Einfluss von Subsampling-Verfahren und Rasterweite auf die Genauigkeit ULS-basierter Volumenberechnungen von Schüttgutlagern

Die hochaufgelöste Erfassung von Schüttgutlagern mit Unmanned Laser Scanning (ULS) ermöglicht eine schnelle und detaillierte Bestimmung von Lagerbeständen. Die dabei entstehenden Punktwolken umfassen jedoch schnell mehrere Dutzend Millionen Punkte und verursachen entsprechend hohe Anforderungen an Speicherplatz und Verarbeitung. Eine Möglichkeit zur Reduktion dieser Datenmengen ist das sogenannte Subsampling. Dabei stellt sich die Frage, wie stark ULS-Daten reduziert werden können, ohne die Genauigkeit der anschließenden Volumenberechnung wesentlich zu beeinträchtigen.

Im Rahmen der Bachelorarbeit wurde untersucht, welchen Einfluss unterschiedliche Subsampling-Verfahren und die Rasterweite bei der DGM-Generierung auf die Genauigkeit der nachfolgenden 2,5D-basierten Volumenberechnung haben. Als Datengrundlage diente eine mit einem RIEGL VUX-120 erfasste ULS-Punktwolke eines Steinbruchs bei Wien mit rund 77,8 Millionen Punkten und einem mittleren Punktabstand von etwa 1,3 cm. Untersucht wurden die Verfahren Random (zufällige Punktreduktion), Spatial (räumliche Punktreduktion) und Octree (hierarchische Punktreduktion) sowie ein lokal adaptives, auf der Normal Change Rate (NCR) basierendes Verfahren. Dabei wird die Änderung der Normalenrichtung benachbarter Oberflächenbereiche genutzt, um Punkte in strukturell markanten Bereichen gezielt zu erhalten.

Die Ergebnisse zeigen, dass die drei Standardverfahren bei hoher Punktdichte bis hinunter auf ca. 30 % der ursprünglichen Punktdichte nahezu identische Volumenergebnisse liefern. Bei stärkerer Reduktion treten jedoch deutliche Unterschiede auf. Insbesondere bei kleinen Rasterweiten erwies sich Spatial Subsampling als robustestes der drei Standardverfahren. Random zeigte bei starker Reduktion die größten Abweichungen. Gleichzeitig zeigte sich, dass die Rasterweite einen mindestens ebenso wichtigen Einfluss auf die Ergebnisse haben kann wie die Wahl des Subsampling-Verfahrens. Das NCR-Verfahren ermöglichte eine besonders starke Datenreduktion und zeigte Vorteile beim Erhalt lokal strukturreicher Bereiche. Bei vergleichbarer Punktzahl erreichte Spatial jedoch eine höhere globale Volumengenauigkeit.

Die Arbeit zeigt somit, dass die Wahl des Subsampling-Verfahrens nicht unabhängig von der Rasterweite und dem jeweiligen Anwendungszweck getroffen werden sollte. Für die betriebliche Volumenbestimmung von Schüttgutlagern wird insbesondere Spatial Subsampling als geeigneter Ansatz empfohlen.