{"id":2733,"date":"2026-03-30T16:45:33","date_gmt":"2026-03-30T14:45:33","guid":{"rendered":"https:\/\/g7itchme.wordpress.com\/?p=2733"},"modified":"2026-03-30T16:45:33","modified_gmt":"2026-03-30T14:45:33","slug":"mit-tof-sensoren-zum-digitalen-zwilling-prazise-raumaufmase-und-grundrisse-in-echtzeit","status":"publish","type":"post","link":"https:\/\/technodidact.de\/en\/mit-tof-sensoren-zum-digitalen-zwilling-prazise-raumaufmase-und-grundrisse-in-echtzeit\/","title":{"rendered":"Mit ToF-Sensoren zum digitalen Zwilling: Pr\u00e4zise Raumaufma\u00dfe und Grundrisse in Echtzeit"},"content":{"rendered":"

Von DerSchneider<\/strong><\/p>\n\n\n\n

Stellen Sie sich vor, Sie betreten einen Raum, halten ein handels\u00fcbliches Tablet in die H\u00f6he \u2013 und nach wenigen Sekunden erscheint auf dem Bildschirm ein millimetergenauer Grundriss mit allen Abmessungen, Fenster- und T\u00fcrpositionen sowie der exakten Quadratmeterzahl. Was noch vor wenigen Jahren nur mit aufwendigen Laservermessungen oder dem m\u00fchsamen Abl\u00e4ngen per Zollstock m\u00f6glich war, wird heute durch die Time-of-Flight (ToF)-Technologie<\/strong> Realit\u00e4t. Die digitale Raumerfassung erlebt einen grundlegenden Wandel \u2013 von der statischen Einzelmessung hin zur dynamischen 3D-Vermessung in Echtzeit. Dieser Artikel beleuchtet, wie ToF-Sensoren die Bestandsaufnahme revolutionieren, welche technologischen Grundlagen dahinterstecken und wie durch den Einsatz mehrerer Sensoren eine mm-genaue Raumdokumentation m\u00f6glich wird.<\/p>\n\n\n\n

\n\n\n\n

1. Das Prinzip: Wie ToF-Sensoren R\u00e4ume digital erfassen<\/h2>\n\n\n\n

Die Kernidee der ToF-basierten Raumerfassung ist ebenso einfach wie elegant: Ein Sensor sendet unsichtbare Lichtimpulse aus und misst die Zeit, bis diese von W\u00e4nden, B\u00f6den und Einrichtungsgegenst\u00e4nden reflektiert zur\u00fcckkehren. Aus der Laufzeit \u2206t und der bekannten Lichtgeschwindigkeit c berechnet das System die Entfernung nach der Formel d = (c \u00d7 \u2206t) \/ 2<\/strong> <\/a><\/a>.<\/p>\n\n\n\n

Doch ein einzelner Entfernungsmesswert reicht f\u00fcr einen vollst\u00e4ndigen Raumgrundriss nicht aus. Moderne ToF-Kameras verf\u00fcgen \u00fcber eine Matrix aus mehreren tausend Pixeln<\/strong> \u2013 jedes Pixel misst eigenst\u00e4ndig die Distanz zu dem Punkt, auf den es gerade ausgerichtet ist <\/a>. Das Ergebnis ist eine sogenannte 3D-Punktwolke<\/strong>: ein Satz von Raumkoordinaten (x, y, z) in einem kartesischen Koordinatensystem, der die reflektierenden Oberfl\u00e4chen der Umgebung millimetergenau abbildet <\/a>.<\/p>\n\n\n\n

Die Besonderheit:<\/strong> ToF-Sensoren arbeiten mit Infrarotlicht (typischerweise 850 nm oder 940 nm), das f\u00fcr das menschliche Auge unsichtbar ist und von der Umgebungshelligkeit weitgehend unabh\u00e4ngig funktioniert <\/a><\/a>. Sie liefern daher auch bei Dunkelheit oder wechselnden Lichtverh\u00e4ltnissen zuverl\u00e4ssige Ergebnisse \u2013 ein entscheidender Vorteil gegen\u00fcber kamerabasierten Systemen.<\/p>\n\n\n\n

\n\n\n\n

2. Von der Punktwolke zum Grundriss: Die Datenverarbeitung<\/h2>\n\n\n\n

Die rohe Punktwolke ist zun\u00e4chst nur eine Ansammlung von Koordinaten. Erst durch intelligente Algorithmen entsteht daraus ein nutzbarer Grundriss mit allen relevanten Informationen.<\/p>\n\n\n\n

2.1 Koordinatentransformation: Vom Sensor zum Raum<\/h3>\n\n\n\n

Die vom Sensor gelieferten Rohdaten liegen im sensor eigenen Koordinatensystem<\/strong> vor \u2013 die Position jedes Punktes ist relativ zur Sensoreinheit definiert. Um daraus einen realen Grundriss zu erstellen, m\u00fcssen diese Koordinaten in ein Weltkoordinatensystem<\/strong> \u00fcberf\u00fchrt werden <\/a>.<\/p>\n\n\n\n

Dies geschieht durch eine sogenannte Transformation Matrix<\/strong>, die den Sensorort und seine Ausrichtung im Raum ber\u00fccksichtigt. Moderne Systeme nutzen daf\u00fcr h\u00e4ufig Quaternionen-Algebra, um die r\u00e4umliche Orientierung des Sensors pr\u00e4zise zu erfassen und in die Berechnung einzubeziehen <\/a>. Bei mobilen Erfassungssystemen \u2013 etwa einem Tablet, das durch den Raum gef\u00fchrt wird \u2013 werden diese Transformationsdaten kontinuierlich aktualisiert, sodass die Einzelmessungen zu einem Gesamtmodell zusammengef\u00fcgt werden k\u00f6nnen.<\/p>\n\n\n\n

2.2 Erkennung von W\u00e4nden, B\u00f6den und \u00d6ffnungen<\/h3>\n\n\n\n

Aus der transformierten Punktwolke extrahieren Algorithmen die relevanten Strukturelemente:<\/p>\n\n\n\n

Element<\/th>Erkennungsmethode<\/th>Ergebnis<\/th><\/tr><\/thead>
W\u00e4nde<\/strong><\/td>Suche nach ebenen Fl\u00e4chen mit konstantem Abstand<\/td>Wandpositionen, L\u00e4ngen, Ausrichtung<\/td><\/tr>
Boden\/Decke<\/strong><\/td>Erkennung der horizontalen Grundebenen<\/td>Raumh\u00f6he, Grundfl\u00e4che<\/td><\/tr>
Fenster\/T\u00fcren<\/strong><\/td>Identifikation von Aussparungen in Wandfl\u00e4chen<\/td>Position, Breite, H\u00f6he<\/td><\/tr>
Ecken<\/strong><\/td>Schnittpunkte von Wandfl\u00e4chen<\/td>Raumgeometrie, rechte Winkel<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Die Herausforderung liegt in der Unterscheidung zwischen permanenten Strukturen (W\u00e4nden) und tempor\u00e4ren Objekten (M\u00f6beln). Fortschrittliche Systeme nutzen Multi-Frame-Analysen<\/strong> \u2013 durch den Vergleich mehrerer aufeinanderfolgender Scans k\u00f6nnen bewegliche Elemente herausgefiltert werden <\/a>.<\/p>\n\n\n\n

2.3 Fl\u00e4chenberechnung und Ma\u00dfstabsgetreue<\/h3>\n\n\n\n

Aus den erkannten Wandfl\u00e4chen und Raumkonturen wird die Grundfl\u00e4che<\/strong> berechnet. Bei rechteckigen R\u00e4umen ergibt sich diese aus L\u00e4nge \u00d7 Breite; bei komplexeren Geometrien wird die Fl\u00e4che durch Zerlegung in Teilfl\u00e4chen oder durch numerische Integration der Raumkontur bestimmt.<\/p>\n\n\n\n

Die Genauigkeit dieser Berechnung h\u00e4ngt unmittelbar von der Qualit\u00e4t der Punktwolke ab. Industrielle ToF-Systeme erreichen dabei Messungenauigkeiten im einstelligen Millimeterbereich<\/strong> <\/a>. F\u00fcr die meisten Anwendungen \u2013 von der Geb\u00e4udeplanung bis zur M\u00f6belkonfiguration \u2013 ist dies v\u00f6llig ausreichend.<\/p>\n\n\n\n

\n\n\n\n

3. Mehrere Sensoren im Einsatz: Vom Einzelblick zur Rundumsicht<\/h2>\n\n\n\n

Ein einzelner ToF-Sensor hat eine begrenzte Sichtfeld<\/strong> \u2013 typischerweise zwischen 60\u00b0 und 120\u00b0 diagonal <\/a>. F\u00fcr die vollst\u00e4ndige Erfassung eines Raumes reicht dies nicht aus. Hier kommen verschiedene Strategien zum Einsatz:<\/p>\n\n\n\n

3.1 Der bewegte Sensor: SLAM-basierte Erfassung<\/h3>\n\n\n\n

Die einfachste und zugleich eleganteste L\u00f6sung: Der Sensor wird von Hand durch den Raum bewegt, w\u00e4hrend ein SLAM-Algorithmus (Simultaneous Localization and Mapping)<\/strong> die eigene Position bestimmt und gleichzeitig die Umgebungskarte aufbaut.<\/p>\n\n\n\n

Dieses Verfahren wird in kommerziellen L\u00f6sungen wie der Metaroom Scan App<\/strong> eingesetzt. Mit einem handels\u00fcblichen Apple Pro-Mobilger\u00e4t (das \u00fcber einen LiDAR-Scanner verf\u00fcgt) k\u00f6nnen Nutzer R\u00e4ume, Etagen oder ganze Geb\u00e4ude in wenigen Minuten erfassen <\/a>. Die App erzeugt automatisch ma\u00dfstabsgetreue 2D-Grundrisse und CAD-f\u00e4hige 3D-Modelle, die im offenen IFC-Format (Industry Foundation Classes)<\/strong> exportiert werden k\u00f6nnen <\/a>.<\/p>\n\n\n\n

3.2 Mehrere station\u00e4re Sensoren<\/h3>\n\n\n\n

F\u00fcr Anwendungen, die eine permanente Raum\u00fcberwachung<\/strong> erfordern \u2013 etwa in der Geb\u00e4udeautomation oder in intelligenten Produktionsst\u00e4tten \u2013 werden mehrere station\u00e4re ToF-Sensoren im Raum verteilt. Jeder Sensor deckt einen Teilbereich ab; die Daten werden zu einem Gesamtmodell fusioniert.<\/p>\n\n\n\n

Die technische Herausforderung liegt in der Kalibrierung<\/strong>: Die Koordinatensysteme aller Sensoren m\u00fcssen pr\u00e4zise aufeinander abgestimmt sein. Dies erfolgt in der Regel \u00fcber Referenzpunkte im Raum, die von mehreren Sensoren gleichzeitig erfasst werden k\u00f6nnen.<\/p>\n\n\n\n

3.3 Der mobile Tr\u00e4ger: Vermessung aus der Bewegung<\/h3>\n\n\n\n

Eine dritte Variante ist die Integration von ToF-Sensoren in mobile Plattformen<\/strong> \u2013 etwa fahrerlose Transportsysteme (AGVs) oder sogar Bagger <\/a>. Die nat\u00fcrliche Bewegung des Fahrzeugs wird genutzt, um aus verschiedenen Perspektiven eine vollst\u00e4ndige 3D-Visualisierung des Arbeitsbereichs zu erstellen.<\/p>\n\n\n\n

Die finnische Forschungsgruppe um Ilpo Niskanen demonstrierte 2023, dass ein auf einem Bagger montierter 2D-Profilometer (eine spezielle Form der ToF-Sensorik) nahezu die gleiche 3D-Genauigkeit erreicht wie ein hochwertiger kommerzieller 3D-Scanner \u2013 bei deutlich geringeren Kosten und der M\u00f6glichkeit, auch schwer zug\u00e4ngliche Bereiche zu erfassen <\/a>.<\/p>\n\n\n\n

\n\n\n\n

4. Praktische Umsetzung: Werkzeuge und Workflows<\/h2>\n\n\n\n

Die ToF-basierte Raumerfassung hat den Nischenstatus l\u00e4ngst verlassen und ist in Form zahlreicher Produkte und L\u00f6sungen verf\u00fcgbar.<\/p>\n\n\n\n

4.1 Hardware-Plattformen<\/h3>\n\n\n\n
Ger\u00e4teklasse<\/th>Beispiele<\/th>ToF-Technologie<\/th>Typische Reichweite<\/th>Genauigkeit<\/th><\/tr><\/thead>
Smartphones\/Tablets<\/strong><\/td>Apple iPad Pro, iPhone 12 Pro\/13 Pro\/14 Pro<\/td>dToF-LiDAR-Scanner<\/td>bis 5 m <\/a><\/td>mm-Bereich <\/a><\/td><\/tr>
Industrielle ToF-Kameras<\/strong><\/td>Pepperl+Fuchs SmartRunner, ifm O3D<\/td>iToF- oder dToF-Sensoren<\/td>bis 10 m<\/td>mm-genau <\/a><\/td><\/tr>
Dedizierte Scanner<\/strong><\/td>Metaroom-kompatible Ger\u00e4te<\/td>Apple LiDAR oder OEM-Sensoren<\/td>variabel<\/td>hochpr\u00e4zise<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Besonderheit Apple LiDAR:<\/strong> Seit dem iPad Pro und iPhone 12 Pro verbaut Apple einen dToF-LiDAR-Scanner, der laut Hersteller Abst\u00e4nde bis zu 5 Metern millimetergenau messen kann <\/a>. Dies ist ein entscheidender Schritt zur Demokratisierung der 3D-Raumerfassung \u2013 ein Ger\u00e4t, das Millionen Menschen bereits in der Tasche haben, wird zum professionellen Vermessungswerkzeug.<\/p>\n\n\n\n

4.2 Software-Workflow: Von der Aufnahme zum Grundriss<\/h3>\n\n\n\n

Ein typischer Workflow f\u00fcr die ToF-basierte Bestandsaufnahme umfasst mehrere Schritte:<\/p>\n\n\n\n

    \n
  1. Aufnahme<\/strong>: Der Nutzer f\u00fchrt das ToF-f\u00e4hige Ger\u00e4t systematisch durch den Raum. Moderne Apps geben visuelle R\u00fcckmeldung, welche Bereiche bereits erfasst wurden.<\/li>\n\n\n\n
  2. Punktwolken-Generierung<\/strong>: Die Software berechnet aus den ToF-Messungen und den Bewegungssensordaten eine zusammenh\u00e4ngende 3D-Punktwolke.<\/li>\n\n\n\n
  3. Segmentierung<\/strong>: Algorithmen identifizieren W\u00e4nde, Boden, Decke, Fenster und T\u00fcren. Tempor\u00e4re Objekte k\u00f6nnen optional ausgeblendet werden.<\/li>\n\n\n\n
  4. Geometrisierung<\/strong>: Aus den segmentierten Fl\u00e4chen werden Fl\u00e4chen, Kanten und Ecken berechnet.<\/li>\n\n\n\n
  5. Grundriss-Extraktion<\/strong>: Die horizontale Projektion der W\u00e4nde ergibt den 2D-Grundriss mit allen Abmessungen.<\/li>\n\n\n\n
  6. Fl\u00e4chenberechnung<\/strong>: Die Software berechnet automatisch die Quadratmeterzahl \u2013 bei komplexen Grundrissen durch Zerlegung in Teilfl\u00e4chen oder polygonale Fl\u00e4chenberechnung.<\/li>\n\n\n\n
  7. Export<\/strong>: Die Ergebnisse werden in g\u00e4ngigen Formaten bereitgestellt \u2013 als CAD-Datei, IFC-Modell (f\u00fcr BIM-Anwendungen), Bilddatei oder Tabellendokument mit Ma\u00dfangaben\u00a0<\/a>.<\/li>\n<\/ol>\n\n\n\n

    4.3 Anwendungsbeispiel: Integration mit TGA-Planung<\/h3>\n\n\n\n

    Ein besonders praxisnahes Beispiel ist die Schnittstelle zwischen der Metaroom Scan App<\/strong> und der TGA-Planungssoftware DDScad<\/strong> <\/a>. Hier wird die ToF-basierte Raumerfassung direkt in den professionellen Planungsprozess integriert:<\/p>\n\n\n\n