| dc.description.abstract | Både militært og sivilt har man stor tilgang til bilde og videomateriale fra enkle og mere komplekse sensorer. Med enkle sensorer mener man f.eks. speilreflekskamera eller mobilkamera. De mer komplekse sensorene kan være bemannede og ubemannede farkoster som fly og satellitter. Altså sensorer som kan operere både på land, til sjøs, i lufta eller i verdensrommet. Forsvaret har fram til nå benyttet disse bildene stort sett i 2D-format for bildeanalyse av ulik karakter. Slikt materiale har stor verdi som planleggings- og kartleggingsmateriale og man kan ved hjelp av 3D-modellering utnytte potensialet i slike bilder enda bedre. I den forbindelse har Forsvarets Forskningsinstitutt (FFI) startet en innledende studie på 3D-rekonstruksjon fra stillbilder og video. Vår oppgave har til hensikt å støtte denne studien ved å kartlegge mulighetene for å gjøre dette så automatisert som mulig og å kunne si noe om forventet nøyaktighet og kvalitet på visualisering av modellene. Samtidig skal vi kunne si noe om hvilken software som kan være aktuell for formålet. For å finne ut hvilke programmer som er tilgjengelige og i hvor stor grad de er automatiserte, har vi gjort studier av software som er open source og noen som er lisensbelagt. FFI ønsket et program som var så automatisert at man kun behøver å laste opp bildene og få ut en ferdig modell som det er mulig å gjøre gode avstandsmålinger i og som kan GEO refereres. De fire programmene vi endte opp med å sammenligne med hverandre, var Autodesk 123D Catch, SFM Toolkit, Visual SFM og PhotoModeler Scanner. Vi fant ut at ingen av disse programmene er 100 % automatisert siden alle er avhengig av at man manuelt går inn og gjør en eller flere av stegene i prosessen. Autodesks 123D-Catch er det programmet som framstår som mest automatisert. De andre programmene er avhengig av tilleggsprogram for å etter prosessere punktskyene for å få ferdige modeller. Til dette har vi benyttet MeshLab som i og for seg er ganske brukervennlig.
PhotoModeler Scanner er det eneste programmet som har det vi anser som komplett støtte for bruk av geografisk datum, mens Visual SFM kan benytte geografisk data i en begrenset grad. Ingen av de andre programmene innehar en slik funksjon.
Bildesettene vi har benyttet er fotografert med sensorer man normalt kommer i befatning med i militær sammenheng, altså speilreflekskamera. Det vil si at vi i all hovedsak har gjort undersøkelser med stillbilder. Bildene ble tatt fra helikopter og objektene som primært skulle modelleres, var ulike bygninger. Vi har også lyktes med å modellere landskapet rundt bygningene.
Med tanke på de visuelle 3D-modellene man kan få ut gir alle programmene stabilt pene modeller med unntak av PhotoModeler Scanner som krever mye av brukeren for å få til dette. Det programmet som ga penest tekstur, var Autodesk123D-Catch, men modeller generert i MeshLab (SFM Toolkit og Visual SFM) fulgte like bak. Her er våre antakelser at Autodesk 123D-Catch benytter seg av meget bra algoritmer for hull-fylling der punktskyen ikke er fullstendig. Det samme gjelder for tekstureringen av modellen. Ambisjonene til Forsvaret var at en ferdig skalert modell burde gi målefeil som ikke var særlig større enn 10cm. Nøyaktigheten for avstandsmålinger ble målt ved sammenligning av avstander i modellene, målt med programmenes egne måleverktøy, og referanseavstander målt fysisk på bygningene. Våre resultater gir målefeil mellom 5 cm og 10 cm, der det beste programmet var SFM Toolkit med 5 cm. Vi antar at målenøyaktigheten vil være avhengig av metode som er benyttet for skalering og vi ser også muligheter for at en bruker vil gjøre ulike feil under måling. Dette tilfredsstiller FFIs ambisjoner i stor grad. For å kunne forklare eventuelt ulik nøyaktighet for programmene seg i mellom har vi gjort en sammenligning av kameraposisjoner beregnet under relativorientering av bildene. Her kom vi fram til at det var både små og store forskjeller mellom programmene, avhengig av funksjonalitet. Vår sluttkonklusjon er at det finnes ferdige programmer som tilfredsstiller deler av Forsvarets behov, men at disse bør raffineres ytterligere for å være optimale avhengig av brukere og etterspurt funksjonalitet. Huge amounts of imagery and full-motion video are generated on a daily basis, both in the military and in the civil society. This imagery is derived from complex sensors as satellites or UAVs, but primarily from noncomplex sensors as single-lens reflex cameras (SLRs) or cellphone cameras. This could be done from land, sea, air or space. The military have until now primarily used the imagery as it is (2-D) for different purposes. Images or video material derives a lot of valuable information for combat preparations and intelligence in many aspects. Therefore the military has a great opportunity to extend their capacities. This may be done by taking the advantage of the unused potentials of 3D-modeling from imagery. The
Norwegian Defence Research Establishment (FFI) has initiated a research project on 3Dreconstructions from pictures and full-motion video. The purpose of our master thesis is to
support this project, by identifying the existing possibilities of solving this as automated as
possible. Next we will describe the expected accuracy and quality of the final models. By tests of already existing software, we will try to find out which software may satisfy the criteria.
We have used both accessible open-source and licensed software to find out to what extend
the tested programs are automated. FFIs ambitions is primarily a software which is automated enough to let a user simply load up images and get a complete 3D-model with good accuracy for length measurements as output. The user should also be able to geo-reference the model if geo-data is accessible.
The four programs we have compared are Autodesk 123D Catch, SFM Toolkit, Visual SFM
and PhotoModeler Scanner. Our tests revealed that none of these are 100 % automated. Each
of the tested programs are depending that the user does one or more steps of the process semimanual. Either a main step (i.e. generate TIN or texturing) or a sub step (i.e. start the next operation or scaling). Autodesk 123D-Catch is the most automated program we have tested. Visual SFM is assessed to have a great potential in the future but doesn’t generate a complete model (depended on MeshLab). The other programs are also depending of an extra program
or manual interference for post-processing of the dense point clouds, to generate a scaled and
textured TIN-surfaced model. For this purpose we have used MeshLab, an open-source
program which is quite easy to use.
PhotoModeler Scanner is the only program with a more or less complete module implemented
for handling geodetic datum and data from geo-tagged images. Visual SFM is the second
program with such a module. Despite the fact that it works very well and is very easy to use,
it’s a little bit premature at the moment. None of the other programs possess such a function.
The image sets used in our test-projects are stills, taken with SLRs from a helicopter. They were taken from a helicopter and our objects planned for modeling were four different buildings. We have been able to model the terrain surrounding the buildings.
Considering the visual impressions, all the software tested generates stable and good looking 3D-models. The only exception is PhotoModeler Scanner which requires too much manual operations and knowledge of the different functions of the program. Autodesk 123D-Catch gives the most authentic textures, but models textured in MeshLab (SFM Toolkit and Visual SFM) are very good as well. Our assessment is that Autodesk 123D Catch uses very good texturing and hole-filling algorithms which give the models a very nice and smooth surface even for areas described by very few points in the dense point cloud. The ambition of FFI was that a scaled model should lead to measurement errors that were not
particularly greater than 10 cm. The accuracy of distance measurements were derived by
comparing the distances in the models, measured by the application’s own measuring tools, and reference distances measured physically on the buildings. Our results provide errors from 5 cm to 10 cm. The best program was SFM Toolkit by 5 cm. We assume that the accuracy depends on the method used for scaling and we also find it most likely that errors caused by the user will affect the accuracy. This satisfies the FFI's ambitions to a large extent. In order to explain the varying accuracy of the programs, we have made a comparison of camera positions calculated by the relative orientation of the images.
Our final conclusion is that there are existing programs which will provide valuable products
as they are at the moment, but in order to be as optimal as possible they should be further
refined. There are both small and large differences between the programs depending on
functionality and in order to produce the optimal application for military purposes, FFI should
combine functionalities from each program. | no_NO |
