< zurück

veröffentlicht: 25.06.2025

Bei der modernen Vermessung von Stromleitungskorridoren sind genau klassifizierte Punktwolken unerlässlich. Pointly hat in Zusammenarbeit mit SWECO ein Projekt zur Automatisierung der Analyse von Stromleitungskorridoren durchgeführt. Ziel des Projekts war die Entwicklung eines maßgeschneiderten Workflows zur Klassifizierung von 3D-Punktwolken, der auf dem vortrainierten KI-Modell für Airborne Laser Scans von Pointly basiert und speziell auf die Klassifizierungsanforderungen des Kunden angepasst und optimiert wurde.

Das Projekt erstreckte sich über einen Zeitraum von etwa drei Monaten und umfasste nicht nur die Entwicklung des KI-Modells, sondern auch die Verarbeitung eines entsprechenden Datensatzes mit fast 15 Milliarden Punkten. Der Schwerpunkt lag auf der präzisen automatisierten Klassifizierung von Objekten wie Stromleitungen, Sendemasten, Boden, Gebäuden und Vegetation (unterteilt in niedrig, mittel und hoch). Die Herausforderung bestand darin, diese Objekte innerhalb komplexer, großflächiger Punktwolken genau zu identifizieren und zu klassifizieren und dabei eine Klassifizierungsgenauigkeit von mindestens 95 % zu erreichen.

Pointly hat einen Klassifizierungs-Workflow entwickelt, der eine maßgeschneiderte Vorverarbeitung mit speziell optimierten Nachbearbeitungsschritten kombiniert. Eine wichtige Verbesserung in der Nachbearbeitungsphase waren automatisierte, regelbasierte Verfeinerungen für bestimmte Klassen. Insbesondere wurde ein spezieller Validierungs- und Korrektur-Workflow auf die Klassen „Übertragungsmasten“ und „Stromleitungen“ angewendet, um eine genaue Trennung zwischen den Leitungen und nahegelegenen Objekten zu gewährleisten.

Darüber hinaus wurden adaptive Bodenfilter eingesetzt, um die Klassifizierung von Bodenpunkten zu verbessern und Fehlalarme zu reduzieren. Weitere Genauigkeitsverbesserungen wurden erzielt, indem falsch klassifizierte Punkte an Gebäudefassaden und Dächern überprüft, die Erkennung von Gebäudestrukturen verbessert und fehlerhafte Klassifizierungen entfernt wurden.

Der endgültige Workflow erreichte eine Genauigkeit von über 95 Prozent in allen Klassen und bis zu 99 Prozent in kritischen Klassen wie Stromleitungen.

Die Verarbeitung des gesamten Datensatzes dauerte auf der skalierbaren Cloud-Infrastruktur von Pointly nur wenige Stunden.

Die Zusammenarbeit zwischen Pointly und SWECO zeigt, wie KI-gestützte Arbeitsabläufe sowohl die Qualität als auch die Effizienz der Punktwolkenverarbeitung erheblich verbessern können. Die entwickelte Klassifizierungspipeline umfasst eine benutzerdefinierte Vorverarbeitung, eine regelbasierte Nachverarbeitung und eine adaptive Filterung, die speziell auf die Herausforderungen der Kartierung von Stromleitungskorridoren zugeschnitten sind.

Der endgültige Workflow erreichte eine Genauigkeit von über 95 Prozent für alle Klassen und bis zu 99 Prozent für die kritischsten Klassen. Die Verarbeitungszeit wurde mithilfe der skalierbaren Cloud-Plattform von Pointly auf nur wenige Stunden reduziert. Mit dieser optimierten Lösung ist SWECO nun in der Lage, ähnliche zukünftige Projekte schneller, zuverlässiger und kostengünstiger zu bearbeiten.

Pointly – Point out what matters.