Gegensatz dazu hätte eine Punktwolke mit einem niedrigen Detailgrad eine niedrigere Punktdichte, eine niedrigere Auflösung und einen groben Abstraktionsgrad.

  • Matcap: In der LiDAR-Punktwolkenverarbeitung können Matcap verwendet werden, um visuellen Texturen und Schattierungseffekte auf 3D-Modellen, die aus Punktwolken erstellt wurden, hinzuzufügen. Durch das Anwenden einer Matcap-Textur auf ein 3D-Modell können realistischere und visuell ansprechendere Darstellungen der Szene erstellt werden. Zum Beispiel könnte eine Matcap-Textur verwendet werden, um das Aussehen einer Betonwand oder einer Baumrinde zu simulieren, und so dem 3D-Modell Tiefe und Realismus verleihen.

    • Wählen Sie die zu verwendende Textur aus.

  • Anzahl der Rückgaben: Sie repräsentiert die Gesamtzahl der Laserimpulse, die emittiert und an den LiDAR-Sensor zurückgegeben wurden, um diesen bestimmten Punkt zu erfassen. Ähnlich wie bei der Rückgabenzahl kann die Anzahl der Rückgaben von 1 bis 5 oder mehr reichen, abhängig vom verwendeten LiDAR-System. Die Gesamtanzahl der Rückgaben kann Informationen über die Komplexität und Struktur des Objekts oder der Szene, die gescannt wird, liefern. Zum Beispiel kann ein Punkt mit hoher Anzahl an Rückgaben auf ein Objekt hinweisen, das mehrere Schichten oder komplexe Geometrie aufweist, wie ein Baumkronen oder eine Gebäudefassade.

  • Punktquelle-ID: Sie identifiziert den speziellen Lasersensor, der den Punkt erzeugt hat. Jeder Lasersensor in einem LiDAR-System hat eine einzigartige ID oder Nummer, und diese Informationen werden in den Punktwolkendaten aufgezeichnet, um Analysen und Qualitätskontrollen zu ermöglichen. Die Punktquelle-ID ist besonders nützlich in Situationen, in denen mehrere LiDAR-Sensoren verwendet werden, um eine einzelne Szene oder ein Gebiet zu erfassen. Durch die Identifizierung, welcher Sensor jeden Punkt erzeugt hat, ist es möglich, Qualitätskontrollen der Daten durchzuführen und sicherzustellen, dass die Daten ordnungsgemäß ausgerichtet und registriert sind zwischen verschiedenen Sensoren. Dies ist besonders wichtig in Anwendungen wie der Forstwirtschaft, wo mehrere LiDAR-Sensoren verwendet werden können, um Daten aus verschiedenen Winkeln und Perspektiven zu erfassen. Auf unserer Plattform wird die Punktquelle-ID verwendet, um die Scan-ID der Quelle zu speichern, damit die Benutzer leicht nachvollziehen können, von welchem Scan jeder Punkt in der Punktwolke stammt. Zum Beispiel, wenn mehrere Scans desselben Bereichs unter Verwendung eines 3D-Laserscanners durchgeführt wurden, könnte jeder Scan eine eindeutige Scan-ID zugewiesen bekommen, und die Punktquelle-ID für jeden Punkt in der Punktwolke könnte auf die entsprechende Scan-ID gesetzt werden.

  • RGBA: Sie wird verwendet, um die Farbe jedes Punktes in der Punktwolke darzustellen. Die Rot-, Grün- und Blaukanäle werden verwendet, um die Farbe des Punktes darzustellen, während der Alphakanal verwendet wird, um die Transparenz oder Opazität des Punktes darzustellen. Der Einsatz von Farben in LiDAR-Punktwolken kann für Visualisierungs- und Interpretationszwecke hilfreich sein, da er zusätzliche Informationen über die Eigenschaften der Objekte und Oberflächen bereitstellen kann, die von den Punkten dargestellt werden. Zum Beispiel kann in der Vegetationskartierung die Farbe der Punkte verwendet werden, um zwischen verschiedenen Vegetationstypen zu unterscheiden oder um Bereiche mit hoher oder niedriger Vegetationsdichte zu identifizieren.

    • Gamma: Grundsätzlich die Belichtung der Punktwolke. Niedrigere Gamma-Werte entsprechen höherer Belichtung, höhere Gamma-Werte geringerer Belichtung, was einen Sonnenuntergangseffekt erzeugt.
    • Helligkeit: Die Helligkeit der Punktwolke. Niedrigere Helligkeit macht sie dunkler, höhere Helligkeit macht sie heller.
    • Kontrast: Ändert den Kontrast der Punktwolke. Niedrigerer Kontrast lässt die Punktwolke grau erscheinen, höherer Kontrast überbelichtet die Standardfarben (rot, gelb, grün, blau…).

  • Rückgabenzahl: Sie repräsentiert die Anzahl der Male, die ein Laserimpuls emittiert und zum LiDAR-Sensor zurückgekehrt ist, um diesen bestimmten Punkt zu erfassen. Ähnlich wie bei der Anzahl der Rückgaben ist die Rückgabenzahl typischerweise ein Wert zwischen 1 und 5, wobei 1 die erste Rückgabe und 5 die fünfte Rückgabe angibt. Die erste Rückgabe stellt den Laserimpuls dar, der von der obersten Oberfläche des Objekts reflektiert wird, während nachfolgende Rückgaben möglicherweise Reflexionen von tiefer liegenden Oberflächen oder mehreren Reflexionen innerhalb des Objekts repräsentieren.

  • Scanwinkel-Rang: Er stellt den Winkel zwischen dem Laserstrahl und der Referenzlinie des Scanners dar, als der Laserstrahl emittiert wurde, um diesen bestimmten Punkt zu erfassen. Der Scanwinkel-Rang liefert Informationen über den Winkel, unter dem der Punkt erfasst wurde, wobei ein Wert von 0 die Referenzlinie des Scanners angibt und positive oder negative Werte die Abweichung von der Referenzlinie anzeigen. Bei der Extraktion von Gebäuden kann der Scanwinkel-Rang verwendet werden, um Gebäudefassaden und Dachstrukturen basierend auf ihrer Ausrichtung relativ zur Referenzlinie des Scanners zu identifizieren. Bei der Straßenoberflächenanalyse kann der Scanwinkel-Rang verwendet werden, um Oberflächenfehler oder -unregelmäßigkeiten basierend auf dem Winkel des Scanners zur Straßenoberfläche zu erkennen.

  • Benutzerdaten: Ermöglicht es den Benutzern, zusätzliche Informationen zur Punktwolke über die Standardattribute wie XYZ-Koordinaten, Intensität und Rückgabenzahl hinaus hinzuzufügen. Benutzerdaten können verwendet werden, um eine Vielzahl von Informationen zu speichern, wie z.B. RGB-Farbwerte, Klassifizierungslabels oder Metadaten, die mit dem Punkt verbunden sind. Zum Beispiel könnten Benutzerdaten verwendet werden, um anzugeben, ob ein Punkt Teil eines Gebäudes, eines Baums oder einer Straße ist, oder um Informationen über die Qualität der Punktmessung oder deren Unsicherheit zu speichern. Die Verwendung von Benutzerdaten hängt von den spezifischen Bedürfnissen und Anwendungen des Benutzers ab. Sie kann für verschiedene Aufgaben wie Objekterkennung, Klassifizierung, Segmentierung und Kartierung eingesetzt werden. Durch das Hinzufügen von benutzerdefinierten Benutzerdaten zu einer Punktwolke ist es möglich, bedeutungsvollere Informationen zu extrahieren und fortgeschrittenere Analyse- und Verarbeitungstätigkeiten durchzuführen.

Wenn Ihre Punktwolke beim ersten Mal nicht korrekt angezeigt wird, versuchen Sie die RGBA- oder Intensitätsattribute, da diese am häufigsten verwendet werden.

Erfahren Sie mehr über die Eigenschaften von Punktwolken in diesem Artikel.

Wenn Sie auf Probleme stoßen, steht Ihnen unser Support-Team zur Verfügung. Viel Spaß beim Erkunden!