Stand November 2026 · Redaktion Bestandsdigital · Lesezeit ca. 8 min
Ein Flur mit Glastür, ein Scan, und im Modell steht hinter der Tür plötzlich ein zweiter Flur, spiegelverkehrt und etwas blasser. Dazu eine Reihe grauer Punkte in Kopfhöhe, die wie ein Schatten durch den Raum ziehen: der Hausmeister, der während des Scans zweimal vorbeiging. Beides sind typische Fälle, in denen Sie eine Punktwolke bereinigen müssen, bevor jemand darauf zeichnet. Und beides sind Fälle, in denen ein einziger automatischer Filter nicht reicht.
Dieser Text beschreibt die Reihenfolge, die sich bei Bestandsdaten bewährt, und die Parameter, an denen die gängigen Werkzeuge drehen. Er sagt auch, wann Sie die Finger von der Automatik lassen sollten.
Drei Sorten Störpunkte, drei Werkzeuge
Bereinigen ist kein einzelner Arbeitsgang. Es gibt mindestens drei Fehlerbilder, und jedes braucht eine andere Methode.
Streupunkte und Rauschen sitzen vereinzelt oder als dünner Schleier vor Flächen. Sie entstehen an Kanten, an dunklen oder glänzenden Oberflächen und bei Staub oder Gegenlicht. Hier helfen statistische Filter, weil die Punkte sich rechnerisch von ihrer Nachbarschaft unterscheiden.
Geometrisch plausible Fremdkörper wie Personen, Fahrzeuge, Gerüste oder Möbel sind keine Messfehler. Sie wurden korrekt gemessen, gehören aber nicht ins Modell. Kein Filter erkennt sie zuverlässig, weil sie dicht und flächig sind. Dafür brauchen Sie Auswahl und Löschen von Hand.
Spiegelungen und Durchblicke entstehen an Glas, Spiegeln und blanken Metallflächen. Die Punkte hinter der Scheibe sind messtechnisch echt, nur beschreiben sie nicht das, was dort steht. Auch sie bereinigen Sie von Hand, und zwar mit einer Entscheidung, welche Seite der Scheibe gelten soll. Wie Sie solche Flächen schon beim Scan entschärfen, steht in der Checkliste für den Scan-Termin.
Statistischer Filter: was er rechnet
Der Klassiker heißt in CloudCompare SOR filter. Laut Wiki (Seitenstand 2015, das Wiki dokumentiert die Version 2.6 und höher) berechnet er für jeden Punkt den mittleren Abstand zu seinen k nächsten Nachbarn. Punkte, deren Abstand über dem Gesamtmittel plus n mal der Standardabweichung liegt, werden verworfen. Aufgerufen wird er laut Wiki über das Symbol in der oberen Hauptleiste oder über Tools > Clean > SOR filter. Die Parameter heißen Number of neighbors (k) und Standard deviation multiplier (n). Das Wiki nennt keine Vorgabewerte.
PDAL arbeitet mit demselben Prinzip. Die Stage filters.outlier kennt laut Dokumentation (Zweig stable, ohne Versionsangabe auf der Seite) die Methode statistical mit den Vorgaben mean_k = 8 und multiplier = 2,0 sowie die Methode radius mit radius = 1,0 und min_k = 2. Wichtig für die Praxis: Die Stage löscht nichts, sie setzt nur die Klasse 7. Wer die Punkte wirklich entfernen will, hängt dahinter eine Stage filters.expression mit Classification != 7.
Was folgt daraus für die Einstellung? Ein kleines k reagiert auf lokale Ausreißer, ein großes k auf Schleier. Ein kleiner Multiplikator filtert aggressiv. Bei einem Scan mit sehr unterschiedlicher Punktdichte, etwa nah am Standpunkt dicht und im Flurende dünn, markiert der statistische Filter die dünnen Zonen fälschlich als Rauschen. Das ist die häufigste Quelle von Löchern nach dem Filtern.
Ein Rechenbeispiel zur Einordnung, eigene Annahmen und keine Herstellerwerte: Angenommen, der mittlere Nachbarabstand beträgt 8 mm bei einer Standardabweichung von 3 mm. Mit n = 2 liegt die Schwelle bei 8 + 2 × 3 = 14 mm. Ein Punkt, dessen Nachbarn im Mittel 15 mm entfernt sind, fliegt raus. Liegt dieselbe Wand in einem entfernten Bereich mit 20 mm Punktabstand, kippt der gesamte Bereich über die Schwelle, sofern der Filter global rechnet. Deshalb prüfen Sie nach dem Lauf immer zuerst die entfernten Zonen.
Noise filter: Flächen glätten, Kanten schonen
Der zweite Filter in CloudCompare, Tools > Clean > Noise filter, arbeitet anders. Er legt laut Wiki lokal eine Ebene um jeden Punkt und entfernt ihn, wenn er zu weit von dieser Ebene liegt. Die Nachbarschaft wird entweder über eine feste Zahl an Nachbarn oder über einen Kugelradius festgelegt. Der Radius sollte mindestens etwa 6 Punkte erfassen. Als Schwelle dient Max error, wahlweise relativ oder absolut. Optional entfernt Remove isolated points Punkte mit weniger als 3 Nachbarn in der Kugel.
Das Wiki beschreibt auch die Nebenwirkung: Auf ebenen Flächen wie Wänden arbeitet der Filter sehr gut, aber ein großer Radius oder eine niedrige Fehlerschwelle trägt Ecken und scharfe Kanten ab. Empfohlen wird, mehrfach mit kleinem Radius und relativ hoher Schwelle zu filtern.
Für Bestandsmodelle ist das ein Warnzeichen. Gerade Gewändeprofile, Gesimse und Mauerecken sind das, was Sie später modellieren wollen. Wenn der Filter die Ecke um zwei Millimeter abrundet, merkt das niemand beim Hinsehen, aber die Auswertung von Ebenheit oder Winkeln ist verfälscht. Zu Toleranzen und ihrer Rechnung siehe Genauigkeit in der Praxis.
Personen, Gerüste, Möbel: manuell, aber kontrolliert
Fremdkörper löschen Sie über eine Auswahl. In ReCap beschreibt die Hilfe die Limit Box als Auswahlgrenze, die die Arbeit auf einen kleineren Datenausschnitt begrenzt, weil Auswahlen sonst über den gewünschten Bereich hinausragen. Die Box richtet sich standardmäßig an den äußeren Abmessungen der Wolke aus. Mit Tab wechseln Sie beim Überfahren einer Fläche zwischen den Maßen und geben exakte Werte ein, mit Strg und Ziehen an einer Kante drehen Sie sie. Die Hilfeseite warnt vor einer Einschränkung: Dreht man die Box aus dem Weltsystem heraus, sind genaue Endwerte je Achse nicht mehr editierbar. Eine Programmversion nennt die Seite nicht, die Landing Page der ReCap-Hilfe erwähnt ein Video zu ReCap Pro 2027.
Arbeitsweise, die sich bewährt hat:
- Zuerst die Box eng um den Bereich legen, in dem die Störung steckt.
- In der Draufsicht und in zwei Schnittansichten prüfen, ob die Auswahl wirklich nur die Störung enthält.
- Erst dann löschen oder ausblenden.
- Bei Räumen mit Personen im Bild lieber ein zweites Scanfenster am selben Standpunkt aufnehmen, als später rekonstruieren.
Der letzte Punkt spart am meisten Zeit. Eine Person, die sich bewegt hat, hinterlässt keine saubere Fläche, sondern einen Streifen aus Teilmessungen. Löschen Sie den Streifen, fehlt dahinter die Wand. Dann bleibt entweder ein Loch oder ein Nachscan.
Reihenfolge: erst grob, dann fein, zuletzt ausdünnen
Die Reihenfolge entscheidet über das Ergebnis. Ein bewährter Ablauf:
- Registrierte Rohdaten sichern. Eine Kopie vor jeder Bereinigung, unverändert. Bereinigte Daten sind nicht mehr reproduzierbar belegbar. Wie die Registrierung davor aussieht, steht in Punktwolke registrieren.
- Außenbereich beschneiden. Alles außerhalb des Auftragsumfangs raus, etwa über eine Box oder einen Polygonschnitt. Das reduziert die Menge, an der die Filter rechnen.
- Fremdkörper manuell entfernen. Personen, Fahrzeuge, Gerüstteile, Spiegelungen.
- Statistischen Filter mit mildem Multiplikator. Lieber zweimal sanft als einmal hart.
- Noise filter nur dort, wo Flächen glatt sein sollen, etwa an Wänden und Böden, nicht am Gesims.
- Erst ganz am Ende ausdünnen. Wer vor dem Filtern ausdünnt, verändert die Nachbarschaftsstatistik. Wie sich Menge und Handhabbarkeit zueinander verhalten, behandelt Punktwolke, Datenmenge und Performance.
Ein häufiger Fehler ist, die Filter vor der Registrierung laufen zu lassen. Dann arbeiten sie auf Einzelscans mit unterschiedlicher Dichte, und beim Zusammenfügen entstehen Dichtesprünge an den Überlappungen. Zugeschnittene Einzelscans haben außerdem weniger gemeinsame Fläche für die Registrierung.
Wann Bereinigen zum Problem wird
Bereinigte Punktwolken sehen besser aus, aber sie sind nicht automatisch genauer. Jeder Filter greift in die Messdaten ein. Wenn ein Auftraggeber die Wolke später als Beweismittel für den Ist-Zustand verwenden will, etwa bei einem Streit über Setzungen oder Schiefstände, ist die Rohwolke das belastbare Dokument. Bereinigen Sie deshalb in einer Arbeitskopie und liefern Sie, wenn vereinbart, beide Fassungen aus, mit einem kurzen Protokoll der angewandten Filter und Parameter.
Ein Protokoll muss nicht lang sein. Es genügt je Arbeitsgang eine Zeile: Programm samt Version, Werkzeug, Parameter, Zahl der entfernten Punkte. Wer den statistischen Filter mit k = 8 und n = 2 laufen ließ und dabei 0,4 Prozent der Punkte verlor, kann das später belegen. Wer 12 Prozent verlor, hat ein Problem mit der Parametrierung oder mit dem Scan und sollte nachsehen, bevor die Wolke weitergegeben wird.
Zwei weitere Grenzen. Erstens erkennen Filter keine systematischen Fehler: Eine ganze Wand, die durch einen Registrierfehler doppelt erscheint, besteht aus lauter statistisch unauffälligen Punkten. Zweitens sind Filter nicht neutral gegenüber dem Messobjekt. Rauer Putz, Bruchstein und Schüttungen haben von Natur aus ein breites Verteilungsband. Ein Noise filter, der auf glatte Gipsputzwände abgestimmt ist, ebnet eine Natursteinmauer ein, und das Mauerwerk verliert genau die Unebenheit, die ein Bauforscher dokumentieren möchte. Bei denkmalrelevanten Flächen gilt daher: nur Fremdkörper löschen, keine Glättung.
Kurze Prüfung nach dem Bereinigen
Vier Kontrollen reichen in der Regel aus, um grobe Fehler zu finden.
- Schnittbild: Ein dünner Schnitt durch eine Wand zeigt, ob die Punktlage vor und nach dem Filtern gleich bleibt. Ein sichtbar dünneres Band ist erwünscht, ein verschobenes nicht.
- Dichtekarte oder Rasteransicht: Löcher in entfernten Zonen deuten auf einen zu strengen globalen Filter hin.
- Punktzahl vorher und nachher: Das Verhältnis gehört ins Protokoll.
- Stichprobenmaß: Eine bekannte Strecke, etwa eine Türbreite, vor und nach dem Filtern messen. Weicht sie um mehr als die Messunsicherheit ab, wurde zu stark geglättet.
Zur zweiten Kontrolle ein Rechenbeispiel mit eigenen Annahmen: Eine Wand von 4 m × 3 m hat bei 5 mm Punktabstand etwa (4 / 0,005) × (3 / 0,005) = 800 × 600 = 480.000 Punkte. Verliert sie nach dem Filtern 10 Prozent, fehlen 48.000 Punkte. Das sind rechnerisch rund 1,2 m² Fläche, die nicht mehr belegt ist, also ein deutlich sichtbares Loch und keine Streuung.
Quellen
- CloudCompare-Wiki zu SOR filter: Parameter, Menüpfad und Ausreißerdefinition, Wiki zu V2.6 und höher.
- CloudCompare-Wiki zu Noise filter: Nachbarschaft, Max error, Kantenwirkung.
- PDAL-Dokumentation zu filters.outlier: Methoden, Vorgabewerte und Klasse 7 für Ausreißer.
- Autodesk-Hilfeseite zur Limit Box in ReCap: Bedienung der Auswahlgrenze und Einschränkung nach Drehung.
Quellen
- CloudCompare-Wiki, Seite SOR filter (Wiki zu V2.6 und höher, Seitenstand 2015)abgerufen 22.11.2026
- CloudCompare-Wiki, Seite Noise filter (Wiki zu V2.6 und höher, Seitenstand 2015)abgerufen 22.11.2026
- PDAL-Dokumentation, filters.outlier (Zweig stable)abgerufen 22.11.2026
- Autodesk ReCap Help, Limit Box (Zweig Reality-Capture)abgerufen 22.11.2026
Weiterlesen
Die Beiträge ersetzen keine Fachplanung und keine Rechtsberatung. Fehler gefunden? Melden Sie ihn der Redaktion.