3D-Dokumentation der Leichenschau mit dem iPhone: Maßstab, Unsicherheit und Integrität
Fotos halten fest, wie ein Befund aussieht, aber nicht die räumlichen Beziehungen: den Abstand zwischen Verletzungen, den Winkel einer Wunde zur Körperachse oder die Lage des Körpers im Raum. Ein 3D-Modell bewahrt sie, vorausgesetzt, sein Maßstab ist überprüft und seine Dateien sind unverändert.
Photogrammetrie und LiDAR
Die Photogrammetrie setzt ein 3D-Modell aus einer Serie sich überlappender Aufnahmen zusammen. Für sich allein weiß sie jedoch nicht, wie groß das Objekt ist: Maßstäblich ist das Modell nur, wenn etwas den Maßstab liefert. Auf iPhones mit LiDAR hat jede Aufnahme eine Tiefe, die Richtung der Schwerkraft und eine metrische Kamerabahn, aus der sich der Maßstab ableitet. Ohne LiDAR liefern ihn die ARKit-Kamerabahn und ein Kalibrierziel im Bild. Für forensische Zwecke ist wichtig, dass das Modell ausschließlich aus den aufgenommenen Daten entsteht, ohne von künstlicher Intelligenz ergänzte Geometrie.
Der Maßstab muss überprüft werden
Ein Maßstab aus einer einzigen Quelle kann falsch sein. Deshalb werden unabhängige Wege verglichen: die metrische Kamerabahn, das im Modell gefundene Kalibrierziel und eine Referenzstrecke bekannter Länge, die im Modell gemessen wird. Widersprechen sich die Quellen, entscheidet das Kalibrierziel und die Unsicherheit wächst. Eine Referenz kürzer als 290 mm kann einen Fehler von 1 % nicht auflösen; für die Körperlänge braucht es daher eine Referenz von 500 bis 1000 mm, etwa ein Maßband.
Unsicherheit ± U (k = 2)
Jede Messung im Modell trägt eine erweiterte Unsicherheit U mit dem Erweiterungsfaktor k = 2, was nach dem metrologischen Standard GUM etwa einem Vertrauensniveau von 95 % entspricht. Sie setzt sich aus der Unsicherheit des Maßstabs, der Genauigkeit, mit der Punkte auf der Oberfläche gesetzt werden, und der Auflösung des Modells zusammen. Eine Messung ohne angegebene Unsicherheit ist keine Messung, sondern eine Schätzung.
Dokumentationsklassen A bis D
Das Zertifikat der 3D-Dokumentation gibt an, auf wie vielen unabhängigen Wegen der Maßstab belegt ist und mit welchem Ergebnis. Klasse A ist metrologisch überprüft (Tiefe aus LiDAR, Maßstab durch Anpassung an die Kamerabahn korrigiert und eine unabhängige Prüfung, die 1 % auflösen kann). Klasse B ist metrisch, aber ohne ausreichende unabhängige Prüfung. Klasse C hat nur einen orientierenden Maßstab, Klasse D keinen bekannten. Es entscheidet die schlechteste der verfügbaren Prüfungen.
Integrität: SHA-256 und Signatur
Eine Dokumentation ist nur nützlich, wenn sich zeigen lässt, dass sie nicht verändert wurde. Das Paket .f3d enthält für jede Datei einen SHA-256-Hash, sodass der Empfänger beim Import sieht, ob etwas fehlt oder verändert wurde. Die Berechnung auf dem Mac ergänzt ein Rekonstruktionsprotokoll (Werkzeug, Version, Phasen, Dauer) und kann das Ausgabepaket mit dem Schlüssel des Rechners signieren.
Grenzen
- Kein zertifiziertes oder metrologisch rückgeführtes Messgerät; eine ergänzende, anschauliche Dokumentation.
- Die Genauigkeit hängt von Licht, Bewegung, glänzenden und dunklen Oberflächen und davon ab, wie vollständig das Objekt von Aufnahmen abgedeckt ist.
- Nach einer Neuberechnung des Modells braucht es eine neue Referenzmessung und ein neues Zertifikat.
Wie aPrehliadky und Fotograme3ka 3D damit umgehen
aPrehliadky für iPhone und iPad nimmt mit LiDAR auf, berechnet das Modell auf dem Gerät mit RealityKit Object Capture, misst Abstand, Weg über die Oberfläche, Fläche und Volumen mit einer Unsicherheit ± U (k = 2) und erstellt ein PDF-Protokoll, ein Zertifikat der Klasse A bis D und ein Paket .f3d mit SHA-256. Fotograme3ka 3D auf einem Mac mit Apple Silicon berechnet das Paket in höherem Detail neu und erstellt ein Protokoll im Format PDF/A-2b mit signiertem Paket.
Literatur
- JCGM 100:2008. Evaluation of measurement data: Guide to the expression of uncertainty in measurement (GUM). Joint Committee for Guides in Metrology; 2008.
- Buck U, Naether S, Räss B, Jackowski C, Thali MJ. Accident or homicide: virtual crime scene reconstruction using 3D methods. Forensic Sci Int. 2013;225(1–3):75–84. doi:10.1016/j.forsciint.2012.05.015
- Metodika certifikácie 3D dokumentácie aPrehliadky, verzia 3 (2026). https://dzanino.github.io/aPrehliadky/