ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ DIPLOMOVÁ PRÁCE

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ

DIPLOMOVÁ PRÁCE

PRAHA 2014

Bc. Ondřej BOHÁČ

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ OBOR GEODÉZIE A KARTOGRAFIE

DIPLOMOVÁ PRÁCE OPTICKÉ KORELAČNÍ SYSTÉMY - PRŮZKUM A ZHODNOCENÍ AKTUÁLNÍHO STAVU

Vedoucí práce: Ing. Jindřich HODAČ, Ph.D. Katedra geomatiky

leden 2014

Bc. Ondřej BOHÁČ

ABSTRAKT Tato práce se zabývá problematikou optických korelačních systémů - OKS. Práce je rozdělena na dvě hlavní části. V první části je podán stručný teoretický podklad tvorby 3D modelů pomocí OKS, založený na obrazové korelaci. Dále jsou OKS rozděleny podle několika hledisek a také jsou představeny dřívější vybrané práce zabývající se testováním OKS. Druhá, praktická, část práce je věnována testování vybraných parametrů, které by mohly mít vliv na kvalitu a přesnost 3D modelů. Jedná se o tyto parametry: světelné podmínky v exteriéru, konfigurace snímkování a konstanta

komory.

V závěru

práce

jsou

zhodnoceny

dosažené

výsledky

provedeného průzkumu oblasti OKS a testování parametrů, navrženy další parametry vhodné k testování a také je zde úvaha o budoucím vývoji OKS.

KLÍČOVÁ SLOVA optické korelační systémy, optické skenování, obrazová korelace, tvorba 3D modelů, testování, přesnost modelu, porovnání modelů

ABSTRACT This paper deals with issues of the optical correlation systems - OCS. Thesis is divided into two main parts. The first part gives a brief theoretical basis of 3D models generation based on image correlation using the OCS. Furthermore, the OCS are divided according to several points of view and selected existing papers dealing with testing of the OCS are introduced. The second, practical part, is devoted to testing of selected parameters that might affect quality and accuracy of 3D models. These parameters are following: exterior lighting conditions, configuration of images and a focal length value. In conclusion, there is an evaluation of achieved results of the conducted research and testing, suggestion of other parameters suitable for testing and there is also a reflection on the future development of the OCS.

KEYWORDS optical correlation systems, optical scanning, image correlation, 3D models generation, testing, model accuracy, model comparison

PROHLÁŠENÍ Prohlašuji, že diplomovou práci na téma „Optické korelační systémy – průzkum a zhodnocení aktuálního stavu“ jsem vypracoval samostatně. Použitou literaturu a podkladové materiály uvádím v seznamu zdrojů.

V Praze dne

....................

…………………………………………….. (podpis autora)

PODĚKOVÁNÍ Na tomto místě bych chtěl předně poděkovat Ing. Jindřichu Hodačovi, Ph.D. za jeho ochotný a odborný přístup k vedení této práce. Dále děkuji Bc. Evě Cmuntové za korekturu textu a závěrem bych rád poděkoval rodičům za podporu během celé doby studia.

Obsah Úvod ..................................................................................................................................... 9 1

OKS – teoretický podklad .......................................................................................... 11 1.1

Metody získání 3D mračna bodů ....................................................................................... 11

1.2

Obrazová korelace ................................................................................................................ 12

1.3

Výpočetní algoritmy ............................................................................................................. 13 1.3.1 SIFT ........................................................................................................................... 13 1.3.2 RANSAC ................................................................................................................... 14 1.3.3 SfM ............................................................................................................................. 14 1.3.4 Bundle Adjustment .................................................................................................. 15 1.3.5 PMVS ......................................................................................................................... 15

2

OKS a jejich dělení ..................................................................................................... 17 2.1

Oblasti použití ....................................................................................................................... 17 2.1.1 Letecká fotogrammetrie .......................................................................................... 17 2.1.2 Pozemní fotogrammetrie ........................................................................................ 18

2.2

Vstupní data .......................................................................................................................... 19 2.2.1 JPEG .......................................................................................................................... 19 2.2.2 TIFF ........................................................................................................................... 19 2.2.3 GIF............................................................................................................................. 20 2.2.4 PNG ........................................................................................................................... 20 2.2.5 Video .......................................................................................................................... 21

2.3

Použité vybavení ................................................................................................................... 21 2.3.1 Speciální snímací zařízení........................................................................................ 21 2.3.2 Fotografická komora ............................................................................................... 23

2.4

Různé postupy snímkování a kódové značky................................................................... 25

2.5

Způsob výpočtu modelu ..................................................................................................... 26

2.6

Původ softwaru ..................................................................................................................... 27 2.6.1 Čistě komerční SW .................................................................................................. 28 2.6.2 Nadstavba 3D modelovacího systému ................................................................. 30 2.6.3 Volně dostupný SW od komerčních autorů......................................................... 31 2.6.4 Akademický SW ....................................................................................................... 34

2.7

Definování měřítka a editace modelu ................................................................................ 36

2.8

Výstupní formáty .................................................................................................................. 38 2.8.1 OBJ ............................................................................................................................ 38

2.8.2 PLY ............................................................................................................................ 39 2.8.3 VRML ........................................................................................................................ 40 2.8.4 STL ............................................................................................................................. 40 3

Práce zabývající se testováním OKS .......................................................................... 41 3.1

Porovnání 3D skenovacích metod s mračnem bodů, vytvořením obrazovou korelací v digitální fotogrammetrii .................................................................................................... 41

3.2

123D Catch – testování nástroje pro tvorbu detailních 3D modelů............................. 42

3.3

Optické vs. laserové skenování – srovnání metod získání modelu strmých horských svahů ....................................................................................................................................... 43

3.4

Využití open-source fotogrammetrických softwarů pro potřeby památkové dokumentace, jejich analýza a přesnost ............................................................................. 44

3.5 4

Ochrana a obnova kulturního dědictví metodami digitální fotogrammetrie ............... 46

Sestavení testů a metodiky testování ........................................................................ 48 4.1

Vlivy ovlivňující kvalitu modelu ......................................................................................... 48 4.1.1 Zásady správného snímkování podle autorů OKS ............................................. 48 4.1.2 Zásadní parametry ovlivňující kvalitu modelu ..................................................... 49

4.2

Sestavení testů ....................................................................................................................... 50

4.3

Testovací objekt .................................................................................................................... 51

4.4

Použité přístrojové vybavení............................................................................................... 52 4.4.1 Canon EOS 450D .................................................................................................... 52 4.4.2 Tamron AF 18-200 mm f/3.5-6.3 Di-II IF XR LD ........................................... 53

4.5

Společné nastavení komory a ostření scény ...................................................................... 53

4.6

Postup testování – tvorba a porovnání modelů ............................................................... 54 4.6.1 Kalibrace komory – Agisoft Lens.......................................................................... 55 4.6.2 Tvorba modelu – Agisoft PhotoScan ................................................................... 57 4.6.3 Porovnání modelů – CloudCompare .................................................................... 58

5

Testování vybraných parametrů ................................................................................ 62 5.1

Test 1 – Světelné podmínky v exteriéru ............................................................................ 62 5.1.1 Důvod a předpoklad testování ............................................................................... 62 5.1.2 Snímkování ............................................................................................................... 62 5.1.3 Postup testování ....................................................................................................... 65 5.1.4 Zhodnocení dosažených výsledků ......................................................................... 67

5.2

Test 2 – Konfigurace snímkování ...................................................................................... 71 5.2.1 Důvod a předpoklad testování ............................................................................... 72 5.2.2 Snímkování ............................................................................................................... 72

5.2.3 Postup testování ....................................................................................................... 74 5.2.4 Zhodnocení dosažených výsledků ......................................................................... 76 5.3

Test 3 – Konstanta komory ................................................................................................ 78 5.3.1 Důvod a předpoklad testování ............................................................................... 79 5.3.2 Snímkování ............................................................................................................... 79 5.3.3 Postup testování ....................................................................................................... 80 5.3.4 Zhodnocení dosažených výsledků ......................................................................... 82

Závěr ................................................................................................................................... 84 Použité zdroje ..................................................................................................................... 88 Seznam zkratek .................................................................................................................. 94 Seznam tabulek .................................................................................................................. 96 Seznam obrázků ................................................................................................................. 97 Obsah DVD ........................................................................................................................ 99 Seznam příloh .................................................................................................................... 101 Přílohy................................................................................................................................ 102

ČVUT v Praze

ÚVOD

Úvod Vznik této práce byl podnícen již tvorbou autorovi bakalářské práce na téma „123D Catch – testování nástroje pro tvorbu detailních 3D modelů“. Během zpracování bakalářské práce, která byla zaměřena na jeden konkrétní software, se autor seznámil s oblastí automatizované tvorby 3D modelů ze snímků a postupně se ukazovalo, jak nesmírně široká je tato problematika. Její šířka je dána množstvím nejrůznějších aplikací metody, možnostmi použití různého přístrojového vybavení, různými postupy sběru dat a v neposlední řadě existencí velké spousty různých výpočetních softwarů. Proto byla navržena tato práce, jejímž hlavním cílem je podat ucelený pohled na danou problematiku a pomoci tak čtenáři, potenciálnímu uživateli, se v tomto odvětví fotogrammetrie zorientovat. Tato oblast je jednou z nejmodernějších oblastí digitální fotogrammetrie, procházející neustále bouřlivým vývojem. Za počátek výzkumu lze označit přelom 20. a 21. století. Protože se jedná o oblast tak mladou a živou, existuje zde mnoho anglických ekvivalentů pojmenovávajících toto odvětví. Nejčastěji lze při procházení literatury a „googlování“ narazit na výrazy: 3D optical scanning, 3D capturing, 3D reconstruction a 3D restitution. Části těchto klíčových slov bývají často obsaženy i v názvech programů, např.: My3DScanner, ReconstructME nebo Agisoft PhotoScan. Ačkoliv existuje mnoho různorodých názvů, zřejmě nejčastěji se v literatuře, a potažmo ve jméně softwaru, vyskytuje kromě zkratky 3D nějaká derivace hesla scanning. V této práci bude výhradně používán ekvivalentní název „optické korelační systémy“, zkráceně OKS. Touto oblastí se rozumí software umožňující automatizovanou tvorbu 3D modelů ze série digitálních fotografických snímků pořízených libovolnou fotografickou komorou. Práce je členěna do dvou hlavních částí. První část je část teoretická a je věnována právě proniknutí do problematiky OKS a snaze vnést do ní nějaký řád. Tato část se skládá z následujících kapitol. Úvodní kapitola je věnována teoretickému základu metody. Zde je vysvětlena podstata obrazové resp. optické korelace a podán stručný popis jednotlivých algoritmů, které jsou postupně použity při procesu tvorby 3D modelu. V druhé, stěžejní, kapitole jsou OKS rozděleny podle různých kritérií, kterými jsou: oblast použití, vstupní data, použité přístrojové vybavení, různé postupy snímkování, způsob výpočtu modelu, původ softwaru, definování měřítka, možnosti editace modelu a konečně výstupní formáty modelu. Důraz je mimo jiné kladen též na volně dostupné webové aplikace a různé uživatelské úrovně. Třetí kapitola představuje vybrané dřívější práce zabývající se testováním, porovnáním a posouzením přesnosti jednotlivých OKS. Druhá část, složená ze dvou kapitol (č. 4 a č. 5), je věnována praktickému otestování vybraných parametrů, které by mohly ovlivňovat kvalitu a geometrickou přesnost modelů. Ve 9

ČVUT v Praze

ÚVOD

čtvrté kapitole jsou sestaveny jednotlivé testy a především je zde uveden technologický postup testování, který je podrobně zdokumentován ve formě instruktážních videí. Tento technologický postup obsahuje tři po sobě jdoucí kroky: kalibrace komory, tvorba modelu a porovnání jednotlivých modelů. V poslední páté kapitole jsou otestovány vybrané tři parametry, které jsou předmětem těchto testů: 1. Test 1 – Světelné podmínky v exteriéru 2. Test 2 – Konfigurace snímkování 3. Test 3 – Konstanta komory V závěru práce budou shrnuty výsledky dosažené během provedeného průzkumu a testování. Stejně tak zde budou uvedeny úvahy o testování dalších možných parametrů a o budoucím vývoji OKS.

10

ČVUT v Praze

1

1. OKS – TEORETICKÝ PODKLAD

OKS – teoretický podklad

V této kapitole budou nejprve uvedeny různé metody neselektivního získání 3D mračna bodů a jejich výhody a nevýhody. Dále bude tato kapitola věnována stručnému popisu základních algoritmů OKS, které umožňují automatizovanou tvorbu 3D modelu ze série fotografických snímků.

1.1

Metody získání 3D mračna bodů

K získání 3D bodového mračna pozemních objektů lze využít různé technologie. Při výběru vhodné technologie záleží v neposlední řadě na velikosti zájmového objektu. Jako základní tři technologie lze označit: 

3D laserové skenování (objekty většího rozsahu, řádově metry)



3D triangulační skenování (objekty menšího rozsahu, řádově milimetry až centimetry)



OKS (objekty menšího i většího rozsahu, milimetry až metry)

Obr. 1.1: Laserový skener Leica a triangulační skener Konica Minolta [33] [34] Mezi hlavní výhody technologie OKS oproti laserovým skenerům patří: 

nižší pořizovací cena zařízení



snímky obsahují barevnou informaci vhodnou pro vizualizaci modelu



délka práce v terénu je podstatně kratší



variabilita zpracování projektů (objekty velikosti mm až desítek metrů)



nízká hmotnost a snadná manipulace se zařízením



základní zpracování může provádět i minimálně zaškolený neodborník 11

ČVUT v Praze


Tato technologie má ale i své nevýhody v porovnání s laserovými skenery. Mezi hlavní nevýhody metody OKS patří: 

závislost na správném osvětlení objektu



potřeba minimálně dvou stanovisek pro získání 3D dat



přesnost výrazně klesá se vzdáleností od objektu



objekt nesmí mít homogenní povrch



delší čas kancelářských prací (výpočet modelu, editace modelu)



model vzniká až v kanceláři



při aplikaci v letecké fotogrammetrii nelze odlišit terén a vegetaci

Princip metody laserového a triangulačního skenování je popsán např. v [2].

1.2

Obrazová korelace

Kapitola čerpá z [2]. Obrazová korelace je základním principem optických korelačních systémů. Cílem korelace je nalézt dva sobě si odpovídající body na dvou resp. více snímcích, které zachycují tentýž objekt, ale jsou pořízeny z jiných stanovisek. Pro úspěšné nalezení odpovídajícího bodu je nutné, aby snímky nebyly příliš odlišné. Proces vyhledávání odpovídajících si bodů je zobrazen na následujícím obrázku.

Obr. 1.2: Obrazová korelace [2] Na prvním snímku je vybrán bod, který je potřeba identifikovat na snímku druhém. Aby vůbec bylo možné korelaci provézt, je nutné vyhledávání rozšířit i na nejbližší okolí bodu. Toto okolí na Obr. 1.2 reprezentuje „vzorové okénko“. Pravděpodobnost úspěšného nalezení sdruženého bodu se úměrně zvyšuje se zvětšováním „vzorového okénka“. S tímto je ale spojena i zvyšující se 12

ČVUT v Praze


doba potřebná k výpočtu korelace. Za předpokladu, že každý bod má do jisté míry unikátní okolí, je pro druhý snímek definováno „vyhledávací okénko“, které má stejnou velikost jako „vzorové okénko“. Tímto okénkem je pixel po pixelu prohledávána „vyhledávací oblast“, ve které se očekává výskyt sdruženého bodu. Míra shody vzoru a obrazu je vyjádřena korelačním koeficientem, který je počítán pro každou polohu „vzorového okénka“. Korelační koeficient nabývá hodnot -1 až +1, kde -1 znamená úplnou neshodu a +1 znamená úplnou shodu. Hodnota korelačního koeficientu je určena pro každý pixel ve vyhledávací oblasti. Hledaným sdruženým bodem je tedy pixel s největší hodnotou korelačního koeficientu. Pro bod vzoru a obrazu jsou určeny snímkové souřadnice, ze kterých jsou poté vypočteny 3D prostorové souřadnice bodu aplikací série výpočetních algoritmů, viz následující kapitola 1.3. Prvky vnitřní1 a vnější2 orientace nemusejí být známy a jsou určeny v rámci výpočetních algoritmů.

1.3

Výpočetní algoritmy

Podrobný popis používaných výpočetních algoritmů je uveden např. v [5]. V následujících kapitolách budou nastíněny pouze stručné základní informace o jednotlivých algoritmech, umožňující pochopení významu jednotlivých kroků výpočetního procesu. Algoritmy jsou řazeny tak, jak bývají postupně aplikovány v rámci projektu tvorby 3D mračna bodů.

1.3.1

SIFT

Zkratka SIFT znamená Scale-invariant feature transform. Autorem tohoto algoritmu je David Lowe z americké Univerzity Britské Kolumbie, který jej publikoval roku 1999. Tento algoritmus je schopen rozpoznat tzn. feature neboli charakteristické body snímků. Tyto body se většinou nacházejí ve velmi kontrastních oblastech jako jsou např. hrany objektů. Vlastností těchto bodů je, že jejich relativní pozice zůstává neměnná a jejich detekce je umožněna i navzdory rozdílnému měřítku snímků, šumu a při odlišném osvětlení. V prvním kroku SIFT algoritmus vyhledá extrémy obrazové funkce, které se stanou tzv. kandidáty. Druhým krokem je tzv. filtrace. Při této filtraci jsou z kandidátů vyloučeny nestabilní body s nízkým kontrastem a body na hranách. A na závěr jsou charakteristické body feature detekovány v ostatních snímcích. 1

Prvky vnitřní orientace jsou údaje, které charakterizují geometrii paprsků uvnitř komory. Jedná se

o konstantu komory, polohu hlavního bodu a znalost průběhu distorze objektivu. [9] 2

Prvky vnější orientace nazýváme údaje, které definují polohu projekčního centra a směr osy záběru.

Jedná se o tři souřadnice středu vstupní pupily a tři nezávislé rotace. [9]

13

ČVUT v Praze


Obr. 1.3: SIFT – propojení snímků pomocí charakteristických bodů [5]

1.3.2

RANSAC

Algoritmus RANSAC (Random Sample Consensus) neboli „Konsenzus náhodného výběru“ byl představen autory Martin Fischler a Robert Bolles roku 1981. Jedná se o tzv. robustní metodu zpracování dat (vyrovnání), která je na rozdíl od známé metody MNČ (metoda nejmenších čtverců) vhodná pro zpracování dat, která obsahují významný počet hrubých chyb. Těmito daty mohou být právě obrazová data. Pomocí algoritmu RANSAC je především řešen LDP (Location Determination Problem), při kterém je vypočtena poloha snímku v prostoru, který obsahuje body se známou polohou. V první fázi je řešen tzv. klasifikační problém, při kterém je snahou nalézt nejlepší shodu mezi měřenými daty (obrazová data) a matematickým modelem. Druhou fázi představuje tzv. problém odhadu parametrů, který se zabývá výpočtem volných parametrů daného matematického modelu. Obě fáze často nejsou nezávislé. Protože SIFT algoritmus automatizovaně generuje velké množství charakteristických bodů, které jsou zatíženy hrubými chybami, je pro následné zpracování výhodné použít právě algoritmus RANSAC – LD (Location Determination). Výstupem tohoto algoritmu jsou: 

souřadnice projekčních center kamer



orientace snímků v prostoru

1.3.3

SfM

Structure from Motion je algoritmus, který se využívá k určení pozice kamer všech snímků a rekonstrukci významných bodů objektu. Základním předpokladem pro úspěšný výpočet tohoto algoritmu je, že snímaný objekt je statický a pohybuje se pouze komora kolem objektu. Následující obrázek zobrazuje určené pozice kamer a významných bodů objektu římského Kolosea s využitím programu Bundler, viz kapitola 2.6.4. 14

ČVUT v Praze


Obr. 1.4: SfM – program Bundler [21]

1.3.4

Bundle Adjustment

Bundle Adjustment neboli „Svazkové vyrovnání“ je závěrečným algoritmem, který je aplikován před samotnou generací 3D bodového mračna. Při této metodě jsou současně vyrovnávány všechny parametry: 

pozice a orientace kamer v prostoru



souřadnice významných bodů

Svazkové vyrovnání využívá přímý vztah mezi snímkovými souřadnicemi a modelovými souřadnicemi a jeho inverzní podobu.

1.3.5

PMVS

PMVS znamená Patch-based Multi-view Stereo. Algoritmus vyvinuli Y. Furukawa a J. Ponce. Tento algoritmus produkuje malé plošky obdélníkového tvaru tzv. patch, které získá z korespondencí pixelů. Tyto malé plošky patch postupně pokrývají celý objekt v místech, kde se nachází dostatečně heterogenní textura. Dále je algoritmus schopen vyřadit odlehlé body, ale zároveň neprovádí žádné vyhlazování. Algoritmus PMVS pracuje ve třech krocích. První krok se nazývá matching feature. Tento krok je již proveden pomocí SfM algoritmu a PMVS algoritmus přebírá pouze jeho výsledky. Druhým krokem je tzv. expansion. V tomto kroku jsou patch rozšiřovány ve svém okolí. Finálním třetím krokem je proces filtration, při kterém jsou postupně filtrovány nové patch. Následující obrázek zobrazuje postupný proces generace patch plošek.

15

ČVUT v Praze


Obr. 1.5: PMVS – generace prvků patch [5]

16

ČVUT v Praze

2

2. OKS A JEJICH DĚLENÍ

OKS a jejich dělení

Při procházení internetu lze narazit na spoustu programů zabývajících se automatizovanou tvorbou modelů z fotografických snímků. Jednotlivé programy se liší oblastí použitelnosti, svým původem a cenou, typem a formátem vstupních dat, úrovní automatizace a způsobem výpočtu mračna, možností editace mračna, formátem výstupního modelu atd. Tato různorodá škála má svoji podstatnou nevýhodu. Potenciální uživatel, který hledá vhodný program pro řešení svých projektů, se může cítit poněkud ztracen a musí věnovat nemalé úsilí pro výběr toho správného programu. Tento výběr mu navíc ztěžuje fakt, že ačkoli je internet jako médium velice flexibilní z hlediska možnosti okamžité aktualizace obsahu, disponuje na druhou stranu velmi dobrou pamětí. To znamená, že uživatel se musí probírat také softwarem, který je již značně zastaralý, u něhož se zastavil vývoj před několika lety, a který tudíž nemůže splňovat nároky moderního uživatele. V následující kapitole budou optické korelační systémy roztříděny podle různých hledisek, což by mělo budoucímu uživateli trochu napomoci s výběrem správného softwaru pro řešení jednotlivých úloh.

2.1

Oblasti použití

Z hlediska oblasti použití OKS rozeznáváme dva základní případy: 

letecká fotogrammetrie



pozemní fotogrammetrie

2.1.1

Letecká fotogrammetrie

V tomto případě se jedná o SW, který je určen pro tvorbu DMT (digitální model terénu), 3D modelů měst, obcí, průmyslových parků, výpočet kubatur atd. Kromě snímků pořízených z klasického letadla nebo družice se v dnešní době začínají významně prosazovat malé bezpilotní snímkovací letecké prostředky UAV (unmanned aerial vehicle). Nejčastěji se jedná o tzv. quadrotory (quadrocopter). Quadrotory jsou malé čtyřrotorové vrtulníky na dálkové ovládání, které jsou opatřeny digitální kamerou a vynikají svou manévrovací schopností. Systém je ovládán radiovým ovladačem operátorem ze země a pořizuje snímky zájmové oblasti. Tyto systémy jsou použitelné pro výpočet kubatur, mapovací práce menších lokalit, průmyslových parků a liniových staveb, snímkování komplexů budov a velkých samostatných budov (pozemní aplikace) atd. Pořizovací cena těchto systémů je relativně nízká a pohybuje se v jednotkách desetitisíců Kč. 17

ČVUT v Praze


Obr. 2.1: Quadrocopter L4 a profesionální UAV Trimble UX5 [35] [36] UAV Quadrocopter L4 má pořizovací cenu přibližně 25 000 Kč. Cena profesionálního UAV Trimble UX5 se bude pohybovat v řádech statisíců Kč. Příklad použití UAV pro snímkování a tvorbu modelu Plaveckého hradu v softwaru Agisoft PhotoScan lze nalézt v [6]. Existuje mnoho softwarů přímo určených pro automatizovanou tvorbu 3D modelů zemského povrchu ze snímků pořízených různými leteckými prostředky (UAV, letadlo, družice). Následující tabulka představuje vybrané softwary od tvůrců z celého světa. Orientační cenu těchto softwarů se podařilo najít pouze u software AreoHawk, jehož cena je 4 680 $. Lze očekávat, že obecně se ceny těchto softwarů budou pohybovat v řádech tisíců $.

Tab. 2.1: Software pro leteckou fotogrammetrii Program

Autor

Země

Odkaz

DroneMapper Pix4D Correlator3D Smart3DCapture AreoHawk

Big Mountains Robotics, LLC Pix4D SA SimActive Inc. Acute3D Areograph Ltd.

USA Švýcarsko Kanada Francie Nový Zéland

[28] [29] [30] [31] [32]

Oblast použití OKS pro tvorbu modelů ze snímků pořízených UAV prožívá obrovský boom a zasloužila by zpracování v samostatné práci. Hlavním předmětem zájmu této práce je ale pozemní aplikace OKS, které tedy budou věnovány všechny následující kapitoly.

2.1.2

Pozemní fotogrammetrie

V případě pozemního využití se jedná o software, který se využívá převážně pro tvorbu modelů budov a objektů v památkové péči, uměleckých objektů (sochy, fontány, monumenty atd.), předmětů (vázy, sošky, nábytek atd.). Dále lze tento SW aplikovat v medicíně (model lidského těla, jeho částí a orgánů), v dokumentaci místa dopravní nehody nebo místa trestného činu, pro výpočet kubatur v povrchových dolech a lomech a na skládkách materiálů, při nárazových testech automobilů popř. při modelování filmových scén (např. software Enwaii [37]). 18

ČVUT v Praze

2.2


Vstupní data

Vstupními daty pro optické korelační systémy jsou digitální snímky v různých komprimovaných i nekomprimovaných formátech. Některé programy dokonce podporují též videosekvence jako vstupní data. Na internetu se již lze setkat s pojmem videogrammetry, který je možné přeložit jako videogrammetrie. Zatím jsou ale nejběžnějšími vstupními daty digitální rastrové snímky, kterým se zatím především kvůli nižšímu rozlišení nemohou video formáty vyrovnat. Většina OKS k úspěšnému výpočtu modelu využívá také informace uložené v EXIF3 metadatech. Mezi nejčastěji podporované rastrové formáty patří následující. Informace čerpány z [10].

2.2.1

JPEG

JPEG znamená Joint Photographic Experts Group, což je název konsorcia, které tento formát navrhlo. Jedná se o otevřený formát, který využívá standardní metodu ztrátové komprese. Používané zkratky tohoto formátu jsou: jpg, .jpeg, .jpe .jif, .jfif, .jfi. JPEG je nejběžněji používaný formát pro přenos a ukládání snímku na webu. Formát podporuje 24-bitovou barevnou hloubku. JPEG není vhodný pro perokresbu nebo zobrazení textu, neboť zde při kompresi jsou patrné rušivé artefakty. Na druhou stranu je to formát velmi vhodný pro ukládání fotografických snímků, které se vyznačují hladkými přechody tónů a barev. V tomto případě poskytuje značnou úsporu dat při zachování dobré kvality obrazu. Nevýhodou může být větší zašumění snímků. Následující obrázek zobrazuje snímek komprimovaný se vzrůstajícím komprimačním poměrem zleva doprava.

Obr. 2.2: JPEG se vzrůstajícím komprimačním poměrem zleva doprava [38]

2.2.2

TIFF

TIFF znamená Tag Image File Format. Tento formát byl vyvinut společností Aldus (nyní Adobe Systems). TIFF je složitější formát, který může být čistě bez komprese, využívat bezztrátovou 3

EXIF znamená Exchangeable image file format a jedná se o specifikace pro formát metadat, vkládaných do

souborů digitálními fotoaparáty. [10]

19

ČVUT v Praze


kompresi nebo nějaký typ ztrátové komprese. Používané zkratky tohoto formátu jsou: .tiff a .tif. Formát TIFF je velice flexibilní, neboť díky používání „tagů“ na začátku souboru může uchovávat rozmanité typy obrazů. TIFF umožňuje např. ukládání vícestránkových souborů nebo ukládání souborů s vícenásobnými vrstvami. Na rozdíl od JPEG, TIFF soubory mohou být editovány a ukládány bez kompresních ztrát. Formát podporuje 24-bitovou barevnou hloubku. Použití TIFF snímků získaných konverzí RAW snímků doporučuje OKS Agisoft PhotoScan [12]. Snímky v tomto formátu by neměly trpět výskytem šumu tolik jako snímky formátu JPEG.

2.2.3

GIF

Zkratka GIF znamená Graphics Interchange Format. Tento otevřený formát vyvinula společnost CompuServe. Formát GIF používá bezztrátovou kompresi, je tedy vhodný pro publikaci tzv. pérovek (text, logo, plán v rastrové grafice). Omezením je podpora pouze 8-bitové barevné palety. Naopak výhodou je, že formát GIF podporuje jednoduché animace. Používá se také k publikování na internetu.

2.2.4

PNG

PNG znamená Portable Network Graphics. Tento otevřený formát byl vyvinut společností PNG Development Group. Jedná se o grafický formát, který je určený pro bezztrátovou kompresi rastrové grafiky. Používaná zkratka tohoto formátu je: .png, PNG podporuje 24-bitovou barevnou hloubku při použití lepší komprese než u formátu GIF. Dále formát podporuje tzv. 8-bitový alfa kanál, což znamená, že obrázek může být v různých částech různě průhledný. Nevýhodou oproti formátu GIF je, že zatím nepodporuje jednoduchou animaci. PNG se také spolu s formáty GIF a JPEG používá pro publikování rastrových dat na webu. Následující obrázek porovnává odlišnost formátů JPEG a PNG při použití pro uložení textu.

Obr. 2.3: Porovnání JPEG vlevo a PNG vpravo [39]

20

ČVUT v Praze

2.2.5


Video

Nejběžnější podporovaný video formát je formát AVI (Audio Video Interleave). Formát uvedla firma Microsoft v roce 1992. Formát AVI může obsahovat video i zvukovou stopu. Druhým běžně používaným formátem je formát WMV (Windows Media Video). Jedná se též o formát, který může obsahovat video a zvukovou stopu. Tento formát je komprimovaný.

2.3

Použité vybavení

OKS lze rozdělit podle nároků na použité přístrojové vybavení. Z tohoto hlediska je možné OKS rozdělit do dvou základních skupin podle použitého vybavení: 

speciální snímací zařízení



fotografická komora

2.3.1

Speciální snímací zařízení

Informace čerpány z [40]. V prvním případě se jedná o systémy, které využívají některé speciální snímací zařízení. Tímto zařízením může být např. senzor Kinect od společnosti Microsoft. Tyto systémy zde budou v krátkosti uvedeny proto, že jejich výstupy jsou velmi podobné a zaměnitelné s výstupy klasických OKS, ačkoliv jsou založeny na rozdílných výpočetních algoritmech než standardní OKS. Pravděpodobně ale též využívají princip obrazové korelace stejně jako OKS. Tento senzor je primárně určen pro použití s herní konzolí Microsoft Xbox 360. Pomocí zařízení Kinect je možné ovládat hry pouhými pohyby, které senzor snímá. Cena senzoru se pohybuje okolo 3 000 Kč.

Obr. 2.4: Senzor Microsoft Kinect [40] Senzor Kinect se skládá z horizontálního těla, které je umístěno na motorizované základně. Tělo senzoru je opatřeno RGB kamerou (uprostřed), dvěma hloubkovými čidly (na stranách) a zvukovým mikrofonem. Hloubková čidla se skládají z infračerveného laserového projektoru a jednobarevného CMOS čipu. Rozlišení RGB kamery je 1280 x 1024 pixelů (využívá se 640 x 480 pixelů) a jednobarevného CMOS čipu 640 x 480 pixelů. V následujících odstavcích budou zmíněny systémy využívající senzor Kinect pro tvorbu 3D modelů. 21

ČVUT v Praze


Sama společnost Microsoft se zabývá vývojem softwaru Kinect Fusion, který využívá senzor Kinect pro tvorbu 3D modelů. Tento výzkum je podrobně popsán na stránkách [41]. Další SW, který využívá senzor Microsoft Kinect je program ReconstructMe. U tohoto softwaru lze senzor Kinect zaměnit za obdobný senzor ASUS Xtion Family nebo PrimeSense Carmine Family. Zajímavostí tohoto SW je, že model je vytvářen v tzv. real-time režimu. To znamená, že zatímco uživatel obchází a „skenuje“ zájmový objekt, kontinuálně dochází k výpočtu modelu na připojeném PC. Výrobce SW uvádí, že tento systém je vhodný pro tvorbu modelů lidí, částí lidských těl, strojírenských součástí, stavebních objektů a další. Využit může být také např. ve filmovém průmyslu. Mezi podporované výstupní formáty patří: STL, OBJ, 3DS a PLY. Dalším SW je KSCAN3D. Tento program může kromě senzoru Kinect využít i senzor ASUS Xtion Family. SW podporuje výstup modelu ve formátech FBX, OBJ, STL, PLY a ASC. Mezi systémy, o kterých stojí za to se zmínit, patří také systém Matterport. Tento projekt ze Silicon Valley je určen pro tvorbu 3D modelů interiérů. Základem technologie je speciální rotující 3D/2D kamera, která je umístěna na stativu a je ovládána pomocí Apple iPad 4. Kamera využívá stejný „hloubkový“ senzor jako Microsoft Kinect. Výsledný model je vypočítán „kdesi na serverech“, kde je také uložen a je možné ho zde prohlížet popř. stáhnout ve formátu OBJ.

Obr. 2.5: Systém Matterport [44] Následující tabulka srovnává SW využívající senzor Kinect nebo jiný podobný senzor pro tvorbu 3D modelů. V tabulce je též uvedena cena jednotlivých softwarů.

Tab. 2.2: SW využívající senzor Kinect Program

Autor

Senzor

KinectFusion [41] Microsoft MS Kinect ReconstructMe [42] PROFACTOR GmbH MS Kinect, ASUS Xtion, PrimeSense Carmine KSCAN3D [43] LMI Technologies Inc. MS Kinect, ASUS Xtion Matterport [44] Matterport MS Kinect

* ceny jsou uvedeny k datu 26.11.2013

22

Cena* 179 € 299 $ 3000 $

ČVUT v Praze


Za zmínku též stojí systém OKS (FSv ČVUT), který provádí snímkování sice pomocí klasické digitální kamery, která je ale připevněná na speciální motorové základně. Výstupem je tedy řada snímků s rovnoběžnými osami záběru. Vývoj tohoto systému však nepokračuje, tudíž mu nebude věnována další pozornost. Princip systému je podrobně popsán v [45]. Jiným příkladem je systém EVO Suite od italské společnosti Menci Software. Jedná se o systém složený z komory Canon EOS 600D, tabletu pro ovládání komory, tyče pro uchycení komory a tabletu a z výpočetního software. [46] Existují i další jiné projekty využívající jiná speciální a nákladná zařízení. Jedná se nejčastěji o speciální snímkovací základny, dataprojektory pro projekci speciální textury popř. systémy složené z více komor. Popis všech těchto systému je však nad rámec této práce a dále se jimi nebude zabývat.

2.3.2

Fotografická komora

Primárním zájmem této práce budou softwary, které jako zdroj vstupních dat využívají pouze digitální snímky pořízené jednou klasickou digitální komorou. Základním hlediskem dělení podle použité fotografické komory je způsob provedení kalibrace komory. Podrobné informace o kalibraci digitální komory viz [1]. Co obnáší proces kalibrace je dále podrobněji popsáno také v kapitole 4.6.1. Kalibrace může být provedena třemi základními způsoby: 

laboratorní kalibrace



kalibrace pomocí testovacího pole



simultánní kalibrace - samokalibrace Pomocí laboratorní kalibrace jsou kalibrovány jen přesné speciální měřické komory.

V tomto případě jsou přímo měřeny směry obrazových paprsků procházejících objektivem. Tento typ kalibrace se pro běžné digitální aparáty neprovádí. V druhém případě je potřeba před samotným snímkováním objektu provést speciální snímkování testovacího pole a poté výpočet prvků kalibrace ve vhodném výpočetním softwaru. Kalibrační pole může být dvourozměrné i třírozměrné. Takto vypočtené prvky kalibrace jsou pak zadány do programu před samotným výpočtem modelu. Mezi programy OKS, které umožňují zadání předem určených prvků kalibrace pomocí testovacího pole, patří např.: PhotoModeler Scanner, Agisoft PhotoScan a VisualSFM. Kalibrace pomocí testovacího pole byla využita i v rámci této práce a pro výpočet kalibračních prvků byl použit software Agisoft Lens, viz kapitola 4.6.1. Simultánní kalibrací se rozumí kalibrace, kdy pro výpočet kalibrace jsou použity přímo snímky objektu, ze kterých bude generován model objektu. Není tedy nutné před výpočtem 23

ČVUT v Praze


modelu definovat ručně prvky kalibrace. Výhodou je, že vnitřní orientace je přímo určena pro časový okamžik snímkování měřeného objektu, což zaručuje nejvyšší přesnost při rekonstrukci objektu. Pokud je simultánní kalibrace prováděna pouze z fotogrammetrického měření, je nazývána jako samokalibrace. Samokalibraci využívá většina dnešních softwarů založených na algoritmu SfM. Dalším hlediskem dělení podle použité komory je samotný druh použité komory. V tomto případě je možné pro tvorbu modelů použít aparáty různé kvality a cenové dostupnosti. Následující tabulka zobrazuje jednotlivé třídy komor a jejich přibližné základní parametry. Je potřeba upozornit, že v případě uváděných parametrů se jedná o snahu odhadnout běžné parametry daných tříd, neboť v současné obrovské nabídce fotoaparátů existují v kategoriích Velikost čipu, Rozlišení a Orientační cena intervaly s velikým rozpětím.

Tab. 2.3: Třídy komor Třída

Typ senzoru

Mobilní telefon CCD4 Kompakt CCD/CMOS5 Amatérská zrcadlovka CMOS Profesionální zrcadlovka CMOS

Velikost [mm]

Rozlišení [Mpx]

Or. cena [Kč]

4.5 x 3.4 7.2 x 5.3 23.6 x 15.7 36.0 x 24.0

8 16 24 36

6 000 3 000 15 000 70 000

Z Tab. 2.3 je patrné, že zpravidla platí čím vyšší třída fotoaparátu, tím větší obrazový senzor, větší rozlišení a samozřejmě vyšší cena. Výjimkou je obvykle mnohem nižší pořizovací cena kompaktního fotoaparátu než mobilního telefonu se slušným zabudovaným fotoaparátem. Zvláště v této třídě (kompaktní fotoaparát) se vyskytuje ve všech kategoriích veliký rozptyl. Většina softwarů na svých stránkách uvádí, že k výpočtu modelu je možné použít libovolný fotoaparát (od mobilního telefonu po profesionální zrcadlovku). Jednoduché testování porovnávající použití 3 typů komor (mobilní telefon, kompakt, amatérská zrcadlovka - DSLR) s odpovídajícím rozlišením provedl i autor této práce ve své bakalářské práci [3]. Pro software 123D Catch Beta došel k závěru, že všechny aparáty poskytnou model s odpovídající hustotou, ale nejlepší podání hran objektu poskytne amatérská DSLR. Stručný obsah práce viz kapitola 3.2. Porovnáním modelů ze třech různých fotoaparátů s různým rozlišením (mobilní telefon - 5 Mpx, amatérská DSLR - 16 Mpx a profesionální DSLR - 40 Mpx) se též zabýval ve své disertační práci M. Marčiš, [6]. Z jeho testování je na první pohled patrná vzestupná tendence kvality modelu 4

CCD znamená Charge Coupled Device neboli „zařízení kupící náboj“. Jedná se o mikroelektronický

detektor elektromagnetického záření (světla), pracující na principu fotoefektu. [1] 5

CMOS neboli Complementary Metal Oxid Semiconducter je elektronická součástka na bázi tranzistoru. Oproti

CCD je výrobně jednodušší, menší, levnější a má nižší spotřebu el. energie. [1]

24

ČVUT v Praze


a podrobnosti zachycení detailů při vzrůstajícím rozlišení při použití jednotlivých typů fotoaparátů. Tento trend byl shodně pozorován u více výpočetních programů (123D Catch Beta, VisualSFM, PhotoModeler Scanner a Agisoft PhotoScan). Stručný obsah práce viz kapitola 3.5. Z výše uvedeného lze zjednodušeně tvrdit, že pro dosažení co nejkvalitnějšího modelu, má smysl použít kvalitní digitální komoru s dostatečným rozlišením. Pro vyslovení nějakých přesnějších závěrů, stanovení závislosti rozlišení snímků resp. velikosti obrazového senzoru na kvalitu modelu by bylo potřeba provést další podrobnější testování. Toto testování by bylo navíc nutné provést pro jednotlivé OKS zvlášť. V rámci této práce není prostor pro provedení tohoto obsáhlého testování.

2.4

Různé postupy snímkování a kódové značky

Z hlediska technologie snímkování lze odlišit několik typů vstupních dat, které jednotlivé programy podporují. Jedná se nejčastěji o tyto typy: 

pár stereosnímků



pár konvergentních snímků



série stereosnímků



série konvergentních snímků



série obsahující stereosnímky i konvergentní snímky

Předně je potřeba uvést, že téměř všechny programy (výjimkou je software Vi3dim, viz kapitola 2.6.1) nedoporučují provádět snímkování způsobem, kdy zájmový objekt je umístěn na otočné podložce a komora je statická. Přípustný je pouze způsob, kdy objekt je statický a pohybuje se komora kolem objektu. Jeden pár stereosnímků podporuje např. program Agisoft StereoScan [47]. Dvojici konvergentních snímků využívá program s názvem Photosculpt [48]. Pouze ze série stereosnímků vytváří model např. program OKS z FSv ČVUT, viz kapitola 2.3.1. Hlavní zájmovou skupinu této práce tvoří programy, které jako vstup podporují sérii snímků, které jsou navzájem konvergentní nebo se jedná o stereosnímky popř. se v sérii konvergentních snímků vyskytují i stereopáry. Těmito programy jsou např. 123D Catch, Cubify, Agisoft PhotoScan, PhotoModeler Scanner a další. Dále je nutné rozlišit programy na ty, které pro správnou orientaci snímků resp. rekonstrukci objektu potřebují na objektech umístěné kódové značky, které SW detekuje automaticky, a na programy, které k úspěšné orientaci a generaci mračna bodů kódové značky 25

ČVUT v Praze


nepotřebují. V prvním případě se jedná se např. o program Rhinophoto, viz kapitola 2.6.2, a Pixdim, viz [49]. Oba tyto programy jsou již značně zastaralé a generují 3D body modelu právě pouze v místech kódových značek. Dalším programem, který ale použití kódových značek umožňuje volitelně (zvládá orientaci snímků a generaci bodového mračna i bez kódových značek), je profesionální PhotoModeler Scanner, viz kapitola 2.6.1. Tvůrce programu doporučuje použít kódové značky pro úspěšnou orientaci snímků tam, kde je potřeba zvláště přesné vyhodnocení 3D bodů nebo v případě, kdy zájmový objekt nemá dostatečně heterogenní strukturu. Použití kódových značek při tvorbě modelu stopy boty zobrazuje následující obrázek.

Obr. 2.6: Kódové značky – PhotoModeler Scanner [11] Programů, které provedou orientaci snímků i generaci mračna bodů automaticky bez použití jakýchkoliv značek na zájmovém objektu, je v současnosti většina. Zájmem práce budou především tyto zmíněné programy. Konfigurací snímkování se zabývá též Test 2, viz kapitola 5.2.

2.5

Způsob výpočtu modelu

Z hlediska způsobu výpočtu modelu lze rozlišit dva hlavní případy: 

výpočet offline na PC uživatele



výpočet online na serverech programu V prvním případě je samotný program v podobě desktopové aplikace nainstalován přímo

na PC uživatele. Potom pro výpočet modelu není potřeba aktivního připojení k síti internet a délka výpočtu kromě složitosti modelu závisí jen na HW výkonu PC. Tento případ offline výpočtu se týká především komerčních SW, např. PhotoModeler Scanner nebo Agisoft PhotoScan, ale též nekomerčních SW, např. VisualSFM nebo Bundler.

26

ČVUT v Praze


Zbylá skupina programů provádí výpočet modelu „kdesi na serverech“. Tento typ výpočtu se nazývá cloud computing6. V tomto případě je tedy pro výpočet nezbytné připojení k internetu. Takové programy často využívají pouze jednoduché desktopové rozhraní, s jehož pomocí jsou snímky objektu nahrávány na výpočetní server, např. 123D Catch nebo ARC3D. Druhou možností je, že nahrávání snímků na výpočetní server se děje přímo z internetového prohlížeče, např. Cubify Capture BETA nebo Webservice SfM. Pro tuto skupinu programů je charakteristické, že o úspěšném výpočtu modelu je uživatel informován až pomocí emailu. V tomto případě online výpočtu délka výpočtu závisí především na vytíženosti serverů. Výhodou tohoto způsobu výpočtu je, že uživatel nemusí disponovat výkonným PC. Nevýhodou tohoto typu výpočtu je závislost na výkonném internetovém připojení a skutečnost, že výpočet je prováděn naprosto nekontrolovaně kdesi na serverech. Další nevýhodou může být značná nespolehlivost dosažení úspěšného výpočtu, se kterou se autor této práce setkal u programu 123D Catch Beta, viz [3] a často též nutnost použití dalšího SW pro prohlížení a editaci modelu.

2.6

Původ softwaru

Výrazným hlediskem pro dělení těchto systémů může být původ softwaru. Původ SW byl vybrán jako stěžejní hledisko rozdělení jednotlivých softwarů, neboť s původem SW je úzce spjata možnost použití SW a jeho pořizovací náklady. S ohledem na tyto tři parametry lze rozeznat čtyři základní typy původu SW: 

čistě komerční fotogrammetrický SW



nadstavba 3D modelovacích systémů



volně dostupný SW od komerčního autora



volně dostupný akademický SW Pro každou skupinu je uvedena tabulka obsahující programy, které reprezentují danou

skupinu a které zaslouží bližší pozornost. Následně je každý program uvedený v tabulce stručně popsán. Především se jedná o programy, které mají nějaké zajímavé charakteristiky a též programy, jejichž přesnost již byla podrobena testování v některých dřívějších pracích. V tabulce jsou uvedeny pouze vybrané významné parametry, které jsou charakteristické pro danou skupinu. Kompletní tabulka všech vyhledaných programů včetně programů se zjevně zastaveným vývojem, která obsahuje více parametrů je uvedena jako Příloha B. 6

Cloud Computing se označuje technologie, která je založena na sdílení hardwarových i softwarových

prostředků pomocí sítě. [51]

27

ČVUT v Praze

2.6.1


Čistě komerční SW

Do této kategorie lze zařadit SW, který je produktem komerčních společností. Tyto SW se liší jednak svojí cenou a jednak možnostmi zpracování modelu. Následující tabulka zobrazuje vybrané zástupce této kategorie. V tabulce je uvedena informace o autorovi SW, zda je možné provádět výpočet i z videosekvence a orientační cena SW. Všichni zástupci uvedení v tabulce provádějí výpočet modelu přímo na PC (offline). Více informací viz Příloha B.

Tab. 2.4: Komerční SW Program

Autor

Výpočet

Video

Or. cena

Odkaz

PhotoModeler Scanner Agisoft PhotoScan Professional Vi3Dim

Eos Systems Inc. Agisoft LLC Vi3Dim Technologies

PC PC PC

NE NE ANO

1 145 $ 3 499 $ 395 $

[11] [12] [13]

* ceny jsou uvedeny k datu 26.11.2013 Program

PhotoModeler

Scanner

je

zřejmě

nejrozšířenějším

profesionálním

fotogrammetrickýcm systémem. Je určen pro aplikaci letecké i pozemní fotogrammetrie. Kromě kalibrace komory a klasických úloh fotogrammetrie (jednosnímková, průseková metoda) umožňuje také automatizovanou generaci bodového mračna DSM (dense surface modeling). V nejnovější verzi je doporučováno při použití DSM pořízení též konvergentních snímků (dříve doporučována pouze množina dvojic stereosnímků). Jak již bylo zmíněno výše, program podporuje též použití kódových značek. Podporované výstupní formáty modelů jsou: 3DS, OBJ, VRML a 3DM. Přesnost modelu z programu PhotoModeler byla testována již v mnoha pracích, např. v [5], [8], [6], viz kapitoly 3.1, 3.3 a 3.5. Tato testování potvrdila, že s programem lze dosáhnout velmi dobrých a spolehlivých výsledků.

Obr. 2.7: PhotoModeler Scanner – tvorba 3D modelu [11] Program Agisoft PhotoScan nachází taktéž uplatnění v letecké i pozemní fotogrammetrii a stává se čím dál tím více populární pro řadu svých předností (všestrannost, jednoduchost, přesnost, spolehlivost, intuitivnost atd.). Jak dokládají nezávislé testy uvedené v kapitole 3.1 a 3.5, 28

ČVUT v Praze


dosahuje vynikajících výsledků v přesnosti modelu. Navíc je schopen zpracovat jakékoliv snímky (i bez informace EXIF). Snímky mohou mít formu stereopárů i konvergentních snímků. Jednotlivé kroky výpočtu modelu (orientace snímků, generace 3D mračna atd.) probíhají automatizovaně, ale výsledky se dají ovlivňovat nastavitelnými parametry. Výsledný model lze vlícovat do libovolného referenčního systému (WGS84, S-JTSK a mnoho dalších). Podporované výstupní formáty modelů jsou: OBJ, 3DS, VRML, COLLADA, PLY, DXF, FBX, U3D, KMZ a PDF. Program je dostupný ve dvou edicích: Standard Edition SE a Professional Edition PE. SE stojí 179 $ a PE stojí 3 499 $. Rozdíl mezi edicemi je, že PE navíc oproti SE podporuje více funkcí pro GIS profesionály jako jsou např. nastavení souřadnicového systému, tvorba DMT, tvorba ortofota atd. Tento software je, pro jeho přednosti, možné považovat za nejlepší, se kterým se autor práce seznámil, a proto byl také vybrán pro testování vybraných parametrů v kapitole 5.

Obr. 2.8: Agisoft PhotoScan – rozložení kamer [autor] Systém Vi3Dim je dalším zástupcem komerčního softwaru. Jedná se o několikanásobně levnější software než výše zmínění PhotoModeler a Agisoft PhotoScan. Výsledné modely zjevně nedosahují přesnosti modelů z programů PhotoModeler Scanner a Agisoft PhotoScan, i kvůli způsobu sběru vstupních dat, a hodí se tedy pouze k prezentačním účelům. Pozornost však zaslouží právě z důvodu odlišného způsobu sběru zdrojových dat. Zdrojem pro tvorbu modelů jsou v tomto případě videosekvence. Dále tvůrce uvádí, že je možné objekt natáčet způsobem, kdy se kamera pohybuje kolem objektu, ale také způsobem, kdy kamera zůstává nehybná a pohybuje se zájmový objekt, což je u naprosté většiny OKS vyloučené. Program sám extrahuje 29

ČVUT v Praze


snímky z videosekvence. Následující obrázek zobrazuje velmi pravidelnou strukturu 3D trojúhelníkové sítě. Podporovaným výstupním formátem modelů je formát PLY.

Obr. 2.9: Vi3Dim – detail trojúhelníkové sítě modelu [13]

2.6.2

Nadstavba 3D modelovacího systému

Do této kategorie patří SW, který nemůže samostatně fungovat a který je tedy nadstavbou nějakého 3D modelovacího systému. Jedná se např. o nadstavbu oblíbeného modelovacího SW SketchUp [66]. Nadstaveb pro tento program existuje více. Jako příklad lze uvést: Tgi3D [14], PhotoSketch [27], Match Photo [50] nebo Pixdim [49]. Následující tabulka blíže představuje dva vybrané zástupce nadstaveb pro dva různé softwary. Kromě názvu nadstavby a základního programu, který tato nadstavba rozšiřuje, je zde uvedeno, zda je výpočet modelu prováděn na PC (offline) nebo na serverech, zda je možné provádět výpočet i z videosekvence a orientační cena SW. Více informací viz Příloha B. V této kategorii se nepodařilo vyhledat dřívější práce zabývající se testováním přesnosti daných nadstavbových programů.

Tab. 2.5: Nadstavba 3D modelovacího systému Nadstavba

Autor

Program

Výpočet

Video

Or. cena

Odkaz

Tgi3D PhotoScan Rhinophoto

Ocali, Inc. Qualup SAS

SketchUp Rhino

PC PC

NE NE

149 $ / 999 $ 895 €

[14] [15]

* ceny jsou uvedeny k datu 26.11.2013 Tgi3D PhotoScan je nadstavbou určenou pro modelovací systém SketchUp verze 7.1 a vyšší. Ze všech vyhledaných nadstaveb pro systém SketchUp byl vybrán proto, že zjevně poskytuje nejlepší výsledky a není příliš zastaralý. Pomocí této nadstavby je možné vytvářet model ze série snímků pro zadanou oblast ohraničenou na jednom snímku, viz následující obrázek. Výsledný model je ale poměrně řídký a lze na něj dále navazovat s modelovacími funkcemi (kresba křivek, vyhlazování povrchu atd.). 30

ČVUT v Praze


Obr. 2.10: Tgi3D PhotoScan – nadstavba programu SketchUp [14] Fotogrammetrická nadstavba Rhinophoto je určená pro použití s programem Rhino 5 [65]. Rhino 5 je všestranný 3D modelovací program, který je určen pro navrhování nejrůznějších objektů (lodě, budovy, šperky). Nadstavba Rhinophoto umožňuje tvorbu modelů ze snímků. Nejedná se o zcela automatizovanou generaci mračna z libovolných snímků. Vyhodnocované body musí být signalizovány kódovými značkami popř. doplňujícími značkami a pro určení měřítka se využívá speciální přípravek o známé délce, viz následující obrázek. Minimální doporučené rozlišení snímků je 5 Mpx a je doporučeno použití aparátu DSLR. Software obsahuje vlastní model pro výpočet kalibrace komory. Kalibraci je potřeba provést vždy pro nový fotoaparát před samotnou tvorbou modelu. Přesnost závisí na použité komoře, ale výrobce udává přibližnou hodnotu 200 ppm velikosti objektu. Tzn. při velikosti objektu 10 m by přesnost měla být 2 mm.

Obr. 2.11: Rhinophoto – kódové a doplňkové značky, měřítkový přípravek [15]

2.6.3

Volně dostupný SW od komerčních autorů

Tuto kategorii reprezentuje obvykle SW, jehož tvůrce se především zabývá některou příbuznou činností v oblasti zpracování 3D dat a jako vedlejší produkt nabízí jednoduchý OKS (obvykle 31

ČVUT v Praze


v „beta“ verzi). Tento SW obvykle pracuje na webovské bázi (cloud computing) a často tvůrce nabízí možnost zpoplatněného 3D tisku modelu. Je možné se domnívat, že tyto společnosti časem přistoupí ke zpoplatnění i těchto doplňkových aplikací. Následující tabulka zobrazuje zástupce této kategorie. Kromě tvůrce systému je zde uvedeno, zda je výpočet modelu prováděn na PC (offline) nebo na serverech, zda je možné provádět výpočet i z videosekvence a je-li možné objednat 3D tisk modelu. Využití modelů pro komerční účely bývá u těchto softwarů omezeno. Více informací viz Příloha B.

Tab. 2.6: Volně dostupný SW od komerčních autorů Program

Autor

Výpočet

Video

3D tisk

Odkaz

123D Catch Cubify Capture BETA Photosynth

Autodesk 3D Systems Microsoft

server server server

NE ANO NE

ANO ANO NE

[16] [17] [52]

Jako první příklad lze uvést společnost Autodesk, která je známá především svým rozšířeným komerčním CAD softwarem AutoCAD. Tato společnost nabízí volně dostupnou aplikaci 123D Catch. Aplikace byla podrobně otestována a vyhodnocena její přibližná přesnost autorem této práce v předešlé BP [3], viz kapitola 3.2. Co se týče přesnosti aplikace, tak různí autoři došli k různým závěrům. V pracích [3] a [6], viz kap. 3.5, je její přesnost hodnocena jako velmi dobrá na úrovni profesionálních SW, zatímco autor práce [7], viz kap. 3.4, hodnotí výstupy aplikace jako vhodné pouze k prezentačním účelům. Přednostmi aplikace jsou: intuitivní ovládání, vizuálně kvalitní modely, offline rozhraní pro prohlížení a editaci modelů a především možnost exportu modelů do různých formátů: 3DP, STL, LAS, RZI, FBX, IPM a OBJ.

Obr. 2.12: Pracovní prostředí 123D Catch [autor] 32

ČVUT v Praze


Jiným příkladem může být společnost 3D Systems, jejíž portfolio zahrnuje aplikace určené pro modelaci jednoduchých objektů s možností následného 3D tisku. Společnost 3D Systems stojí též za oblíbeným profesionálním modelovacím systémem Geomagic Studio [68]. OKS této společnosti má název Cubify Capture BETA. Její dřívější verze pod názvem Hypr3D byla otestována v rámci práce [6], viz kapitola 3.5. V této práci byla přesnost tohoto předchůdce ohodnocena jako dostatečná pro jednoduché prezentační účely. Zajímavou funkcí, kterou tato aplikace podporuje, je možnost vytvoření modelu lidského obličeje s cílem následného tisku na 3D tiskárně, kdy vstupní data tvoří videozáznam tohoto obličeje. Tato funkce má název Faces. Podporované výstupní formáty modelů jsou: STL a OBJ.

Obr. 2.13: Pracovní prostředí Cubify Capture BETA [autor] Společnost Microsoft vyvinula službu Photosynth. Jedná se čistě o internetovou službu, která je určená pro tvorbu panoramatických fotografií a také tzv. „synthů“, což jsou vlastně orientované snímky v prostoru. Jako vedlejší produkt při tvorbě těchto „synthů“ vzniká řídké mračno bodů. Toto řídké mračno není zasíťované a implicitně není možné jej stáhnout do PC v nějakém exportním formátu. Stažení mračna do PC lze pouze při použití aplikace SynthExport [53], která podporuje tyto výstupní formáty: OBJ, PLY, VRML, X3D.

Zajímavostí služby

Photosynth je, že každému modelu resp. panoramatu lze přiřadit souřadnice a tím jej lokalizovat a také např. sdílet na nějaké sociální síti, viz následující obrázek. Testováním a určením přesnosti aplikace Photosynth se zabývají práce [7] a [6], viz kapitoly 3.4 a 3.5. Z tohoto testování vyplývá, že mračno bodů se především pro svou řídkost nehodí ani k prezentačním účelům. Těsně před dokončením této práce byl společností Microsoft představen nástupce projektu Photosynth s názvem Photosynth 3D. Pomocí tohoto softwaru je možné vytvářet působivé fotorealistické 3D vizualizace čtyř různých typů scén: spin - uzavřený objekt, wall - stěna, panorama, a walk - procházka. Tyto vizualizace jsou tvořeny kolekcí překrývajících se snímků 33

ČVUT v Praze


s vypočtenými informacemi o 3D poloze jednotlivých snímků. Prohlížené scény je velmi realistické, neboť přechod mezi snímky je velmi hladký a působí velmi přirozeně. Tyto scény jsou ale vhodné pouze pro online prezentační aplikace, neboť neexistuje možnost exportu 3D scény do nějakého offline formátu ve formě 3D mračna bodů nebo sítě, např. TIN7.

Obr. 2.14: Microsoft PhotoSynth – lokalizace modelu [52]

2.6.4

Akademický SW

Do této kategorie spadá SW, který je vyvíjen na půdách technických univerzit po celém světě. Využití tohoto SW bývá většinou omezeno pouze pro akademické či nekomerční účely. Následující tabulka zobrazuje zástupce této kategorie. Kromě názvu autorské univerzity a v jaké zemi se univerzita nachází, je zde uvedeno, zda je výpočet modelu prováděn na PC (offline) nebo na serverech a zda je možné provádět výpočet i z videosekvence. Více informací viz Příloha B.

Tab. 2.7: Volně dostupný akademický SW Program

Autor

Země

Výpočet

Video

Odkaz

CMP Webservice SfM ARC3D VisualSFM Bundler

FEL ČVUT KU Leuven University of Washington Cornell University

ČR Belgie USA USA

server server PC PC

NE NE NE NE

[19] [18] [20] [21]

Z tuzemských programů stojí za zmínku webovský projekt CMP Webservice SfM, který je vyvíjený na Fakultě elektrotechnické ČVUT týmem vedeným Tomášem Pajdlou. Projekt je použitelný pouze k výzkumným účelům po přidělení přihlašovacích údajů. Otázkou je jeho další 7

TIN znamená Triangulated irregular network neboli nepravidelná trojúhelníková síť. Jedná se o digitální

datovou strukturu používanou pro reprezentaci 3D povrchu (zemský povrch, libovolný 3D objekt), kdy vždy trojice bodů (vrcholů) tvoří nepravidelné trojúhelníky pokrývající celý povrch. [10]

34

ČVUT v Praze


rozvoj, neboť poslední aktualizace je z roku 2011. Modely jsou vytvářeny ze série snímků pořízených libovolnou nekalibrovanou komorou. Výsledný model lze z výpočetního serveru stáhnout ve formátu PLY a VRML. Dalším výstupem je prezentační video, zobrazující průlet kolem modelu po jednotlivých snímcích, viz následující obrázek. Nebyla nalezena žádná práce zabývající se bližším zkoumáním této aplikace a její přesnosti.

Obr. 2.15: CMP Webservice SfM – prezentační video modelu [autor] Jako zástupce evropských univerzit lze jmenovat program ARC3D, který je vyvíjen na belgické Katholieke Universiteit Leuven. Výpočet se stejně jako v případě projektu CMP děje na serverech, ovšem snímky jsou nahrávány na server pomocí jednoduché desktopové aplikace. Tato aplikace nabízí jedinou speciální funkci, a sice diagnostiku, zda vstupní snímek není příliš rozmazaný. Výsledný model lze stáhnout ve formátu OBJ a dosahuje poměrně slušné přesnosti, jak bylo otestováno v práci [6], viz kapitola 3.5.

Obr. 2.16: ARC3D – rozhraní pro nahrávání snímků na server [autor] 35

ČVUT v Praze


Z univerzit Spojených států amerických lze zmínit dva projekty. Prvním z nich je program VisualSFM, jehož autorem je Changchang Wu z University of Washington v Seattle. Jedná se o desktopovou aplikaci umožňující výpočet modelu pomocí algoritmů CMVS (Clustering Views for Multi-view Stereo) a PMVS2 (Patch-based Multi-view Stereo), jejichž autory jsou Yasutaka Furukawa a Jean Ponce. Předností tohoto programu je, že dosahuje velmi slušné přesnosti, jak dokládají nezávislé práce [5], [7] a [6], viz kapitoly 3.1, 3.4 a 3.5. Nevýhodou tohoto programu je poměrně složitá instalace a obsluha aplikace. Model lze exportovat ve formátu PLY.

Obr. 2.17: VisualSFM – orientace snímků [20] Program Bundler je druhým zástupcem USA a byl vyvinut na Cornell University. Jeho autorem je Noah Snavely. Stejně jako VisualSFM využívá algoritmů CMVS a PMVS2 a stejně jako v případě VisualSFM není obsluha programu příliš intuitivní. Jak je uvedeno v práci [7], viz kapitola 3.4, software Bundler sice poskytuje poměrně přesná data, která ale nejsou příliš spolehlivá. Na Obr. 1.4 je možné vidět příklad vypočteného modelu římského Kolosea z různých snímků. Model lze exportovat ve formátu PLY. Poslední aktualizace je z roku 2010. Opět je tedy otázkou další rozvoj tohoto softwaru.

2.7

Definování měřítka a editace modelu

Jednou z nejdůležitějších fází projektu tvorby modelu je definování měřítka modelu. Správně nebo naopak špatně definované měřítko modelu má klíčový vliv na absolutní přesnost modelu. Většina programů podporuje definování měřítka přímo v prostředí daného programu, způsoby definování viz dále. Existuje však skupina programů, převážně se jedná o internetové aplikace, které naopak definici měřítka nepodporují a pro jeho určení je nutné model nahrát do nějakého externího programu (např. volně dostupný MeshLab [67] popř. profesionální Geomagic Studio [68]). Jedná se např. o tyto aplikace: Cubify Capture BETA, ARC3D, My3DScanner nebo CMP Webservice SfM. 36

ČVUT v Praze


Mezi základní podporované způsoby definice měřítka patří: 

jedna zaměřená referenční vzdálenost



zaměřené vlícovací body



speciální tuhý přípravek s kódovými značkami

Pomocí jedné referenční vzdálenosti, která je zaměřena mezi dvěma dobře identifikovatelnými body objektu, lze nastavit měřítko modelu např. v programu Autodesk 123D Catch nebo Agisoft PhotoScan. Software Agisoft PhotoScan též podporuje definici měřítka pomocí zaměřených vlícovacích bodů. Tento software navíc podporuje vlícovaní do nejrůznějších světových souřadnicových soustav (WGS84, S-JTSK a jiné.) Speciální tuhý přípravek o známé délce s cílovými znaky na koncích využívá software Rhinophoto, nadstavba modelovacího systému Rhino, viz kapitola 2.6.2, nebo software Pixdim [49], nadstavba modelovacího systému SketchUp.

Obr. 2.18: Definice měřítka pomocí přípravku, Rhinophoto [15] Jednotlivé softwary se též liší možnostmi editace modelu přímo v rozhraní programu. Některé programy, opět převážně internetové aplikace, nenabízejí ani možnost jednoduché editaci modelu (např. Microsoft Photosynth, ARC3D, My3DScanner a další), neboť postrádají jakékoliv ovládací rozhraní a komunikace s výpočetním serverem spočívá pouze v nahrání vstupních dat a posléze stažení výsledného modelu do PC. Pokud již nějaké jednodušší rozhraní na prohlížení výsledného modelu mají (ať už online nebo offline), často toto rozhraní nenabízí příliš editačních funkcí. Jediným editačním nástrojem bývá často pouze možnost část modelu označit a smazat. Tuto funkci podporují např. programy 123D Catch a Cubify Capture BETA. Program 123D Catch navíc podporuje snímání bodů a vektorizaci linií. Naopak software Agisoft PhotoScan Professional nabízí již pokročilejší editační funkce jako decimace (zředění) mračna, maskování snímků a výplň děr modelu.

37

ČVUT v Praze

2.8


Výstupní formáty

3D modely jako produkty optických korelačních systémů mají nejčastěji formu zasíťovaného bodového mračna ve formě polygonové sítě. Tato polygonová síť je tvořena výhradně souborem trojúhelníků (TIN), kdy každý bod je propojen se sousedními body hranami a tři hrany dohromady tvoří jednu plošku (face). Často je tato síť také opatřena fototexturou. To znamená, že každá trojúhelníková ploška je pokryta texturou, která je interpolována z barevné obrazové informace snímku. Pouze ojediněle je výstupem jen bodové mračno (Microsoft Photosynth), takže tvorbu sítě, tzv. zasíťování, by bylo nutné provést v nějakém externím programu.

Obr. 2.19: Trojúhelníková síť s texturou – 123D Catch Beta [autor] Některé webovské aplikace umožňují pouze pasivní prohlížení vytvořených modelů v internetovém prohlížeči (např. zmíněný Photosynth nebo PHOV [25]). Většina programů komerčních i volně dostupných ale podporuje výstup do některého z běžných formátů pro ukládání 3D grafiky. Některé programy těchto formátů podporují více najednou. V následujících kapitolách budou popsány nejčastěji podporované formáty s ohledem na jejich vhodnost pro následnou editaci a práci s mračnem bodů resp. sítí modelu. Všechny následující podkapitoly čerpají z [10].

2.8.1

OBJ

Jedná se asi o nejoblíbenější a nejrozšířenější formát 3D grafiky. Formát OBJ vyvinula společnost Wavefront Technologies původně pro svůj vlastní SW. Nyní se jedná o otevřený formát, který byl adoptován mnohými dalšími tvůrci SW a stal se tedy nejuniverzálnějším formátem 3D počítačové grafiky. Soubory tohoto formátu používají příponu .obj. OBJ formát je velice jednoduchý textový formát popisující 3D geometrii pomocí souboru základních entit. Jmenovitě se jedná o tyto entity: 38

ČVUT v Praze




pozice vrcholu (vertex)



pozice vrcholu s definovanými souřadnicemi textury



normály plošek (face)



plošky (face) jako seznam vrcholů Souřadnice OBJ nejsou implicitně definovány v nějakých jednotkách. Informace

o měřítku ale může být uvedena na některé řádce v komentáři. Formát dále podporuje definování zakřivených ploch NURBS8. Velkou výhodou tohoto formátu je, že jej podporují zřejmě nejrozšířenější CAD programy MicroStation společnosti Bentley a AutoCAD společnosti Autodesk. OBJ mračno bodů lze snadno importovat do těchto programů, kde jej lze dále upravovat a může se stát užitečným podkladem pro případnou vektorovou kresbu, např. modelace budov pro účely rekonstrukce atd.

2.8.2

PLY

PLY znamená Polygon File Format, který je rovněž nazýván Stanford Triangle Format. Tento formát vyvinul tým ze Stanford University. Jeho design byl inspirován formátem OBJ. Existují dvě verze tohoto formátu. Jedna je textová ve formátu ASCII, zatímco druhá verze využívá binární zápis. PLY obecně podporuje relativně jednoduchý zápis dat. Soubory vždy obsahují hlavičky, které specifikují, o jaký typ elementu se jedná. Následuje výčet samotných elementů – nejčastěji vrcholy a plošky. Jeden objekt je vždy popsán pouze množinou plošek, které mohou mít vlastnosti jako: barva, průhlednost, normála, textura. Tyto vlastnosti mohou být navíc definovány různě pro přední a zadní partii plošky. Na rozdíl od formátu OBJ formát PLY zavedl parametry jako: 

property – popisuje jaké informace jsou u vrcholů uloženy (např. barva) a jejich datový typ



element – popisuje o jakou entitu se jedná a kolik prvků obsahuje

Tato klíčová slova byla vymyšlena, aby bylo možné zobecnit pojmy: vrchol (vertex), ploška (face), související data a jiné množiny. Nevýhodou tohoto formátu oproti OBJ je, že již není podporován systémem Bentley MicroStation, zatímco Autodesk AutoCAD formát PLY podporuje. 8

NURBS neboli Non-uniform rational basis spline je matematický model běžně používaný v počítačové

grafice pro generování a reprezentování křivek a ploch, které nabízejí velkou flexibilitu a přesnost při manipulaci jak s analytickými tak s volnými tvary. [10]

39

ČVUT v Praze

2.8.3


VRML

Zkratka VRML znamená Virtual Reality Modeling Language. Tento formát vyvinula společnost Silicon Graphics. Příponou formátu je .wrl a jedná se o formát textový. Formát VRML je založen na tzv. deklarativním programovacím jazyce, který byl původně navržen pro popis trojrozměrných scén, které obsahují pasivní i aktivní objekty. Formát byl používán v aplikacích virtuální reality a byl navržen pro použití na internetu. VRML soubory jsou nazývány „světy“. Virtuální světy jsou zapisovány do textových souborů, které se skládají z jednotlivých „uzlů“. Každý uzel může mít své vlastní parametry a jednotlivé objekty mohou dědit různé vlastnosti po svých „rodičích“. V dnešní době se tento formát považuje za přežitý. Za jeho ideového razantně se rozvíjejícího nástupce lze označit formát X3D (autor se ale nesetkal s žádným OKS podporujícím tento formát). Nevýhodou tohoto formátu je, že není stejně jako formát PLY implicitně podporován systémem Bentley MicroStation na rozdíl od formátu OBJ.

2.8.4

STL

Zkratka STL znamená STereoLithography. Tento formát vyvinula společnost 3D Systems (tvůrce projektu Cubify Capture BETA a Geomagic Studio). Příponou formátu je .stl a vyskytuje se v obou podobách, jednak jako formát textový ve standardu ASCII, ale častěji má binární formu. Tento formát byl vyvinut jako nativní formát pro stereolitografický9 CAD systém společnosti 3D Systems. Dále je znám také jako Standard Tessellation Language. Tento formát podporují další softwary, které jsou zaměřeny především na Rapid prototyping10 a Computer-aided manufacturing11. Formát STL popisuje pouze 3D geometrii objektu, neobsahuje žádné informace o barvě, textuře, ani dalších jiných běžných parametrů CAD modelů. Formát STL popisuje surový nestrukturovaný trojúhelníkový povrch pomocí definování normál a vrcholů trojúhelníků. Formát používá standardní 3D kartézský souřadnicový systém. STL souřadnice musí být kladná čísla, dále formát neobsahuje žádnou informaci o měřítku modelu a jednotky jsou libovolné.

9

Stereolitografie je metoda vytváření objektů pomocí postupného vytvrzování polymerů pomocí působení

záření různých vlnových délek, nejčastěji UV záření. Zaměřením záření na konkrétní místo pak vzniká vrstva částečně vytvrzeného polymeru. Na ni se nanáší další vrstvy. [10] 10

Rapid prototyping je soubor technologií výroby prototypů pomocí 3D tisku. Virtuální model je „rozřezán“

na tenké vrstvy, které se různými technologiemi vytváří z různých materiálů a vrství na sebe. [10] 11

Computer-aided manufacturing, česky Počítačová podpora obrábění je použití počítačového software pro

programování výrobních CNC strojů (Computer Numerical Contolled soustruh). [10]

40

ČVUT v Praze

3

3. PRÁCE ZABÝVAJÍCÍ SE TESTOVÁNÍM OKS

Práce zabývající se testováním OKS

V této kapitole budou uvedeny dřívější práce zaměřené na porovnání a posouzení přesnosti jednotlivých optických korelačních systémů. Při hledání na internetu je možné narazit jednak na práce zabývající se testováním jednotlivých programů, ale také na práce zabývající se srovnáním různých softwarů. Práce mají různou úroveň kvality zpracování a rozsah. Na jedné straně je možné se setkat s pracemi, které mají rozsah jen několik málo stránek a pouze „vizuální“ přístup k hodnocení kvality modelu. Jejich autoři jsou často běžní uživatelé. Na druhé straně vznikají práce mající také více než sto stránek (především diplomové a dizertační práce), které se snaží vytvořit specifickou metodiku pro hodnocení kvality zpracování modelu a věnují se jednomu nebo několika OKS. I v tomto případě je problém s rychlým zastaráváním obsahu prací. V následujících kapitolách budou uvedeny práce, které byly vybrány jako zajímavé práce hodnotící kvalitu modelů resp. srovnávající jednotlivé programy. Pro každou práci bude uveden její stručný obsah a dosažené výsledky.

3.1

Porovnání 3D skenovacích metod s mračnem bodů, vytvořením obrazovou korelací v digitální fotogrammetrii

ŠEDINA, Jaroslav. Porovnání 3D skenovacích metod s mračnem bodů, vytvořením obrazovou korelací v digitální fotogrammetrii. Praha, 2012. Diplomová práce. ČVUT v Praze, Fakulta stavební. [5] Tato práce je členěna do čtyř hlavních kapitol. V první kapitole jsou stručně představeny různé projekty zaměřené především na dokumentaci památek pomocí OKS. Ve druhé kapitole stanovuje autor práce hlavní cíle projektu, které naplňuje obsahem jednotlivých kapitol. Třetí kapitola poskytuje teoretický základ metody výpočtu 3D modelu pomocí OKS. V této kapitole jsou podrobně popsány algoritmy tvorby 3D modelu (SIFT, propojení klíčových bodů, RANSAC, SfM, svazkové vyrovnání, PMVS). Ve čtvrté kapitole je podrobně popsán postup tvorby modelu v softwarech: VisualSFM, Agisoft PhotoScan a PhotoModeler Scanner. Následně jsou jednotlivé modely porovnány s referenčním modelem získaným pomocí triangulačního skeneru Konica v softwaru Geomagic Studio. Cílem páté kapitoly je otestování relativní přesnost modelů. To znamená, že je potlačen vliv špatného určení měřítka modelu jednotlivými programy. Následující obrázek zobrazuje výsledek porovnání referenčního modelu s modelem vytvořeným v programu Agisoft PhotoScan.

41

ČVUT v Praze


Obr. 3.1: Porovnání referenčního modelu s modelem z Agisoft PhotoScan [5] V následující tabulce budou shrnuty výsledky dosažené jednotlivými programy pro model repliky sochy Davida o výšce cca 1 m.

Tab. 3.1: Přesnost modelů podle J. Šediny Program

Odhad absolutní sm. odch.

Odhad relativní sm. odch.

Cena

VisualSFM [20] Agisoft PhotoScan [12] PhotoModeler Scanner [11]

1 mm 2 mm 1 mm

0,25 - 0,30 mm 0,05 -0,07 mm 0,20 -0,25 mm

zdarma 179/3 499 $ 1 145 $

V tomto testu dopadl nejlépe volně dostupný SW VisualSFM, který je navíc plně automatizovaný. Autor práce doporučuje pro účely památkové péče používat právě volně dostupný program VisualSFM nebo komerční SW Agisoft PhotoScan (SE 179 $, PE 3 499 $). Model vypočtený profesionálním SW PhotoModeler Scanner (1 145 $) je stejně kvalitní jako modely předchozích SW, ale zpracování je mnohonásobně delší (nutnost referencování snímků).

3.2

123D Catch – testování nástroje pro tvorbu detailních 3D modelů

BOHÁČ, Ondřej. 123D Catch - testování nástroje pro tvorbu detailních 3D modelů. Praha, 2012. Bakalářská práce. ČVUT v Praze, Fakulta stavební. [3] Jedná se o bakalářskou práci autora této diplomové práce, která se stala jedním z impulsů pro sestavení této DP. Práce je zaměřena na otestování volně dostupného nástroje 123D Catch společnosti Autodesk. Celá práce je členěna do čtyř hlavních částí. Úvodní kapitola je věnována popisu základních parametrů nástroje. Druhá stěžejní kapitola se zabývá testováním vybraných parametrů snímkování, které by mohly významně ovlivňovat výslednou kvalitu 3D modelu. Jedná 42

ČVUT v Praze


se o tyto parametry: rozlišení snímků, počet snímků, zastíněná místa, přidání detailních snímků, ohnisková vzdálenost snímků a použitá komora. Ve třetí kapitole je posouzena geometrická přesnost modelu kapličky (5 x 5 m) na základě porovnání souřadnic vyhodnocených bodů v 123D Catch se souřadnicemi získanými geodetickým zaměřením. A konečně čtvrtá kapitola shrnuje poznatky získané během testování v druhé kapitole a na jeho základě uvádí doporučený postup a parametry snímkování pro získání kvalitního 3D modelu. Odhadovaná směrodatná odchylka modelu byla určena na základě porovnání 53 identických bodů určených přesně geodetickou metodou. Její hodnota byla vyčíslena jako 10 mm. Opravy jednotlivých bodů se pohybují v rozmezí 2 až 30 mm, viz následující obrázek.

Obr. 3.2: Geometrická přesnost modelu 123D Catch Beta – odchylky bodů [3]

3.3

Optické vs. laserové skenování – srovnání metod získání modelu strmých horských svahů

KOLECKA, Natalia. Photo-based 3D scanning vs. laser scanning – competitive data acquisition methods for digital terrain modelling of steep mountain slopes. 2011 ISPRS Hannover Workshop, 14. - 17. června 2011, Hannover, Německo. [8] Tato práce je zde uvedena proto, že se zabývá aplikací pozemní fotogrammetrie pro tvorbu modelu velkého územního rozsahu na rozdíl od ostatních prací, které se většinou věnují objektům do velikosti běžných budov. Řešitelka se zaměřila na porovnání metody laserového skenování a „optického“ skenování (OKS) při tvorbě modelu horského svahu (přibližně 300 m vysoký svah hory Koscielec ve Vysokých Tatrách v Polsku). Pro tvorbu modelu pomocí laserového skenování byl použit laserový skener Riegl LPM-32, kterým byl svah snímán ze 2 stanovisek. Celkem byly vytvořeny 3 skeny. Všechna mračna bodů, kde každé mračno tvořilo 1.2 milionu bodů s krokem po 20 cm, byla spojena do jednoho mračna v programu Geomagic Studio 12. Fotogrammetrická metoda spočívala v pořízení přibližně 30 snímků komorou Nikon 43

ČVUT v Praze


D80 (10 Mpix, CCD senzor, 20 a 50mm objektiv). Komora byla před snímkováním kalibrována. Velikost pixelu je v rozmezí 0,07 – 0,22 m. Snímky byly zpracovány v softwaru PhotoModeler Scanner. Celkem bylo generováno 5 mračen ze stereopárů. Celkové mračno tvoří 2.1 milionu bodů. Pro obě metody byla z mračna vytvořena 3D trojúhelníková síť, která byla editována (výplně děr apod.). Nakonec byla obě mračna „napasována“ na sebe a byly vypočteny rozdíly obou metod. Průměrná odlehlost mračen byla určena hodnotou 0,25 m, což lze při rozsahu modelu označit za velmi slušný výsledek.

Obr. 3.3: Porovnání laserového skenování a OKS pro horský svah [8] Nakonec řešitelka projektu uvádí, že nelze jednoznačně říct, která metoda se lépe hodí k řešení daného problému, když oběma metodami lze dosáhnout shodně kvalitních výsledků. Přeci jen uvádí, že vhodnější by mohla být metoda OKS, neboť její práce potvrdila obecné výhody OKS, které jsou uvedeny v kapitole 1.1.

3.4

Využití open-source fotogrammetrických softwarů pro potřeby památkové dokumentace, jejich analýza a přesnost

BARTOŠ, Karol. Využitie open-source fotogrametrických softvérov pre potreby pamiatkovej dokumentácie, ich analýza a presnosť. Košice, 2013. Dizertační práce. Technická univerzita v Košicích, Fakulta baníctva, ekológie, riadenia a geotechnológií. [7] Tato práce se zabývá testováním pěti volně dostupných softwarů využívajících algoritmus SfM. Jedná se o tyto programy: VisualSFM, Bundler, Microsoft Photosynth, Photosynth Toolkit (volně dostupný software určený pro tvorbu hustého mračna bodů ze snímků, které už byly zpracované

44

ČVUT v Praze


pomocí služby Microsoft Photosynth) a Autodesk 123D Catch. Jako referenční SW je zde použit profesionální software PhotoModeler Scanner. Pro testování programů autor navrhnul 2 testy: 

testování modelů geometrických těles



testování modelů historických památek V prvním případě autor jako testovací tělesa zvolil žulový hranol o straně 7 cm a dřevěný

válec s průměrem a výškou přibližně 15 cm. Tento test rozdělil na dvě části. V první části určil objem těles dvěma způsoby: laboratorně a pomocí SW PhotoModeler Scanner. Poté s takto určenými referenčními objemy porovnával objemy těles určené jednotlivými programy. V druhé části porovnával modely těles pomocí určení vzdáleností dvou 3D entit (mračen). Porovnání prováděl ve volně dostupném softwaru CloudCompare. Druhý test byl založen na porovnání modelů částí historických objektů (Zborovský hrad a hrad Slanec, Slovensko). Příklad modelů vypočtených ze všech SW – vstupní brána Zborovského hradu viz následující obrázek.

Obr. 3.4: Porovnání modelů vstupní brány Zborovského hradu [7] Autor práce uvádí, že výsledky práce ukazují, že každý testovaný software poskytuje rozdílné výsledky ať už v kvalitě rekonstrukce, kvalitě fototextury a nebo ve velikosti odchylky od referenčního modelu. Jako SW s nejnižší kvalitou rekonstrukce a největšími odchylkami autor určil: Microsoft Photosynth a Autodesk 123D Catch. Přičemž SW 123D Catch poskytuje vizuálně nejpřitažlivější data (bez děr a s velmi nízkým šumem), zatímco software Photosynth poskytuje data několikanásobně řidší než ostatní programy a pouze v podobě bodového mračna. Software Bundler a Photosynth Toolkit poskytují kvalitnější výsledky, ale jejich spolehlivost je 45

ČVUT v Praze


velice nízká. Jako nejvhodnější software pro účely památkové péče se autorovi jeví software VisualSFM, který na rozdíl od ostatních umožňuje použití jednotné kalibrace, detailní nastavení parametrů ovlivňujících rekonstrukci a spolehlivé výsledky.

3.5

Ochrana a obnova kulturního dědictví metodami digitální fotogrammetrie

MARČIŠ, Marián. Ochrana a obnova kultúrneho dedičstva metódami digitálnej fotogrametrie. Bratislava, 2013. Dizertační práce. Slovenská technická univerzita v Bratislavě, Stavební fakulta. [6] Tato práce popisuje velmi komplexně problém pořizování snímků památkových objektů za účelem fotogrammetrického vyhodnocení. Hlavním cílem práce je stanovení efektivních postupů pro sběr prostorových a texturových informací o památkových objektech aktuálními metodami digitální fotogrammetrie. Přednostně jsou zde řešeny automatizované technologie (OKS). Jedna kapitola je věnována prezentaci praktické aplikace fotogrammetrických softwarů v památkové péči. Jedná se o tyto druhy aplikací: miniaturní objekty (např. hliněná váza), archeologická naleziště (např. hrob), fasády historických budov, geodetická dokumentace historických budov, využití UAV (nepilotované létající prostředky) pro dokumentaci hradů a památek většího rozměru. Pro všechny tyto aplikace byly výhradně použity komerční softwary Agisoft PhotoScan a PhotoModeler Scanner. Nejvíce pozornosti zaslouží kapitola věnovaná testování SW na principu algoritmu SfM. Testovacím objektem byla zvolena hlava repliky sochy Davida (celková výška sochy cca 1m). Jako referenční model posloužil model vytvořený pomocí triangulačního skeneru Konica Minolta VI91. Objekt byl nasnímán komorami: Pentax 645 D (40 Mpx), Nikon D5100 (16 Mpx), Sony Ericsson Xperia mini pro (5 Mpx). Poté byl referenční model porovnán v SW Geomagic Studio s modely vytvořenými programy: Microsoft Photosynth, Hypr3D, Arc3D Webservice, Autodesk 123D Catch, VisualSFM, PhotoModeler Scanner a Agisoft PhotoScan. Výsledky testování ukázaly, že aplikace Microsoft Photosynth naprosto nedostačuje pro tvorbu detailních 3D modelů. Bodové mračno má velmi nízké rozlišení (řádově pouze desítky tisíc bodů) i při použití komory Pentax s ultra velkým rozlišením 40 Mpx. Navíc program nepodporuje tvorbu trojúhelníkové sítě. Aplikace Hypr3D (dnes Cubify Capture) již dosahuje lepších výsledků, ale stále není vhodná pro tvorbu detailních 3D modelů. Odchylka od referenčního modelu dosahuje hodnot i přes 1 mm. Aplikace ARC3D Webservice se již svojí přesností pohybuje na jiné úrovni. Odchylky od referenčního mračna zde dosahují hodnot – 0.2 mm až + 0.2 mm. Síť obsahuje přibližně 900 tisíc trojúhelníků. Autodesk 123D Catch svými výstupy předčí Photosynth i Hypr3D. Autor dokonce 46

ČVUT v Praze


uvádí, že svými výstupy se dá srovnat s profesionálními komerčními softwary. Odchylky od referenčního mračna dosahují vynikajících hodnot -0.1 mm až +0.1 mm pro snímky z aparátu Pentax. Počet trojúhelníků je 1 mil. pro Nikon a dokonce 2.5 mil. pro Pentax. Software VisualSFM dosahuje odchylek -0.1 mm až +0.1 při použití podprogramu PMVS2. Výsledné mračno bodů bylo nutné převést na trojúhelníkovou síť v programu Geomagic Studio. Pro další použití by však bylo potřeba model editovat (vyhladit, vyplnit díry) v nějakém externím programu. Výhodou je rychlost výpočtu. Pro profesionální program PhotoModeler Scanner se jako nutnost ukázala samostatná kalibrace komory před výpočtem modelu. Ukázalo se dále, že výpočetní algoritmus má problémy s konvergentními snímky. Výsledný model byl mírně deformovaný, což autor vysvětluje jako důsledek nekvalitní kalibrace komory. Program Agisoft PhotoScan dosahuje naprosto nejkvalitnějších výsledků. Dosahuje odchylek do 0.05 mm, výjimečně 0.1 mm (komory Nikon a Pentax). Úroveň zachycení detailu se dokonce zdá na vyšší úrovni, než dosahuje referenční model z triangulačního skeneru Konica. Proto je jedna celá kapitola práce věnována podrobnému testování tohoto programu. Testy jsou zaměřeny na: velikost cílových značek, základnový poměr, úhel osy záběru vůči snímkovací ploše a zpracování ostrých hran. Následující obrázek zobrazuje detaily model ze všech komor.

Obr. 3.5: Detail modelů z komor: Sony Ericsson, Nikon a Pentax – Agisoft PhotoScan [6] Jedna ze závěrečných kapitol se věnuje návrhu optimální konfigurace a výpočtu počtu snímků pro snímkování třech typů památkových objektů: ploché (fasády), uzavřené z venku (sochy a stavební objekty) a uzavřené zevnitř (interiéry). Zajímavým výstupem této práce je vytvoření fotogrammetrické kalkulačky CRPC (Close range photogrammetry calculator) pro platformu mobilních zařízení Android. Pomocí této kalkulačky je možné provádět základní výpočty přímo v terénu před samotným snímkováním objektu. Mezi tyto výpočty patří: určení GSD12 na základě parametrů použité komory a naopak, výpočet apriorní přesnosti v hloubce modelu, výpočet optimální základny a další.

12

GSD znamená Ground sample distance. Jedná se o vzdálenost středů pixelů ve skutečnosti. Jedná se tedy

o rozlišovací schopnost snímků. Výraz původně vznikl v oblasti DPZ, proto slovo Ground v názvu. [10]

47

ČVUT v Praze

4

4. SESTAVENÍ TESTŮ A METODIKY TESTOVÁNÍ

Sestavení testů a metodiky testování

Tato kapitola má za cíl stanovit faktory, které by mohly mít vliv na kvalitu výsledného modelu a které budou následně otestovány v kapitole 5. Podstatnou částí této kapitoly je samotné sestavení technologického postupu testování vybraných parametrů.

4.1

Vlivy ovlivňující kvalitu modelu

Na kvalitu výsledného modelu má vliv spoustu faktorů. Samotný proces tvorby modelu se skládá ze dvou velice komplexních částí: 1. pořizování vstupních dat – snímkování resp. natáčení videa 2. zpracování vstupních dat – proces výpočtu modelu Protože druhou fázi – výpočet modelu lze jen minimálně ovlivnit (jen některé převážně komerční OKS podporují možnost nastavit omezené množství parametrů výpočtu), zásadní možností jak ovlivnit kvalitu výsledného modelu je převážně skrz první fázi – proces sběru vstupních dat – snímkování. Následující podkapitoly budou tedy věnovány procesu sběru dat – snímkování.

4.1.1

Zásady správného snímkování podle autorů OKS

To, že klíčovou úlohu při použití OKS hraje sběr dat (snímkování), je patrné na webovských stránkách jednotlivých tvůrců OKS. Téměř každý autor OKS má na svých stránkách uveden návod na správné snímkování často také ve formě videotutoriálu (např. 123D Catch, Agisoft PhotoScan a další). V těchto návodech se velice často opakují shodné zásady, kladoucí požadavky jednak na snímaný objekt a jednak na samotný proces snímkování. Mezi tyto zásady patří: 

objekt nesmí být průhledný, lesklý a vysoce odrazivý



nevhodná je též příliš homogenní (monotónní) textura objektu a též textura s opakujícím se vzorem, jak eliminovat vliv příliš homogenní textury viz následující podkapitola 4.1.2



objekt se nesmí pohybovat, pohybuje se pouze komora



není vhodné snímkovat stylem „panoramování“, kdy fotograf s komorou stojí na jednom místě a pořizuje snímky při horizontálním otáčení, vždy je nutné měnit polohu stanovisek



osvětlení objektu by mělo být konstantní a dostatečně silné



není vhodné snímkovat při přímém osvětlení sluncem, které kromě jiných negativních vlivů má na svědomí výskyt nežádoucích stínů 48

ČVUT v Praze




naprosto nevhodné je používat blesk, který vytváří unikátní stíny pro každý snímek



snímky by měly mít vyrovnanou expozici (podexponované a přeexponované snímky nejsou příliš vhodné)



zájmová část objektu by měla vyplňovat pokud možno celý snímek bez zbytečného okolí, tzn. též pořizovat snímky objektu z co možná nejbližší vzdálenosti



každá zájmová část objektu by měla být zobrazena na alespoň 3 snímcích



překryt sousedních snímků by měl být alespoň 60 % (některé OKS doporučují až 90 %)



samozřejmostí jsou ostré snímky, tedy je nutné použít dostatečně krátkou dobu expozice nebo v některých případech zvážit použití stativu



při snímkování detailů je lepší přistoupit k objektu blíže než používat zoom, pokud to dovolí okolní podmínky



není vhodné používat extrémně širokoúhlé nebo naopak příliš teleskopické objektivy



hloubka ostrosti by měla být dostatečná a konzistentní, není tedy vhodné používat příliš nízká clonová čísla, příliš vysoká čísla zase naopak můžou způsobovat rozmazané snímky



dostatečné rozlišení, často je uváděna minimální hodnota 5 Mpx, optimální cca 12 Mpx, obecně platí čím větší rozlišení, tím podrobnější výsledek lze očekávat



hodnota ISO by měla být co možná nejnižší – čím vyšší ISO, tím větší výskyt šumu



není vhodné měnit nastavení komory během snímkování objektu



lépe je pořídit nadbytečné množství snímků a případný výběr provádět až v kanceláři



není vhodné snímky jakkoliv upravovat v PC, zvlášť nevhodné je provádět převzorkování a operace měnící geometrické vlastnosti (odstraňování zkreslení vlivem distorze, otáčení snímků, doostřování apod.)



4.1.2

snímky by měly obsahovat EXIF metadata

Zásadní parametry ovlivňující kvalitu modelu

Z výše uvedených doporučení pro správný sběr dat, byly vybrány ty parametry, které lze označit za zásadní a které lze do určité míry ovlivnit. Jedná se o tyto parametry: 

vhodnost textury pro obrazovou korelaci



světelné podmínky 49

ČVUT v Praze 

vzdálenost snímkování



rozlišení snímku


Texturu objektu nelze příliš ovlivnit. Některými programy je doporučováno pro lepší výsledek korelace umístit na příliš homogenní plochy nějaké výrazné prvky (např. barevné nebo novinové papíry). Tato metoda může pomoci při snímkování např. plochých monotónních stěn místností nebo nábytku. Členitým prvkům by bylo nutné pracně opatřit nějakou texturu (např. laserovou dataprojekcí nějakého vzoru). Na příliš lesklé povrchy lze podle doporučení některých OKS aplikovat speciální prášek (pudr), který potlačí odrazivost materiálu. Světelné podmínky lze v exteriéru ovlivnit vhodnou dobou snímkování popř. použitím statického umělého osvětlení. Nejpříznivější doba pro snímkování by podle jednotlivých tvůrců OKS měla být při zatažené obloze, kdy přímé slunce nevytváří ostré dynamické stíny ztěžující obrazovou korelaci. Dále je nutné, aby se světelné podmínky během snímkování příliš neměnily. K problematice vhodného umělého osvětlení v interiéru se autoři OKS příliš nevyjadřují. Jednoduchý návod a zhodnocení použití ateliérových a halogenových světel v interiéru uvádí J. Roub ve své DP, [4]. Čím dále od objektu stojíme, tím menší je obrazový pixel ve skutečnosti. Tedy vzdálenost snímkování a potažmo velikost pixelu je základním limitujícím faktorem podrobnosti modelu. Např. při použití fotoaparátu s čipem 12 Mpx (4243 x 2828 pixelů) a snímkování objektu (na šířku) o velikosti 40 m představuje jeden pixel ve skutečnosti cca 1 x 1 cm. Zatímco při snímkování malého objektu (4 m) představuje jeden pixel ve skutečnosti cca 1 x 1 mm. Pokud bychom chtěli zmenšit velikost pixelu i pro větší objekty, bylo by potřeba použít komoru s větším rozlišením nebo snímkovat objekt z bližší vzdálenosti. V tomto případě by ale bylo nutné snímkovat objekt po částech, modely částí počítat samostatně a následně spojit v jeden model v nějakém 3D modelovacím programu. Rozlišení snímků lze ovlivnit volbou digitální komory s vysokým rozlišením snímacího čipu. Již běžně je možné se setkat s kompaktními amatérskými aparáty s rozlišením senzoru 20 Mpx. Na trhu se již objevují kamery s rozlišením 40 Mpx (např. Pentax 645D). Přímá závislost podrobnosti modelu na velikosti rozlišení byla potvrzena v [6], viz kapitola 3.5.

4.2

Sestavení testů

Pro provedení testování bylo snahou nalézt takové vlivy, které by mohly mít znatelný vliv na kvalitu výsledného modelu, ale doposud jim nebyla věnována dostatečná pozornost. Po konzultaci s vedoucím práce a dalšími odborníky z praxe byly sestaveny tři testy, které posuzují vliv těchto faktorů: 50

ČVUT v Praze


1. Světelné podmínky v exteriéru 2. Konfigurace snímkování 3. Konstanta komory Pro všechny testy byl sestaven Plán snímkování, který je uveden jako Příloha G. Tento plán obsahuje datum provedeného snímkování, využití jednotlivých sérií snímkování v jednotlivých testech a celkové počty snímků použitých pro tvorbu všech modelů. Jako testovací objekt byl pro všechny tři testy zvolen společný objekt v exteriéru. Popis tohoto objektu a důvodů pro jeho zvolení jsou náplní následující kapitoly 4.3.

4.3

Testovací objekt

Jako testovací objekt byla zvolena část opěrné zdi v areálu hlavního nádraží v Praze. Zeměpisné souřadnice zdi jsou: 50° 04’ 57.3‘‘ N, 14° 26’ 15.9‘‘ E. Zeď má severozápadní orientaci, mírný sklon a tvoří ji hrubě opracované kamenné zdivo (uprostřed částečně kyklopské) tmavé barvy. Zájmová část zdi je přibližně 5 metrů široká a 3 metry vysoká, viz následující obrázek.

Obr. 4.1: Testovací objekt – opěrná zeď, hlavní nádraží v Praze [autor] Tento typ objektu byl zvolen proto, že má různorodou texturu vhodnou pro obrazovou korelaci. Dále má objekt ne příliš výraznou prostorovou členitost, tudíž nebudou tak vysoké nároky na snímkování jako v případě velmi členitých objektů. Dalším důvodem je, že je objekt dobře přístupný pro snímkování a okolí objektu umožňuje zřídit trvalou stabilizaci snímkovacích stanovisek umožňující reprodukované snímkování v jiných dnech. Přístupnost objektu a způsob stabilizace stanovisek viz Příloha C. Menší nevýhodou by mohla být orientace zdi, kdy při snímkování v ranních hodinách by mohly nastat problémy se správnou expozicí snímku v důsledku protisvětla. 51

ČVUT v Praze


Na objektu byly uměle stabilizovány dva body pro určení měřítka, viz Obr. 4.1. Body byly stabilizovány žlutými zátkami od PET lahví a přibity nastřelovacími hřeby. Vzdálenost bodů byla volena 3 m ± 0.005 m. Bylo možné zvolit tuto metodu s relativně nižší přesností, protože pro následné porovnávání modelů není nutné mít rozměr modelu absolutně přesně (očekávané odchylky modelu v řádech mm) a navíc modely budou na sebe „pasovány“ podobnostní transformací13 pro odstranění vlivu chybně určeného měřítka, viz kapitola 4.6.3.

4.4

Použité přístrojové vybavení

Informace o použitém vybavení byly čerpány z [55]. Veškeré modely v rámci této práce byly vypočteny ze snímků pořízených neměřickou komorou Canon EOS 450D v kombinaci s jedním objektivem zn. Tamron. Více informací o této sestavě viz následující podkapitoly. Kromě zmíněného fotoaparátu a objektivu byl též použit amatérský fotografický stativ Hama Star 62.

Obr. 4.2: Canon EOS 450D a Tamron AF 18-200 mm f/3.5-6.3 Di-II IF XR LD [54]

4.4.1

Canon EOS 450D

Jedná se o velice úspěšnou amatérskou digitální jednookou zrcadlovku DSLR s výměnnými objektivy. Na trh byla uvedena v roce 2008 jako nástupce modelu EOS 400D z roku 2006. Základní parametry jejího obrazového čipu uvádí následující tabulka.

Tab. 4.1: Základní vlastnosti senzoru komory Canon EOS 450D Typ CMOS Efektivní rozlišení 12.2 Mpx Velikost 22.2 x 14.8 mm Citlivost 100 - 1600 ASA 14 Crop faktor 1.6 x Pokročilý systém ochrany čipu proti prachu 13

Podobnostní transformace je typ transformace, při níž dochází k posunu, rotaci a změně měřítka. [9]

14

Crop faktor slouží k standardizaci zorných úhlů (ohniskových vzdáleností), které jsou po přenásobení

Crop faktorem vztaženy na velikost kinofilmové snímací plochy 36 x 24 mm. [10]

52

ČVUT v Praze

4.4.2


Tamron AF 18-200 mm f/3.5-6.3 Di-II IF XR LD

Tamron AF 18-200 je amatérský objektiv s proměnným ohniskem a automatickým ostřením. Nevýhodou objektivu je, že nedisponuje funkcí stabilizace obrazu IS. Základní parametry objektivu udává následující tabulka.

Tab. 4.2: Základní vlastnosti objektivu Tamron AF 18-200 mm f/3.5-6.3 Di-II IF XR LD Složení

15 členů ve 13 skupinách

Ohnisková vzdálenost

18-200 mm (29-320 mm ekv.)

Maximální clona

3.5-6.3

Minimální clona

22

Horizontální zobrazovací úhel

63° 19'

Nejkratší vzdálenost ostření

0.45 m

Optické elementy s vysokou refrakcí Optické elementy se zvláště nízkou disperzí světla

4.5

Společné nastavení komory a ostření scény

Aby zkoumané parametry ve všech třech typech testů nemohly být ovlivněny jinými proměnnými parametry, byly následující parametry, které nebyly předmětem zkoumání, nastaveny ručně po celou dobu snímkování. Jejich hodnoty byly voleny podle doporučení autorů OKS, viz kapitola 4.1.1, a podle diplomové práce J. Rouba [4], která se přímo zabývá problematikou získání kvalitních snímků pro fotogrammetrické vyhodnocení. Pro všechny snímky pořízené v rámci všech testů byly nastaveny tyto neměnné parametry: 

Clona byla nastavena na hodnotu F8. Tato hodnota by měla zajistit dostatečnou hloubku ostrosti scény při ještě rozumně krátkých časech expozice (snímkováno ve většině případech „z ruky“) a kvalitnější kresbu objektivu než při nižších hodnotách.



Citlivost snímače byla nastavena na ISO 200. Tato hodnota se vyznačuje nízkým šumem, zvládá velmi světlé i tmavší scény a oproti nejnižší dostupné hodnotě ISO 100 přispívá ke zkrácení času expozice.



Rozlišení snímků bylo nastaveno nejvyšší možné a to 12 Mpx (4272 x 2848 pixelů).



Ostřící bod byl vybrán jako středový bod, aby se zabránilo chybnému zaostření scény na nějaký okrajový bod, který může ležet mimo zájmový objekt. Ostření scény je podrobně popsáno níže.

53

ČVUT v Praze


Dalšími nastavenými parametry jsou: 

Vyvážení bílé bylo nastaveno na automatickou volbu AWB.



Režim měření expozice byl nastaven na volbu Poměrové měření.



Kompenzace expozice byla ponechána bez kompenzace na hodnotě 0 EV.



Styl Picture Style nastaven na Standarní (ostrý, výrazný snímek s živými barvami).

Snímkování probíhalo v režimu priority clony, kdy clona byla nastavena ručně na hodnotu F8 a čas expozice (obvykle 1/40 sekundy) byl vždy dopočten automaticky programem komory. Ostření probíhalo tak, že scéna byla nejprve zaostřena automaticky pomocí funkce AF. Bylo ale zjištěno, že automatické ostření neposkytuje uspokojivé výsledky (scéna nebyla dokonale ostrá a při opakovaném ostření docházelo k rozdílným výsledkům). Scéna byla tedy zaostřena manuálně (přepínač nastaven na MF), vyfotografována a provedena kontrola ostrosti snímku na displeji fotoaparátu. To bylo opakováno několikrát, než bylo dosaženo dokonale ostrého snímku. Potom přesná poloha ostřícího kroužku byla označena lihovým fixem a při opakovaném snímkování v jiný den byla vždy jednoduše přesně ručně obnovena. Při snímkování každé série pro jednotlivé modely všech testů mají tedy tyto snímky shodnou neměnnou polohu ostřícího kroužku. Pro eliminaci otřesu fotoaparátu po stisknutí spouště bylo v případech s horšími světelnými podmínkami snímkováno se samospouští nastavenou na 2 sekundy. Snímky byly ukládány do formátu RAW a zároveň také do formátu JPEG. Všechny modely byly vytvářeny ze snímků ve formátu JPEG, ačkoliv tvůrce softwaru Agisoft PhotoScan doporučuje spíše použití TIFF formátu („vyvolaného“ z formátu RAW), viz kapitola 2.2.2. Formát RAW nebyl tedy v této práci přímo využit. Lze jej ale v budoucnu využít pro případnou možnost dalšího testování, neboť snímky ve formátu RAW jsou též uloženy na DVD disku.

4.6

Postup testování – tvorba a porovnání modelů

V této kapitole bude popsán kompletní postup tvorby a porovnání modelů, který byl vytvořen za účelem testování vybraných parametrů. Tento postup zahrnuje postupně tyto technologické části, které byly postupně řešeny s využitím uvedených programů: 1. Kalibrace komory – Agisoft Lens 2. Tvorba 3D modelu – Agisoft PhotoScan Professional 3. Porovnání modelů – CloudCompare V následujících kapitolách jsou všechny tři fáze stručně popsány. Pro přesnou dokumentaci a možnost opakovat jednotlivé postupy byl pro každou fázi pořízen videotutoriál 54

ČVUT v Praze


ovládání příslušného programu pomocí softwaru FastStone Capture, [56]. Videa obsahují české popisy jednotlivých úkonů a jsou dostupná na přiloženém DVD disku ve složce G_Videa a také na serveru YouTube, viz [57], [58] a [59].

4.6.1

Kalibrace komory – Agisoft Lens

V první řadě byla provedena kalibrace komory. Pojem kalibrace znamená určení prvků vnitřní orientace komory. Mezi tyto prvky patří: 

konstanta komory (ohnisková vzdálenost)



poloha hlavního bodu snímku15



průběh distorze objektivu (radiální a tangenciální) Jak již bylo zmíněno výše, software Agisoft PhotoScan umožňuje výpočet kalibrace

komory dvěma způsoby. V prvním případě jsou kalibrační prvky komory neznámé a jsou vypočteny tzv. samokalibrací přímo ze snímků zájmového objektu v rámci výpočtu modelu. Prvky jsou přitom určovány najednou vždy pro skupiny se stejnou ohniskovou vzdáleností. V druhém případě lze prvky vnitřní orientace komory určit předem a ručně je zadat do programu před výpočtem modelu (tzv. kalibrace pomocí testovacího pole neboli předkalibrace). K určení těchto kalibračních prvků vyvinuli tvůrci samostatný program Agisoft Lens, který lze na rozdíl od PhotoScan bezplatně stáhnout ze stránek [60]. Instalační soubor použité verze softwaru Agisoft Lens je uložen na DVD disku ve složce I_Instalace. Tento software podporuje určení prvků kalibrace včetně nelineárních koeficientů distorze objektivu. Program určí tyto prvky: 

fx, fy – konstanta komory



cx, cy – souřadnice hlavního snímkového bodu



K1, K2, K3, P1, P2 – koeficienty radiální a tangenciální distorze

Pro určení koeficientů distorze software používá tzv. Brownův model, viz uživatelský manuál k softwaru Agisoft Lens, [60]. Samotná kalibrace je vypočtena z minimálně trojice snímků černobílé šachovnice, která je zobrazena na LCD obrazovce a postupně snímkována z různých pozic. Vstupním souborem kalibrace jsou pouze snímky zachycující šachovnici.

15

Hlavní bod snímku je průsečík roviny snímku s paprskem procházejícím středem promítání

v obrazovém prostoru (středem výstupní pupily) a kolmým na rovinu snímku. [9]

55

ČVUT v Praze


Obr. 4.3: Agisoft Lens – vypočtená kalibrace s průběhy distorzí [autor] Autoři programu uvádějí, že běžně není nutné provádět předkalibraci komory a samokalibrace funguje spolehlivě pro standardní objektivy (ohnisková vzdálenost kolem 50 mm pro ekv. 35 mm). Při použití širokoúhlých objektivů autoři doporučují zadat kalibrační parametry komory ručně do SW Agisoft PhotoScan před výpočtem modelu. Protože v této práci bylo výhradně snímkováno širokoúhlým zoom objektivem Tamron AF 18-200 mm pouze ve dvou polohách (18 a 50 mm), byla předkalibrace provedena pro ohniskovou vzdálenost 18 mm (ekv. 29 mm) a 50 mm (ekv. 81 mm), která byla použita pouze v Testu 3, kapitola 5.3. Samotný výpočet kalibrace nabízí pouze možnost vybrat, které volitelné parametry budou vypočteny. V rámci kalibrace byly vždy vypočteny všechny volitelné parametry. Podrobný popis procesu kalibrace viz videotutoriál ve složce G_Videa na DVD popř. online na stránce [57]. Šachovnice byla nasnímána s konstantou komory 18 mm nejprve pouze ze tří stanovisek (zleva, uprostřed, zprava) a vypočtena kalibrace. Protože takto vypočtené parametry vykazovaly velké směrodatné odchylky, byly přidávány postupně další snímky z různých náhodných pozic, což neustále snižovalo směrodatné odchylky. Nakonec byla kalibrace vypočtena z 25 snímků. To mělo za následek trojnásobný pokles původních směrodatných odchylek parametrů určených ze 3 snímků. Další přidávání snímků již nepřinášelo výrazné zlepšení a nemělo tedy význam. Příloha D porovnává dosažené hodnoty parametrů a jejich směrodatné odchylky vypočtené ze 3 a z 25 snímků pro 18mm konstantu. Poté bylo provedeno snímkování pole a kalibrace pro konstantu komory 50 mm pro účely Testu 3. Opět byla kalibrace vypočtena z 25 snímků. Příloha E porovnává dosažené hodnoty parametrů a jejich směrodatné odchylky vypočtené z 25 snímků pro konstantu komory 18 a 50 mm. Průběhy radiální a tangenciální distorze objektivu pro ohniska 18 a 50 mm, vypočtené pro oba případy z 25 snímků, je možné shlédnout v Příloze F.

56

ČVUT v Praze


Snímky s ohniskovou vzdáleností 18 mm vykazují více než 3x větší hodnotu radiální distorze na krajích snímků než snímky s ohniskovou vzdáleností 50 mm, více viz Test 3, kapitola 5.3.3. Pro přesné posouzení vlivu použití nebo nepoužití předkalibrace na kvalitu výsledného modelu by bylo vhodné provést další testování. V této práci toto testování provedeno nebylo.

4.6.2

Tvorba modelu – Agisoft PhotoScan

K tvorbě modelů sloužících pro testování vybraných faktorů byl vybrán software Agisoft PhotoScan. K tomuto účelu byl vybrán pro své přednosti popsané v kapitole 2.6.1. V této práci byl program použit ve verzi Agisoft PhotoScan Professional 0.9.1. V následujících odstavcích bude stručně popsána technologie tvorby modelu v tomto softwaru, tak jak byla použita pro výpočet všech modelů. Podrobný názorný popis tvorby modelu viz videotutoriál ve složce G_Videa na DVD popř. online na stránce [58]. Nejprve byl vytvořen nový chunk (soubor snímků) v prostředí Workspace pomocí volby Add Chunk. Poté byly do tohoto souboru nahrány všechny vstupní snímky volbou Add Photos… Snímky byly nahrávány výhradně ve formátu JPEG bez jakýchkoliv předchozích úprav. Při použití snímků s ohniskovou vzdáleností 18 mm (29 mm ekv.) byly ještě před orientací snímků nahrány údaje kalibrace objektivu (viz kapitola 4.6.1). Nahrání XML souboru s kalibračními parametry se provede podle schématu: Tools - Camera Calibration… - Initial - Load. Kalibrace nebyla zadána jako fixní (Fix calibration), a tedy kalibrační parametry budou během výpočtu vyrovnávány. Volba Fix calibration umožňuje tyto prvky fixovat, tzn. že nebudou vyrovnány a zůstanou neměnné. Tato volba se doporučuje pouze v případě, že prvky jsou určeny vysoce přesně. Dále byla spuštěna orientace snímků s generací řídkého mračna bodů pomocí volby Align Photos… Proces orientace snímků má dva volitelné parametry: přesnost (Accuracy) – zvolena možnost High (vysoká přesnost) a předvýběr párů snímků (Pair preselection) – zvolena možnost Generic (páry určí software automaticky). Po úspěšné orientaci a vygenerování řídkého mračna bodů, viz následující Obr. 4.4, se přistoupilo k tvorbě hustého mračna bodů a samotného 3D modelu v prostředí Workspace pomocí volby Build Geometry... Tento proces nabízí několik volitelných parametrů: typ objektu (Object type) – zvolena možnost Height Field (vhodná pro rovinné objekty), tvar objektu (Geometry type) – zvolena možnost Sharp (vhodné pro objekty s ostřejšími hranami), kvalita mračna (Target quality) – zvolena možnost High (vysoká kvalita), počet trojúhelníků sítě (Face count) – zvolen počet 1 000 000, práh filtru pro nejmenší komponenty modelu (Filter treshold) – zvolena hodnota 0.5 %, práh vyplnění děr modelu (Hole treshold) – zvolena hodnota 0.1 %. Tyto parametry byly pro daný objekt zvoleny podle doporučení v návodu k softwaru dostupného z [12] a také podle zkušeností J. Šediny, který ve své diplomové práci, [5], software Agiosft PhotoScan používal.

57

ČVUT v Praze


Obr. 4.4: Agisoft PhotoScan – vygenerované řídké mračno bodů [autor] Dalším krokem byla tvorba přesné textury modelu. Tato operace se provádí v prostředí Workspace pomocí volby Build Texture... Tento proces nabízí taktéž několik volitelných parametrů: mapovací mód (Mapping mode) – zvolena možnost Generic (program se snaží nalézt kvalitní texturu pro daný objekt automaticky), metoda míchání (Blending mode) – zvolena možnost Average (výsledný pixel je průměrem z odpovídajících si pixelů na všech snímcích), šířka a výška textury (Atlas width, Atlas height) – zvolena shodně možnost 2048 (počet pixelů), barevná hloubka (Color depth) – zvolena možnost Standard (24-bitová hloubka). Finálním krokem je nastavení měřítka modelu pomocí vzdálenosti zaměřené mezi dvěma body, viz Obr. 4.1. Body, mezi kterými je změřena vzdálenost, se sejmuly pomocí volby Create Marker. Vzdálenost mezi těmito body se vyznačila pomocí funkce Create Scale Bar. V prostředí Ground Control byla tato vzdálenost nastavena na hodnotu 3 m. Na závěr byl model exportován do formátu OBJ postupem File – Export Model… Všechny modely vytvořené v rámci této práce jsou uloženy na DVD disku včetně všech zdrojových snímků a kalibračních protokolů.

4.6.3

Porovnání modelů – CloudCompare

Všechny následující vytvořené testy jsou založeny na porovnávání modelů. Proto bylo potřeba nalézt vhodný program, který na sebe „napasuje“ dva modely a vypočte jejich rozdílový rastr. Asi nejznámějším komerčním programem, který je zaměřen na všestrannou práci s 3D daty včetně porovnávání modelů, je Geomagic Studio [68]. Cena tohoto softwaru se pohybuje okolo 18 000 €. Snahou však bylo nalézt volně dostupný software, který by umožňoval jednoduché a přitom kvalitní a spolehlivé výstupy srovnatelné s profesionálním softwarem. Tyto požadavky

58

ČVUT v Praze


splnil program CloudCompare, které ve své dizertační práci použil také K. Bartoš, [7], viz kapitola 3.4. CloudCompare je software primárně určený pro srovnávání dvou 3D bodových mračen nebo zasíťovaných mračen (modelů). Jeho autorem je Francouz Daniel Girardeau-Montaut. K tomuto účelu je založen na speciální octree16 struktuře. Program dokáže běžně pracovat s mračny o více než 10 milionech bodů. V současnosti jej lze využít též k různorodým operacím s 3D daty jako jsou: registrace, převzorkování, statistické výpočty apod. V následujících odstavcích bude stručně popsána technologie porovnávání modelů v tomto SW, tak jak byla sestavena a použita pro porovnání všech modelů ve všech třech testech. Podrobný názorný popis porovnání modelů viz videotutoriál ve složce G_Videa na DVD popř. online na stránce [59].

Obr. 4.5: Program CloudCompare [autor] Oba modely, které budou porovnávány, byly nahrány do prostředí CloudCompare pomocí volby File – Open. V prvním kroku byly modely ořezány přibližně tak, aby zobrazovaly pouze zájmovou část s malým přesahem. Ořez modelu byl proveden pomocí funkce Segment. Část určená k ořezu byla označena polygonovým lasem (Polygonal selection), poté byla část modelu určená k zachování inverzně označena volbou Segment out a na závěr odmazána nepotřebná část funkcí Confirm and delete hidden points. V dalším kroku byly modely přibližně transformovány na sebe použitím volby Translate/rotate. Jak již název napovídá, děje se tak pomocí posunu a rotace jednoho z modelů. Program též umožňuje přibližné ztotožnění modelů transformací ručním zvolením 3 identických bodů funkcí Align two clouds by picking (at least 3) equivalent point pairs. Tato funkce se však příliš neosvědčila, neboť z neznámých příčin její aplikace trvala neúměrně dlouhou dobu. 16

Octree je typ stromové struktury dat, kde každý uzel má právě osm potomků. [10]

59

ČVUT v Praze


První přesné ztotožnění (registrace) modelů bylo provedeno pomocí volby Finely registers already (roughly) aligned entities (clouds or meshes). K tomuto účelu software využívá algoritmus ICP17. Přesná registrace nabízí několik volitelných parametrů. Jako první určení referenčního (Model) a registrovaného (Data) mračna, kritérium pro zastavení registrace (rozdíl předchozí a následující iterace) Error difference – zadána hodnota 1.000e-10. Dále byla pro potlačení vlivu špatně určeného měřítka zatržena volba Free scale parameter, která umožní změnu měřítka registrovanému mračnu. Posledním použitým parametrem byla volba optimalizující rychlost výpočtu pro velká mračna Random sampling limit – nastavena hodnota 1 000 000, která potlačí použití tohoto parametru, neboť žádné mračno nemá více jak 1 mil. bodů. Poté byla spuštěna registrace mračen. V některých případech bylo nutné registraci opakovat, neboť při prvním pokusu nedošlo k dostatečnému přiblížení (Error difference dosahovala větších hodnot). Míru přiblížení dvou mračen udává hodnota RMS18 (Root mean square) všech vypočtených vzdáleností. Po první přesné registraci byl proveden opět ořez modelů. V tomto případě byly oba modely již ořezávány najednou tak, aby porovnávané modely byly pokud možno co nejshodnější a zobrazovaly pouze zájmovou část. K tomuto kroku bylo přistoupeno, protože bylo zjištěno, že pokud budou porovnávány modely z prvního samostatného ořezu, ve výsledku se znatelně projeví i rozdílné okrajové části, které vznikly vlivem nestejného ořezu, viz Obr. 4.5 a červený pravý okraj modelu. Poté bylo provedeno druhé a finální ztotožnění (registrace) modelů, nyní s kritériem Error difference nastaveným na přísnější hodnotu 1.000e-20. Po registraci byl proveden výpočet rozdílového rastru obou mračen funkcí Compute cloud/mesh distance. Tato funkce nabízí také několik volitelných parametrů. Jako první určení referenčního modelu (Reference) a porovnávaného modelu (Compared). Poté proběhne přibližný výpočet vzdálenosti. Pro přesný výpočet vzdálenosti byly použity tyto základní volitelné parametry (General parameters): úroveň stromové struktury Octree level – nastavena hodnota 8, maximální zobrazená vzdálenost Max. dist – nastavena hodnota 0,005 m, výpočet vzdáleností se znaménkem Signed distances – povolena, výpočet s funkcí multi-threaded – povoleno. Pokud je potřeba charakterizovat vzdálenost dvou mračen jednou hodnotou, k tomuto účelu je vypočtena střední vzdálenost Mean distance a její směrodatná odchylka std deviation. Při testování byla objevena skutečnost, že při registraci modelů a poté výpočtu vzdálenosti modelů záleží na tom, jaký model bude označen za referenční, tedy že výsledky při záměně referenčních modelů nejsou přesně inverzní. To je zřejmě způsobeno tím, že i při 17

ICP neboli Iterative Closest Point je algoritmus, jehož cílem je iterativní nalezení transformačních

parametrů, pro které platí, že celková chyba mezi body transformovaného mračna a nejbližšími body referenčního mračna bude minimální. [10] 18

RMS znamená Root mean square neboli kvadratický průměr. Jedná se o statistickou veličinu představující

druhou odmocninu aritmetického průměru druhých mocnin daných hodnot. [10]

60

ČVUT v Praze


druhém přesném ořezu vznikne malý rozdíl mezi modely na krajích modelů. Výsledky jsou tím více rozdílné, čím jsou modely rozdílněji ořezány. Proto je nutné věnovat zvýšenou pozornost ořezu modelů a snažit se o to, aby porovnávané modely byly pokud možno co nejshodnější. Na závěr byl rozdílový rastr vizualizován pomocí barevné hypsometrie, kdy pro záporné hodnoty byla použita modrá barva, která přechází do zelené barvy, značící nulový rozdíl, ta následně přechází do barvy červené, značící kladný rozdíl, viz Obr. 4.5. Na závěr byl uložen histogram četností vzdáleností dvou modelů. Histogram se zobrazí pomocí funkce Show histogram. Všechna provedená porovnání vytvořená v rámci této práce včetně instalačního souboru použité verze softwaru CloudCompare jsou uložena na DVD disku.

61

ČVUT v Praze

5

5. TESTOVÁNÍ VYBRANÝCH PARAMETRŮ

Testování vybraných parametrů

Náplní této kapitoly je podat podrobný popis testování všech třech vybraných parametrů. Pro každý test tento popis zahrnuje definici důvodu a základních předpokladů testování, přesný popis snímkování a samotného postupu testování a samozřejmě zhodnocení dosažených výsledků. Shrnutí proběhlého testování a dosažených výsledků bude uvedeno v Závěru této práce.

5.1

Test 1 – Světelné podmínky v exteriéru

Při snímkování objektů v exteriéru je primárním zdrojem osvětlení Slunce. Tento nejpřirozenější typ osvětlení je však závislý na aktuálním stavu atmosféry, který je ale velmi proměnný v čase. Mezi nejvýznamnější faktory ovlivňující průchod světla atmosférou patří: aktuální stav oblačnosti (jasno, oblačno), poloha Slunce na obloze (denní doba, roční období) a obsah kapalných a pevných částic v atmosféře (mlha, smog).

5.1.1

Důvod a předpoklad testování

Toto testování je provedeno za účelem posouzení, zda se na modelech daného testovacího objektu nějakým způsobem projeví světelné podmínky při odlišných povětrnostních podmínkách. Dále je cílem testování potvrdit či vyvrátit teorii o nejpříznivější době snímkování při zatažené obloze. Základním předpokladem je, že rozdílné světelné podmínky budou mít nějaký vliv na vytvářené modely. Druhým předpokladem je, že nejkvalitnější model poskytnou snímky, které byly pořízeny za zatažené oblohy, tedy při rozptýleném světle19, neboť tyto podmínky jsou doporučovány většinou autorů OKS, např. 123D Catch, [16], nebo Agisoft PhotoScan, [12].

5.1.2

Snímkování

Všechny snímky byly pořízeny s ohniskovou vzdáleností 18 mm a „z ruky“. Jelikož objekt není příliš členitý a nedosahuje velkých rozměrů, byly snímky pořízeny s ideálním 100% překrytem. Aby objekt pokrýval celý snímek (foceno na šířku), byla při vodorovném zobrazovacím úhlu 63° snímkovací stanoviska volena ve vzdálenosti 4 m od středu objektu. Snímkovací stanoviska tak vytváří kruhovou výseč kolem objektu o poloměru 4 m, viz Obr. 5.1. Tento způsob byl zvolen 19

Rozptýlené světlo je světlo, které přichází ze všech směrů a rovnoměrně osvětluje povrch celého

objektu, takže nevznikají žádné tvrdé stíny, odrazy nebo oslnění. U denního světla je to světlo při zcela zatažené obloze. [62]

62

ČVUT v Praze


proto, aby nemuselo docházet k přeostřování při snímkování z jednotlivých stanovisek a opakované snímkování probíhalo za pokud možno stejných podmínek. Stanoviska byla stabilizována dřevěnými kolíky, viz Příloha C. Počet snímků byl volen tak, aby bylo dosaženo dostatečné efektivity výpočtu modelu. To znamená, aby s ohledem na opakovaný výpočet modelu pro různé testy nebyl výpočet příliš časově náročný, ale na druhou stranu aby byl dostatečně kvalitní. V [6] bylo provedeno testování optimálního počtu snímků na základě základnového poměru sousedních snímků v sérii. Jako kompromis mezi dostatečnou hloubkovou přesností modelu a schopností zachycení členitosti objektu se jevil autorovi poměr mezi 1:2 až 1:5. Byl tedy zvolen poměr 1:4, což při vzdálenosti od objektu 4 m představuje délku základny (vzdálenost sousedních snímků) 1 m. Pro objekt bylo vždy pořízeno 6 konvergentních snímků, rovnoměrně rozložených kolem objektu a po 1 m, viz Obr. 5.1. Takto bylo vždy pořízeno několik sérií snímků za sebou. Z těchto snímků byly v PC vybrány nejkvalitnější (především nejostřejší) snímky pro výpočet modelů, obdobně v Testu 2 a 3.

Obr. 5.1: Test 1 – schéma konfigurace snímkování [autor] Ve stejné konfiguraci snímkování byly pořízeny snímky za těchto povětrnostních potažmo světelných podmínek, které se běžně v exteriéru vyskytují: 

Zataženo – optimální rozptýlené světlo



Slunečno – ostré světlo vytvářející stíny



Po dešti – zataženo po dešti, textura objektu ovlivněna vodou



Jasno – celý objekt ve stínu při jasné obloze V prvním případě bylo snímkováno při zatažené obloze. Tento typ osvětlení poskytuje

tzv. měkké neboli rozptýlené světlo. Toto světlo způsobuje rovnoměrné osvětlení scény bez 63

ČVUT v Praze


tvrdých stínů, nežádoucích odrazů a oslněných míst. Takto nasvícená scéna je časově stabilní (nedochází k náhlým změnám osvětlení a pohybu stínů jako důsledek pohybu oblačnosti resp. Slunce) a vizuálně postrádá plasticitu. Toto osvětlení je pro své výhody (především absence stínů a stálost v čase) doporučováno tvůrci OKS jako nejvhodnější pro aplikaci obrazové korelace. V druhém případě byl objekt nasnímán při jasné slunečné obloze v pozdních odpoledních hodinách. Pozdní odpoledne bylo zvoleno proto, že zájmový objekt má severozápadní orientaci, tedy k přímému osvitu stěny dochází v pozdnějších hodinách. V tomto případě je scéna osvětlena tzv. tvrdým neboli ostrým světlem. Tento typ osvětlení se vyznačuje výraznou plasticitou. Dále se zde na rozdíl od osvětlení při zatažené obloze projevuje významná nestabilita vlivem pohybu Slunce. Dalším negativním vlivem může být výskyt přeexponovaných (příliš jasné jasy) a naopak podexponovaných míst (příliš tmavé stíny) na snímku. Následující obrázek porovnává snímky modelů Zataženo a Slunečno. Nejnápadnějším rozdílem je výskyt oblasti s trvalým stínem u osvětlení Slunečno, který se rozprostírá z pravého dolního rohu přes horní část až do levého horního rohu, a velmi dobře patrný rozdíl v plasticitách snímků.

Obr. 5.2: Test 1 – Zataženo vs. Slunečno [autor] Ve třetím případě byl objekt snímán při zatažené obloze po proběhlém dešti. Světelné podmínky jsou v tomto případě shodné jako v prvním případě, ale rozdílem je, že textura objektu byla ovlivněna stékající vodou. Jelikož objekt nestačil dostatečně vyschnout, nachází se na jeho povrchu vlhké oblasti. Tyto oblasti mají tmavší barvu, ve které je potlačena heterogenní textura objektu. Převážně se jedná o spáry mezi kameny. Dále může u vlhkého povrchu docházet k nežádoucím odleskům, což se ale v případě tohoto objektu neprojevilo. Odlesky a odrazy od vlhkých míst nebo dokonce na hladinách louží jsou zcela zjevně problémem v případě tvorby modelů vodorovných staveb (silnice, dálnice), viz následující obrázek.

64

ČVUT v Praze


Obr. 5.3: Test 1 – odraz na hladině louže [63] V posledním případě byl objekt nasnímán při jasné obloze, ale v dřívějších hodinách. To znamená, že objekt nebyl přímo vystaven slunečnímu svitu, ale byl kompletně zakryt ve stínu. Tento typ osvětlení se blíží prvnímu případu při zatažené obloze. Všechny typy osvětlení jsou k nahlédnutí v Příloze H.

5.1.3

Postup testování

Nejprve byly vytvořeny modely pro všechny čtyři případy podle postupu uvedeného v kapitole 4.6.2. Jako referenční model byl vybrán model při optimálních světelných podmínkách, tedy při zatažené obloze a tento model byl nazván Zataženo. Další modely byly nazvány Slunečno, Po dešti a Jasno. Následující tabulka představuje základní dosažené parametry vytvořených modelů v programu Agisoft PhotoScan Professional. Mezi tyto parametry patří: Point Cloud – počet bodů řídkého mračna, Reprojection Error20 – chyba reprojekce, Faces - počet trojúhelníků sítě, Vertices – počet bodů husté sítě a Doba – doba výpočtu husté sítě bodů. Podrobné informace o modelech Zataženo, Slunečno, Po dešti a Jasno a procesech jejich tvorby jsou uvedeny v Přílohách I, J, K a L.

Tab. 5.1: Test 1 - základní parametry modelů

20

Model

Point Cloud

Reprojection Error

Faces

Vertices

Doba [s]

Zataženo Slunečno Po dešti Jasno

41218 42169 41711 40688

0.36 (max 1.10) 0.54 (max 1.64) 0.39 (max 1.17) 0.36 (max 1.10)

972175 974145 968842 971751

491667 492314 490142 491528

231 232 227 232

Reprojection Error je geometrická chyba odpovídající obrazové vzdálenosti mezi bodem zobrazovaným

a určeným. Používá se k vyčíslení blízkosti odhadu polohy 3D bodu a jeho správné projekční polohy. [10]

65

ČVUT v Praze


Z Tab. 5.1 je patrné, že všechny modely jsou stejně husté a jejich tvorba trvala přibližně stejně dlouho. Mírně vyšší hodnotu Reprojection Error (dále RE) vykazuje model Slunečno. Naopak nejmenší hodnotu RE vykazují modely Zataženo a Jasno. V druhém kroku bylo provedeno porovnání modelů Slunečno, Po dešti a Jasno s modelem Zataženo podle postupu z kapitoly 4.6.3. Následující tabulka představuje základní dosažené parametry registrace porovnávaných modelů v programu CloudCompare. První model je vždy model referenční (v tomto případě vždy model Zataženo), platí i všude dale v dalších testech.

Tab. 5.2: Test 1 - základní parametry registrace modelů Porovnání modelů

RMS [m]

Střední vzdálenost [m]

Směrodatná odchylka [m]

Zataženo - Slunečno Zataženo - Po dešti Zataženo - Jasno

0.005991 0.005886 0.005895

0.000038 0.000090 -0.000001

0.001498 0.001048 0.001033

Z tabulky je patrné, že nepatrně menších hodnot RMS dosahují modely Po dešti a Jasno. Výraznější rozdíl lze spatřit v hodnotě směrodatné odchylky, kdy model Slunečno dosahuje o téměř 0.5 mm větší hodnoty než v případě modelů Po dešti a Jasno. S ohledem na velikost směrodatné odchylky (mm) vůči velikosti střední vzdálenosti (tisíciny mm) není hodnota střední vzdálenosti příliš vypovídající hodnotou. Barevné vizualizace odchylek modelů Zataženo – Slunečno, Zataženo – Po dešti a Zataženo – Jasno jsou uvedeny jako Přílohy M, N a O. Následující obrázek porovnává jednotlivé histogramy četností vzdáleností modelů.

66

ČVUT v Praze


Obr. 5.4: Test 1 – porovnání histogramů četností vzdáleností modelů [autor]

5.1.4

Zhodnocení dosažených výsledků

Následující tabulka zobrazuje procentuální zastoupení jednotlivých maximálních vzdáleností bodů všech porovnávaných dvojic modelů.

Tab. 5.3: Test 1 – zastoupení vzdáleností modelů Modely

< 1 mm

< 2 mm

< 3 mm

< 4 mm

< 5 mm

Percentil

Zataženo - Slunečno Zataženo - Po dešti Zataženo - Jasno

59 78 77

85 94 95

94 98 98

97 99 99

100 100 100

[%]

Z tabulky je na první pohled patrné, že dobré shody s modelem Zataženo dosahují modely Po dešti a Jasno. U těchto modelů má 94 % resp. 95 % bodů vzdálenost menší než 2 mm. U modelu Slunečno tuto hodnotu nepřekročuje jen 85 % bodů. 67

ČVUT v Praze


Při pohledu na všechny tři vizualizace rozdílů (Přílohy M, N a O) nejprve zaujme problémová zastíněná vhloubená část v levém horním okraji. U všech porovnávaných modelů jsou zde velké, převážně kladné, rozdíly (červená barva). V tomto místě má optická korelace problémy se správnou identifikací odpovídajících si bodů a při různém osvětlení vyhodnotí tuto oblast odlišně. Právě tato oblast má největší měrou na svědomí výskyt červeného sloupce (vzdálenost +5 mm) u histogramů všech porovnávaných dvojic modelů. To platí i pro zbylé dva testy. Následující obrázek zobrazuje problémovou část a její projev mezi modely Zataženo a Jasno.

Obr. 5.5: Test 1 – problémová vhloubená část u modelů Zataženo a Jasno [autor] V případě porovnání modelů Zataženo a Jasno dochází k výborné shodě modelů, viz Příloha O. Kromě výše popsaného problému s vhloubenou částí se zde nevyskytují žádné výraznější rozdíly. Na několika málo místech ve spárách se objevují menší nevýrazné záporné oblasti se vzdáleností do -4 mm. V pravé části vizualizace je patrná nevelká oblast, kde se na povrchu kamenů vyskytují vzdálenosti do +3 mm. Tento rozdíl je zřejmě způsoben výskytem černé jednolité textury (stěna polita černou barvou), viz Obr. 5.2, kde může mít, stejně jako v případě stínů u vhloubené části, optická korelace problémy. O nejlepší kvalitě a shodě těchto modelů také svědčí nejmenší hodnota Reprojection Error. Při pohledu na vizualizaci porovnání modelů Zataženo a Po dešti (Příloha N) je stejně jako v předchozím případě patrná velmi dobrá shoda těchto modelů. Jediným výraznějším rozdílem je výskyt kladných rozdílů (do +4 mm) na spárách mezi kameny převážně ve střední části modelu, viz následující obrázek.

Obr. 5.6: Test 1 – detail rozdílu modelů Zataženo a Po dešti ve spárách [autor] 68

ČVUT v Praze


Tento rozdíl je pravděpodobně způsoben tím, že po proběhlém dešti zůstávají vlhké především tyto spáry. Vlhké spáry se vyznačují tmavší barvou, ve které je potlačena heterogenní textura objektu, která je podmínkou pro úspěšnou korelaci. Při podrobném zkoumání zdrojových snímků modelů je rozdíl v heterogenitě suchých (Zataženo) a mokrých (Po dešti) spár dobře patrný. Následující obrázek zobrazuje rozdíl v textuře suché a mokré spáry.

Obr. 5.7: Test 1 – porovnání textury suché (vlevo) a mokré (vpravo) spáry [autor] V případě porovnání modelů Zataženo a Slunečno jsou již patrné velmi výrazné rozdíly mezi modely, viz Příloha M. I hodnota Reprojection Error u modelu Slunečno je mnohem vyšší než u ostatních modelů, viz Tab. 5.1. Kladné rozdíly (do +4 mm) na povrchu a hranách kamenů se vyskytují na většině plochy modelu. Dále je dobře patrný předěl mezi trvale zastíněnou částí v pravém horním rohu objektu a osvětleným zbytkem objektu. Tato zastíněná část se vyznačuje vzdáleností přibližně -2.5 mm, viz pravá část Obr. 5.8. Jak již bylo zmíněno výše, obrazová korelace má zjevně problémy se správným vyhodnocením v takto zastíněných místech. Druhým nejvýznamnějším rozdílem je výskyt záporných (až –5 mm) vzdáleností, které přecházejí v kladné vzdálenosti (až +5mm), v horním a dolním rohu levé části modelu, viz levá část Obr. 5.8.

Obr. 5.8: Test 1 – detail rozdílu modelů Zataženo a Slunečno v rozích modelu [autor] Přesnou příčinu těchto rozdílů se nepodařilo určit. Pravděpodobně tyto rozdíly budou mít souvislost s výše popsanými obecnými negativními vlivy snímkování při jasné slunečné obloze. Následující obrázek dokazuje projevy nestability osvětlení. Mezi pořízením levého a pravého snímku uplynulo „pouze“ 10 minut, ale rozdíly v postavení stínů jsou již velmi dobře patrné. 69

ČVUT v Praze


Obr. 5.9: Test 1 – časová nestabilita osvětlení [autor] Ačkoliv byly ze všech pořízených snímků při tomto typu osvětlení vybrány snímky, které byly pořízeny v co možná v nejkratším časovém okamžiku, uplynula od pořízení prvního a posledního snímku série 1 minuta. I při podrobném porovnání snímků pořízených po 1 minutě je patrná změna postavení stínů. Pro lepší prezentaci nestability byl tento projev dokumentován na snímcích pořízených po 10 minutách. Dalším negativním vlivem, který byl odhalen až při následném prohlížení snímků v PC, byl výskyt nežádoucího odrazu v optické soustavě objektivu, jenž se projevil u 2 (z celkově 6 snímků) krajních snímků. Tento vliv by bylo možné v případě daného objektu jednoduše eliminovat použitím sluneční clony. Následující obrázek zobrazuje projev odrazu na levém krajním snímku série, kde byl jeho projev vlivem severozápadní orientace objektu největší.

Obr. 5.10: Test 1 – projev odrazu světla v objektivu [autor] Pro přesné určení příčin všech popsaných rozdílů mezi modely by bylo potřeba provést další testování. Proběhlé testování ukázalo, že pro tento testovací objekt se specifickou severozápadní orientací lze dosáhnout shodných výsledků při pořízení snímků během zatažené oblohy (v literatuře označované za optimální podmínky, viz např. návod k softwaru Agisoft PhotoScan, [12]) a při jasné obloze v době, kdy se objekt nachází ještě v celkovém stínu. Při zatažené obloze po proběhlém dešti je výsledek pro tento typ objektu též velmi srovnatelný s ideálními podmínkami při zatažené obloze.

70

ČVUT v Praze


První předpoklad o vlivu světelných podmínek na vytvářené modely byl tedy potvrzen. Druhý předpoklad o lepší kvalitě modelu ze snímků za světelných podmínek při zatažené obloze je též možné přijmout na základě nižší hodnoty RE. Dále lze tento závěr rozšířit o poznatek, že pro daný objekt se specifickou severozápadní orientací dosahuje shodné kvality i model pořízený při jasné obloze v čase, kdy je ještě celý model ve stínu.

5.2

Test 2 – Konfigurace snímkování

Co se týče konfigurace snímkování, různí autoři OKS doporučují různé postupy snímkování. V podstatě lze rozlišit dvě základní technologie pořizování snímků: snímky s rovnoběžnými osami záběru a snímky s konvergentními osami záběrů. Jak uvádí [6] na str. 111, tak pro tvorbu modelů v softwaru Agisoft PhotoScan by se měly používat kombinace konvergentních a paralelních snímků. Pro úspěšný průběh obrazové korelace nezáleží ani tak na tom, jestli jsou snímky paralelní nebo konvergentní. Důležité je, aby sousední snímky byly: dostatečně podobné, měly dostatečný překryt a aby zájmová část objektu byla vždy zachycena na nejméně 3 snímcích. Co se týče překrytu, tak tvůrce neuvádí přesný požadavek na minimální překryt snímků pro aplikaci v pozemní fotogrammetrii. V Užitečných tipech na snímkování (Useful Tips on Image Capture), uvedených na stránkách programu Agisoft PhotoScan, [12], se pouze pro leteckou fotogrammetrii uvádí požadované hodnoty překrytu: 80 % ve směru letu a 60 % mezi letovými řadami. U jiných OKS je uváděna hodnota 60 %, někdy dokonce 90 % bez ohledu na oblast použití. Na základě těchto úvah byl v této práci jako minimální překryt snímků v pozemní fotogrammetrii označen překryt 67 % (2/3 snímku), který při paralelním snímkování v řadě zajišťuje, aby všechny části zájmového objektu byly zobrazeny právě na třech snímcích. Tvůrci programu Agisoft PhotoScan sestavili univerzální základní schéma snímkování pro různé typy objektů, kde rozeznávají tyto základní případy: 

fasáda



interiér



uzavřený objekt

Následující obrázek zobrazuje doporučenou konfiguraci snímkování pro všechny tři typy objektů. Tyto konfigurace rozšířené ještě o nevhodné způsoby snímkování jsou též uvedeny jako Příloha A.

71

ČVUT v Praze


Obr. 5.11: Test 2 – doporučená konfigurace snímkování pro Agisoft PhotoScan [12]

5.2.1


Toto testování je provedeno za účelem posouzení, zda se na modelech daného testovacího objektu nějakým způsobem projeví rozdílná konfigurace snímkování. Základním předpokladem je, že rozdílná konfigurace snímkování bude mít vliv na 3D síť modelu. Druhým předpokladem je, že lepších výsledků by měl dosáhnout model ze snímků s přibližně rovnoběžnou osou záběru, neboť v návodu k softwaru Agisoft PhotoScan se pro snímkování rovinných objektů (fasáda apod.) doporučuje právě tento typ snímkování, viz Obr. 5.11.

5.2.2

Snímkování

Protože není vždy možné snímkovat objekt s ideálním 100% překrytem (hustá zástavba, překážky apod.), tak jako v případě Testu 1, je někdy nutné zvolit jiný způsob snímkování s menším překrytem. V tomto případě byla pro návrh snímkovacích konfigurací zvolena tato limitující kritéria: 1. vzdálenost od objektu max. 2.5 m 2. počet snímků 6 3. všechny části objektu zobrazeny na alespoň 3 snímcích Na základě těchto kritérií byly navrženy dvě konfigurace snímkování, viz následující obrázek.

72

ČVUT v Praze


Obr. 5.12: Test 2 – schéma konfigurace snímkování [autor] V obou případech probíhalo snímkování výhradně s ohniskovou vzdáleností 18 mm a „z ruky“ a v obou případech bylo snímkováno při zatažené obloze. V prvním případě byl zvolen postup klasického stereosnímkování, nazván Stereo, doporučovaného autory softwaru pro objekty typu fasáda. Při vzdálenosti 2.5 m od objektu byla vypočtena vzdálenost sousedních stanovisek tak, aby měl snímek se svými sousedními snímky společný již zmiňovaný dvoutřetinový překryt (67 %), který zajistí ještě třetinový překryt (33 %) s dalšími snímky. Tato vzdálenost je rovna 1.0 m. Potom, jak je vidět z Obr. 5.12, je naprostá většina objektu (80 %) zobrazena vždy na třech snímcích, tak jak je doporučováno i autory softwaru. Nedostatkem této konfigurace je existence okrajových částí (každá 10 % plochy objektu), které jsou zobrazeny pouze na dvou snímcích. K odstranění tohoto nedostatku by bylo vždy nutné porušit ostatní kritéria: buď přidat po jednom snímku na každou stranu, nebo snímkovat objekt z větší vzdálenosti (v tomto případě 3 m). Mírné porušení třetího kritéria bylo považováno jako nejlepší kompromis a při zhodnocení dosažených výsledků bude brán na toto zřetel. Aby bylo možné dodržet všechna tři kritéria bez výhrady, byla navržena druhá konfigurace, kombinující stereosnímkování a konvergentní snímkování, a nazvána Kombinace. Jak je vidět na Obr. 5.12, dvě stanoviska s rovnoběžnými osami záběru (červená barva) byla zvolena ve vzdálenosti 2.5 m tak, aby pokryla celý objekt a přitom měla společný překryt 20 %. Tyto stereosnímky byly doplněny dvojicí šikmých snímků z obou stran (modrá a zelená barva), které mají také vzdálenost 2.5 m od objektu (nemusí docházet k přeostřování), osy záběru svírají s osami paralelních snímků 35° a každá dvojice zobrazuje celý objekt se společným dvoutřetinovým překrytem (67 %). Potom, jak je vidět z Obr. 5.12, je prostřední část objektu zobrazena na všech šesti snímcích, další části na pěti resp. čtyřech snímcích a krajní oblasti na třech snímcích. Kritérium o zobrazení všech částí na alespoň 3 snímcích je tedy dodrženo. 73

ČVUT v Praze

5.2.3


Postup testování

Nejprve byly vytvořeny modely pro oba případy podle postupu uvedeného v kapitole 4.6.2, pro první konfiguraci model nazván Stereo, pro druhou konfiguraci model nazván Kombinace. Pro další porovnání modelů byl také převzat model Zataženo z Testu 1, který má optimální 100% překryt konvergentních snímků. Následující tabulka představuje základní dosažené parametry vytvořených modelů. Podrobné informace o modelech Stereo a Kombinace a procesech jejich tvorby jsou v Přílohách P a Q. Informace o modelu Zataženo je v Příloze I.

Tab. 5.4: Test 2 – základní parametry modelů Model

Point Cloud

Reprojection Error

Faces

Vertices

Doba [s]

Stereo Kombinace Zataženo

42132 29642 41218

0.30 (max 0.90) 0.29 (max 0.89) 0.36 (max 1.10)

980920 936796 972175

496082 478191 491667

81 110 231

Z tabulky je patrné, že modely Stereo a Zataženo mají odpovídající hustotu. Model Kombinace vykazuje tříčtvrtinovou hustotu řídkého mračna (Point Cloud) oproti ostatním dvěma modelům. Hustá mračna (Faces, Vertices) všech tří modelů mají řádově stejnou hustotu. Co se týče hodnot Reprojection Error, tak modely Stereo a Kombinace dosahují srovnatelných hodnot. Model Zataženo má tuto hodnotu nepatrně vyšší. Toto lze vysvětlit 100% překrytem snímků u tohoto modelu, kdy je vytvořeno více korelačních dvojic, což má za následek i zvýšení hodnoty Reprojection Error, i když ve skutečnosti může být tento model nejkvalitnější, což je také předpokládáno. I doba potřebná pro tvorbu modelů napovídá o složitosti jednotlivých korelací. Model Zataženo pro vytvoření potřeboval v porovnání s modelem Kombinace 2x více času a v porovnání s modelem Stereo dokonce 3x více času. Je logické, že korelace na stereosnímcích je procesně méně náročnější než korelace na snímcích konvergentních a navíc u modelu Zataženo se 100% překrytem všech snímků bylo velmi pravděpodobně vytvořeno i více korelačních dvojic snímků. V druhém kroku bylo provedeno porovnání modelů podle postupu z kapitoly 4.6.3. Nejprve byly porovnány modely Stereo (referenční) a Kombinace mezi sebou a poté byly jednotlivě porovnány s modelem Zataženo (referenční). Následující tabulka představuje základní dosažené parametry registrace porovnávaných modelů v programu CloudCompare.

Tab. 5.5: Test 2 – základní parametry registrace modelů Porovnání modelů

RMS [m]



Stereo - Kombinace Zataženo - Stereo Zataženo - Kombinace

0.00508 0.00511 0.00541

0.000043 0.000058 0.000282

0.001489 0.001534 0.002049

74

ČVUT v Praze


Z hodnot RMS je patrné, že velmi dobré shody dosahují modely Stereo - Kombinace a Stereo Zataženo. Naopak model Kombinace v porovnání s modelem Zataženo dosahuje řádově mnohem vyšších hodnot těchto parametrů. I hodnota směrodatné odchylky je o 0.5 mm větší než v případě ostatních dvojic. Dokonce i hodnota střední vzdálenosti je několikanásobně vyšší u dvojice Zataženo – Kombinace, ale jak již bylo zmíněno v Testu 1, není to příliš vypovídající hodnota. Barevné vizualizace odchylek modelů Stereo – Kombinace, Zataženo – Stereo a Zataženo – Kombinace jsou uvedeny jako Přílohy R, S a T. Následující obrázek zobrazuje histogramy četností vzdáleností modelů.

Obr. 5.13: Test 2 – porovnání histogramů četností vzdáleností modelů [autor]

75

ČVUT v Praze

5.2.4



Následující tabulka zobrazuje procentuální zastoupení jednotlivých maximálních vzdáleností bodů všech porovnávaných dvojic modelů.


< 1 mm

< 2 mm

< 3 mm

< 4 mm

< 5 mm

Percentil

Stereo - Kombinace Zataženo - Stereo Zataženo - Kombinace

56 58 42

83 84 71

92 94 86

95 97 92

100 100 100

[%]

Z tabulky je na první pohled patrné, že modely nedosahují příliš výrazné shody. Nejvíce rozdílné jsou přitom modely Zataženo a Kombinace, kdy rozdíl menší než 1 mm vykazuje pouze 42 % bodů. Naopak nejlepší shody dosahují modely Zataženo a Stereo, u kterých hodnotu 1 mm nepřekračuje 58 % všech bodů. Při pohledu na vizualizaci rozdílů nejprve opět zaujme problémová zastíněná vhloubená část, kde jsou tradičně velké kladné rozdíly (červená). Nejméně se přitom tato část projevuje mezi modely Zataženo a Stereo. Dalším nápadným znakem je výskyt chybné struktury v levé části modelu Kombinace. Tato chybová struktura se projevila v obou srovnáních, kde se vyskytuje model Kombinace, ale též je patrná i při pouhém prohlížení modelu Kombinace. Jedná se o opakující se vhloubené kruhové části velikosti tenisového míčku, viz následující obrázek.

Obr. 5.14: Test 2 – detail rozdílu modelů v krajní levé části [autor] Z obrázku je patrné, že tato chyba dosahuje hodnot někde kolem -3 mm v případě srovnání s modelem Stereo a -4 mm v případě srovnání s modelem Zataženo. Nepodařilo se zjistit přesnou příčinu této specifické opakující se chybové struktury . Kromě výše zmíněných problémů jsou z Obr. 5.14 též patrná chybná místa ve spárách mezi kameny a na hranách kamenů. Na hranách kamenů je v případě modelu Kombinace patrný výskyt „výrůstků“. Ani v tomto případě se nepodařilo stanovit přesnou příčinu těchto negativních jevů. 76

ČVUT v Praze


Obecně však lze v případě modelu Kombinace problém spatřovat v šikmých snímcích, které byly pořízeny z velké blízkosti. Jednak lze očekávat, že optická korelace bude mít s těmito šikmými snímky větší problémy než se stereosnímky (model Stereo) popř. konvergentními snímky z větší vzdálenosti (model Zataženo). Toto dokládá i počet bodů řídkého mračna, který, jak již bylo zmíněno výše, je v případě modelu Kombinace 75% oproti modelům Stereo a Zataženo, viz Tab. 5.4. Nevýhodou šikmých snímků z velké blízkosti je také skutečnost, že výborně zaostřena je pouze střední část snímku. Okrajové části snímku mají v tomto případě vzdálenost 2x tak menší resp. větší než je vzdálenost k zaostřenému středu, což i při použití clony F8 nezajistí dostatečnou hloubku ostrosti a tyto části jsou již poměrně rozmazané. O hloubce ostrosti je podrobněji pojednáno v případě Testu 3, kapitola 5.3.4. Následující obrázek zobrazuje dvě shodné části zobrazené na frontálním snímku a na šikmém snímku pro posouzení rozdílné ostrosti a celkové odlišnosti snímků v důsledku velkého úhlu, který spolu svírají osy záběrů. V neposlední řadě je i velikost pixelů ve skutečnosti (GSD) v horizontálním směru několikrát větší u šikmých snímků než u frontálních snímků. Je zřejmé, že proces obrazové korelace nebude v tomto případě pro výpočetní software tak jednoduchý.

Obr. 5.15: Test 2 – porovnání rozdílnosti frontálního a šikmého snímku [autor] V případě porovnání modelů Zataženo a Stero (Příloha S) se nevyskytují nějaké výraznější specifické chyby jako u obou porovnání, kde se vyskytuje model Kombinace. Větších záporných odchylek (cca -4 mm) dosahuje několik míst ve spárách mezi kameny, které se vyskytují po celém objektu. Lze se domnívat, že tyto chyby jsou důsledkem obecně menší heterogenity textury spár (prostý beton) a tedy obtížnějšímu procesu korelace. Dále lze spatřit mírně vyšší kladné rozdíly na krajích modelů, které jsou pravděpodobně způsobeny skutečností, že úplné kraje (10 % z každé strany, viz kapitola 5.2.2) objektu jsou pokryty pouze dvěma snímky, zatímco střed objektu je pokryt třemi snímky. Tyto dva typy rozdílů jsou patrny již z celkového náhledu vizualizace vzdáleností, Příloha S.

77

ČVUT v Praze


Pro přesné určení příčin specifických chyb u modelu Kombinace by bylo potřeba provést další testování. Proběhlé testování ukázalo, že není příliš vhodné snímkovat rovinný objekt způsobem, který byl použit u modelu Kombinace. Mnohem spolehlivější výsledky lze dosáhnout se snímkováním objektu s přibližně rovnoběžnými osami záběru, tak jak je doporučováno i tvůrcem softwaru Agisoft PhotoScan. Ovšem menší nevýhodou tohoto způsobu je, že je v některých případech, kdy je omezen odstup od objektu, nutné pořídit více snímků. Dále lze potvrdit, že pro dosažení spolehlivých výsledků je potřeba zájmovou oblast pokrýt alespoň třemi snímky. První předpoklad o vlivu konfigurace snímkování na vypočtený model byl tedy potvrzen. Druhý předpoklad o lepší kvalitě modelu ze snímků s přibližně rovnoběžnou osou záběru lze také potvrdit.

5.3

Test 3 – Konstanta komory

Konstanta komory21 neboli ohnisková vzdálenost je základním parametrem fotografického objektivu. Existuje mnoho variant dělení objektivů podle ohniskové vzdálenosti. Jednou z nich je následující dělení obsahující i odpovídající hodnoty vodorovných zorných úhlů pro kinofilmový formát 36 x 24 mm:

Tab. 5.7: Test 3 – rozdělení objektivů podle ohniskové vzdálenosti [64] Formát

Rybí

36 x 24 mm

oko

Ohnisková vzdál. [mm] Hz zorný úhel [°]

6 - 16 > 180

Velmi

Normální

širokoúhlý širokoúhlý 12 - 21 113 - 81

24 - 35 74 - 54

Základní 38 - 60 51 - 33

Dlouho-

Tele-

ohniskový

objektiv

70 - 135 29 - 15

> 135 < 15

Dále lze objektivy rozdělit podle jejich konstrukce. Zde rozlišujeme dva základní případy: 

pevné ohnisko



plynule posuvné ohnisko (tzv. zoom)

Objektivy s pevným ohniskem se vyznačují jednodušší konstrukcí, která poskytuje lepší světelnost22 objektivu. Objektivy s proměnným ohniskem mají složitější konstrukci, tedy disponují horší světelností a celkově horší optickou kvalitou (projevují se optické vady). Jejich předností je variabilita ve snímkování různě vzdálených objektů. 21

Konstanta komory je vzdálenost hlavního snímkového bodu od středu promítání (střed výstupní pupily)

v obrazovém prostoru. [9] 22

Světelnost objektivu (Lens speed) vyjadřuje, kolik světla dopadne na snímač. Její hodnoty jsou udávány

základním clonovým číslem, které vyjadřuje poměr ohniskové vzdálenosti a průměru vstupní pupily. [10]

78

ČVUT v Praze

5.3.1



Toto testování je provedeno za účelem posouzení, zda se na modelech daného testovacího objektu nějakým způsobem projeví rozdílná ohnisková vzdálenost snímků. Základním předpokladem je, že rozdílná ohnisková vzdálenost bude mít vliv na 3D síť modelu. Druhým předpokladem je, že lepších výsledků by měl dosáhnout model ze snímků s menším ohniskem, neboť v návodu k softwaru Agisoft PhotoScan se uvádí, že se širokoúhlými objektivy lze dosáhnout lepších výsledků než s teleobjektivy.

5.3.2

Snímkování

Objekt byl nasnímán objektivem Tamron 18-200 mm, viz kapitola 4.4.2, se dvěma různě nastavenými ohniskovými vzdálenostmi: 18 mm a 50 mm. V obou případech bylo snímkováno při zatažené obloze. Následující tabulka zobrazuje základní parametry pořízených snímků.

Tab. 5.8: Test 3 – základní parametry snímkování Ohnisková vzdálenost Zobrazovací úhel 18 mm (ekv. 29 mm) 50 mm (ekv. 81 mm)

63° 19' 25° 02'

Vzdálenost od objektu

Stativ

4.0 m 11.5 m

NE ANO

Následující obrázek zobrazuje půdorysné schéma snímkování.

Obr. 5.16: Test 3 – schéma konfigurace snímkování [autor] Pro ohnisko 18 mm byly použity snímky z Testu 1 při zatažené obloze. Jedná se o sérii 6 konvergentních snímků se 100% překrytem, tvořící vějíř kolem zájmového objektu. Snímky byly foceny „z ruky“ ze vzdálenosti 4.0 m od středu objektu, podrobněji viz kapitola 5.1.2. 79

ČVUT v Praze


Ve druhém případě bylo snímkováno obdobným způsobem, ale při použití ohniskové vzdálenosti 50 mm. Konvergentní snímky tvoří podobný vějíř jako v případě 18mm snímků, ale ve větší vzdálenosti od objektu. Aby snímky s ohniskem 50 mm zobrazovaly stejnou část zájmového objektu, bylo nutno od objektu odstoupit na vzdálenost 11.5 m. Při této vzdálenosti a použité cloně F8 se jevily snímky focené „z ruky“ jako mírně rozmazané. Proto bylo nutné pro snímkování použít stativ.

5.3.3

Postup testování

Nejprve byla provedena kalibrace komory v programu Agisoft Lens ze snímků s ohniskovou vzdáleností 50 mm (použito 25 snímků), aby bylo možné porovnat hodnoty distorzí23 objektivu se snímky s ohniskem 18 mm (kalibrace provedena již pro Test 1). Proces kalibrace viz kapitola 4.6.1. Následující tabulka zobrazuje hodnoty radiální24 a tangenciální25 složky distorze na krajích snímků pro oba případy.

Tab. 5.9: Test 3 – vliv distorze na krajích snímků Ohnisková vzdálenost

Radiální distorze [pix]

Tangenciální distorze [pix]

18 mm 50 mm

120 35

1.2 1.5

Z Tab. 5.9 je patrné, že snímky s ohniskovou vzdáleností 18 mm vykazují více než 3x větší hodnotu radiální distorze na krajích snímků než snímky s ohniskovou vzdáleností 50 mm. 120 pixelů odpovídá ve skutečnosti vzdálenosti přibližně 140 mm. Podrobné srovnání dosažených kalibračních parametrů pro obě ohniska viz Příloha E. Hodnoty tangenciální distorze dosahují u obou ohniskových vzdáleností srovnatelných hodnot. Graf průběhu distorze pro ohnisko 18 mm a 50 mm viz Příloha F. V druhém kroku byly vytvořeny modely pro oba případy podle postupu uvedeného v kapitole 4.6.2. Pro ohnisko 18 mm byl použit model Zataženo z Testu 1 (použity kalibrační parametry z předkalibrace, ale nefixovány), model nazván 18 mm a použit jako model referenční. Pro ohnisko 50 mm byl vytvořen model bez použití kalibračních parametrů určených předkalibrací z důvodu vysokých hodnot směrodatných odchylek vypočtených kalibračních parametrů. Směrodatné odchylky parametrů jsou i 3x větší než v případě 18mm ohniska, viz 23

Distorzí objektivu nazýváme souhrn zbytkových vad objektivu projevující se posunem obrazu bodu od

jeho správné polohy v rovině snímku; distorze má radiální a tangenciální složku. [9] 24 25

Radiální distorzí označujeme posuny bodů o radiální vzdálenosti r' na snímku o hodnotu Δr'. [9] Tangenciální distorze je vyvolána nepřesnou centrací jednotlivých čoček a působí kolmo na směr

radiální. [1]

80

ČVUT v Praze


Příloha E. Model byl nazván 50 mm. Následující tabulka představuje základní dosažené parametry vytvořených modelů. Podrobné informace o modelech 18 mm (Zataženo) a 50 mm a procesech jejich tvorby jsou v Přílohách I a U.

Tab. 5.10: Test 3 – základní parametry modelů Model

Point Cloud

Reprojection Error

Faces

Vertices

Doba [s]

18 mm 50 mm

41218 39246

0.36 (max 1.10) 0.35 (max 1.05)

972175 976174

491667 493722

231 218

Z Tab. 5.10 je patrné, že modely mají odpovídající hustotu a jejich tvorba trvala přibližně stejně dlouho. Nepatrně vyšší hodnotu Reprojection Error vykazuje model 18 mm, hodnoty jsou však srovnatelné. V druhém kroku bylo provedeno porovnání modelů podle postupu z kapitoly 4.6.3. I když pro porovnání modelů (registrace) byl jako referenční model použit model 18 mm, tak pro výpočet vzdáleností byl jako referenční model použit model 50 mm. Protože v tomto případě se o něco méně na vzdálenostech modelů projevila nepřesnost v nestejném ořezu modelů. Následující tabulka představuje základní dosažené parametry registrace porovnávaných modelů v programu CloudCompare.

Tab. 5.11: Test 3 – základní parametry registrace modelů Porovnání modelů

RMS [m]



18 mm - 50 mm

0.00592

0.000023

0.000936

Z hodnoty střední vzdálenosti modelů a její směrodatné odchylky i RMS je patrné, že modely byly úspěšně registrovány a dosahují dobré shody. Barevná vizualizace odchylek modelů 18 mm – 50 mm je uvedena jako Příloha V. Následující obrázek zobrazuje histogram četností vzdáleností modelů.

Obr. 5.17: Test 3 – histogram četností vzdáleností modelů [autor]

81

ČVUT v Praze

5.3.4



Následující tabulka zobrazuje procentuální zastoupení jednotlivých maximálních vzdáleností bodů obou modelů.


< 1 mm

< 2 mm

< 3 mm

< 4 mm

< 5 mm

Percentil

18 mm - 50 mm

80

96

99

99

100

[%]

Z tabulky je patrné, že téměř všechny body (99 %) mají vzdálenost menší než 3 mm. Dokonce 80 % bodů má vzdálenost do 1 mm. Dobrá shoda modelů je patrná i při podrobném zkoumání vizualizace rozdílů modelů, Příloha V. Kromě problémové zastíněné vhloubené části, kde jsou tradičně velké kladné rozdíly (červená), se menší rozdíly modelů vyskytují v krajních partiích modelů. Následující detailní obrázek zachycuje problémovou vhloubenou část a výskyt menších kladných rozdílů v levé horní části modelu a výskyt menších záporných rozdílů v pravé dolní části modelu.

Obr. 5.18: Test 3 – detail rozdílu modelů v krajních částech [autor] Výše zmíněné rozdíly v okrajových třetinách by mohly být způsobeny dvěma faktory. Buď by se mohlo jednat o vliv rozdílné hloubky ostrosti26, tedy rozostřenosti okrajových oblastí na krajních šikmých snímcích nebo o působení rozdílné radiální distorze. Hloubka ostrosti závisí přímo úměrně na cloně (v obou případech F8), dále přímo úměrně na vzdálenosti od objektu a nepřímo úměrně na velikosti ohniskové vzdálenosti. Tyto dva posledně zmíněné vlivy tedy při snímání s větším ohniskem a při dodržení stejné kompozice působí proti sobě, ne však naprosto stejnou velikostí, že by se navzájem vyrušily a hloubka 26

Hloubkou ostrosti objektivu se rozumí rozdíl vzdálenosti mezi nejbližšími a nejvzdálenějšími předměty,

které objektiv zobrazí s přípustnou neostrostí. [9]

82

ČVUT v Praze


ostrosti zůstala naprosto shodná. V tomto případě je hloubka ostrosti u snímků s 50mm ohniskem nepatrně větší, a tedy okraje krajních šikmých snímků jsou mírně ostřejší než u snímků s 18mm ohniskem, jak vyplývá z podrobného zkoumání snímků, viz následující detail.

Obr. 5.19: Test 3 – detail rozdílu v ostrosti na krajích snímků [autor] Stejně tak by tyto rozdíly mohly být způsobeny působením radiální distorze, neboť všechny snímky série zobrazují celý objekt a osa snímkování směřuje vždy přibližně do středu objektu. Poté krajní části objektu jsou vždy zobrazeny na krajních částech všech snímků. V krajních partiiích snímků dosahují hodnoty radiální distorze u snímků s 18mm ohniskem hodnoty od 40 až do 120 pixelů (přibližně 1/3 snímku). Pro přesné určení příčiny těchto rozdílů by bylo potřeba provést další testování. I přes rozdíly popsané výše, lze označit oba modely za srovnatelně přesné a při velikosti objektu 5 m znamenají milimetrové rozdíly chyby v řádech setin procenta. Např. pro účely památkové péče nebo architektonické studie je tento rozdíl zanedbatelný. Výhodou snímkování s malým ohniskem (blízko snímaného objektu) je, že při denních světelných podmínkách lze ostré snímky pořizovat přímo „z ruky“. V praxi je často snímkování v blízkosti zájmového objektu jedinou možností v důsledku husté zástavby. Pokud ale naopak podmínky nedovolují přistoupit k snímanému objektu co nejblíže (překážka, řeka, rušná komunikace atd.), je možné snímat objekt z větší vzdálenosti s větším ohniskem při dosažení srovnatelné přesnosti. V tomto případě je ale nutností použití fotografického stativu. Výhodou snímkování s větším ohniskem je větší hloubka ostrosti, jak bylo popsáno výše. Hloubka ostrosti se projevila jako významný parametr, který je navíc ovlivněn mnoha faktory (clona, ohnisková vzdálenost, vzdálenost k objektu, doba expozice). Z tohoto důvodu by bylo potřeba jí věnovat další podrobnější testování. První předpoklad o vlivu ohniskové vzdálenosti na vypočtený model je tedy možné potvrdit, ačkoliv tento vliv je velice nepatrný. Druhý předpoklad o lepší kvalitě modelu ze snímků s menším ohniskem nelze potvrdit, neboť pro určení absolutní přesnosti by bylo nutné pořídit referenční model některou nezávislou přesnější metodou. Z provedeného testování lze též usoudit, že program Agisoft PhotoScan si velice dobře poradí se snímky, které vykazují velký vliv radiální distorze. 83

ČVUT v Praze

ZÁVĚR

Závěr Hlavním cílem této práce bylo podat ucelený pohled na oblast OKS, aby se potenciální uživatel mohl v dané problematice zorientovat. Důraz byl mimo jiné kladen na volně dostupné webové aplikace a různé typy uživatelů. K dosažení tohoto cíle byly věnovány tři úvodní kapitoly. V úvodu práce byly uvedeny základní metody získání 3D bodového mračna, mezi něž patří OKS, a jejich výhody a nevýhody. Mezi podstatné výhody OKS patří především: nízká pořizovací cena zařízení, dostupnost barevné informace ze snímků, eliminace času stráveného terénními pracemi a v neposlední řadě také variabilita ve zpracování projektů různých velikostí (od milimetrů až po desítky metrů). Dále byly stručně nastíněny teoretické základy procesu výpočtu modelu, založené na principu obrazové korelace. V druhé, stěžejní, kapitole práce byly OKS roztříděny podle několika různých hledisek. Ukázalo se, jak různorodá je daná oblast a že je možné nalézt mnoho dělících hledisek, kterými jsou např. oblast použití, formát vstupních a výstupních dat a použité vybavení. Klíčové hledisko pro dělení OKS bylo spatřeno v původu softwaru. Podle tohoto kritéria byly OKS rozděleny do čtyř kategorií: čistě komerční SW, nadstavba 3D modelovacího systému, volně dostupný SW komerčních autorů a akademický SW. V rámci těchto kategorií byly stručně popsány jednotlivé programy, které zasloužily bližší pozornost. Jedná se především o programy se zajímavými charakteristikami a o programy, které již byly podrobeny testování v nějaké předchozí práci. Nejdůležitějším výstupem této kapitoly je sestavení tabulky, Příloha B, ve které jsou uvedeny jednotlivé vyhledané OKS, se kterými se autor práce seznámil, a jejich významné parametry. Jako vůbec nejlepší program je možné označit Agisoft PhotoScan Professional. Jeho hlavní přednosti jsou přesnost a spolehlivost, které byly ověřeny několika nezávislými pracemi. Mezi jeho další přednosti patří především univerzální použití (pozemní i letecká fotogrammetrie) a jednoduché intuitivní ovládání. Pro tyto své kvality byl též vybrán k testování parametrů v druhé části práce. Jedinou nevýhodou může být jeho relativně vyšší pořizovací cena (3 499 $). Mezi volně dostupnými OKS není snadné určit nejlepšího zástupce. Obecně mají tyto programy omezenou použitelnost (většinou jen nekomerční účely), jejich výsledky nejsou příliš spolehlivé, výpočet je velmi neprůhledný a často autoři nepokračují ve vývoji, SW tudíž velice rychle zastarává. Ze všech volně dostupných projektů se jako nejlepší jeví program VisualSFM. Jak bylo zjištěno v několika nezávislých pracích, tento SW dosahuje velmi slušné přesnosti na úrovni profesionálních programů. Nevýhodou tohoto programu může být poměrně složitá instalace a neintuitivní obsluha aplikace. Z volně dostupných webových aplikací je možné za nejlepší označit projekt 123D Catch společnosti Autodesk. Tato aplikace se především vyznačuje jednoduchým intuitivním ovládáním a množstvím podporovaných výstupních formátů modelů,

84

ČVUT v Praze

ZÁVĚR

které jsou po vizuální stránce velmi kvalitní. Co se ale týče přesnosti aplikace, tak různí autoři došli k rozdílným závěrům. Třetí kapitola, věnovaná průzkumu dřívějších prací zabývajících se porovnáváním a posouzením přesnosti jednotlivých OKS, prokázala, že s profesionálními komerčními i některými volně dostupnými OKS lze dosáhnout velmi uspokojivé přesnosti. Tato přesnost se pohybuje v řádech mm pro objekty do velikosti několika metrů a v řádech cm pro objekty větších rozměrů. Druhá část práce, reprezentovaná dvěma kapitolami, byla vytvořena s cílem stanovení a otestování vybraných faktorů, které by mohly mít vliv na kvalitu výsledného modelu, ale doposud jim nebyla věnována dostatečná pozornost. Testy se zabývaly těmito parametry: světelné podmínky v exteriéru, konfigurace snímkování a konstanta komory. Pro tato testování byl ve čtvrté kapitole sestaven technologický postup, počínaje kalibrací komory v softwaru Agisoft Lens, přes tvorbu modelu v SW Agisoft PhotoScan Professional a konče porovnáním modelů v SW CloudCompare. Pro možnost opakované aplikace byl celý postup zdokumentován pomocí instruktážních videí. Závěrečná pátá kapitola byla věnována samotnému testování vybraných parametrů. Test 1 byl zaměřen na testování vlivu světelných podmínek v exteriéru. Model Zataženo, vytvořený za ideálních světelných podmínek při zatažené obloze, vykazoval velmi dobrou shodu s modely Jasno (jasná obloha, objekt v trvalém stínu) a Po dešti (zatažená obloha, objekt vlhký po proběhlém dešti). 94 % všech bodů mělo u těchto modelů vzdálenost menší než 2 mm od modelu Zataženo. Pro daný objekt je tedy možné dosáhnout téměř shodných výsledků při těchto odlišných podmínkách. U modelu Slunečno se již rozdíl znatelně projevil. Vzdálenost do 2 mm od referenčního modelu Zataženo vykazovalo již jen 85 % bodů. Největším nedostatkem těchto podmínek je kromě výskytu nežádoucích stínů též jejich rychlá změna v čase, což bylo dokumentováno na snímcích pořízených v rozmezí pouhých 10 minut. Dále byla za těchto podmínek prokázána nezbytnost použití sluneční clony. Hypotézu o vlivu světelných podmínek na model zkoumaného objektu je tedy možné přijmout. Dále lze potvrdit hypotézu o lepší kvalitě modelu při zatažené obloze. Test 2 se zabýval testováním vlivu konfigurace snímkování. Proběhlé testování ukázalo, že není příliš vhodné snímkovat daný rovinný objekt způsobem, který byl použit u modelu Kombinace (kombinace kovergentních a stereosnímků pořízených z velké blízkosti). Mnohem spolehlivější výsledky při snímkování z velké blízkosti lze dosáhnout se snímkováním objektu s přibližně rovnoběžnými osami záběru (model Stereo), tak jak je doporučováno tvůrcem softwaru Agisoft PhotoScan v případě rovinných objektů. Menší nevýhodou tohoto způsobu je, že v některých případech, kdy je omezen odstup od objektu, je nutné pořídit o něco více snímků. 85

ČVUT v Praze

ZÁVĚR

Dále lze konstatovat, že pro dosažení spolehlivých výsledků je potřeba zájmovou oblast pokrýt alespoň třemi snímky. Hypotézu o vlivu konfigurace snímkování na vypočtený model je tedy možné potvrdit. Druhý předpoklad o lepší kvalitě modelu ze snímků s přibližně rovnoběžnou osou záběru lze též potvrdit. Test 3 byl zaměřen na testování vlivu konstanty komory na model testovaného objektu. Testování ukázalo, že modely pořízené s ohniskovou vzdáleností 18 mm a 50 mm dosahují velmi dobré shody. Téměř všechny body (99 %) mají vzdálenost menší než 3 mm. Výhodou snímkování s malým ohniskem je, že při denních světelných podmínkách lze ostré snímky pořizovat přímo „z ruky“. Pokud ale naopak podmínky nedovolují přistoupit k snímanému objektu co nejblíže, je možné pro daný objekt dosáhnout srovnatelné přesnosti při snímkování s větší konstantou komory. V tomto případě je ale nezbytné použití stativu. Výhodou snímkování s větším ohniskem je pro daný objektiv a objekt větší hloubka ostrosti. Hypotézu o vlivu ohniskové vzdálenosti na vypočtený model daného testovacího objektu lze potvrdit, i když tento vliv je velmi malý. Druhý předpoklad o lepší kvalitě modelu ze snímků s menším ohniskem nelze potvrdit, neboť pro určení absolutní přesnosti by bylo nutné pořídit referenční model některou nezávislou přesnější metodou. Závěrem lze k proběhlému testování konstatovat, že pro daný objekt a podmínky měla největší vliv na kvalitu výsledného modelu konfigurace snímkování. Podstatný vliv měly světelné podmínky a minimální vliv měla konstanta komory. Proběhlé testování též ukázalo nezbytnost pořizovat nadbytečné množství snímků a výběr vhodných snímků provádět až po podrobném posouzení na PC. K proběhlému testování je též nutné zdůraznit, že tyto výsledky jsou platné pro konkrétní objektiv, konkrétní zkoumaný model, konfiguraci snímků, software atd. Pro vyslovení obecnějších závěrů by bylo nutné zkoumat více komor (objektivů), více typů objektů, snímkovat v různých konfiguracích a výpočet provádět pomocí různých výpočetních systémů. Pro určení absolutní přesnosti modelů by bylo nutné pořídit referenční model některou přesnější metodou, např. laserovým skenováním velmi přesným skenerem. Dosaženým výsledkům testování nelze tedy už kvůli výše zmíněným okolnostem přikládat zvláštní význam. Mohou být však vodítkem pro sestavení dalších podrobnějších testů a zkoumání dalších parametrů ovlivňujících kvalitu snímků, potažmo modelů. Hlavní význam tohoto testování lze tedy spatřovat v sestavení a přesné dokumentaci jednoho z možných technologických postupů pro testování parametrů ovlivňujících kvalitu modelů vytvářených pomocí OKS. Po dokončení této práce se ukázalo, jak komplexní a široká je daná problematika, kolik vlivů by mohlo působit na kvalitu 3D modelů a kolik dalších testování různých programů a parametrů by bylo možné uskutečnit. Mezi tyto parametry, kterým by bylo vhodné věnovat pozornost a další testování, především patří: 86

ČVUT v Praze

ZÁVĚR



hloubka ostrosti snímků se všemi jejími činiteli



překryt snímků



použití umělého osvětlení v interiéru



post processing úpravy snímků (vyvážení bílé, korigování expozice, úprava histogramu)



vliv kalibračních parametrů určených předkalibrací a samokalibrací

Bylo by možné jistě najít ještě spoustu dalších parametrů. Toto vše přesahuje rámec práce a mohlo by být námětem pro nějaké další práce. Tato práce zachytila pouze nepatrnou část dané problematiky OKS a pouze jeden časový úsek v období rozvoje této univerzální technologie. Jako univerzální můžeme tuto technologii nazvat, protože programy OKS dávají běžnému uživateli do rukou možnost vytvářet nejen efektní, ale jak již bylo v několika pracích potvrzeno, také kvalitní výstupy ve formě zasíťovaného a fotorealisticky otexturovaného 3D modelu nejrůznějších objektů a předmětů. To vše při minimálních pořizovacích nákladech vybavení (komora a software). V budoucnu lze očekávat, že v této oblasti bude vývoj pokračovat stejně překotným tempem jako doposud. Budou přibývat další programy, které budou dostupné stále širšímu spektru běžných uživatelů, odborníků i neodborníků, proces tvorby modelů bude stále více automatizován a jejich oblast využití bude stále širší. Již nyní existuje velké množství odvětví, kde OKS svými výstupy hrají nepostradatelnou roli. Jedná se zejména o tyto aplikace: tvorba modelů budov a objektů v památkové péči, uměleckých předmětů, modelů lidského těla v medicíně, dokumentace místa dopravní nehody a místa trestného činu, výpočet kubatur, při nárazových testech automobilů a také při modelování filmových scén. Dále lze též očekávat velký rozmach letecké fotogrammetrie pomocí stále více dostupných UAV leteckých prostředků, které nacházejí své uplatnění také v mnoha oblastech lidské činnosti, kterými jsou: výpočet kubatur, mapovací práce menších lokalit, průmyslových parků a liniových staveb, snímkování komplexů budov atd. Z těchto důvodů je i v budoucnu nutné věnovat této oblasti fotogrammetrie zvýšenou pozornost a především neustále testovat spolehlivost výsledků jednotlivých OKS.

87

ČVUT v Praze

POUŽITÉ ZDROJE

Použité zdroje [1]

PAVELKA, Karel. Fotogrammetrie 1. Praha: Česká technika - nakladatelství ČVUT, 2009. ISBN 978-80-01-04249-6.

[2]

PAVELKA, Karel. Fotogrammetrie 2. Praha: Česká technika - nakladatelství ČVUT, 2011. ISBN 978-80-01-04719-4.

[3]

BOHÁČ, Ondřej. 123D Catch - testování nástroje pro tvorbu detailních 3D modelů. Praha, 2012. Bakalářská práce. ČVUT v Praze, Fakulta stavební, Katedra mapování a kartografie. Vedoucí práce Ing. Jindřich Hodač, Ph.D.

[4]

ROUB, Jiří. Kvalita digitálních snímků v kontextu pozemní forogrammetrie. Praha, 2013. Diplomová práce. ČVUT v Praze. Vedoucí práce Ing. Jindřich Hodač, Ph.D.

[5]

ŠEDINA, Jaroslav. Porovnání 3D skenovacích metod s mračnem bodů, vytvořením obrazovou korelací v digitální fotogrammetrii. Praha, 2012. Diplomová práce. ČVUT v Praze, Fakulta stavební, Katedra mapování a kartografie. Vedoucí práce Prof. Dr. Ing. Karel Pavelka.

[6]

MARČIŠ, Marián. Ochrana a obnova kultúrneho dedičstva metódami digitálnej fotogrametrie. Bratislava, 2013. Dizertační práce. Slovenská technická univerzita v Bratislavě, Fakulta stavební, Katedra geodézie. Vedoucí práce prof. Ing. Štefan Sokol.

[7]

BARTOŠ, Karol. Využitie open-source fotogrametrických softvérov pre potreby pamiatkovej dokumentácie, ich analýza a presnosť. Košice, 2013. Dizertační práce. Technická univerzita v Košicích, Fakulta baníctva, ekológie, riadenia a geotechnológií. Vedoucí práce prof. Dr. Ing. Janka Sabová.

[8]

KOLECKA, Natalia. Photo-based 3D scanning vs. laser scanning – competitive data acquisition methods for digital terrain modelling of steep mountain slopes. In: International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XXXVIII-4/W19. Hannover, Německo: 2011 ISPRS Hannover Workshop, 14. - 17. června 2011, s. 6.

[9]

Slovník VÚGTK. VUGTK [online]. © 2005 - 2013 [cit. 2013-12-19]. Dostupné z: http://www.vugtk.cz/slovnik/

[10] Wikipedia: The Free Encyclopedia [online]. 2001 [cit. 2013-12-19]. Dostupné z: http://en.wikipedia.org/wiki/Main_Page 88

ČVUT v Praze

POUŽITÉ ZDROJE

[11] PhotoModeler Scanner Overview. PhotoModeler: close-range photogrammetry and image-based modeling [online]. © 2013 [cit. 2013-12-16]. Dostupné z: http://www.photomodeler.com/products/scanner/default.html [12] Agisoft PhotoScan Professional. Agisoft [online]. © 2006—2013 [cit. 2013-12-16]. Dostupné z: http://www.agisoft.ru/products/photoscan/professional/ [13] Vi3Dim 3d reconstruction. Vi3Dim Technologies [online]. © 2012 [cit. 2013-12-16]. Dostupné z: http://www.vi3dim.com/#!3d-reconstruction/c23jx [14] PhotoScan. Tgi3D: Revolution in 3D Modeling [online]. © 2010 [cit. 2013-12-16]. Dostupné z: http://www.tgi3d.com/index.php?Page=PhotoScan [15] Photogrammetry plugin for Rhino [online]. 2009 [cit. 2013-12-16]. Dostupné z: http://www.rhinophoto3d.com/ [16] Autodesk 123D Catch: 3d model from photos. Autodesk 123D: Free 3D Modeling Software, 3D Models, DIY Projects, Personal Fabrication Tools [online]. © 2013 [cit. 2013-12-16]. Dostupné z: http://www.123dapp.com/catch [17] Cubify Collections: Cubify Capture make your 2D photos into 3D models. Cubify: Express Yourself in 3D [online]. © 2013 [cit. 2013-12-16]. Dostupné z: http://cubify.com/products/capture/index.aspx?tb_create_capture [18] ARC 3D [online]. [2005] [cit. 2013-12-17]. Dostupné z: http://www.arc3d.be/ [19] CMP SfM Web Service [online]. [2011] [cit. 2013-12-17]. Dostupné z: http://ptak.felk.cvut.cz/sfmservice/ [20] VisualSFM: A Visual Structure from Motion System. Changchang Wu [online]. 2011 [cit. 2013-12-17]. Dostupné z: http://ccwu.me/vsfm/ [21] Bundler: Structure from Motion (SfM) for Unordered Image Collections. Cornell University: Department of Computer Science [online]. 2008 [cit. 2013-12-17]. Dostupné z: http://www.cs.cornell.edu/~snavely/bundler/ [22] My3DScanner [online]. © 2011 [cit. 2013-12-17]. Dostupné z: http://www.my3dscanner.com/ [23] VisualSize.com [online]. © 2007-2011 [cit. 2013-12-18]. Dostupné z: http://www.visualsize.com/ 89

ČVUT v Praze

POUŽITÉ ZDROJE

[24] Insight3d: opensource image based 3d modeling software [online]. [2009] [cit. 2013-12-18]. Dostupné z: http://insight3d.sourceforge.net/ [25] PHOV [online]. 2010 [cit. 2013-12-18]. Dostupné z: http://www.phov.eu/ [26] 3DF Zephyr Pro: 3d models from photos - 3Dflow. 3Dflow: Computer Vision Specialists [online]. 2013 [cit. 2013-12-18]. Dostupné z: http://www.3dflow.net/3df-zephyr-pro3d-models-from-photos/ [27] Brainstorm Technology LLC: PhotoSketch Plugin [online]. c 2013 [cit. 2013-12-18]. Dostupné z: http://www.brainstormllc.com/ [28] DroneMapper: Aerial Imagery Processing and Photogrammetry [online]. 2012 [cit. 2013-11-19]. Dostupné z: http://dronemapper.com/ [29] Pix4D [online]. 2011 [cit. 2013-12-19]. Dostupné z: http://pix4d.com/ [30] Correlator 3D: photogrammetry software description. SimActive: Photogrammetry software for the generation of high-quality geospatial data from imagery [online]. © 2013 [cit. 2013-11-19]. Dostupné z: http://www.simactive.com/en/software-description [31] Turn photos into 3D models automatically with Smart3DCapture™. Acute3D: Capturing reality with automatic 3D photogrammetry software [online]. © 2013 [cit. 2013-11-19]. Dostupné z: http://www.acute3d.com/smart3dcapture/ [32] Areo - Areohawk. Areo [online]. © 2012 [cit. 2013-11-19]. Dostupné z: http://areo.co.nz/areohawk/ [33] Leica Geosystems: HDS [online]. © 2013 [cit. 2013-11-19]. Dostupné z: http://hds.leicageosystems.com/thumbs/originals/AGJN_1242.jpg [34] Emerald [online]. 2013 [cit. 2013-12-19]. Dostupné z: http://www.emeraldinsight.com/content_images/fig/1560130104005.png [35] Quadrocopter L4. Jamcopters [online]. © 2013 [cit. 2013-11-19]. Dostupné z: http://www.jamcopters.cz/quadrocopter-l4-p14 [36] Trimble UX5. Unmanned Systems Technology [online]. © 2013 [cit. 2013-11-19]. Dostupné z: http://www.unmannedsystemstechnology.com/2013/06/trimble-introduce-nextgeneration-unmanned-aircraft-system-for-photogrammetric-aerial-mapping/

90

ČVUT v Praze

POUŽITÉ ZDROJE

[37] Enwaii photogrammetry for VFX [online]. c 2011 [cit. 2013-11-19]. Dostupné z: http://www.banzai-pipeline.com/home.html [38] Soubor:Phalaenopsis JPEG.jpg. Wikipedie: Otevřená encyklopedie [online]. 2006 [cit. 201311-19]. Dostupné z: http://cs.wikipedia.org/wiki/Soubor:Phalaenopsis_JPEG.jpg [39] Soubor:Comparison of JPEG and PNG.png. Wikipedie: Otevřená encyklopedie [online]. 2013 [cit. 2013-11-19]. Dostupné z: http://cs.wikipedia.org/wiki/Soubor:Comparison_of_JPEG_and_PNG.png [40] Kinect. Wikipedia: The Free Encyclopedia [online]. 2013 [cit. 2013-11-20]. Dostupné z: http://en.wikipedia.org/wiki/Kinect [41] Kinect Fusion. MSDN: Microsoft Developer Network [online]. © 2013 [cit. 2013-11-20]. Dostupné z: http://msdn.microsoft.com/en-us/library/dn188670.aspx [42] ReconstructMe: Real Time 3D Scanning Software [online]. © 2013 [cit. 2013-11-20]. Dostupné z: http://reconstructme.net/ [43] 3D Mesh Generation with KScan3D software and Kinect [online]. © 2013 [cit. 2013-11-20]. Dostupné z: http://www.kscan3d.com/ [44] Matterport 3D models of real interior spaces [online]. © 2013 [cit. 2013-11-20]. Dostupné z: http://matterport.com/ [45] Optický korelační skener OKS. Lfgm.fsv.cvut.cz: photogrammetry web site [online]. 2009 [cit. 2013-11-20]. Dostupné z: http://lfgm.fsv.cvut.cz/~reznicek/CIPA2009_OKS.ppt [46] Evo Suite: 3D reconstruction model from images, generate point clouds with highdensity. Menci Software [online]. © 2013 [cit. 2013-11-20]. Dostupné z: http://www.menci.com/close-range-photogrammetry/evo-suite-3d-model [47] Agisoft StereoScan. Agisoft [online]. © 2006—2013 [cit. 2013-11-22]. Dostupné z: http://www.agisoft.ru/products/stereoscan/ [48] Photosculpt: PhotoSculpt creates 3D models and textures from 2 photos [online]. © 2010 [cit. 2013-11-22]. Dostupné z: http://photosculpt.net/ [49] Pixdim [online]. © 2005-2009 [cit. 2013-11-22]. Dostupné z: http://www.pixdim.com/

91

ČVUT v Praze

POUŽITÉ ZDROJE

[50] Match Photo: Modeling from photos. SketchUp Knowledge Base [online]. 2013 [cit. 2013- 1-23]. Dostupné z: http://help.sketchup.com/en/article/94920 [51] Cloud Computing [online]. c 2008 - 2010 [cit. 2012-11-06]. Dostupné z: http://www.cloudcomputing.cz/ [52] Photosynth: Capture your world in 3D. [online]. 2012 [cit. 2013-11-23]. Dostupné z: http://photosynth.net/ [53] SynthExport. CodePlex: Open Source Project Hosting [online]. © 2006-2013 [cit. 2013-11-23]. Dostupné z: http://synthexport.codeplex.com/ [54] AARON: Digitální fotoaparáty, videokamery, tablety, sluchátka a konzole [online]. © 2005 2013 [cit. 2013-11-27]. Dostupné z: http://www.aaron.cz/ [55] Digital Photography Review [online]. © 1998 - 2013 [cit. 2013-11-27]. Dostupné z: http://www.dpreview.com/ [56] FastStone Screen Capture: The Best Screen Capture Software. FastStone: Image Viewer, Screen Capture, Photo Resizer ... [online]. © 2013 [cit. 2013-11-27]. Dostupné z: http://www.faststone.org/FSCaptureDetail.htm [57] Agisoft Lens - kalibrace komory. YouTube [online]. © 2013 [cit. 2013-11-27]. Dostupné z: http://www.youtube.com/watch?v=cHD9ZAd-oaQ [58] Agisoft PhotoScan Professional - tvorba modelu. YouTube [online]. © 2013 [cit. 201311-27]. Dostupné z: http://www.youtube.com/watch?v=cY0TUnpGFsA [59] CloudCompare - porovnání modelů. YouTube [online]. © 2013 [cit. 2013-11-27]. Dostupné z: http://www.youtube.com/watch?v=GxSNgn-dlAU [60] Agisoft Lens. Agisoft [online]. © 2006—2013 [cit. 2013-11-27]. Dostupné z: http://www.agisoft.ru/products/lens/ [61] CloudCompare: Open Source project. DGhoMe: Daniel Girardeau-Montaut [online]. 2012 [cit. 2013-11-27]. Dostupné z: http://www.danielgm.net/cc/ [62] Rozptýlené světlo. Wikipedie: Otevřená encyklopedie [online]. 2011 [cit. 2013-11-28]. Dostupné z: http://cs.wikipedia.org/wiki/Rozpt%C3%BDlen%C3%A9_sv%C4%9Btlo

92

ČVUT v Praze

POUŽITÉ ZDROJE

[63] Louže. Naše voda [online]. 2013 [cit. 2013-11-28]. Dostupné z: http://www.nasevoda.cz/wp-content/uploads/2013/10/d%C3%A9%C5%A1%C5%A5-lou%C5%BEeDSCN5298_-_kopie.jpg [64] Rozdělení objektivů a jejich charakteristické vlastnosti. Photomysteria [online]. 2002 [cit. 2013-11-29]. Dostupné z: http://photo.mysteria.cz/clanky/objekt6.html [65] Rhinoceros [online]. © 2012 [cit. 2013-11-30]. Dostupné z: http://www.rhino3d.com/ [66] SketchUp: 3D for Everyone [online]. © 2013 [cit. 2013-11-30]. Dostupné z: http://www.sketchup.com/ [67] MeshLab [online]. 2012 [cit. 2013-12-02]. Dostupné z: http://meshlab.sourceforge.net/ [68] Geomagic Studio Overview. Geomagic 3D software from 3D Systems [online]. © 2013 [cit. 2013-12-02]. Dostupné z: http://geomagic.com/en/products/studio/overview/

93

ČVUT v Praze

SEZNAM ZKRATEK

Seznam zkratek 3D

Trojrozměrný

3DF

3D Format

AF

Autofocus

ASA

American Standards Association

ASCII

American Standard Code for Information Interchange

ASPRS

American Society of Photogrammetry and Remote Sensing

AVI

Audio Video Interleave

AWB

Auto White Balance

CCD

Charge-coupled device

CMOS

Complementary metal–oxide–semiconductor

CMVS

Clustering Views for Multi-view Stereo

COLLADA

COLLAborative Design Activity

DMT

Digitální model terénu

DPZ

Dálkový průzkum Země

DSLR

Digital single-lens reflex camera

DXF

Drawing Exchange Format

EOS

Electro-Optical System

EXIF

Exchangeable image file format

FBX

Filmbox

GIF

Graphics Interchange Format

GIS

Geografické informační systémy

GPS

Globální polohovací systém

GSD

Ground sample distance

HW

Hardware

Hz

Horizontální

ICP

Iterative Closest Point

IF

Internal Focusing

IS

Image stabilization

ISPRS

International Society for Photogrammetry and Remote Sensing

JPEG

Joint Photographic Experts Group

IPM

Inventor Publisher Mobile

KMZ

Keyhole Markup Language

LAS

LASer

94

ČVUT v Praze

SEZNAM ZKRATEK

LCD

Liquid crystal display

LD

Low Dispersion elements

MNČ

Metoda nejmenších čtverců

MB

Megabyte

MF

Manual focus

Mpx

Megapixel

MS

Microsoft

NURBS

Non-uniform rational basis spline

OKS

Optický korelační systém

PC

Personal computer

PDF

Portable Document Format

PE

Professional edition

PET

Polyethylentereftalát

PLY

Polygon File Format

PMVS

Patch-based Multi-view Stereo

PNG

Portable Network Graphics

ppm

Parts per million

RANSAC

Random Sample Consensus

RE

Reprojection Error

RGB

Red, Green, Blue

RMS

Root mean square

SE

Standard edition

SfM

Software for Motion

SIFT

Scale-invariant feature transform

S-JTSK

Systém Jednotné trigonometrické sítě katastrální

STL

STereoLithography

SW

Software

TIFF

Tagged Image File Format

TIN

Triangulated irregular network

U3D

Universal 3D

UAV

Unmanned aerial vehicle

VRML

Virtual Reality Modeling Language

VÚGTK

Výzkumný ústav geodetický, topografický a kartografický, v.v.i.

WMV

Windows Media Video

WRL

Virtual Reality Modeling Language

XR

Extra Refractive Index glass 95

ČVUT v Praze

SEZNAM TABULEK

Seznam tabulek Tab. 2.1: Software pro leteckou fotogrammetrii ................................................................................... 18 Tab. 2.2: SW využívající senzor Kinect................................................................................................... 22 Tab. 2.3: Třídy komor ............................................................................................................................... 24 Tab. 2.4: Komerční SW............................................................................................................................. 28 Tab. 2.5: Nadstavba 3D modelovacího systému ................................................................................... 30 Tab. 2.6: Volně dostupný SW od komerčních autorů .......................................................................... 32 Tab. 2.7: Volně dostupný akademický SW ............................................................................................. 34 Tab. 3.1: Přesnost modelů podle J. Šediny ............................................................................................. 42 Tab. 4.1: Základní vlastnosti senzoru komory Canon EOS 450D ..................................................... 52 Tab. 4.2: Základní vlastnosti objektivu Tamron AF 18-200 mm f/3.5-6.3 Di-II IF XR LD......... 53 Tab. 5.1: Test 1 - základní parametry modelů........................................................................................ 65 Tab. 5.2: Test 1 - základní parametry registrace modelů ...................................................................... 66 Tab. 5.3: Test 1 – zastoupení vzdáleností modelů ................................................................................ 67 Tab. 5.4: Test 2 – základní parametry modelů ....................................................................................... 74 Tab. 5.5: Test 2 – základní parametry registrace modelů ..................................................................... 74 Tab. 5.6: Test 2 – zastoupení vzdáleností modelů ................................................................................ 76 Tab. 5.7: Test 3 – rozdělení objektivů podle ohniskové vzdálenosti ................................................. 78 Tab. 5.8: Test 3 – základní parametry snímkování................................................................................ 79 Tab. 5.9: Test 3 – vliv distorze na krajích snímků ................................................................................. 80 Tab. 5.10: Test 3 – základní parametry modelů..................................................................................... 81 Tab. 5.11: Test 3 – základní parametry registrace modelů ................................................................... 81 Tab. 5.12: Test 3 – zastoupení vzdáleností modelů .............................................................................. 82

96

ČVUT v Praze

SEZNAM OBRÁZKŮ

Seznam obrázků Obr. 1.1: Laserový skener Leica a triangulační skener Konica Minolta ............................................. 11 Obr. 1.2: Obrazová korelace .................................................................................................................... 12 Obr. 1.3: SIFT – propojení snímků pomocí charakteristických bodů ............................................... 14 Obr. 1.4: SfM – program Bundler ........................................................................................................... 15 Obr. 1.5: PMVS – generace prvků patch................................................................................................ 16 Obr. 2.1: Quadrocopter L4 a profesionální UAV Trimble UX5 ........................................................ 18 Obr. 2.2: JPEG se vzrůstajícím komprimačním poměrem zleva doprava ........................................ 19 Obr. 2.3: Porovnání JPEG vlevo a PNG vpravo.................................................................................. 20 Obr. 2.4: Senzor Microsoft Kinect .......................................................................................................... 21 Obr. 2.5: Systém Matterport ..................................................................................................................... 22 Obr. 2.6: Kódové značky – PhotoModeler Scanner ............................................................................. 26 Obr. 2.7: PhotoModeler Scanner – tvorba 3D modelu........................................................................ 28 Obr. 2.8: Agisoft PhotoScan – rozložení kamer ................................................................................... 29 Obr. 2.9: Vi3Dim – detail trojúhelníkové sítě modelu ......................................................................... 30 Obr. 2.10: Tgi3D PhotoScan – nadstavba programu SketchUp......................................................... 31 Obr. 2.11: Rhinophoto – kódové a doplňkové značky, měřítkový přípravek .................................. 31 Obr. 2.12: Pracovní prostředí 123D Catch ............................................................................................ 32 Obr. 2.13: Pracovní prostředí Cubify Capture BETA .......................................................................... 33 Obr. 2.14: Microsoft PhotoSynth – lokalizace modelu ........................................................................ 34 Obr. 2.15: CMP Webservice SfM – prezentační video modelu ......................................................... 35 Obr. 2.16: ARC3D – rozhraní pro nahrávání snímků na server........................................................ 35 Obr. 2.17: VisualSFM – orientace snímků ............................................................................................ 36 Obr. 2.18: Definice měřítka pomocí přípravku, Rhinophoto ............................................................ 37 Obr. 2.19: Trojúhelníková síť s texturou – 123D Catch Beta............................................................. 38 Obr. 3.1: Porovnání referenčního modelu s modelem z Agisoft PhotoScan ................................... 42 Obr. 3.2: Geometrická přesnost modelu 123D Catch Beta – odchylky bodů .................................. 43 Obr. 3.3: Porovnání laserového skenování a OKS pro horský svah.................................................. 44 Obr. 3.4: Porovnání modelů vstupní brány Zborovského hradu ....................................................... 45 Obr. 3.5: Detail modelů z komor: Sony Ericsson, Nikon a Pentax – Agisoft PhotoScan .............. 47 Obr. 4.1: Testovací objekt – opěrná zeď, hlavní nádraží v Praze ....................................................... 51 Obr. 4.2: Canon EOS 450D a Tamron AF 18-200 mm f/3.5-6.3 Di-II IF XR LD ....................... 52 Obr. 4.3: Agisoft Lens – vypočtená kalibrace s průběhy distorzí ....................................................... 56 Obr. 4.4: Agisoft PhotoScan – vygenerované řídké mračno bodů ..................................................... 58

97

ČVUT v Praze

SEZNAM OBRÁZKŮ

Obr. 4.5: Program CloudCompare .......................................................................................................... 59 Obr. 5.1: Test 1 – schéma konfigurace snímkování.............................................................................. 63 Obr. 5.2: Test 1 – Zataženo vs. Slunečno .............................................................................................. 64 Obr. 5.3: Test 1 – odraz na hladině louže .............................................................................................. 65 Obr. 5.4: Test 1 – porovnání histogramů četností vzdáleností modelů............................................. 67 Obr. 5.5: Test 1 – problémová vhloubená část u modelů Zataženo a Jasno .................................... 68 Obr. 5.6: Test 1 – detail rozdílu modelů Zataženo a Po dešti ve spárách ......................................... 68 Obr. 5.7: Test 1 – porovnání textury suché (vlevo) a mokré (vpravo) spáry .................................... 69 Obr. 5.8: Test 1 – detail rozdílu modelů Zataženo a Slunečno v rozích modelu ............................. 69 Obr. 5.9: Test 1 – časová nestabilita osvětlení....................................................................................... 70 Obr. 5.10: Test 1 – projev odrazu světla v objektivu ........................................................................... 70 Obr. 5.11: Test 2 – doporučená konfigurace snímkování pro Agisoft PhotoScan .......................... 72 Obr. 5.12: Test 2 – schéma konfigurace snímkování ........................................................................... 73 Obr. 5.13: Test 2 – porovnání histogramů četností vzdáleností modelů .......................................... 75 Obr. 5.14: Test 2 – detail rozdílu modelů v krajní levé části ............................................................... 76 Obr. 5.15: Test 2 – porovnání rozdílnosti frontálního a šikmého snímku ........................................ 77 Obr. 5.16: Test 3 – schéma konfigurace snímkování ........................................................................... 79 Obr. 5.17: Test 3 – histogram četností vzdáleností modelů ................................................................ 81 Obr. 5.18: Test 3 – detail rozdílu modelů v krajních částech .............................................................. 82 Obr. 5.19: Test 3 – detail rozdílu v ostrosti na krajích snímků ........................................................... 83

98

ČVUT v Praze

OBSAH DVD

Obsah DVD Přiložený DVD disk obsahuje následující adresáře a podadresáře s obsahem: A A_Text:

obsahuje text práce ve formátu PDF

B B_Kalibrace_komory: - 18mm:

obsahuje 2 hlavní podadresáře:

obsahuje 2 podadresáře 03_snimky a 25_snimku, které oba obsahují projekt kalibrace ve formátu LNZ, vypočtené kalibrační parametry ve formátu XML a zdrojové snímky pro kalibraci

- 50mm:

obsahuje projekt kalibrace ve formátu LNZ, vypočtené kalibrační parametry ve formátu XML a zdrojové snímky pro kalibraci v adresáři Foto

C C_Test_1: - 1_Zatazeno:

obsahuje 5 hlavních podadresářů: obsahuje projekt modelu ve formátu PSZ, model ve formátu OBJ a adresář Foto, který obsahuje zdrojové snímky modelu ve formátu JPEG a podadresář Raw se snímky ve formátu RAW

- 2_Slunecno:

dtto

- 3_Po_desti:

dtto

- 4_Jasno:

dtto

- POROVNANI:

obsahuje všechny porovnávané dvojice modelů ve formátu BIN (CloudCompare)

D D_Test_2: - 1_Stereo:

obsahuje 3 hlavní podadresáře: obsahuje projekt modelu ve formátu PSZ, model ve formátu OBJ a adresář Foto, který obsahuje zdrojové snímky modelu ve formátu JPEG a podadresář Raw se snímky ve formátu RAW

- 2_Kombinace: dtto - POROVNANI:


99

ČVUT v Praze

E E_Test_3: - 1_50mm:

OBSAH DVD obsahuje 2 hlavní podadresáře: obsahuje projekt modelu ve formátu PSZ, model ve formátu OBJ a adresář Foto, který obsahuje zdrojové snímky modelu ve formátu JPEG a podadresář Raw se snímky ve formátu RAW

- POROVNANI:


F F_Obrazky:

obsahuje všechny obrázky uvedené v práci v plném rozlišení

G G_Videa:

obsahuje instruktážní videa pro všechny tři fáze tvorby a porovnání modelů

H H_Prilohy:

obsahuje všechny přílohy v originálních formátech

I I_Instalace: obsahuje instalační soubor SW Agisoft Lens, Agisoft PhotoScan Professional (demoverze) a CloudCompare

100

ČVUT v Praze

SEZNAM PŘÍLOH

Seznam příloh A

Agisoft PhotoScan – doporučené konfigurace snímkování ..................................... 102

B

Optické korelační systémy – rozdělení podle abecedy ............................................ 103

C

Přístupnost testovacího objektu a stabilizace snímkovacích stanovisek ................ 104

D

Porovnání kalibračních parametrů ze 3 a z 25 snímků ............................................ 105

E

Porovnání kalibračních parametrů konstant 18 a 50 mm ........................................ 105

F

Průběh distorzí objektivu pro konstantu 18 a 50 mm .............................................. 106

G

Plán snímkování pro všechny testy a počet snímků ................................................ 107

H

Test 1 – rozdílné světelné podmínky ........................................................................ 108

I

Test 1, 2, 3 – informace modelu Zataženo ............................................................... 109

J

Test 1 – informace modelu Slunečno ....................................................................... 110

K

Test 1 – informace modelu Po dešti ......................................................................... 111

L

Test 1 – informace modelu Jasno ............................................................................. 112

M

Test 1 – vizual. porovnání modelů Zataženo – Slunečno ........................................ 113

N

Test 1 – vizualizace porovnání modelů Zataženo – Po dešti ................................... 114

O

Test 1 – vizualizace porovnání modelů Zataženo – Jasno ....................................... 115

P

Test 2 – informace modelu Stereo ............................................................................ 116

Q

Test 2 – informace modelu Kombinace ................................................................... 117

R

Test 2 – vizualizace porovnání modelů Stereo – Kombinace .................................. 118

S

Test 2 – vizualizace porovnání modelů Zataženo – Stereo ...................................... 119

T

Test 2 – vizual. porovnání modelů Zataženo – Kombinace .................................... 120

U

Test 3 – informace modelu 50 mm ........................................................................... 121

V

Test 3 – vizualizace porovnání modelů 18 mm – 50 mm ......................................... 122

101

ČVUT v Praze

PŘÍLOHY

Přílohy A

Agisoft PhotoScan – doporučené konfigurace snímkování

- zdroj: [12]

102

ČVUT v Praze

PŘÍLOHY

B Optické korelační systémy – rozdělení podle abecedy

103

ČVUT v Praze

PŘÍLOHY

C Přístupnost testovacího objektu a stabilizace snímkovacích stanovisek

104

ČVUT v Praze

PŘÍLOHY

D Porovnání kalibračních parametrů ze 3 a z 25 snímků Kalibrační

Hodnota

parametry

3 snímky

25 snímků

Konstanta komory (x) Konstanta komory (y) Hlavní bod (x) Hlavní bod (y) Skew K1 K2 K3 K4 P1 P2

3415.72 3415.31 2172.86 1497.15 0.905 -0.1841 0.103 0.010 -0.03259 0.000817 0.000389

3425.92 3425.68 2173.62 1496.15 0.372 -0.1868 0.131 -0.084 0.06705 0.000833 0.000429

Rozdíl 10.20 10.37 0.75 -1.00 -0.533 -0.0027 0.029 -0.093 0.09964 0.000016 0.000040

Směrodatná odchylka 3 snímky

25 snímků

2.42 2.23 1.49 1.21 0.257 0.0050 0.032 0.080 0.00463 0.000072 0.000087

0.73 0.71 0.60 0.49 0.092 0.0020 0.013 0.033 0.00085 0.000028 0.000034

E Porovnání kalibračních parametrů konstant 18 a 50 mm Kalibrační

Hodnota

parametry

18 mm

50 mm

Konstanta komory (x) Konstanta komory (y) Hlavní bod (x) Hlavní bod (y) Skew K1 K2 K3 K4 P1 P2

3425.92 3425.68 2173.62 1496.15 0.372 -0.1868 0.131 -0.084 0.06705 0.000833 0.000429

9326.04 9329.64 2161.07 1506.89 -1.657 0.2614 1.715 -14.701 124.28600 -0.002245 -0.001847

105

Rozdíl -12.55 10.74 -2.029 0.4482 1.583 -14.617 124.21895 -0.003078 -0.002277

Směrodatná odchylka 18 mm

50 mm

0.73 0.71 0.60 0.49 0.092 0.0020 0.013 0.033 0.00085 0.000028 0.000034

1.89 1.68 2.15 1.65 0.308 0.0114 0.619 13.270 9473.01000 0.000118 0.000172

ČVUT v Praze

F

PŘÍLOHY

Průběh distorzí objektivu pro konstantu 18 a 50 mm

106

ČVUT v Praze

PŘÍLOHY

G Plán snímkování pro všechny testy a počet snímků

107

ČVUT v Praze

PŘÍLOHY

H Test 1 – rozdílné světelné podmínky

108

ČVUT v Praze

I

PŘÍLOHY

Test 1, 2, 3 – informace modelu Zataženo

109

ČVUT v Praze

J

PŘÍLOHY

Test 1 – informace modelu Slunečno

110

ČVUT v Praze

PŘÍLOHY

K Test 1 – informace modelu Po dešti

111

ČVUT v Praze

L

PŘÍLOHY

Test 1 – informace modelu Jasno

112

ČVUT v Praze

PŘÍLOHY

M Test 1 – vizual. porovnání modelů Zataženo – Slunečno

113

ČVUT v Praze

PŘÍLOHY

N Test 1 – vizualizace porovnání modelů Zataženo – Po dešti

114

ČVUT v Praze

PŘÍLOHY

O Test 1 – vizualizace porovnání modelů Zataženo – Jasno

115

ČVUT v Praze

P

PŘÍLOHY

Test 2 – informace modelu Stereo

116

ČVUT v Praze

PŘÍLOHY

Q Test 2 – informace modelu Kombinace

117

ČVUT v Praze

PŘÍLOHY

R Test 2 – vizualizace porovnání modelů Stereo – Kombinace

118

ČVUT v Praze

S

PŘÍLOHY

Test 2 – vizualizace porovnání modelů Zataženo – Stereo

119

ČVUT v Praze

PŘÍLOHY

T Test 2 – vizual. porovnání modelů Zataženo – Kombinace

120

ČVUT v Praze

PŘÍLOHY

U Test 3 – informace modelu 50 mm

121

ČVUT v Praze

PŘÍLOHY

V Test 3 – vizualizace porovnání modelů 18 mm – 50 mm

122

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ DIPLOMOVÁ PRÁCE

Recommend Documents