Wat zijn een puntenwolken?
Een puntenwolk is de weergave van een geografisch gebied, terrein, gebouw of kenmerk dat wordt samengesteld door middel van een enorme verzameling punten en wordt uitgezet in 3D-ruimte. En door een enorme verzameling hebben we het vaak over duizenden, zo niet miljoenen!
Wat is een puntenwolk?
Een puntenwolk is de weergave van een geografisch gebied, terrein, gebouw of kenmerk dat wordt samengesteld door middel van een enorme verzameling punten en wordt uitgezet in 3D-ruimte. En door een enorme verzameling hebben we het vaak over duizenden, zo niet miljoenen!
In sommige opzichten lijkt het erg op pointillisme, waarbij verschillende kleurstippen in patronen worden aangebracht om een afbeelding te vormen.
Maar deze stippen in een puntenwolk bevatten een enorme hoeveelheid informatie. Elk punt heeft bijvoorbeeld zijn eigen set Cartesiaanse coördinaten (X, Y, Z)…
en elk virtueel punt met georeferentie vertegenwoordigt het equivalent in de echte wereld, zoals een deel van een muur, grond of weg enz.
Om deze reden kunnen puntenwolken worden gebruikt om de diepte, hoogte, vorm en exacte geolocatie van een object te meten.
Puntenwolken – RGB en intensiteit
Puntenwolken kunnen ook kleurwaarden bevatten, zoals RGB en intensiteit.
De meetmethode die u gebruikt, bepaalt uiteindelijk welke van deze waarden uw puntenwolk heeft.
Deze meetmethoden zijn verdeeld over LiDAR en fotogrammetrie, die later in meer detail zullen worden besproken.
RGB
Fotogrammetrie bevat RGB-informatie voor elk punt, omdat deze methode voor het verzamelen van gegevens het maken van foto’s met een hoge resolutie van uw onderzoekslocatie, gebied of object omvat. Bijgevolg zullen uw bestanden de kleur bevatten die bij elke afbeelding hoort.
Daarentegen bevat een LiDAR-dataset niet automatisch RGB-informatie. Individuele punten kunnen echter worden gelabeld met een RGB-waarde in een proces dat bekend staat als het kleuren van de puntenwolk.
RGB (imagery) of het toevoegen van ware kleuren/classificatie is een krachtig hulpmiddel om uw dataset te visualiseren en om aanvullende informatie te verstrekken voor het weergeven en interpreteren van de gegevens.
Intensiteit
Een puntenwolk kan ook worden gekleurd op basis van intensiteit, maar door zijn aard is dit beperkt tot een LiDAR/laserscan en niet iets dat aanwezig is in een fotogrammetrische puntenwolk – aangezien fotogrammetrie geen reflectiewaarden heeft, legt het alleen vast het beeld dat het ziet.
Intensiteit vertegenwoordigt de sterkte van het retoursignaal van de LiDAR-scanner voor elk punt en is met name effectief voor onderzoeken waarbij kenmerkdetectie of landclassificatie belangrijk is.
LiDAR werkt door lichtpulsen naar het aardoppervlak of een functie erop te sturen en de tijd te meten die nodig is om terug te reflecteren. Dit zorgt voor een nauwkeurig positioneringspunt van waar op het aardoppervlak de laser inslaat, wat helpt om een gedetailleerde visualisatie te maken van wat de sensor heeft gescand.
Fotogrammetrie legt foto’s met een hoge resolutie vast om een onderzoeksgebied na te bootsen, met verschillende kenmerken die elkaar overlappen in tal van afbeeldingen. De locatie van elk object wordt vervolgens gemeten met behulp van triangulatie (de coördinaten van een 3D-object bepalen door foto’s te gebruiken om hetzelfde object te bedekken, maar vanuit verschillende posities).
Omdat LiDAR laserpulsen gebruikt en fotogrammetrie real-world beelden vastlegt, zijn de outputs aanzienlijk verschillend.
| Fotogrammetrie | LiDAR |
| + Kosteneffectief (hardware en software zijn meestal goedkoper) | + Beste oplossing voor het in kaart brengen van gebieden met dichte vegetatie en voor het bouwen van DTM’s en topografische kaarten |
| + Gebruiksvriendelijk – een goede toetredingsdrempel voor drone-metingen | + Werkt bij weinig licht of ‘s nachts |
| + Bouwt fotorealistische kaarten en modellen, waardoor datasets gemakkelijker te interpreteren zijn. Levert ook direct een 3D-model naast de puntenwolk. De gegevens kunnen ook worden gebruikt om 2D-orthomozaïeken te bouwen. | + Neemt kleine details op, zoals dunne draden of bekabeling |
| – Heeft een goede lichtbron nodig | + Snellere verwerkingstijd door kleinere bestandsgroottes |
| – Langere verwerkingstijden vanwege afbeeldingen met hoge resolutie | – Kan duur zijn en meer expertise vereisen |
| – Sommige fijnere punten in een onderzoeksgebied kunnen worden gemist, zoals dunne draden | – Puntenwolken kunnen kleur en detail missen |