Die Dissertation beschreibt Verfahren zur Fusion von Sensordaten am Beispiel eines PreCrash-Systems für Kraftfahrzeuge. Ein PreCrash-System erkennt mit Hilfe von Sensoren, die das Fahrzeugumfeld überwachen, (unvermeidliche) Unfälle wenige hundert Millisekunden vor Beginn des Zusammenstoßes und stellt verschiedene Informationen zur Verfügung, die bei der Aktivierung von Sicherheitseinrichtungen wie Gurtstraffer oder Airbags hilfreich sind. Neben guten Erkennungsleistungen spielt bei einem solchen System vor allem die Eignung für den Einsatz im automobilen Umfeld mit all seinen Anforderungen eine große Rolle. Dies bedeutet zum Beispiel Robustheit gegenüber schwierigen Wetterbedingungen, geringe Anforderungen an die Rechenleistung und auch die Erkennung eines Sensorausfalls. Ebenso stellt die Vielfalt möglicher Objekte mit ihren unterschiedlichen Reflexionseigenschaften und teilweise sehr hohen Relativgeschwindigkeiten eine besondere Herausforderung für ein umfelderkennendes System dar. Nach einführenden Betrachtungen zum Stand der Technik und der Zielstellung, unterschiedliche Sensorik zur Verbesserung der Detektionsleistungen und damit der Robustheit des Gesamtsystems zu fusionieren, beinhaltet die Arbeit eine Beschreibung der Funktionalität "PreCrash", Angaben zu Voraussetzungen und speziellen Umgebungsbedingungen im Fahrzeugbereich, die Einfluss auf die Verfahrensauswahl ausüben und eine Beschreibung der verwendeten Sensorik. Signalverarbeitungsverfahren zur Realisierung eines PreCrash-Systems sind sowohl auf Basis eines Einzelsensorsystems als auch auf Grundlage eines Multisensorsystems ausführlich dokumentiert. Ansätze zur Sensordatenfusion werden gesondert dargestellt und auch Nebenaspekte wie die Erkennung von Sensorausfällen berücksichtigt. Die Arbeit enthält Ergebnisse, die die Erkennungsleistungen mehrerer implementierter Verfahren aufzeigen und die auf realen, mit Hilfe eines Versuchsfahrzeuges aufgenommener Daten basieren.

Ziel dieser Diplomarbeit ist es, eine Software zu entwickeln, welche den Benutzer bei der Volumenberechnung aus Punktwolken unterstützt. Dazu werden verschiedene Methoden diskutiert, mit deren Hilfe eine Trennung der Punktwolke in zwei Klassen ('gehört zur Volumenoberfläche' und 'gehört nicht zur Volumenoberfläche') möglich ist. Eine Methode stellt sich, unter bestimmten Bedingungen, als geeignet dar. Mit dieser Methode lässt sich die geforderte Klassifizierung effizient durchführen. Weiterhin gilt es, für die eigentliche Volumenberechnung, Methoden zu analysieren und auf deren Tauglichkeit für die Anwendung in der Punktwolke zu prüfen. Aus diesen Ergebnissen wird ein Verfahren zur Klassifizierung der Scanpunkte und direkt anschließender Volumenmodellerstellung erarbeitet. Die Darstellung des Volumens ist an vorgegebene Rahmenbedingungen, das Verwenden einer bestimmten CAD-Software, gebunden. Mit Hilfe dieser CAD-Software ist eine Darstellungsvariante zu wählen, welche ein zügiges Arbeiten mit dem Volumenmodell ermöglicht. Alle Verfahren und Methoden, einschließlich der dabei auftretenden Probleme werden in Programmcode umgesetzt, damit am Ende eine funktionsfähige, unterstützende Software entsteht.:1 Einleitung 1.1 Thesen / Fragen 1.2 Literatur 1.3 Abgrenzung 2 Grundlagen 2.1 Rahmenbedingungen 2.2 Struktur des Programmierprojektes 2.2.1 Speicherung von Einstellungen / Parametern 2.3 Datengrundlage 2.3.1 Dateiformate der Punktwolkendateien 3 Filterung der Punktwolke 3.1 Das Voxelsystem 3.1.1 Programmierung des Voxelsystems 3.1.2 Speicherung der Voxeldaten 3.2 Filterung mit Hilfe des Voxelsystem 4 Volumenberechnungen 4.1 Erläuterung der verwendeten Säulenprismen 4.1.1 Rasterung der Grundfläche 4.1.2 Umsetzung des Texelsystems als Quadtree 4.2 Einsatz des Texelsystem in der Volumenberechnung 4.2.1 Speicherung der Volumendaten 4.3 Darstellung der Volumendaten 5 Bearbeitungen der Volumendaten 5.1 Füllen von Löchern in der Volumenfläche 5.2 Glätten von Bereichen 6 Die Software in Gänze betrachtet 6.1 Analyse der Effektivität 6.2 Ausblick und Ausbau / The intention of this thesis is to develop a software which supports the user in calculating volumes from point clouds. For this purpose, different methods are discussed that allow a separation of the point cloud into two classes (i.e. 'belongs to the volume surface' and 'does not belong to the volume surface'). One method is shown to be suitable under certain conditions. With this method, the required classification can be carried out efficiently. Furthermore, methods for the volume calculation itself are analyzed and tested to ensure that they are suitable for use in the point cloud. Based on these results, a method for the classification of the scan points and the ensuing generation of the volume model are developed. The representation of the volume is bound to given framework conditions, including the use of a specific CAD software. With the help of this CAD software, a representation variant is to be selected which enables a user to easily work with the volume model. All procedures and methods, including the problems that arise in the process, are converted into program code, so that in the end a functional, helpful software is created.:1 Einleitung 1.1 Thesen / Fragen 1.2 Literatur 1.3 Abgrenzung 2 Grundlagen 2.1 Rahmenbedingungen 2.2 Struktur des Programmierprojektes 2.2.1 Speicherung von Einstellungen / Parametern 2.3 Datengrundlage 2.3.1 Dateiformate der Punktwolkendateien 3 Filterung der Punktwolke 3.1 Das Voxelsystem 3.1.1 Programmierung des Voxelsystems 3.1.2 Speicherung der Voxeldaten 3.2 Filterung mit Hilfe des Voxelsystem 4 Volumenberechnungen 4.1 Erläuterung der verwendeten Säulenprismen 4.1.1 Rasterung der Grundfläche 4.1.2 Umsetzung des Texelsystems als Quadtree 4.2 Einsatz des Texelsystem in der Volumenberechnung 4.2.1 Speicherung der Volumendaten 4.3 Darstellung der Volumendaten 5 Bearbeitungen der Volumendaten 5.1 Füllen von Löchern in der Volumenfläche 5.2 Glätten von Bereichen 6 Die Software in Gänze betrachtet 6.1 Analyse der Effektivität 6.2 Ausblick und Ausbau

Att utföra installationer i ett ROT-projekt är mer komplicerat än vid nyproduktion. I ROT-projekt möter installatören gamla svårlästa handlingar som oftast inte stämmer med verkligheten. Vanligaste problemet är att det kan uppstå krockar mellan installationerna och mellan installationerna och stommen vilket leder till kostnader och tidsförluster. I vår rapport har vi studerat möjligheten att i ett tidigt skede få fram handlingar som stämmer med verkligheten vilket skulle underlätta planering och byggande i ett ROT-projekt. Metoden förväntas lösa problemet med krockar som kan uppstå vid utförandet av arbetet samt kunna nå installationerna på ett smidigt sätt utan något hinder vid tillsyn, skötsel och underhåll. Resultatet i denna rapport baseras på mätningar som vi har genomfört, i form av inskanning av ett rum med hjälp av en handlasermätare och en 3D-laser för att skapa en 3D-modell. För att kunna hitta ett lämpligt utrymme i byggnaden och säkerställa installationer utan någon typ av krock krävs noggrann projektering. För att komplettera studien intervjuades flera personer med erfarenhet inom detta område. Vår slutsats är att genom en kombination av BIM tillsammans med en väl fungerande installationssamordning och skanning med 3D-laser kan noggrannheten i projekteringen öka, risken för kollisioner minska vilket leder till ökad lönsamhet i ett ROT-projekt. / Performing an installation process under a Renovation, Conversion and Extension (ROT) project is more complicated than in a new production. In a ROT projects, the installer meets old and hard-to- read documents that usually do not match the reality. The most common problem is that clashes may occur between the installations and building elements, which results in costs and time losses. In our report we have studied the opportunity to produce documents that correspond to reality at an early stage, which would facilitate planning and construction in a ROT project. The method is expected to solve the collision problem that may arise in the performance of the work, as well as being able to reach the installations in a smooth manner without any barriers to supervision and maintenance. The results of this report are based on the measurements we performed, in particular by using measurement methods using a handheld meter and a 3D-laser scanning technique that creates a 3Dmodeling . In order to be able to find a suitable space in the building and to ensure installations without any type of collision, careful design is required. To complete the study, several people were interviewed with experience in this area. Our conclusion is that through a combination of BIM, together with a wellfunctioning installation coordination and 3D-laser scanning, design accuracy can be increased, the risk of collisions reduced, leading to increased profitability in a ROT project.

Die Kartierung und Lokalisierung eines mobilen Roboters in seiner Umgebung ist eine wichtige Voraussetzung für dessen Autonomie. In dieser Arbeit wird der Einsatz eines 3D-Laserscanners zur Erfüllung dieser Aufgaben untersucht. Durch die optimierte Anordnung eines rotierenden 2D-Laserscanners werden hochauflösende Bereiche vorgegeben. Zudem wird mit Hilfe von ICP die Kartierung und Lokalisierung im Stillstand durchgeführt. Bei der Betrachtung zur Verbesserung der Bewegungsschätzung wird auch eine Möglichkeit zur Lokalisierung während der Bewegung mit 3D-Scans vorgestellt. Die vorgestellten Algorithmen werden durch Experimente mit realer Hardware evaluiert.

Die Kartierung und Lokalisierung eines mobilen Roboters in seiner Umgebung ist eine wichtige Voraussetzung für dessen Autonomie. In dieser Arbeit wird der Einsatz eines 3D-Laserscanners zur Erfüllung dieser Aufgaben untersucht. Durch die optimierte Anordnung eines rotierenden 2D-Laserscanners werden hochauflösende Bereiche vorgegeben. Zudem wird mit Hilfe von ICP die Kartierung und Lokalisierung im Stillstand durchgeführt. Bei der Betrachtung zur Verbesserung der Bewegungsschätzung wird auch eine Möglichkeit zur Lokalisierung während der Bewegung mit 3D-Scans vorgestellt. Die vorgestellten Algorithmen werden durch Experimente mit realer Hardware evaluiert.

Within this work an approach was developed, which utilises airborne laser scanner data in order to generate 3D building models. These 3D building models may be used for technical and environmental planning. The approach has to follow certain requirements such as working automatically and robust and being flexible in use but still practicable. The approach starts with small point clouds containing one building at the time extracted from laser scanner data set by applying a pre-segmentation scheme. The laser scanner point cloud of each building is analysed separately. A 2.5D-Delaunay triangle mesh structure (TIN) is calculated into the laser scanner point cloud. For each triangle the orientation parameters in space (orientation, slope and perpendicular distance to the barycentre of the laser scanner point cloud) are determined and mapped into a parameter space. As buildings are composed of planar features, primitives, triangles representing these features should group in parameter space. A cluster analysis technique is utilised to find and outline these groups/clusters. The clusters found in parameter space represent plane objects in object space. Grouping adjacent triangles in object space - which represent points in parameter space - enables the interpolation of planes in the ALS points that form the triangles. In each cluster point group a plane in object space is interpolated. All planes derived from the data set are intersected with their appropriate neighbours. From this, a roof topology is established, which describes the shape of the roof. This ensures that each plane has knowledge on its direct adjacent neighbours. Walls are added to the intersected roof planes and the virtual 3D building model is presented in a file written in VRML (Virtual Reality Macro Language). Besides developing the 3D building model reconstruction scheme, this research focuses on the geometric reconstruction and the derivation of attributes of 3D building models. The developed method was tested on different data sets obtained from different laser scanner systems. This study will also show, which potential and limits the developed method has when applied to these different data sets. / In der vorliegenden Arbeit wird eine neue Methode zur automatischen Rekonstruktion von 3D Gebäudemodellen aus Flugzeuglaserscannerdaten vorgestellt. Diese 3D Gebäudemodelle können in technischer und landschaftsplanerischer Hinsicht genutzt werden. Bezüglich der zu entwickelnden Methode wurden Regelungen und Bedingungen erstellt, die eine voll automatische und robuste Arbeitsweise sowie eine flexible und praktikable Nutzung gewährleisten sollten. Die entwickelte Methode verwendet Punktwolken, welche mittels einer Vorsegmentierung aus dem gesamten Laserscannerdatensatz extrahiert wurden und jeweils nur ein Gebäude beinhalten. Diese Laserscannerdatenpunktwolken werden separat analysiert. Eine 2,5D-Delaunay-Dreiecksvermaschung (TIN) wird in jede Punktwolke gerechnet. Für jedes Dreieck dieser Vermaschung werden die Lageparameter im Raum (Ausrichtung, Neigungsgrad und senkrechter Abstand der Ebene des Dreiecks zum Schwerpunkt der Punktwolke) bestimmt und in einen Parameterraum aufgetragen. Im Parameterraum bilden diejenigen Dreiecke Gruppen, welche sich im Objektraum auf ebenen Flächen befinden. Mit der Annahme, dass sich ein Gebäude aus ebenen Flächen zusammensetzt, dient die Identifizierung von Clustern im Parameterraum der Detektierung dieser Flächen. Um diese Gruppen/Cluster aufzufinden wurde eine Clusteranalysetechnik genutzt. Über die detektierten Cluster können jene Laserscannerpunkte im Objektraum bestimmt werden, die eine Dachfläche formen. In die Laserscannerpunkte der somit gefundenen Dachflächen werden Ebenen interpoliert. Alle abgeleiteten Ebenen gehen in den entwickelten Rekonstruktionsalgorithmus ein, der eine Topologie zwischen den einzelnen Ebenen aufbaut. Anhand dieser Topologie erhalten die Ebenen ?Kenntnis? über ihre jeweiligen Nachbarn und können miteinander verschnitten werden. Der fertigen Dachgestalt werden Wände zugefügt und das komplette 3D Gebäudemodell wird mittels VRML (Virtual Reality Macro Language) visualisiert. Diese Studie bezieht sich neben der Entwicklung eines Schemas zu automatischen Gebäuderekonstruktion auch auf die Ableitung von Attributen der 3D Gebäudemodellen. Die entwickelte Methode wurde an verschiedenen Flugzeuglaserscannerdatensätzen getestet. Es wird gezeigt, welche Potentiale und Grenzen die entwickelte Methode bei der Bearbeitung dieser verschiedenen Laserscannerdatensätze hat.

No description available.

Within this work an approach was developed, which utilises airborne laser scanner data in order to generate 3D building models. These 3D building models may be used for technical and environmental planning. The approach has to follow certain requirements such as working automatically and robust and being flexible in use but still practicable. The approach starts with small point clouds containing one building at the time extracted from laser scanner data set by applying a pre-segmentation scheme. The laser scanner point cloud of each building is analysed separately. A 2.5D-Delaunay triangle mesh structure (TIN) is calculated into the laser scanner point cloud. For each triangle the orientation parameters in space (orientation, slope and perpendicular distance to the barycentre of the laser scanner point cloud) are determined and mapped into a parameter space. As buildings are composed of planar features, primitives, triangles representing these features should group in parameter space. A cluster analysis technique is utilised to find and outline these groups/clusters. The clusters found in parameter space represent plane objects in object space. Grouping adjacent triangles in object space - which represent points in parameter space - enables the interpolation of planes in the ALS points that form the triangles. In each cluster point group a plane in object space is interpolated. All planes derived from the data set are intersected with their appropriate neighbours. From this, a roof topology is established, which describes the shape of the roof. This ensures that each plane has knowledge on its direct adjacent neighbours. Walls are added to the intersected roof planes and the virtual 3D building model is presented in a file written in VRML (Virtual Reality Macro Language). Besides developing the 3D building model reconstruction scheme, this research focuses on the geometric reconstruction and the derivation of attributes of 3D building models. The developed method was tested on different data sets obtained from different laser scanner systems. This study will also show, which potential and limits the developed method has when applied to these different data sets. / In der vorliegenden Arbeit wird eine neue Methode zur automatischen Rekonstruktion von 3D Gebäudemodellen aus Flugzeuglaserscannerdaten vorgestellt. Diese 3D Gebäudemodelle können in technischer und landschaftsplanerischer Hinsicht genutzt werden. Bezüglich der zu entwickelnden Methode wurden Regelungen und Bedingungen erstellt, die eine voll automatische und robuste Arbeitsweise sowie eine flexible und praktikable Nutzung gewährleisten sollten. Die entwickelte Methode verwendet Punktwolken, welche mittels einer Vorsegmentierung aus dem gesamten Laserscannerdatensatz extrahiert wurden und jeweils nur ein Gebäude beinhalten. Diese Laserscannerdatenpunktwolken werden separat analysiert. Eine 2,5D-Delaunay-Dreiecksvermaschung (TIN) wird in jede Punktwolke gerechnet. Für jedes Dreieck dieser Vermaschung werden die Lageparameter im Raum (Ausrichtung, Neigungsgrad und senkrechter Abstand der Ebene des Dreiecks zum Schwerpunkt der Punktwolke) bestimmt und in einen Parameterraum aufgetragen. Im Parameterraum bilden diejenigen Dreiecke Gruppen, welche sich im Objektraum auf ebenen Flächen befinden. Mit der Annahme, dass sich ein Gebäude aus ebenen Flächen zusammensetzt, dient die Identifizierung von Clustern im Parameterraum der Detektierung dieser Flächen. Um diese Gruppen/Cluster aufzufinden wurde eine Clusteranalysetechnik genutzt. Über die detektierten Cluster können jene Laserscannerpunkte im Objektraum bestimmt werden, die eine Dachfläche formen. In die Laserscannerpunkte der somit gefundenen Dachflächen werden Ebenen interpoliert. Alle abgeleiteten Ebenen gehen in den entwickelten Rekonstruktionsalgorithmus ein, der eine Topologie zwischen den einzelnen Ebenen aufbaut. Anhand dieser Topologie erhalten die Ebenen ?Kenntnis? über ihre jeweiligen Nachbarn und können miteinander verschnitten werden. Der fertigen Dachgestalt werden Wände zugefügt und das komplette 3D Gebäudemodell wird mittels VRML (Virtual Reality Macro Language) visualisiert. Diese Studie bezieht sich neben der Entwicklung eines Schemas zu automatischen Gebäuderekonstruktion auch auf die Ableitung von Attributen der 3D Gebäudemodellen. Die entwickelte Methode wurde an verschiedenen Flugzeuglaserscannerdatensätzen getestet. Es wird gezeigt, welche Potentiale und Grenzen die entwickelte Methode bei der Bearbeitung dieser verschiedenen Laserscannerdatensätze hat.

Mit der vorliegenden Dissertation soll ein Beitrag zur Steigerung der Genauigkeit und Zuverlässigkeit einer sensorgestützten Objekterkennung im Fahrzeugumfeld geleistet werden. Aufbauend auf einem Erfassungssystem, bestehend aus einer Stereokamera und einem Mehrzeilen-Laserscanner, werden teils neu entwickelte Verfahren für die gesamte Verarbeitungskette vorgestellt. Zusätzlich wird ein neuartiges Framework zur Fusion heterogener Sensordaten eingeführt, welches über eine Zusammenführung der Fusionsergebnisse aus den unterschiedlichen Verarbeitungsebenen in der Lage ist, die Objektbestimmung zu verbessern. Nach einer Beschreibung des verwendeten Sensoraufbaus werden die entwickelten Verfahren zur Kalibrierung des Sensorpaares vorgestellt. Bei der Segmentierung der räumlichen Punktdaten werden bestehende Verfahren durch die Einbeziehung von Messgenauigkeit und Messspezifik des Sensors erweitert. In der anschließenden Objektverfolgung wird neben einem neuartigen berechnungsoptimierten Ansatz zur Objektassoziierung ein Modell zur adaptiven Referenzpunktbestimmung und –Verfolgung beschrieben. Durch das vorgestellte Fusions-Framework ist es möglich, die Sensordaten wahlweise auf drei unterschiedlichen Verarbeitungsebenen (Punkt-, Objekt- und Track-Ebene) zu vereinen. Hierzu wird ein sensorunabhängiger Ansatz zur Fusion der Punktdaten dargelegt, der im Vergleich zu den anderen Fusionsebenen und den Einzelsensoren die genaueste Objektbeschreibung liefert. Für die oberen Fusionsebenen wurden unter Ausnutzung der konkurrierenden Sensorinformationen neuartige Verfahren zur Bestimmung und Reduzierung der Detektions- und Verarbeitungsfehler entwickelt. Abschließend wird beschrieben, wie die fehlerreduzierenden Verfahren der oberen Fusionsebenen mit der optimalen Objektbeschreibung der unteren Fusionsebene für eine optimale Objektbestimmung zusammengeführt werden können. Die Effektivität der entwickelten Verfahren wurde durch Simulation oder in realen Messszenarien überprüft. / With the present thesis a contribution to the increase of the accuracy and reliability of a sensor-supported recognition and tracking of objects in a vehicle’s surroundings should be made. Based on a detection system, consisting of a stereo camera and a laser scanner, novel developed procedures are introduced for the whole processing chain of the sensor data. In addition, a new framework is introduced for the fusion of heterogeneous sensor data. By combining the data fusion results from the different processing levels the object detection can be improved. After a short description of the used sensor setup the developed procedures for the calibration and mutual orientation are introduced. With the segmentation of the spatial point data existing procedures are extended by the inclusion of measuring accuracy and specificity of the sensor. In the subsequent object tracking a new computation-optimized approach for the association of the related object hypotheses is presented. In addition, a model for a dynamic determination and tracking of an object reference point is described which exceeds the classical tracking of the object center in the track accuracy. By the introduced fusion framework it is possible to merge the sensor data at three different processing levels (point, object and track level). A sensor independent approach for the low fusion of point data is demonstrated which delivers the most precise object description in comparison to the other fusion levels and the single sensors. For the higher fusion levels new procedures were developed to discover and clean up the detection and processing mistakes benefiting from the competing sensor information. Finally it is described how the fusion results of the upper and lower levels can be brought together for an ideal object description. The effectiveness of the newly developed methods was checked either by simulation or in real measurement scenarios.

Bereits seit Längerem wird das terrestrische Laser Scanning zur Vermessung von über- und unterirdischen Bauwerken eingesetzt. Die Forderung nach einer detaillierten digitalen 3D-Dokumentation erfordert geeignete Methoden, die eine möglichst hohe geometrische Auflösung bei entsprechend effizienten Aufnahmeverfahren ermöglichen. Gerade die Bedingungen unter Tage stellen große Herausforderungen an die Aufnahme: Obwohl viele Scanpositionen aufgenommen werden müssen, spielt der Zeitaufwand für die Abwicklung des gesamten Scanprojekts eine große Rolle. Obwohl keine GNSS (Global Navigation Satellite System)-Messungen möglich sind, sind die Anforderungen an die Robustheit des „Workflows“ und an die Genauigkeit des Gesamtprojekts hoch. Auf der einen Seite sollen große und komplexe 3D-Daten möglichst lückenfrei und komplett aufgenommen, auf der anderen Seite sollen die Ergebnisse dann aber auch möglichst vielen Anwendern flüssig und intuitiv bedienbar zur Verfügung stehen. In vielen Details wurde gerade in den letzten Jahren der gesamte Aufnahme- und Auswerteprozess beschleunigt und verbessert: Die Laserscanner messen mit „Millimeter-Genauigkeit“, es können dutzende hochauflösende Scans pro Stunde aufgenommen werden, die Scanpositionen werden auch ohne GNSS-Information automatisch zueinander registriert und eine Ausgleichsrechnung kann abschließend einen Fehlerreport des gesamten Vermessungsprojektes liefern. Diese Arbeit soll sowohl den gesamten „Vermessungs-Workflow“ beschreiben, als auch eine neue Methode aufzeigen, ein Scanprojekt mehreren Institutionen gleichzeitig zugänglich zu machen. Alle Scans eines Projektes können speicheroptimiert im Intranet oder im Internet als ein sogenanntes „RiPANO“-Projekt gespeichert werden. Die Navigation zwischen einzelnen Scanpositionen erfolgt intuitiv, rasch und übersichtlich. Mehrere Benutzer können dann gleichzeitig darauf zugreifen und die Daten so vorbereiten, dass daraus CAD-(Bestands-)Pläne erstellt werden können. / For some time now, terrestrial laser scanning has been used for surveying above and below ground structures. The demand for detailed digital 3D documentation requires suitable methods that allow the highest possible geometric resolution with correspondingly efficient recording methods. The underground conditions in particular pose great challenges for the recording: although many scan positions have to be recorded, the time required to complete an entire scan project plays an important role. Although no GNSS (global navigation satellite system) measurements are possible, the demands on the robustness of the registration and the accuracy of the overall project are high. On the one hand, large and complex 3D data should be recorded as gap-free and complete as possible, on the other hand, the results should be made available to as many users as possible in a fluent and easy to use way.