Mit ToF-Sensoren zum digitalen Zwilling: Präzise Raumaufmaße und Grundrisse in Echtzeit

Von DerSchneider

Stellen Sie sich vor, Sie betreten einen Raum, halten ein handelsübliches Tablet in die Höhe – und nach wenigen Sekunden erscheint auf dem Bildschirm ein millimetergenauer Grundriss mit allen Abmessungen, Fenster- und Türpositionen sowie der exakten Quadratmeterzahl. Was noch vor wenigen Jahren nur mit aufwendigen Laservermessungen oder dem mühsamen Ablängen per Zollstock möglich war, wird heute durch die Time-of-Flight (ToF)-Technologie Realität. Die digitale Raumerfassung erlebt einen grundlegenden Wandel – 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 möglich wird.

1. Das Prinzip: Wie ToF-Sensoren Räume digital erfassen

Die Kernidee der ToF-basierten Raumerfassung ist ebenso einfach wie elegant: Ein Sensor sendet unsichtbare Lichtimpulse aus und misst die Zeit, bis diese von Wänden, Böden und Einrichtungsgegenständen reflektiert zurückkehren. Aus der Laufzeit ∆t und der bekannten Lichtgeschwindigkeit c berechnet das System die Entfernung nach der Formel d = (c × ∆t) / 2 .

Doch ein einzelner Entfernungsmesswert reicht für einen vollständigen Raumgrundriss nicht aus. Moderne ToF-Kameras verfügen über eine Matrix aus mehreren tausend Pixeln – jedes Pixel misst eigenständig die Distanz zu dem Punkt, auf den es gerade ausgerichtet ist . Das Ergebnis ist eine sogenannte 3D-Punktwolke: ein Satz von Raumkoordinaten (x, y, z) in einem kartesischen Koordinatensystem, der die reflektierenden Oberflächen der Umgebung millimetergenau abbildet .

Die Besonderheit: ToF-Sensoren arbeiten mit Infrarotlicht (typischerweise 850 nm oder 940 nm), das für das menschliche Auge unsichtbar ist und von der Umgebungshelligkeit weitgehend unabhängig funktioniert . Sie liefern daher auch bei Dunkelheit oder wechselnden Lichtverhältnissen zuverlässige Ergebnisse – ein entscheidender Vorteil gegenüber kamerabasierten Systemen.

2. Von der Punktwolke zum Grundriss: Die Datenverarbeitung

Die rohe Punktwolke ist zunächst nur eine Ansammlung von Koordinaten. Erst durch intelligente Algorithmen entsteht daraus ein nutzbarer Grundriss mit allen relevanten Informationen.

2.1 Koordinatentransformation: Vom Sensor zum Raum

Die vom Sensor gelieferten Rohdaten liegen im sensor eigenen Koordinatensystem vor – die Position jedes Punktes ist relativ zur Sensoreinheit definiert. Um daraus einen realen Grundriss zu erstellen, müssen diese Koordinaten in ein Weltkoordinatensystem überführt werden .

Dies geschieht durch eine sogenannte Transformation Matrix, die den Sensorort und seine Ausrichtung im Raum berücksichtigt. Moderne Systeme nutzen dafür häufig Quaternionen-Algebra, um die räumliche Orientierung des Sensors präzise zu erfassen und in die Berechnung einzubeziehen . Bei mobilen Erfassungssystemen – etwa einem Tablet, das durch den Raum geführt wird – werden diese Transformationsdaten kontinuierlich aktualisiert, sodass die Einzelmessungen zu einem Gesamtmodell zusammengefügt werden können.

2.2 Erkennung von Wänden, Böden und Öffnungen

Aus der transformierten Punktwolke extrahieren Algorithmen die relevanten Strukturelemente:

Die Herausforderung liegt in der Unterscheidung zwischen permanenten Strukturen (Wänden) und temporären Objekten (Möbeln). Fortschrittliche Systeme nutzen Multi-Frame-Analysen – durch den Vergleich mehrerer aufeinanderfolgender Scans können bewegliche Elemente herausgefiltert werden .

2.3 Flächenberechnung und Maßstabsgetreue

Aus den erkannten Wandflächen und Raumkonturen wird die Grundfläche berechnet. Bei rechteckigen Räumen ergibt sich diese aus Länge × Breite; bei komplexeren Geometrien wird die Fläche durch Zerlegung in Teilflächen oder durch numerische Integration der Raumkontur bestimmt.

Die Genauigkeit dieser Berechnung hängt unmittelbar von der Qualität der Punktwolke ab. Industrielle ToF-Systeme erreichen dabei Messungenauigkeiten im einstelligen Millimeterbereich . Für die meisten Anwendungen – von der Gebäudeplanung bis zur Möbelkonfiguration – ist dies völlig ausreichend.

3. Mehrere Sensoren im Einsatz: Vom Einzelblick zur Rundumsicht

Ein einzelner ToF-Sensor hat eine begrenzte Sichtfeld – typischerweise zwischen 60° und 120° diagonal . Für die vollständige Erfassung eines Raumes reicht dies nicht aus. Hier kommen verschiedene Strategien zum Einsatz:

3.1 Der bewegte Sensor: SLAM-basierte Erfassung

Die einfachste und zugleich eleganteste Lösung: Der Sensor wird von Hand durch den Raum bewegt, während ein SLAM-Algorithmus (Simultaneous Localization and Mapping) die eigene Position bestimmt und gleichzeitig die Umgebungskarte aufbaut.

Dieses Verfahren wird in kommerziellen Lösungen wie der Metaroom Scan App eingesetzt. Mit einem handelsüblichen Apple Pro-Mobilgerät (das über einen LiDAR-Scanner verfügt) können Nutzer Räume, Etagen oder ganze Gebäude in wenigen Minuten erfassen . Die App erzeugt automatisch maßstabsgetreue 2D-Grundrisse und CAD-fähige 3D-Modelle, die im offenen IFC-Format (Industry Foundation Classes) exportiert werden können .

3.2 Mehrere stationäre Sensoren

Für Anwendungen, die eine permanente Raumüberwachung erfordern – etwa in der Gebäudeautomation oder in intelligenten Produktionsstätten – werden mehrere stationäre ToF-Sensoren im Raum verteilt. Jeder Sensor deckt einen Teilbereich ab; die Daten werden zu einem Gesamtmodell fusioniert.

Die technische Herausforderung liegt in der Kalibrierung: Die Koordinatensysteme aller Sensoren müssen präzise aufeinander abgestimmt sein. Dies erfolgt in der Regel über Referenzpunkte im Raum, die von mehreren Sensoren gleichzeitig erfasst werden können.

3.3 Der mobile Träger: Vermessung aus der Bewegung

Eine dritte Variante ist die Integration von ToF-Sensoren in mobile Plattformen – etwa fahrerlose Transportsysteme (AGVs) oder sogar Bagger . Die natürliche Bewegung des Fahrzeugs wird genutzt, um aus verschiedenen Perspektiven eine vollständige 3D-Visualisierung des Arbeitsbereichs zu erstellen.

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 – bei deutlich geringeren Kosten und der Möglichkeit, auch schwer zugängliche Bereiche zu erfassen .

4. Praktische Umsetzung: Werkzeuge und Workflows

Die ToF-basierte Raumerfassung hat den Nischenstatus längst verlassen und ist in Form zahlreicher Produkte und Lösungen verfügbar.

4.1 Hardware-Plattformen

Besonderheit Apple LiDAR: Seit dem iPad Pro und iPhone 12 Pro verbaut Apple einen dToF-LiDAR-Scanner, der laut Hersteller Abstände bis zu 5 Metern millimetergenau messen kann . Dies ist ein entscheidender Schritt zur Demokratisierung der 3D-Raumerfassung – ein Gerät, das Millionen Menschen bereits in der Tasche haben, wird zum professionellen Vermessungswerkzeug.

4.2 Software-Workflow: Von der Aufnahme zum Grundriss

Ein typischer Workflow für die ToF-basierte Bestandsaufnahme umfasst mehrere Schritte:

1. Aufnahme: Der Nutzer führt das ToF-fähige Gerät systematisch durch den Raum. Moderne Apps geben visuelle Rückmeldung, welche Bereiche bereits erfasst wurden.
2. Punktwolken-Generierung: Die Software berechnet aus den ToF-Messungen und den Bewegungssensordaten eine zusammenhängende 3D-Punktwolke.
3. Segmentierung: Algorithmen identifizieren Wände, Boden, Decke, Fenster und Türen. Temporäre Objekte können optional ausgeblendet werden.
4. Geometrisierung: Aus den segmentierten Flächen werden Flächen, Kanten und Ecken berechnet.
5. Grundriss-Extraktion: Die horizontale Projektion der Wände ergibt den 2D-Grundriss mit allen Abmessungen.
6. Flächenberechnung: Die Software berechnet automatisch die Quadratmeterzahl – bei komplexen Grundrissen durch Zerlegung in Teilflächen oder polygonale Flächenberechnung.
7. Export: Die Ergebnisse werden in gängigen Formaten bereitgestellt – als CAD-Datei, IFC-Modell (für BIM-Anwendungen), Bilddatei oder Tabellendokument mit Maßangaben .

4.3 Anwendungsbeispiel: Integration mit TGA-Planung

Ein besonders praxisnahes Beispiel ist die Schnittstelle zwischen der Metaroom Scan App und der TGA-Planungssoftware DDScad . Hier wird die ToF-basierte Raumerfassung direkt in den professionellen Planungsprozess integriert:

• Ein Fachhandwerker erfasst den Raum mit einem Apple Pro-Gerät in wenigen Minuten
• Die App erstellt automatisch ein IFC-kompatibles 3D-Modell
• Das Modell wird in DDScad importiert
• Auf dieser Basis plant der Techniker die komplette technische Gebäudeausrüstung – von der Elektrotechnik über Sanitär- und Heizungssysteme bis zu sicherheitstechnischen Anlagen 

Was früher Tage an manueller Vermessung und Einzeichnung erforderte, ist heute in einer Vormittagsarbeit erledigt.

5. Genauigkeit und Grenzen der ToF-basierten Raumerfassung

So beeindruckend die Möglichkeiten sind, so wichtig ist ein realistischer Blick auf die Grenzen der Technologie.

5.1 Erreichte Genauigkeiten

Die mm-genaue Aufnahme, von der in der Werbung oft die Rede ist, ist unter idealen Bedingungen tatsächlich erreichbar. Die im Apple LiDAR verbauten Sensoren messen laut Herstellerangaben auf Millimeter genau . Industrielle Systeme wie der SmartRunner von Pepperl+Fuchs arbeiten ebenfalls im Millimeterbereich und geben die Raumkoordinaten direkt in dieser Einheit aus .

Wichtig zu verstehen: Diese Genauigkeit bezieht sich auf die Entfernungsmessung zu einzelnen Punkten. Die Gesamtgenauigkeit des erstellten Grundrisses hängt von mehreren Faktoren ab:

5.2 Die Herausforderung der Mehrfachreflexionen

Die physikalisch bedingte Achillesferse der ToF-Technologie ist das Problem der Mehrwegreflexion (Multipath Interference) . Ein Lichtimpuls wird nicht nur direkt von einem Objekt reflektiert, sondern kann auch über Umwege – etwa von einer Wand zur nächsten – zum Sensor zurückkehren. Der Sensor misst dann die Summe der Laufzeiten und berechnet eine falsche Entfernung.

In der Praxis führt dies zu typischen Messfehlern:

• Ecken werden „abgerundet“: Die Punktwolke bildet die exakte Raumgeometrie nicht millimetergenau ab
• Reflektierende Oberflächen (Spiegel, Glas): Sie können zu Geisterbildern führen
• Helle und dunkle Bereiche: Stark unterschiedliche Reflexionsgrade beeinflussen die Messung

Abhilfe schaffen fortschrittliche Algorithmen (zeitliche und räumliche Filter) sowie die geschickte Positionierung mehrerer Sensoren, deren Daten zur Plausibilisierung genutzt werden können .

5.3 Reichweitengrenzen

Für die Innenraumvermessung sind die typischen Reichweiten moderner ToF-Sensoren von bis zu 5 oder 10 Metern völlig ausreichend . Für die Erfassung großer Hallen oder Außenbereiche können jedoch Systeme mit größerer Reichweite erforderlich sein.

6. Mehrere Sensoren im Detail: Netzwerke für Rundum-Erfassung

Für anspruchsvolle Anwendungen – wie die permanente Überwachung von Produktionshallen oder die hochpräzise Vermessung komplexer Räume – kommt der Einsatz mehrerer stationärer ToF-Sensoren in Betracht.

6.1 Systemarchitektur

Ein Multi-Sensor-System besteht typischerweise aus:

• Mehreren ToF-Sensormodulen, die strategisch im Raum verteilt sind
• Einem zentralen Rechner, der die Daten aller Sensoren sammelt und fusioniert
• Synchronisationsmechanismen, die sicherstellen, dass alle Sensoren gleichzeitig messen (oder zeitlich koordiniert)
• Kalibrierungsmustern (Referenzpunkten), die von mehreren Sensoren gleichzeitig erfasst werden können

6.2 Vorteile der Multi-Sensor-Architektur

6.3 Kalibrierung und Koordinatenfusion

Die größte Herausforderung bei Multi-Sensor-Systemen ist die präzise Kalibrierung – die Überführung der lokalen Koordinatensysteme aller Sensoren in ein gemeinsames Weltkoordinatensystem.

Dies geschieht in der Regel durch:

1. Manuelle Vermessung der Sensorpositionen (aufwendig, aber genau)
2. Automatische Kalibrierung über Referenzmarker, die von mehreren Sensoren erkannt werden
3. SLAM-basierte Fusion, bei der die Sensordaten gemeinsam verarbeitet werden, um sowohl die Umgebung als auch die relativen Sensorpositionen zu bestimmen

7. Bestandsaufnahme und Dokumentation: Vom Ist-Zustand zum digitalen Zwilling

Die ToF-basierte Raumerfassung ist mehr als nur eine technische Spielerei – sie ermöglicht einen grundlegend neuen Ansatz der Bestandsaufnahme.

7.1 Anwendungsfelder im Überblick

7.2 Automatisierte Flächenberechnung

Ein Kernnutzen für viele Anwender ist die automatisierte Berechnung von Grundflächen. Aus der erfassten Punktwolke und dem extrahierten Raumgrundriss wird die Quadratmeterzahl nach den jeweiligen Berechnungsregeln (z.B. DIN 277 oder Wohnflächenverordnung) ermittelt.

Die Software kann dabei:

• Raumteile unterschiedlich gewichten (z.B. Volle Fläche vs. Fläche unter Schrägen)
• Abzugsflächen (wie Kamine, Stützen) berücksichtigen
• Mehrere Räume aggregieren zu einer Gesamtfläche einer Etage oder eines Gebäudes

7.3 BIM-Konformität und Datenaustausch

Die erfassten Daten müssen in bestehende Planungs- und Dokumentationsprozesse integrierbar sein. Moderne ToF-basierte Lösungen unterstützen daher offene Standards wie:

• IFC (Industry Foundation Classes): Das Standardformat für Building Information Modeling (BIM) 
• DXF/DWG: Die etablierten CAD-Formate
• COBie (Construction Operations Building Information Exchange): Für die Übergabe an Facility Management-Systeme

8. Ausblick: Die Zukunft der ToF-basierten Raumerfassung

Die Technologie der ToF-basierten Raumerfassung befindet sich noch in einem rasanten Entwicklungsprozess. Mehrere Trends zeichnen sich ab:

8.1 Höhere Auflösungen und Reichweiten

Die nächste Sensorgeneration wird höhere Pixelzahlen (mehrere tausend statt bisher 64 oder wenige hundert Zonen) bei gleichzeitig größeren Reichweiten bieten . Dies ermöglicht detailliertere Punktwolken und präzisere Grundrisse – auch für große Räume und Hallen.

8.2 KI-gestützte Signalverarbeitung

Künstliche Intelligenz wird zunehmend in die Datenauswertung integriert. KI-Algorithmen können:

• Mehrfachreflexionen zuverlässiger erkennen und korrigieren 
• Objekte klassifizieren (Wand, Tür, Fenster, Möbel) ohne manuelle Nacharbeit
• Aus der Punktwolke direkt architektonische Elemente extrahieren (z.B. Säulen, Nischen, Schrägen)

8.3 Echtzeit-Erfassung mit mobilen Systemen

Die Kombination aus hochauflösenden ToF-Sensoren und leistungsfähigen mobilen Prozessoren ermöglicht eine Echtzeit-Raumerfassung: Während der Nutzer mit dem Tablet durch den Raum geht, entsteht in Echtzeit auf dem Bildschirm der Grundriss – inklusive aller Maße und Flächenangaben.

8.4 Integration mit anderen Sensorprinzipien

Die Zukunft gehört der Sensorfusion: ToF-Daten werden mit Radardaten (für die Erfassung durch Wände), hochauflösenden Kamerabildern (für Texturinformationen) und inertialen Messdaten kombiniert, um ein noch vollständigeres digitales Abbild der Realität zu schaffen.

9. Fazit: Ein neues Zeitalter der Raumvermessung

Die ToF-basierte Raumerfassung hat die Bestandsaufnahme grundlegend verändert. Was früher mit Zollstock, Laser-Entfernungsmesser und zeitraubender Handzeichnung erledigt wurde, erledigen heute ToF-Sensoren in Minutenschnelle – millimetergenau, automatisiert und in professionell weiterverarbeitbaren Formaten.

Die Kombination aus hoher Messgenauigkeit, einfacher Handhabung (besonders durch die Integration in Smartphones und Tablets) und automatisierter Weiterverarbeitung macht die Technologie für eine breite Nutzerbasis zugänglich: vom Architekten über den Gebäudetechniker bis zum Immobilienmakler.

Die physikalischen Grenzen – insbesondere die Anfälligkeit für Mehrfachreflexionen und die begrenzte Reichweite – sind zwar nicht vollständig überwunden, werden aber durch intelligentere Algorithmen und Multi-Sensor-Architekturen zunehmend kompensiert .

Entscheidend für den Erfolg in der Praxis ist die Integration in bestehende Arbeitsabläufe: Die erfassten Daten müssen sich nahtlos in CAD-, BIM- und Planungswerkzeuge überführen lassen . Hier haben die letzten Jahre enorme Fortschritte gebracht – mit offenen Schnittstellen und standardisierten Austauschformaten ist die ToF-basierte Raumerfassung heute ein fester Bestandteil der professionellen Planungspraxis.

Die Technologie wird sich weiterentwickeln – höhere Auflösungen, größere Reichweiten, intelligentere Auswertung. Eines aber wird bleiben: die Idee, Räume nicht mehr zu vermessen, sondern sie in ihrer Gesamtheit digital zu erfassen – als millimetergenaues Abbild, das Planung, Dokumentation und Verwaltung gleichermaßen revolutioniert.

Quellen

• Apple/HAZ: Neues iPhone 12 Pro: Was ist ein LiDAR-Scanner? – Technische Einordnung des Apple LiDAR-Scanners, Reichweite bis 5 m, mm-Genauigkeit 
• Pepperl+Fuchs: SmartRunner 3-D ToF Handbuch – Technische Dokumentation zur Ausgabe von 3D-Punktwolken mit mm-Koordinaten und verschiedenen Ausgabeformaten 
• FH Campus Wien: Optimierung eines Systems für 3D-Raumerfassung – Wissenschaftliche Arbeit zu ToF- und Structured-Light-Verfahren für 3D-Scans 
• Alza: Time of Flight Sensor – ein Durchbruch beim 3D-Scannen? – Übersicht zur ToF-Technologie, Vergleich mit anderen 3D-Verfahren, Anwendungen in Smartphones 
• AMA Science: Dynamische Raumerfassung auf Basis einer Time-of-Flight Kamera – Wissenschaftlicher Beitrag zur Transformation von Pixelkoordinaten in Weltkoordinaten und Hinderniserkennung 
• Mouser Electronics: Optische Time-of-Flight-Technologie vor neuen Herausforderungen – Fachbeitrag zu ToF-Grundlagen, Anwendungen in der Industrie und der Broadcom AFBR-S50-Plattform 
• Moderne Gebäudetechnik: Digitale Raumerfassung und TGA-Planung in einem – Bericht über Metaroom Scan App und Integration mit DDScad, IFC-Export, Apple Pro-Geräte 
• Meskernel: Flugzeit-Entfernungsmesser: Grundsätze, Anwendungsfälle und Störungsminderung – Technische Grundlagen, Mehrwegreflexionen, Multi-Sensor-Ansätze 
• Springer Professional: Trench visualisation from a semiautonomous excavator – Wissenschaftliche Studie zur 3D-Visualisierung mit ToF-Sensoren auf mobilen Plattformen, Koordinatentransformation, Genauigkeitsvergleich