Het 3D GRB is een 3D model van beschikbare Grootschalig Referentiebestand (GRB) objecten dat toelaat om deze GRB objecten in 3D te visualiseren en om efficiënt hoogte-informatie per GRB object te bevragen. De hoogte-informatie is afkomstig uit de brondata van het Digitaal Hoogtemodel Vlaanderen en kan afhankelijk van de productentiteit uit zowel het DHMV I als het DHMV II worden gehaald. De verschijningsvorm van het 3D GRB is conform mate van detail of het LOD niveau (level of detail). Het product 3D GRB wordt zo onderverdeeld in productentiteiten die afhankelijk zijn van de gebruikte GRB entiteiten, het LOD niveau en het gebruikte DHMV.

De nieuwe productentiteit 3D GRB - Gebouw LOD1 DHMV II dat nu wordt verdeeld is een blokkenmodel (LOD1) van beschikbare GRB gebouwobjecten gebaseerd op hoogtedata van DHMV II ingewonnen tussen 2013 en 2015. Het is gelinkt aan GRB en CRAB gegevens tot voorjaar 2016 - het jaar van aanmaak of actualisatie van de nieuwe 3D GRB entiteit. De referentiehoogte van het Gebouw LOD1 DHMV II is de benadering van de nokhoogte.

Deze versie op basis van het DHMV II is gebiedsdekkend voor geheel Vlaanderen waarbij de meeste van de 308 gemeenten tevens een actualisatie hebben gehad voor de GRB binnengebieden. Hiermee is de productentiteit GRB Gebouw LOD1 DHMV II een basisdataset met de meeste accurate hoogtegegevens

Het gebruik van 3D GRB binnen een Europese context. Voor meer info, zie presentatie Trefdag Digitaal Vlaanderen(PDF bestand opent in nieuw venster) (2016).

De organisatie heeft in een pilootproject voor de brandweer van Knokke-Heist op basis van de LiDAR bron data DHMV_I en de CARDIB-kaart (voorloper van GRB) een 3D-modellering uitgevoerd op alle gebouwen van de gemeente Knokke. Dit kadert in optimalisatiemaatregelen voor de inzet en distributie van brandweerwagens met lange ladder voor de brandweerzone op basis van het aantal gebouwen met een bepaalde minimumhoogte.

Bovendien heeft een 3D-GIS-kaart het voordeel van een duidelijke en snelle visualisatie van de geometrische toestand van gebouwen en biedt veel toekomstperspectieven waarbij verschillende datasets aan de gebouwen kunnen worden gekoppeld.