Zum Inhalt springen

Funktionen

Punktwolken-Viewer Vorverarbeitung von Punktwolken Klassifizierung von Punktwolken Rasterisierung von Punktwolken Vektorisierung von Punktwolken Photogrammetrie Verarbeitungs-API

Branchen

Vermessung Vegetationsmanagement an Freileitungen Forstwirtschaft Hydrologie und Gewässer

Mehr

Preise Kontakt

Sprache

EnglishEspañol日本語FrançaisPortuguêsDeutschItaliano
Anmelden Kostenlos testen

LiDAR-Wissen

ASPRS-Klassifizierungscodes für LiDAR: Kurzreferenz der LAS-1.4-Klassen 0 bis 255

Die manuelle Punktwolkenklassifizierung wird einfacher, wenn Sie die ASPRS-Codes schnell nachschlagen können.

Keine Kreditkarte erforderlich • 50 kostenlose Credits inklusive

Nutzen Sie diese Kurzreferenz für Klasse 2 Boden, Klasse 6 Gebäude, Klasse 9 Wasser, Klasse 14 Leiterseil, Klasse 15 Freileitungsmast und die erweiterten LAS-1.4-Codes, und sehen Sie dann, wie sich die Klassifizierung in wenigen Minuten automatisieren lässt.

Mit dieser Kurzreferenz der ASPRS-Klassen prüfen Sie gängige LAS-1.4-Codes schnell, darunter Klasse 2 Boden, Klasse 6 Gebäude, Klasse 9 Wasser, Klasse 14 Leiterseil, Klasse 15 Freileitungsmast sowie die reservierten oder benutzerdefinierbaren Bereiche. Anschließend sehen Sie, wie Lidarvisor Teams vom Nachschlagen der Codes zur Klassifizierung im Produktivbetrieb führt.

Vorher: rohe RGB-Punktwolke

Was sind LiDAR-Klassifizierungscodes?

KI-gestützte Punktwolkenklassifizierung mit landwirtschaftlichen Nutzungskategorien

Jeder Punkt einer LiDAR-Punktwolke kann einen Klassifizierungscode tragen, der angibt, an welcher Art von Objekt der Laser reflektiert wurde. Ein LiDAR-Sensor sendet einen Impuls aus und misst das zurückkommende Signal, weiß aber von sich aus nicht, ob dieses Echo vom Boden, einem Baum, einem Gebäude oder einer Freileitung stammt.

Bei der Klassifizierung erhält jeder Punkt eine Bedeutung. So werden aus rohen Punktwolken verwertbare Geodaten, mit denen sich Digitale Geländemodelle (DGM) erstellen, Objekte extrahieren und Analysen durchführen lassen.

ASPRS-Standardklassifizierungscodes (LAS 1.4)

Die ASPRS legt das Standardklassifizierungsschema fest, das in Dateien im LAS-Format (Versionen 1.1 bis 1.4) verwendet wird. LAS 1.4 ist der aktuelle Standard und unterstützt Klassifizierungswerte von 0 bis 255.

Grundlegende Klassifizierungscodes (0 bis 18)

CodeKlasseBeschreibung
0Nie klassifiziertPunkte, die noch keinen Klassifizierungsalgorithmus durchlaufen haben
1Nicht zugewiesenVerarbeitete Punkte, die keiner bestimmten Klasse zugeordnet wurden
2BodenPunkte der Geländeoberfläche, unverzichtbar für die Erstellung eines DGM
3Niedrige VegetationGras, Feldfrüchte und Vegetation unter 0,5 Metern
4Mittelhohe VegetationSträucher und Vegetation zwischen 0,5 und 2 Metern
5Hohe VegetationBäume und Vegetation über 2 Metern
6GebäudeDachflächen und Gebäudestrukturen
7Tiefpunkt (Rauschen)Tiefe Ausreißer, meist Messfehler oder Störungen am Boden
8ReserviertIn älteren Spezifikationen Modellschlüsselpunkt (Model Key-point, in LAS 1.4 reserviert)
9WasserWasserflächen (Seen, Flüsse, Teiche)
10SchieneGleise
11StraßenbelagBefestigte Straßenoberflächen
12ReserviertIn älteren Spezifikationen Überlappungspunkte (in LAS 1.4 reserviert)
13ErdseilErdseile von Freileitungen
14Leiterseil (Phase)Stromführende Leiterseile (Phasen)
15FreileitungsmastMasten von Freileitungen
16Leitungsverbinder (Isolator)Isolatoren und Verbinder an Leitungsanlagen
17BrückenfahrbahnBrückenoberflächen
18Hohes RauschenHohe Ausreißer, meist atmosphärische Störungen oder Vögel

Erweiterte und benutzerdefinierte Codes (19 bis 255)

Klassifizierte LiDAR-Ansicht einer Trasse mit Gelände, Vegetation und Infrastruktur

LAS 1.4 reserviert die Codes 19 bis 63 für künftige ASPRS-Definitionen und erlaubt die Codes 64 bis 255 für benutzerdefinierte Klassen. Gängige erweiterte Klassen sind:

  • 19: Förderanlage / Überkopfkonstruktion (erhöhte Industrieanlagen, etwa in Bergbaugebieten)
  • 20: Ignorierter Boden (Bodenpunkte nahe Bruchkanten, USGS-Spezifikation)
  • 21: Schnee (schneebedeckte Flächen)
  • 22: Zeitlicher Ausschluss (Punkte, die von zeitlichen Analysen ausgeschlossen werden)

Klassifizierungsflags

Neben den numerischen Codes unterstützen LAS-Dateien (ab Version 1.1) Klassifizierungsflags, die zu jedem Punkt zusätzliche Metadaten liefern:

  • Synthetic: Punkt aus anderen Quellen (z. B. Photogrammetrie), nicht aus der LiDAR-Erfassung
  • Key-point: wichtiger Punkt, der beim Ausdünnen nicht entfernt werden soll
  • Withheld: Punkt, der von der Verarbeitung ausgeschlossen werden soll
  • Overlap: Punkt im Überlappungsbereich von Fluglinien (nur LAS 1.4)

Diese Flags lassen sich mit den Klassifizierungscodes kombinieren. Ein Wasserpunkt (Code 9) kann zum Beispiel zusätzlich als Withheld markiert werden, damit er aus der Geländemodellierung ausgeschlossen wird, aber im Datensatz bleibt.

So funktioniert die automatische Klassifizierung

Moderne Software zur LiDAR-Verarbeitung klassifiziert Punktwolken automatisch mit Algorithmen. Der allgemeine Ablauf umfasst diese Schritte

1. Bodenklassifizierung

Die Bodenklassifizierung erfolgt in der Regel zuerst, da sie die Grundlage für alle weiteren Klassen bildet. Algorithmen werten die geometrischen Beziehungen zwischen den Punkten aus und klassifizieren die tiefsten Punkte, die eine zusammenhängende Oberfläche bilden, als Boden (Klasse 2).

2. Objekte über dem Boden

Steht der Boden fest, werden die Punkte darüber nach Höhe, Form und räumlichem Muster klassifiziert: Vegetation nach Höhenbändern, Gebäude anhand ebener Flächen und Freileitungen als linienförmige, frei hängende Objekte.

3. Entfernung von Rauschen

Algorithmen zur Ausreißererkennung finden statistisch auffällige Punkte und klassifizieren sie als Tiefpunkte (Klasse 7) oder hohes Rauschen (Klasse 18), damit der Datensatz für die Analyse bereinigt ist.

Sparen Sie sich die Handarbeit

Lidarvisor automatisiert die Punktwolkenklassifizierung mit KI. Laden Sie Ihre Daten hoch und erhalten Sie in wenigen Minuten ASPRS-konform klassifizierte Ergebnisse.

Keine Software zu installieren, keine Parameter einzustellen. Sie möchten bestimmte Punkte neu zuordnen?

Integrierte manuelle Werkzeuge (Pinselauswahl, Klassentausch, Filter) helfen Ihnen, die Ergebnisse zu verfeinern, ohne die Plattform zu verlassen.

Ergebnis der Lidarvisor-KI

Klassifizierungsergebnis von Lidarvisor

Die KI-gestützte Klassifizierung von Lidarvisor erkennt in luftgestützten LiDAR-Daten automatisch mehr als 12 Klassen

Lidarvisor-KlasseASPRS-CodeAnwendungsfall
Boden2DGM-Erzeugung, Geländeanalyse
Niedrige Vegetation3Landwirtschaftliche Analyse, Bodenbedeckung
Mittelhohe Vegetation4Erkennung von Sträuchern, Landschaftsgestaltung
Hohe Vegetation5Waldinventur, Analyse des Kronendachs, Kohlenstoffschätzung
Gebäude6Extraktion von Gebäudegrundrissen, Stadtkartierung
Wasser9Hydrologie, Hochwassermodellierung
Leiterseil14Kartierung von Freileitungen, Vegetationsmanagement
Freileitungsmast15Bestandserfassung der Infrastruktur
Brückenfahrbahn17Verkehrsinfrastruktur
FahrzeugBenutzerdefiniertBereinigung der Punktwolke (Entfernen temporärer Objekte)
MastBenutzerdefiniertErkennung von Leitungsmasten
Zaun oder MauerBenutzerdefiniertErkennung von Grundstücksgrenzen

Die klassifizierte Punktwolke lässt sich als LAS-Datei mit den ASPRS-Standardcodes exportieren und ist damit mit jeder GIS- oder CAD-Software kompatibel.

Warum die Klassifizierung wichtig ist

Eine sorgfältige Klassifizierung verwandelt rohe Punktwolken in nutzbare Geodatenprodukte

Klassifizierte LiDAR-Punktwolke mit Vegetationsschichten des Waldes und abgetrenntem Boden für die Waldinventur

Digitale Geländemodelle (DGM)

Aus den als Boden klassifizierten Punkten (Klasse 2) entstehen Modelle der Geländeoberfläche. Ohne genaue Bodenklassifizierung enthält ein DGM Gebäude, Bäume und andere Objekte und ist für Hydrologie, Bauingenieurwesen oder Standortplanung unbrauchbar.

Digitale Oberflächenmodelle (DOM)

Ein DOM verwendet unabhängig von der Klassifizierung die höchsten Punkte (erste Echos) und bildet so die Oberkante von Gebäuden, Vegetation und anderen Objekten ab. Die Differenz zwischen DOM und DGM ergibt die Objekthöhen.

Häufige Schwierigkeiten bei der Klassifizierung

Dichte Stadtgebiete

Dicht stehende Gebäude, enge Straßen und komplexe Dachaufbauten können Klassifizierungsalgorithmen verwirren. Parkhäuser mit mehreren Ebenen und aufgeständerte Straßen erhöhen die Komplexität zusätzlich.

Steiles Gelände

An Hängen und Felswänden können die geometrischen Annahmen der Bodenklassifizierung versagen, sodass freiliegende Felswände mitunter als Gebäude klassifiziert werden.

Gemischte Vegetation

Obstplantagen, Weinberge und gepflegte Grünanlagen verwischen die Grenzen zwischen den Höhenklassen der Vegetation und erfordern eine sorgfältige Parametereinstellung.

Klassifizierte Punktwolken in wenigen Minuten

LiDAR-Klassifizierungscodes sind die Grundlage der Punktwolkenanalyse. Mit Lidarvisor entfällt die manuelle Klassifizierung ganz. Laden Sie Ihre Daten hoch, überlassen Sie der KI die Klassen für Boden, Vegetation, Gebäude und Infrastruktur und laden Sie anschließend ASPRS-konforme LAS-Dateien für Ihre GIS- oder CAD-Software herunter.

Kostenloses Konto erstellen

50 kostenlose Credits. Ohne Kreditkarte. Ohne Softwareinstallation.