Hinter den Protokollen: Ein Vergleich der tatsächlichen Registrierungsqualität von Laserscanning-Algorithmen

Die Registrierung von Laserscans ist ein essentieller Schritt im Auswerteprozess von Punktwolken, um präzise Ergebnisse zu erzielen. In der Praxis kommt es jedoch immer wieder zu Herausforderungen bei der Wahl des optimalen Registrierungsverfahrens. In diesem Kontext stellt sich die Frage, wie verschiedene Algorithmen hinsichtlich ihrer Genauigkeit und Robustheit gegenüber Referenzmessungen abschneiden. Um dieser Frage nachzugehen, wurde ein umfassender Testaufbau entwickelt, bei dem unterschiedliche Registrierungsansätze verglichen und ihre Ergebnisse analysiert wurden:

1. Ebenenbasierte Registrierung
2. Cloud to Cloud Registrierung (Iterative Closest Point) mit automatisch generierten Verbindungen
3. Cloud to Cloud Registrierung (Iterative Closest Point) mit selbst generierten Verbindungen

Versuchsaufbau und Zielsetzung

Der Versuch fand in einer leergeräumten Gebäudeetage von 62 x 23 Metern statt und umfasste 98 Laserscan-Stationen, welche mit einem Trimble X12-Laserscanner (Z+F Imager 5016A) aufgenommen wurden. Zunächst wurden auf dem Boden Zielmarken Passpunkte mittels Tachymetrie und Nivellement ermittelt und durch eine 2D + H Netzausgleichung ausgeglichen. Diese präzisen Passpunkte wurden genutzt um zusammen mit einer Ebenen-Ausgleichung eine stabile Referenz zu schaffen. Die Standpunktunsicherheit der Registrierung beträgt für die Referenz im Mittel 0,8 mm. Ziel des Versuchs war es, verschiedene Registrierungsverfahren anhand von Raumstreckenvergleichen Datumsunabhängig zu bewerten. Dafür wurde ein im Projekt zentraler Standpunkt gewählt und dann die Raumstrecken zu allen anderen Standpunkten berechnet. Die Anzahl der Verbindungen zwischen den 98 Stationen betrug 4852, was eine hohe Redundanz und Stabilität der Analyse ermöglicht.

Anschließend wurde eine Ebenenregistrierung ohne Passpunkte durchgeführt, um die Abweichungen aller Raumstrecken zur Referenz zu ermitteln. Hierbei ergab sich eine maximale Abweichung von nur 0,4 mm, was die hohe Präzision der Ebenenbasierten Registrierung unterstreicht.

Mit zunehmender Strecke vom Referenzstandpunkt wird die Genauigkeit minimal schlechter, was auf die Fehlerfortpflanzung zurückzuführen ist.

Untersuchungsmethoden und Algorithmen

Um die Robustheit von Registrierungsalgorithmen zu bewerten, wurden die Raumstrecken ebenfalls mit drei anderen Registrierungs-Programmen berechnet, die auf der ICP-Methode (Iterative Closest Point) basieren. Dabei wurden die Programme in zwei unterschiedliche Verfahren unterteilt: ICP mit manuell definierten Verbindungen und ICP mit automatischen Verbindungen.

Auswertung und Analyse

Die ermittelten Raumstrecken wurden mit den Referenzstrecken verglichen, um Abweichungen aufzudecken. Parallel dazu wurden die paarweise berechneten Fehler der Cloud-to-Cloud-Registrierung mit den realen Delta-Werten der Raumstrecken verglichen. Ziel war es, die Aussagekraft der Registrierungsprotokolle hinsichtlich der tatsächlichen geometrischen Abweichungen zu bewerten. Die Ergebnisse wurden anhand von Diagrammen analysiert, um die statistische Verteilung der Abweichungen zu visualisieren.

Ziel des Beitrags

Dieser Beitrag zielt darauf ab, die unterschiedlichen Ansätze der Punktwolken-Registrierung vergleichend darzustellen und aufzuzeigen, welche Verfahren unter den gegebenen Bedingungen die besten Ergebnisse liefern. Er richtet sich an Fachleute aus der Vermessungsbranche, die ein tiefgehendes Verständnis für die Auswahl und Anwendung geeigneter Registrierungsalgorithmen entwickeln möchten. Zudem soll die Bedeutung einer sorgfältigen Registrierungsanalyse betont werden, um zuverlässige und präzise Gesamtpunktwolken zu gewährleisten.

Durch die ausführliche Dokumentation der Versuchsabläufe und die detaillierte Auswertung der Ergebnisse wird eine fundierte Entscheidungsgrundlage für die Wahl des geeigneten Registrierungsverfahrens geboten.

Darstellung der Ergebnisse

Vergleich der Raumstrecken zwischen der Referenzmessung und Cloud to Cloud Registrierungssoftware mit automatisch generierten Verbindungen Nr. 1:

Wir haben hier einige Ausreißer von bis zu 44 mm festgestellt, welche in den Protokollen nicht ersichtlich waren und mit deutlich geringeren Abweichungen angegeben wurden.

Ebenso ist dies andersherum der Fall: Grobe Fehler im Protokoll werden deutlich besser dargestellt als sie tatsächlich sind.

Differenzen im Registrierungsprotokoll (Auszug):

Dem Anwender wird hier ein Gesamtfehler von 1,3 mm angegeben. Dies ist jedoch nur der Mittelwert aller Abweichungen und grobe Fehler fallen dann bei 473 Verbindungen nicht ins Gewicht. Die Angaben im Protokoll können in der Realität deutlich besser oder auch deutlich schlechter sein und somit nicht für die Bewertung der Registrierungsqualität genutzt werden.

Vergleich der Raumstrecken zwischen der Referenzmessung und Cloud to Cloud Registrierungssoftware mit automatisch generierten Verbindungen Nr. 2:

Bei der nächsten Registrierungssoftware mussten die Stationen manuell verschoben werden, um eine grobe Ausrichtung zu erzielen, bevor die Verbindungen automatisch generiert wurden. Hier decken sich die Ergebnisse mit den vorherigen und wir haben Abweichungen von bis zu 43 mm festgestellt. Im Registrierungsprotokoll selbst gibt es keine Angaben zur Genauigkeit zwischen den Stationsverbindungen. Stattdessen werden Prozentwerte für die Überlappung, das Gleichgewicht und den Anteil der Punkte, die um weniger als 6 mm abweichen, angegeben.

Vergleich der Raumstrecken zwischen der Referenzmessung und Cloud to Cloud Registrierungssoftware mit selbst gewählten Verbindungen Nr. 3:

Wir haben hier eine deutliche Verbesserung der Ergebnisse feststellen können, da wir nur sinnvolle Verbindungen definiert haben. Im Vergleich mit der Referenz wurden maximale Abweichungen von 6,2 mm festgestellt.

Differenzen im Registrierungsprotokoll (Auszug):

Im Protokoll ist jedoch wiederum zu sehen, dass die Qualitätsangaben nicht mit der Realität übereinstimmen. Wir haben zusätzlich noch die Differenz zwischen der Fehlerangabe im Protokoll und dem tatsächlichen Wert gebildet und diese tabellarisch und grafisch dargestellt:

Die Ergebnisse sind nahezu normalverteilt mit einem Maximum von 7,8 mm.

Schlussfolgerung und Interpretation der Ergebnisse

Durch die automatische Generierung von Verbindungspaaren werden auch Stationen miteinander verknüpft, die kaum Überlappung haben. Dadurch entstehen Registrierungsfehler die für die weiteren Verbindungspaare eine falsche Ausgangsposition vorgeben und somit ist jede weitere Verbindung solchen Fehlern korreliert. Viel bessere Ergebnisse liefern manuell gewählte Verbindungen, die sinnvoll vom Anwender selbst gewählt werden. Problematisch ist jedoch bei allen ICP-Verfahren, dass der Anwender trotz allem bei Cloud-to-Cloud-Registrierungen die Protokolle nicht zur Qualitätsbewertung heranziehen kann und somit keine Einschätzung der Ergebnisse möglich ist.

Abhilfe schaffen bisher nur die Einmessung von Passpunkten, die bei allen Registrierungsverfahren m. E. zwingend notwendig sind, um die Ergebnisse zu kontrollieren und die Wahl des richtigen Registrierungsalgorithmus zu treffen. In bebauten Gebieten ist eine Ebenenbasierte Registrierung immer vorzuziehen, und auf unregelmäßigen Flächen wie Höhlen oder vegetativen Bereichen wie Wäldern empfehlen wir eine Cloud-to-Cloud-Registrierung mit zusätzlichen Zielzeichen wie Referenzkugeln und Zielmarken.

Wenn wir diese Erkenntnisse nun auf kinematische, SLAM-basierte Lösungen übertragen, die ebenfalls ICP-Verfahren nutzen und sich zusätzlich noch in Bewegung befinden, können wir festhalten, dass die Entwicklung für Fachleute nicht besonders sinnvoll ist, da keine Kontrolle nach geodätischen Standards möglich ist. In meinem nächsten Beitrag habe ich einen ähnlichen Versuchsaufbau mit verschiedenen kinematischen Scansystemen durchgeführt und verglichen. Bis dahin gerne kommentieren was Ihr für Erfahrungen gemacht habt.

Danksagung: Ich möchte mich bei Daniel Wujanz für die Unterstützung dieser Untersuchung bedanken

Author: Julian

Ich bin sowohl leidenschaftlicher Vermesser als auch Tech-Freak und liebe es über die neusten Trends in der Scantechnologie zu schreiben!