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

Leitfaden zur LiDAR-Klassifizierung: ASPRS-Klassen, Codes und Arbeitsablauf für Punktwolken

Die LiDAR-Klassifizierung gliedert rohe Punktwolken in nutzbare Klassen wie Boden, niedrige oder hohe Vegetation, Gebäude, Wasser, Brückenfahrbahnen, Seile und Masten.

Keine Kreditkarte erforderlich • 50 kostenlose Credits inklusive

Dieser Leitfaden erklärt die ASPRS-Klassencodes und den Arbeitsablauf, mit dem Teams aus LAS- oder LAZ-Dateien einsatzfähige Ergebnisse für Gelände, Forst und Versorgungsnetze erstellen.

Warum die Klassifizierung wichtig ist

Lidarvisor: klassifizierte Punktwolke

Ohne Klassifizierung ist eine Punktwolke nichts weiter als Millionen von XYZ-Koordinaten. Mit Klassifizierung wird sie zu einem geordneten Datensatz, in dem Sie:

  • Bodenpunkte für die Geländemodellierung isolieren
  • Gebäude für die Stadtkartierung extrahieren
  • Vegetation für die Forstanalyse erkennen
  • Freileitungen für die Leitungsinspektion kartieren

Die Klassifizierung wird in LAS- und LAZ-Dateien als ganzzahliges Attribut nach ASPRS-Standard gespeichert.

ASPRS-Standardklassencodes

Grundklassen

  • 0: Nie klassifiziert
  • 1: Nicht zugewiesen
  • 2: Boden
  • 7: Tiefpunkt (Rauschen)
  • 9: Wasser

Vegetation

  • 3: Niedrige Vegetation (0 bis 0,5 m)
  • 4: Mittelhohe Vegetation (0,5 bis 2 m)
  • 5: Hohe Vegetation (über 2 m)
  • 6: Gebäude

Infrastruktur

  • 10: Schiene
  • 11: Straßenbelag
  • 14: Leiterseil (Phase)
  • 15: Freileitungsmast
  • 17: Brückenfahrbahn

Klassifizierung in landwirtschaftlichen Gebieten

In landwirtschaftlich geprägten Gebieten trennt die Klassifizierung Ackerflächen, Hecken, landwirtschaftliche Gebäude und Bewässerungsanlagen. Das ermöglicht Analysen für die Präzisionslandwirtschaft und die Planung der Flächenbewirtschaftung.

Der Ablauf der Klassifizierung

KI-gestützte Punktwolkenklassifizierung mit landwirtschaftlichen Nutzungskategorien

Schritt 1: Klassifizierung des Rauschens

Klassifizieren Sie immer zuerst das Rauschen. Ausreißer verfälschen alle nachfolgenden Algorithmen: hohes Rauschen (Vögel, Atmosphäre) und niedriges Rauschen (Mehrwegefehler).

Schritt 2: Bodenklassifizierung

Die Bodenklassifizierung ist die Grundlage. Für die Klassifizierung von Gebäuden und Vegetation muss bekannt sein, wo der Boden liegt. Gängige Algorithmen: Progressive TIN Densification, Cloth Simulation Filter (CSF), SMRF.

Schritt 3: Gebäudeklassifizierung

Algorithmen erkennen Gebäude anhand der Höhe über Grund, ebener Flächen und geometrischer Regelmäßigkeit.

Schritt 4: Höhenschichtung der Vegetation

Teilen Sie die Punkte in Höhenschichten ein: niedrig (0 bis 0,5 m), mittel (0,5 bis 2 m), hoch (über 2 m). Vegetation und Gebäude werden an ihrem Muster unterschieden: gestreute Punkte bei Vegetation, ebene Flächen bei Gebäuden.

Ländliches und bewaldetes Gelände

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

Ländliche Gebiete mit wechselnder Waldbedeckung erfordern eine sorgfältige Parametereinstellung. Algorithmen zur Bodenklassifizierung müssen den Übergang zwischen offenen Feldern und dichtem Kronendach bewältigen, während die Höhenschichtung der Vegetation die Waldstruktur vom Unterwuchs bis zur Krone sichtbar macht.

Algorithmen zur Bodenklassifizierung

Progressive TIN Densification

Baut iterativ eine triangulierte Oberfläche auf. Für allgemeines Gelände, in der Produktion weit verbreitet.

Cloth Simulation Filter

Simuliert ein Tuch, das sich über die umgedrehte Punktwolke legt. Kommt mit wechselndem Gelände und steilen Hängen zurecht.

Klassifizierung von Freileitungen und Versorgungsnetzen

Freileitungen und Übertragungsnetze erfordern spezielle Klassifizierungsalgorithmen. Die dünne, linienförmige Geometrie der Leiterseile verlangt eine hohe Punktdichte und eine sorgfältige Trennung von der umgebenden Vegetation. Klassifizierte Freileitungsdaten ermöglichen Einwuchsanalysen und die Instandhaltungsplanung.

Automatisieren Sie den Ablauf Ihrer Klassifizierung

Lidarvisor klassifiziert Boden, Vegetation, Gebäude und weitere Klassen automatisch mit KI. Laden Sie Ihre LAS- oder LAZ-Dateien hoch und erhalten Sie klassifizierte Daten samt DGM und DOM.

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

Testen Sie es mit Ihren eigenen Daten

Laden Sie eine LAS- oder LAZ-Datei hoch und erhalten Sie in wenigen Minuten klassifizierte Ergebnisse, Geländemodelle und CAD-fähige Vektoren.

Kostenloses Konto erstellen

Keine Kreditkarte erforderlich. Preise ansehen oder unser Team kontaktieren