Wie wird aus ein paar hundert Fotos ein maßstabsgetreues 3D-Modell? Wer sich mit Drohnenvermessung, BIM-Bestandsdokumentation oder 3D-Scans von Gebäuden beschäftigt, stößt zwangsläufig auf den Begriff Photogrammetrie. Viele kennen das Ergebnis – Orthofoto, Punktwolke, 3D-Modell –, aber die Rechenschritte dazwischen bleiben oft eine Blackbox.
Dieser Beitrag erklärt Schritt für Schritt, wie aus einzelnen Kamerabildern über Merkmalserkennung, Bündelblockausgleichung und dichte Punktwolke ein vermessungsgenaues 3D-Modell entsteht – inklusive der Parameter, die über Genauigkeit und Detailgrad entscheiden.
Photogrammetrie im Überblick: Die Kernidee
Photogrammetrie berechnet dreidimensionale Geometrie aus zweidimensionalen Bildern. Grundlage ist ein einfaches Prinzip: Wird derselbe Punkt eines Objekts aus mehreren, leicht versetzten Kamerapositionen fotografiert, lässt sich seine Position im Raum durch Triangulation rekonstruieren – ähnlich wie beim menschlichen räumlichen Sehen mit zwei Augen. Dazu wird ein Objekt von allen Seiten aus unterschiedlichen Perspektiven fotografiert, sodass sich die Bilder gegenseitig überlappen, href="/vermessung.php">Dazu wird ein Objekt von allen Seiten aus unterschiedlichen Perspektiven fotografiert, sodass sich die Bilder gegenseitig überlappen.
Das heute dominierende Verfahren dafür heißt Structure from Motion (SfM): Structure from Motion (SfM) ist ein Begriff aus dem Bereich Computer Vision und bezeichnet einen automatischen Prozess, der die räumliche Struktur von Objekten aufgrund korrespondierender Merkmale in Bildern erkennt; in der Photogrammetrie wird die Vorgehensweise als Mehrbild-Photogrammetrie bezeichnet. Für Ihr Projekt bedeutet das: Eine Handelskamera oder eine Drohne genügt als Aufnahmegerät – spezielle Scan-Hardware ist für viele Anwendungen nicht zwingend nötig, denn zur 3D-Erfassung wird lediglich eine Digitalkamera benötigt, weshalb das SfM-Verfahren im Gegensatz zum Laserscanning gerätetechnisch weniger aufwendig ist.
Schritt 1: Die Aufnahme – worauf es bei den Fotos ankommt
Die Qualität des späteren 3D-Modells wird bereits beim Fotografieren entschieden. Zwei Parameter sind entscheidend: die Überlappung zwischen benachbarten Bildern und die Bodenauflösung, englisch Ground Sampling Distance (GSD) – also wie viele Zentimeter ein einzelnes Pixel auf dem Boden abdeckt. Bei Drohnenbefliegungen hat sich eine systematische Befliegung des Gebiets in parallelen Bahnen mit 70–80 % Überlappung als Standard etabliert.
Die Bodenauflösung wiederum hängt direkt von der Flughöhe ab: Die Bodenauflösung wird von der Flughöhe und der verwendeten Kamera beeinflusst; dieselbe Kamera bei geringerer Flughöhe bedeutet eine niedrigere Bodenauflösung und detailliertere Ergebnisse. Praktisch heißt das: Wer feine Details wie Risse in einer Fassade dokumentieren möchte, fliegt niedriger und nimmt einen höheren Zeitaufwand in Kauf; für große Flächenübersichten reicht eine gröbere Auflösung.
Schritt 2: Merkmalserkennung und Bildzuordnung
Nach dem Import der Bilder in eine Photogrammetrie-Software beginnt die automatisierte Auswertung. Zunächst identifiziert der Algorithmus markante, wiedererkennbare Bildpunkte – sogenannte Merkmale oder Keypoints, etwa Kanten, Ecken oder kontrastreiche Texturen. Der wichtigste Schritt in der Photogrammetrie ist das Erkennen von Merkmalen in den Bildern; diese können Ecken, Kanten oder besondere Texturen sein, und die Software gleicht sie untereinander ab und berechnet so eine erste spärliche Punktwolke, in der die groben Umrisse des Objekts festgehalten werden.
Diese wiedererkannten Punkte, sogenannte Verknüpfungspunkte oder Tie Points, tauchen in mehreren Bildern auf und bilden die Brücke zwischen den Einzelaufnahmen. Häufig kommt dafür der SIFT-Algorithmus (Scale-Invariant Feature Transform) zum Einsatz, der Merkmale unabhängig von Bildgröße und Blickwinkel zuverlässig wiedererkennt.
Schritt 3: Bündelblockausgleichung – das Herzstück der Berechnung
Aus den Tie Points lässt sich rekonstruieren, wo genau sich die Kamera bei jeder Aufnahme befunden hat und in welche Richtung sie zeigte. Dieser Rechenschritt heißt Bündelblockausgleichung (englisch Bundle Adjustment) und gilt als das zentrale Verfahren der Photogrammetrie: Als Ergebnis der Ausgleichungsberechnung erhält man gleichzeitig die unbekannten Orientierungselemente sämtlicher Bilder und zusätzlich die bisher unbekannten Objektkoordinaten aller Verknüpfungspunkte; je mehr dieser Punkte in möglichst vielen unterschiedlichen Bildern eingehen, desto genauer wird die anschließende Ausgleichungsberechnung.
Dabei werden zwei Arten von Kameraparametern bestimmt: die innere Orientierung (Brennweite, Bildhauptpunkt, Objektivverzeichnung – also die Eigenschaften der Kamera selbst) und die äußere Orientierung (Position und Blickrichtung der Kamera im Raum bei jeder Aufnahme). Bei der Bündelblockausgleichung können gleichzeitig die Positionen der Punkte im 3D-Raum, die Positionen und Orientierungen der beobachtenden Kameras sowie deren interne Kalibrierparameter derart an die Messbilder angepasst werden, dass verbleibende Fehler möglichst optimal auf alle Beobachtungen verteilt werden. Weil es deutlich mehr Bildmessungen als Unbekannte gibt, wird das System nach der Methode der kleinsten Quadrate ausgeglichen – daher der Name „Ausgleichung“.
Schritt 4: Von der spärlichen zur dichten Punktwolke
Das Ergebnis der Bündelblockausgleichung ist zunächst eine spärliche Punktwolke – eine grobe 3D-Skizze mit einigen tausend Punkten. Für ein detailliertes Modell braucht es deutlich mehr: Anschließend erfolgt die Erstellung einer dichten Punktwolke, die aus Millionen von Punkten bestehen kann und eine sehr detaillierte Nachbildung des realen Objekts liefert. Dieser Prozess, Dense Image Matching oder Multi-View Stereo genannt, vergleicht nun nicht mehr nur markante Einzelpunkte, sondern nahezu jedes Pixel benachbarter Bilder und berechnet daraus zusätzliche Tiefeninformationen.
Wie umfangreich das werden kann, zeigt ein reales Beispiel aus der Praxis:
Bei der photogrammetrischen Befliegung einer 20 Hektar großen, renaturierten Kiesgrube wurden mehrere hundert Luftaufnahmen erstellt. Die daraus berechnete dichte Punktwolke bestand aus 227 Millionen einzelnen Messpunkten – georeferenziert über zuvor eingemessene Passpunkte, um eine belastbare Lagegenauigkeit zu erreichen.
Diese Rechenschritte sind hardwareintensiv: Die Verarbeitungszeit variiert je nach Datensatzgröße und Computerspezifikationen; ein typisches Projekt mit 500 Bildern benötigt auf einer modernen Workstation 4 bis 8 Stunden. Für Ihr Projekt bedeutet das: Rechnen Sie bei größeren Datensätzen mit ein bis zwei Arbeitstagen zwischen Befliegung und fertigem Modell.
Schritt 5: Vom Mesh zum texturierten 3D-Modell
Aus der dichten Punktwolke entsteht im nächsten Schritt eine zusammenhängende Oberfläche, das sogenannte Mesh – ein Netz aus Dreiecken, das die Punktwolke zu einer geschlossenen 3D-Geometrie verbindet. Mittels Surface Reconstruction wird eine Punktwolke zu einem Mesh verdichtet; ein Mesh definiert die dreidimensionale Struktur eines Modells und besteht aus den untereinander verbundenen Punkten. Anschließend wird das Mesh texturiert: Die Originalfotos werden passgenau auf die Dreiecksflächen projiziert, wodurch ein fotorealistisches, farbiges 3D-Modell entsteht.
Aus demselben Datensatz lassen sich parallel weitere Produkte ableiten, die je nach Anwendung gefragt sind:
- Orthofoto – maßstabsgetreues, senkrecht entzerrtes Luftbild ohne perspektivische Verzerrung
- Digitales Geländemodell (DGM) – reine Höheninformation der Erdoberfläche ohne Bewuchs und Bebauung
- Digitales Oberflächenmodell (DOM/DSM) – Höhenmodell inklusive Vegetation und Gebäuden
- Volumenberechnung – automatisierte Massenermittlung, etwa für Erdarbeiten oder Materiallager
Genauigkeit: Wovon hängt die Präzision wirklich ab?
Bei der Bewertung photogrammetrischer Ergebnisse unterscheidet man relative und absolute Genauigkeit. Die relative Genauigkeit beschreibt, wie genau das Ergebnis in sich ist – man spricht dabei auch von Punktgenauigkeit oder davon, wie genau eine Messstrecke innerhalb der Punktwolke bestimmt werden kann. Die absolute Genauigkeit hingegen bezieht sich auf ein reales Koordinatensystem: Sie beschreibt, wie genau das Ergebnis bezogen auf ein Koordinatensystem ist, und hängt bei der Photogrammetrie in erster Linie von der Qualität der verwendeten Passpunkte ab.
Ohne Bodenkontrollpunkte (Ground Control Points, GCPs) und ohne RTK-Positionierung (Real Time Kinematic, ein satellitengestütztes Verfahren zur zentimetergenauen Positionsbestimmung in Echtzeit) driftet ein photogrammetrisches Modell in der absoluten Lage leicht ab, auch wenn es in sich stimmig aussieht. Mit Passpunkten lassen sich Ergebnisse erzielen, bei denen die Ergebnisse bei 1–3 cm horizontal und 3–5 cm vertikal liegen – und damit höchste Ansprüche erfüllen.
| Kriterium | Photogrammetrie (Foto-basiert) | LiDAR (Laserscanning) |
|---|---|---|
| Datengrundlage | Überlappende Fotos, RGB-Textur inklusive | Laserpulse, keine Farbinformation ohne Zusatzkamera |
| Vegetation | Erfasst nur sichtbare Oberflächen | Durchdringt lockere Vegetation teilweise |
| Typische Genauigkeit | 1–3 cm horizontal, 3–5 cm vertikal mit GCPs | 1–5 cm horizontal, 1–3 cm vertikal |
| Verarbeitungsdauer | Rechenintensiv, oft mehrere Stunden | Deutlich schneller kalibrierbar |
Die Werte zu LiDAR stammen aus Genauigkeiten von ein bis fünf Zentimetern horizontal und ein bis drei Zentimetern vertikal sowie der Beobachtung, dass die Datenverarbeitung bei LiDAR sehr schnell erfolgt, während bei der Photogrammetrie speziell große Flächen eine enorm große Datenmenge verursachen und die Verarbeitung der Bilder zehnmal länger dauern kann als die Erhebung.
Wann stößt Photogrammetrie an ihre Grenzen?
So leistungsfähig das Verfahren ist – es gibt Situationen, in denen andere Erfassungsmethoden besser geeignet sind. Photogrammetrie benötigt gut sichtbare, texturierte und ausreichend beleuchtete Oberflächen. Bei dichter Vegetation, stark reflektierenden oder spiegelnden Flächen sowie bei Dunkelheit stößt das Verfahren an Grenzen, weil die Software keine eindeutigen Merkmale mehr zuordnen kann. Hier gilt: LiDAR ist bei Waldgebieten und Geländemodellen unter dichter Vegetation im Vorteil, weil eine Kamera nur die Baumkrone sieht, während LiDAR auch den Boden darunter erfasst.
Auch für hochpräzise Einzelpunktmessungen, etwa Grenzpunkte oder Absteckungen im Millimeterbereich, bleibt die klassische terrestrische Vermessung mit Tachymeter oder GNSS-Rover die richtige Wahl. In der Praxis werden Verfahren daher häufig kombiniert, statt gegeneinander ausgespielt.
Entscheidungshilfe: Wann lohnt sich Photogrammetrie für Ihr Projekt?
- Wenn Sie ein fotorealistisches, texturiertes 3D-Modell benötigen (z. B. für Bestandsdokumentation, BIM oder Kulturerbe-Digitalisierung) – dann ist Photogrammetrie die richtige Wahl.
- Wenn Sie große, offene Flächen mit klaren Oberflächen vermessen möchten (Baustellen, Steinbrüche, Dächer) – dann liefert Photogrammetrie schnelle und wirtschaftliche Ergebnisse.
- Wenn Ihr Projektgebiet dicht bewaldet ist oder Sie ein reines Geländemodell unter Vegetation brauchen – dann sollten Sie LiDAR in Betracht ziehen oder mit Photogrammetrie kombinieren.
- Wenn Sie millimetergenaue Einzelpunkte für Absteckungen benötigen – dann bleibt klassische terrestrische Vermessung ergänzend notwendig.
Photogrammetrie-Projekte in Kassel, Nordhessen und bundesweit
AerIQ Aerial Intelligence hat seinen Sitz in Kassel und ist dadurch in ganz Nordhessen kurzfristig vor Ort einsatzbereit – etwa für Bauüberwachung, Bestandsaufnahmen oder Bestandsdigitalisierung von Baudenkmälern in der Region. Gleichzeitig werden photogrammetrische Projekte bundesweit umgesetzt: Die Auswertung erfolgt digital, sodass Entfernung zum Projektstandort selten den limitierenden Faktor darstellt. Details zu den einzelnen Leistungen rund um Vermessung und Inspektion finden Sie auf der Leistungsseite sowie speziell zur Drohnenvermessung.
Häufig gestellte Fragen zu Photogrammetrie
Wie genau ist ein photogrammetrisches 3D-Modell?
Mit Bodenkontrollpunkten und RTK-Positionierung erreichen photogrammetrische Modelle typischerweise 1 bis 3 cm horizontale und 3 bis 5 cm vertikale Genauigkeit. Ohne Passpunkte ist die relative Genauigkeit innerhalb des Modells oft sehr gut, die absolute Lage im Koordinatensystem kann jedoch abweichen.
Was ist der Unterschied zwischen Punktwolke und 3D-Modell?
Eine Punktwolke besteht aus einzelnen, unverbundenen Messpunkten mit X-, Y-, Z-Koordinaten und oft Farbwerten. Ein 3D-Modell (Mesh) entsteht erst, wenn diese Punkte zu einem zusammenhängenden Flächennetz verbunden und anschließend mit den Originalfotos texturiert werden.
Wie viele Fotos braucht man für ein photogrammetrisches Modell?
Das hängt von Objektgröße und gewünschter Detailtiefe ab: Für ein kleines Objekt reichen oft 50 bis 100 Fotos, für die Befliegung einer Baustelle von mehreren Hektar werden schnell mehrere hundert bis tausend Aufnahmen benötigt. Entscheidend ist dabei durchgehend eine Überlappung von 70 bis 80 Prozent zwischen benachbarten Bildern.
Kann Photogrammetrie klassische Vermessung ersetzen?
Teilweise: Für flächige Erfassung, Volumenberechnung und Bestandsdokumentation ist Photogrammetrie oft schneller und kostengünstiger. Für hochpräzise Einzelpunkte wie Grenzmarkierungen oder Achsabsteckungen bleibt die klassische terrestrische Vermessung jedoch das genauere Verfahren.
Welche Software wird für Photogrammetrie eingesetzt?
Verbreitete kommerzielle Lösungen sind Agisoft Metashape, Pix4D und RealityCapture, daneben existieren mit Meshroom, COLMAP oder MicMac auch leistungsfähige Open-Source-Alternativen. Alle folgen demselben Grundprinzip aus Merkmalserkennung, Bündelblockausgleichung, dichter Punktwolkenberechnung und Mesh-Erzeugung.
