Wie k\u00f6nnen Sie das Beste aus Ihren Pointcloud-Daten herausholen? In dem Artikel, 'Wie wird eine Pointcloud hergestellt?<\/strong><\/a>Wir haben besprochen, dass die LiDAR- und INS-Koordinatenrahmen gut kalibriert sein m\u00fcssen und wie genau dies sein muss. Die offensichtliche Frage ist dann, wie wir das erreichen? Dazu gibt es viele M\u00f6glichkeiten, z. B. Versuch und Irrtum, die Verwendung eines digital gedruckten Passepartouts oder eine datengesteuerte Kalibrierungstechnik. Versuch und Irrtum sind zeitaufw\u00e4ndig, und Sie m\u00fcssen sicherstellen, dass sich Ihr Aufbau nicht im Geringsten \u00e4ndert, sonst m\u00fcssen Sie Ihre Versuche wiederholen. Eine gedruckte Halterung ist eine bequeme Methode, um pr\u00e4zise Winkel und Verschiebungen in Ihre Einrichtung zu integrieren. Allerdings ist sie zeitaufw\u00e4ndig und teuer. Eine dritte M\u00f6glichkeit ist die Verwendung einer datengesteuerten Kalibrierungsmethode, die die von Ihnen gesammelten Punktwolkendaten analysiert und die Einrichtung durch den Vergleich von dem, was gesehen wird, mit dem, was gesehen werden sollte, kalibriert.<\/p>\n Diese letztere Methode hat OXTS entwickelt. Der Benutzer muss sein Fahrzeug mit dem LiDAR- und INS-Setup einfach so man\u00f6vrieren, dass das LiDAR einige Ziele aus einer Reihe von Entfernungen und Winkeln, die f\u00fcr Ihre Vermessung repr\u00e4sentativ sind, gut sehen kann. Die Ziele bestehen ganz einfach aus flachen, quadratischen Brettern, die mit stark reflektierendem Material \u00fcberzogen sind. Das Man\u00f6vrieren dauert nur wenige Minuten und kann an jede Vermessungsfahrt angeschlossen werden. Im B\u00fcro k\u00f6nnen die Daten in den OXTS Georeferencer hochgeladen werden, der nach den Winkeln sucht, die der Punktwolke die beste \u00dcbereinstimmung mit der Realit\u00e4t verleihen. Wir haben auch eine Methode zur Kalibrierung der Verschiebungen entwickelt, und diese Funktion ist jetzt im Beta-Modus in Georeferenzierung.<\/strong><\/a><\/p>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n \n Eine Stra\u00dfenvermessung, die mit einem xNAV550 und einem VLP16 LiDAR durchgef\u00fchrt wurde.<\/p>\n\n\n\n OXTS-Georeferenzierung<\/a><\/strong> k\u00f6nnen auch, wenig \u00fcberraschend, LiDAR- und Navigationsdaten georeferenzieren, um Punktwolken zu erstellen. Was ben\u00f6tigt wird, sind in der Regel f\u00fcnf Dateien: Die Navigationsversedatei, die LiDAR-Datei (PCAP) und drei Konfigurationsdateien, die die Winkel und Verschiebungen zwischen LiDAR und INS sowie zwischen INS und Fahrzeug detailliert beschreiben. Damit kann man die Konfigurationsdateien wie oben beschrieben kalibrieren oder eine\u00a0Punktwolke<\/strong><\/a>.<\/p>\n Dar\u00fcber hinaus gibt es viele zus\u00e4tzliche Optionen, mit denen der Benutzer das Beste aus seiner Punktwolke herausholen kann. Oftmals kann das LiDAR Teile des Fahrzeugs erfassen. Wenn dies der Fall ist, wird ein Teil des Fahrzeugs in jedem Bild, das aufgezeichnet wird, vorhanden sein und in der Punktwolke wird es so aussehen, als ob etwas herumgeschleppt worden ist. Dies kann einfach durch die Wahl eines Mindestabstands zwischen den Punkten und dem LiDAR verhindert werden. So k\u00f6nnen die Benutzer ihre Einstellungen flexibler gestalten.<\/p>\n LiDAR zeichnet in der Regel f\u00fcr jeden Punkt einen Wert f\u00fcr die Reflexionsintensit\u00e4t auf. Dies ist eine der gro\u00dfartigen Eigenschaften von LiDAR, die ihnen so viele unerwartete Einsatzm\u00f6glichkeiten bietet. Benutzer von\u00a0OXTS-Georeferenzierung<\/strong><\/a>\u00a0sind in der Lage, Pointclouds mit einem beliebigen Reflektivit\u00e4tswert zu erstellen. Dies ist ein gro\u00dfer Vorteil, vor allem weil die Erstellung von Punktwolken bei einer Reflektivit\u00e4t von 100 es Ihnen erm\u00f6glicht, Ihre Einrichtung zu \u00fcberpr\u00fcfen, w\u00e4hrend sie nur ein paar hundert Kilobyte statt der \u00fcblichen Gigabytes an Daten umfasst.<\/p>\n Die vielleicht wichtigste Funktion von Georeferencer neben der Kalibrierung ist die Verwendung einer ausgekl\u00fcgelten Formel zur Berechnung der Genauigkeit, mit der Punkte unter Verwendung der Diagnosen, die unsere Navigationsdaten ausgeben, bekannt sein k\u00f6nnen. So kann der Benutzer sehen, welche Punkte am genauesten bzw. am ungenauesten sind, und diese Punkte auch bearbeiten. Die Benutzer k\u00f6nnen die Zentimetergenauigkeit w\u00e4hlen, die alle Punkte in der Pointcloud haben m\u00fcssen, vorausgesetzt, dass die Einrichtung kalibriert ist, so dass Sie Ihrem Kunden versprechen k\u00f6nnen, dass Sie die richtige Genauigkeit liefern k\u00f6nnen - mit Vertrauen<\/p>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n \n Eine Erhebung auf einer Dorfstra\u00dfe zeigt, dass die Punkte weniger genau sind (in orange), wenn sie unter Baumkronen verlaufen.<\/p>\n\n\n\n![\"Road](\"https:\/\/oxts.mwb.digital\/wp-content\/uploads\/2025\/03\/Pointcloud-road-survey-xNAV550-and-VLP16LiDAR-201110-600x0-c-default.png\"\n "\\"Punktwolke")
\n <\/picture>\n\n\n \n <\/div>\n <\/div>\n <\/div>\n\n\nGeoreferenzierung<\/h3>\n\n \n\n\n \n\n\n\n
![\"Village](\"https:\/\/oxts.mwb.digital\/wp-content\/uploads\/2025\/03\/Pointcloud-Village-road-pointcloud-under-tree-canopy-201110-600x0-c-default.png\"\n "\\"Dorfstra\u00dfen-Punktwolke")
\n <\/picture>\n\n\n \n <\/div>\n <\/div>\n <\/div>\n\n\n