SLAM & mobile Kartierung
Zentrale Fachbegriffe zu SLAM-Verfahren, Trajektorienberechnung und mobilen 3D-Scanlösungen im vermessungstechnischen Kontext.
Die Inhalte dieses Glossars dienen der allgemeinen fachlichen Einordnung und stellen keine individuelle Beratung oder projektbezogene Planung dar.
Glossar SLAM & mobile Kartierung
SLAM
SLAM steht für „Simultaneous Localization and Mapping“ und bezeichnet ein Verfahren zur gleichzeitigen Positionsbestimmung eines Sensors sowie zur Erstellung einer Karte der Umgebung. In der Vermessung und mobilen Kartierung wird SLAM eingesetzt, wenn GNSS-Signale nicht oder nur eingeschränkt verfügbar sind, etwa in Innenräumen, Tunneln oder dicht bebauten Bereichen.
Das Verfahren kombiniert Sensordaten – häufig aus Laserscannern und Inertialsensoren – und berechnet daraus fortlaufend die eigene Bewegung im Raum. Parallel entsteht eine dreidimensionale Punktwolke der Umgebung. Charakteristisch ist, dass keine vorgelagerte Infrastruktur wie Passpunkte zwingend erforderlich ist, wenngleich eine spätere Georeferenzierung möglich bleibt.
In der Praxis ermöglicht SLAM eine schnelle, flächenhafte Datenerfassung bei komplexer Geometrie oder eingeschränkter Zugänglichkeit. Die erreichbare Genauigkeit hängt maßgeblich von Sensorqualität, Bewegungsmuster und Umgebungsstruktur ab. SLAM ist von klassischen statischen Scanverfahren abzugrenzen, bei denen einzelne Standpunkte nacheinander erfasst und anschließend registriert werden.
Gaussian Splatting (3DGS)
Gaussian Splatting – häufig auch als 3D Gaussian Splatting (3DGS) bezeichnet – ist ein Verfahren zur dreidimensionalen Szenendarstellung auf Basis verteilter, volumetrischer Punktelemente. Im Unterschied zur klassischen Photogrammetrie, bei der aus Bilddaten zunächst eine dichte Punktwolke, anschließend ein Mesh und darauf aufbauend eine Textur erzeugt wird, arbeitet 3DGS mit einer großen Anzahl sogenannter „3D-Gaussians“.
Jedes dieser Elemente besitzt eine räumliche Position, eine Ausdehnung (Kovarianz), Transparenz- und Farbinformationen. In einem iterativen Optimierungsprozess werden diese Parameter so angepasst, dass die projizierten Ansichten mit den zugrunde liegenden Kamerabildern möglichst exakt übereinstimmen. Das Ergebnis ist eine kontinuierliche, fotorealistische Darstellung der Szene, die sich in vielen Implementierungen in Echtzeit navigieren lässt.
Im fachlichen Kontext wird Gaussian Splatting vor allem in der Visualisierung, bei digitalen Zwillingen und in der Präsentation komplexer 3D-Umgebungen diskutiert. Für vermessungstechnische Anwendungen ist die geometrische Belastbarkeit entscheidend. Diese hängt maßgeblich von der Qualität der Kamerakalibrierung, der Bildorientierung sowie – im Drohnenkontext – von der Genauigkeit der Positionsdaten (z. B. durch RTK oder PPK) ab.
Im Unterschied zu vermessungsorientierten Workflows mit expliziter Netz- oder Oberflächenmodellierung steht bei 3DGS primär die visuelle Rekonstruktion im Vordergrund. Fragen zur metrischen Genauigkeit, Reproduzierbarkeit und Standardisierung befinden sich derzeit noch in fachlicher Bewertung.
Trajektorie
Die Trajektorie beschreibt den berechneten Bewegungsverlauf eines Sensors oder Scanträgers im Raum. Im Kontext von SLAM und mobiler Kartierung stellt sie die rechnerische Grundlage dar, um einzelnen Messpunkten eine räumliche Position zuzuordnen.
Während der Datenerfassung werden kontinuierlich Positions- und Lageänderungen ermittelt. Aus diesen Informationen entsteht eine dreidimensionale Kurve, die den tatsächlichen Bewegungsweg approximiert. Fehler in der Trajektorie wirken sich unmittelbar auf die Lagegenauigkeit der resultierenden Punktwolke aus, da jeder Messpunkt entlang dieser Bewegung berechnet wird.
In der Praxis ist die Stabilität der Trajektorie entscheidend für die Gesamtqualität der Aufnahme. Unruhige Bewegungen, längere strukturlose Abschnitte oder fehlende Referenzen können zu Drift führen. Eine nachgelagerte Optimierung der Trajektorie ist daher Bestandteil vieler Auswertungsprozesse in der mobilen Kartierung.
Loop Closure
Loop Closure bezeichnet innerhalb von SLAM-Verfahren das Wiedererkennen bereits erfasster Bereiche während einer Aufnahme. Wird ein zuvor gescannter Abschnitt erneut durchlaufen, erkennt das System diese räumliche Übereinstimmung und nutzt sie zur Korrektur der bisherigen Positionsschätzung.
Ohne Loop Closure würden sich kleine Positionsabweichungen entlang der Trajektorie kumulieren. Dieses Phänomen wird als Drift bezeichnet. Durch das gezielte Schließen solcher „Schleifen“ kann das Modell global stabilisiert und systematische Fehler reduziert werden.
In der Praxis spielt Loop Closure insbesondere bei längeren Aufnahmewegen eine Rolle, etwa in Gebäuden mit Rundgängen oder bei infrastrukturellen Anlagen. Die Qualität der Korrektur hängt von der geometrischen Wiedererkennbarkeit der Umgebung ab. Strukturreiche Bereiche mit klaren Kanten und Flächen bieten hierfür günstigere Voraussetzungen als homogene oder repetitive Strukturen..
Sensorfusion
Sensorfusion beschreibt die algorithmische Zusammenführung unterschiedlicher Sensordaten zur Verbesserung der Positions- und Lagebestimmung. In mobilen Kartierungssystemen werden typischerweise Laserscanner, Inertialmesseinheiten (IMU) und gegebenenfalls Kameras oder GNSS-Empfänger kombiniert.
Jeder Sensor besitzt spezifische Stärken und Schwächen: Inertialsensoren liefern hochfrequente Bewegungsdaten, weisen jedoch Drift auf; Laserscanner liefern geometrische Information, benötigen jedoch ausreichende Struktur; GNSS bietet absolute Referenz, ist aber nicht überall verfügbar. Durch die Fusion dieser Datenquellen entsteht ein konsistentes Bewegungsmodell.
Für die Praxis bedeutet dies eine höhere Robustheit der Datenerfassung, insbesondere in wechselnden Umgebungen. Die Qualität der Sensorfusion beeinflusst direkt die Stabilität der Trajektorie und damit die geometrische Konsistenz der Punktwolke. Sie ist ein zentrales Element moderner SLAM- und Mobile-Mapping-Systeme.
Rucksacksysteme
Rucksacksysteme sind mobile Kartierungseinheiten, bei denen Laserscanner, Sensorik und Recheneinheit in einem tragbaren System integriert sind. Der Bediener bewegt sich zu Fuß durch das Objekt oder Gelände, während kontinuierlich 3D-Daten erfasst werden.
Diese Systeme kommen vor allem dort zum Einsatz, wo Fahrzeuge oder statische Scanner nur eingeschränkt nutzbar sind – etwa in Innenräumen, Industrieanlagen oder schwer zugänglichem Gelände. Durch die freie Bewegung des Bedieners können komplexe Strukturen vergleichsweise zügig erfasst werden.
Im vermessungstechnischen Kontext stellen Rucksacksysteme eine Ergänzung zu terrestrischem Laserscanning dar. Die Datenerfassung erfolgt dynamisch, wodurch sich Effizienzgewinne ergeben können. Gleichzeitig erfordert die Auswertung eine sorgfältige Kontrolle der Trajektorie und gegebenenfalls eine zusätzliche Georeferenzierung, um die Daten in bestehende Koordinatensysteme einzubinden.
Handscanner
Handscanner sind kompakte, meist einhändig geführte Laserscanner oder Multisensorsysteme zur mobilen 3D-Erfassung. Sie basieren häufig auf SLAM-Algorithmen und eignen sich für die detailorientierte Aufnahme kleiner bis mittelgroßer Objekte oder Räume.
Im Unterschied zu Rucksacksystemen sind Handscanner leichter und flexibler einsetzbar. Sie ermöglichen eine gezielte Erfassung von Bauteilen, technischen Installationen oder Innenräumen mit hoher Bewegungsfreiheit. Die Daten werden während der Bewegung unmittelbar zu einer Punktwolke verarbeitet.
In der Praxis spielen Handscanner eine Rolle bei Bestandsaufnahmen, Dokumentationen oder bei der Ergänzung größerer Datensätze. Die erreichbare Genauigkeit hängt von Aufnahmeweg, Umgebungsstruktur und Nachbearbeitung ab. Für eine Integration in übergeordnete Projekte ist häufig eine nachträgliche Referenzierung oder Anpassung an vorhandene Koordinatensysteme erforderlich.
Drift
Drift beschreibt im Zusammenhang mit mobilen Kartierungssystemen die schleichende Abweichung der berechneten Position und Orientierung eines Sensorsystems gegenüber der tatsächlichen Lage im Raum. Sie entsteht durch Messrauschen, Ungenauigkeiten in Inertialsensoren sowie durch die fortlaufende Integration relativer Bewegungsdaten.
Bei SLAM-Systemen ohne kontinuierliche externe Referenzierung addieren sich kleine Fehler über die Zeit. Das Ergebnis kann eine geometrische Verzerrung der Trajektorie und damit auch der erzeugten Punktwolke sein. Typisch sind leichte Verdrehungen, Maßstabsabweichungen oder Verschiebungen zwischen verschiedenen Abschnitten eines Datensatzes.
In der Praxis spielt Drift insbesondere bei längeren Aufnahmewegen, monotonen Umgebungen oder fehlender Struktur eine Rolle. Maßnahmen zur Begrenzung sind unter anderem Loop Closure, die Einbindung zusätzlicher Sensorik oder die nachträgliche geodätische Referenzierung. Drift ist nicht mit zufälligem Messrauschen gleichzusetzen; vielmehr handelt es sich um eine systematische, kumulative Abweichung im Positionsmodell des Systems.