FACULTEIT WETENSCHAPPEN Opleiding Geografie en Geomatica Master in de Geomatica en Landmeetkunde 3D-acquisitie tot 3D-GIS van een archeologische site: de case Edzna (Mexico) Britt Lonneville Aantal woorden in tekst: 25 665 Academiejaar 2013 – 2014 Promotor: Prof. dr. Ph. De Maeyer, vakgroep Geografie Masterproef ingediend tot het behalen van de graad van Master in de Geomatica en Landmeetkunde WOORD VOORAF Deze thesis gaf me de kans om onderzoek te doen naar een zeer interessant en veelzijdig onderwerp en mijn theoretische kennis in de praktijk om te zetten in een uitdagende omgeving. Hiervoor gaat mijn dank eerst en vooral uit naar mijn promotor, Prof. dr. Philippe De Maeyer. Ook Mario Hernandez en de medewerkers van INAH Campeche, en in het bijzonder Jorge Aguilar, wil ik bedanken voor het mogelijk maken van dit onderzoek en de ondersteuning ter plaatse. Prof. dr. ir. Alain De Wulf wil ik bedanken voor het beschikbaar stellen van het materiaal. Ook het materiaal zelf verdient uiteraard een dankwoordje. George en Julita, zonder jullie was het nooit gelukt, bedankt om het niet te laten afweten in de Mexicaanse brousse en om jullie zo onopvallend mogelijk te gedragen bij de passages voorbij douane- en controleposten. Mijn eeuwige dankbaarheid gaat uit naar dr. Cornelis Stal, Msc. Bart De Wit en Msc. Berdien De Roo. Coen en Bart zou ik willen bedanken voor hun hulp voor, na en tijdens het verblijf in Mexico en het enorm aangename gezelschap dat ze gedurende twee weken vormden. Ik zal nooit meer op dezelfde manier naar het verluchtingssysteem van een auto kijken. Berdien zou ik willen bedanken voor de hulp bij en het grondig nalezen van mijn doctoraatsaanvragen en thesis. Ik wil me ook graag via deze weg bij haar verontschuldigen voor al mijn zinnen met dubbelpunten: het zal nooit meer gebeuren. Als er ooit iemand een medaille voor moed en zelfopoffering verdient, is het wel Frederick Rooms. Het vijf jaar met mij uithouden, er zijn mensen al voor minder in een gesticht beland. Bedankt voor alle Trivial Time-momentjes, alle Astrid-dates en voor de ontelbare broments van de afgelopen vijf jaar. Mijn dank gaat ook uit naar Team Awesome aka de Geomaten, de Geodetic Task Force en Chalet 7B. Naast het voeren van hoogstaande landmeetkundige gesprekken leerde ik van hen ook hoe DropIt gespeeld wordt, wat nu precies de betekenis achter ‘Kryptonite’ is en dat een mens niet zonder Ben&Jerry’s kan als het wat minder gaat. Tenslotte wil ik ook mijn mama en zusje bedanken. De laatste vijf jaar zijn zeker niet de gemakkelijkste geweest en ik wil hen dan ook enorm bedanken voor alle momenten samen en voor alle steun die ik van hen gekregen heb. ii INHOUDSOPGAVE WOORD VOORAF ................................................................................................................... ii LIJST VAN FIGUREN .............................................................................................................. v LIJST VAN TABELLEN........................................................................................................ viii LIJST VAN AFKORTINGEN .................................................................................................. ix 1. INLEIDING ........................................................................................................................... 1 2. 3D-ACQUISITIE ................................................................................................................... 3 2.1 Single view geometry ........................................................................................................ 6 2.2 Double view geometry ...................................................................................................... 7 2.3 Het Structure from Motion-proces ................................................................................... 9 2.3.2 Bepalen van de fundamentele matrix ...................................................................... 11 2.3.3 Bepalen van de projectiematrix en reconstructie 3D-punten .................................. 12 2.3.4 Multiple view geometry ........................................................................................... 13 2.4 Toepassingen in de archeologie ..................................................................................... 14 2.4.1 Multiview stereo in de archeologie .......................................................................... 14 2.4.2 UAV ........................................................................................................................ 19 3. 3D-GIS ................................................................................................................................. 22 3.1 Multidimensionaal GIS .................................................................................................. 23 3.1.1 Knelpunten .............................................................................................................. 24 3.1.2 Mogelijkheden ......................................................................................................... 34 4. STUDIEGEBIED ................................................................................................................. 39 5. MATERIAAL ...................................................................................................................... 41 5.1 Topografische opname ................................................................................................... 41 5.2 Fotografische opname .................................................................................................... 41 6. METHODEN ....................................................................................................................... 45 6.1 3D-acquisitie .................................................................................................................. 45 6.1.1 Voorafgaande testen ................................................................................................ 45 6.1.2 Dataverwerving ....................................................................................................... 49 6.1.3 Dataverwerking ....................................................................................................... 52 6.1.4 Nauwkeurigheidsanalyse ......................................................................................... 55 6.2 3D-GIS ........................................................................................................................... 58 6.2.1 Website ‘Edzna 3D’ ................................................................................................ 58 6.2.2 Blender .................................................................................................................... 58 6.2.3 Google Earth en KML ............................................................................................. 58 6.2.4 ESRI’s ArcScene ..................................................................................................... 66 6.2.5 Vergelijking Google Earth – ArcScene ................................................................... 68 7. RESULTATEN .................................................................................................................... 69 7.1 3D-acquisitie .................................................................................................................. 69 7.1.1 Voorafgaande testen ................................................................................................ 69 7.1.2 Dataverwerving- en verwerking .............................................................................. 73 7.1.3 Nauwkeurigheidsanalyse ......................................................................................... 75 7.2 3D-GIS ........................................................................................................................... 87 7.2.1 Website ‘Edzna 3D’ ................................................................................................ 87 iii 7.2.2 Blender .................................................................................................................... 88 7.2.3 Google Earth ........................................................................................................... 89 7.2.4 ESRI’s ArcScene ..................................................................................................... 93 7.2.5 Vergelijking Google Earth – ArcScene ................................................................... 96 8. DISCUSSIE .......................................................................................................................... 97 8.1 3D-acquisitie .................................................................................................................. 97 8.2 3D-GIS ........................................................................................................................... 99 9. BESLUIT ........................................................................................................................... 102 REFERENTIELIJST .............................................................................................................. 104 Literatuur ............................................................................................................................ 104 Wetgeving .......................................................................................................................... 115 Internetbronnen .................................................................................................................. 115 Software ............................................................................................................................. 117 BIJLAGEN ............................................................................................................................. 118 Bijlage 1: Overzicht 3D-modellen ..................................................................................... 118 Bijlage 2: Basispunten nauwkeurigheidsanalyse ............................................................... 132 Bijlage 3: Aanvaarde paper FIG-conferentie 16-21 juni 2014 (Kuala Lumpur, Maleisië) 133 Bijlage 4: KML-code Five-story building .......................................................................... 147 iv LIJST VAN FIGUREN Figuur 1: Multiview stereo ......................................................................................................... 4 Figuur 2: Voorschriften foto's .................................................................................................... 5 Figuur 3: Pinhole camera ........................................................................................................... 6 Figuur 4: Epipolaire lijnen l en l' ................................................................................................ 7 Figuur 5: Structure from Motion-proces .................................................................................... 9 Figuur 6: Data-acquisitie met vliegerconstructie ..................................................................... 15 Figuur 7: Hydraulische lift en stellingen (Mexico) .................................................................. 16 Figuur 8: Snelheid Agisoft PhotoScan ..................................................................................... 17 Figuur 9: Vergelijking Agisoft PhotoScan - laserscan ............................................................. 18 Figuur 10: Orthofoto gegenereerd door PhotoScan (links) en Socet Set (rechts) .................... 21 Figuur 11: Classificatie geometrisch modelleren ..................................................................... 25 Figuur 12: Wireframe-weergave van mesh PA South .............................................................. 29 Figuur 13: PA East (408 faces - 2269 faces - 96665 faces) ..................................................... 30 Figuur 14: Edge collapse en vertex split .................................................................................. 31 Figuur 15: De vijf verschillende LODs bij CityGML .............................................................. 32 Figuur 16: Hiërarchische structuur KML ................................................................................. 37 Figuur 17: Situering Edzna ...................................................................................................... 40 Figuur 18: Overzicht site .......................................................................................................... 40 Figuur 19: Heliumballonnen (Vassivière, 2013) ...................................................................... 42 Figuur 20: Droneflyer Hexacopter ........................................................................................... 42 Figuur 21: Houten frame en opstelling .................................................................................... 48 Figuur 22: Netwerk van eerste en tweede orde ........................................................................ 49 Figuur 23: Voorbeeld karakteristiek punt (6000) ..................................................................... 50 Figuur 24: Combinatie terrestrische en luchtfoto’s .................................................................. 51 Figuur 25: Opnamestandpunt 45°-90° en 30°-60°-90° ............................................................ 52 Figuur 26: Fotomodelleringsproces Agisoft PhotoScan .......................................................... 53 Figuur 27: Deel terrestrisch voorkant, terrestrisch achterkant en lucht ................................... 55 Figuur 28: Verdeling van toevallige fouten ............................................................................. 57 Figuur 29: Gebruik van <Placemark> in KML ........................................................................ 60 Figuur 30: Trapstructuur ‘verdwijnt’ in de grond door niveauverschil.................................... 60 Figuur 31: Gebruik van <TimeSpan> in KML ........................................................................ 61 v Figuur 32: Tijdsbalk Five-story building ................................................................................. 61 Figuur 33: Geometrisch model en textuur in Collada .............................................................. 62 Figuur 34: Gebruik van <Schema> in KML ............................................................................ 63 Figuur 35: Informatieballon Moon temple ............................................................................... 64 Figuur 36: Gebruik van LOD in KML ..................................................................................... 64 Figuur 37: LOD 1, 2 en 3 van oostelijk gebouw Small acropolis ............................................ 65 Figuur 38: 2,5D-weergave en contourlijnen Nohochna ........................................................... 66 Figuur 39: Puntenwolk Ball court ............................................................................................ 67 Figuur 40: Time Slider ............................................................................................................. 68 Figuur 41: Combinatie opnames muur – overgang .................................................................. 69 Figuur 42: Weergave schaduwvorming ................................................................................... 70 Figuur 43: Probleem textuur veroorzaakt door schaduwvorming ............................................ 70 Figuur 44: Vegetatie en schaduwvorming ............................................................................... 71 Figuur 45: Weergave vegetatie (rechts: 50 000 faces) ............................................................. 71 Figuur 46: Problematiek trappen .............................................................................................. 72 Figuur 47: Puntenwolk laserscanning (gevisualiseerd in CloudCompare), model luchtfoto’s (gevisualiseerd in Agisoft PhotoScan) ..................................................................................... 72 Figuur 48: Model Anubis Vassivière ....................................................................................... 73 Figuur 49: Schaduwvorming Ball court ................................................................................... 74 Figuur 50: Vegetatie op Platform of Knives ............................................................................ 75 Figuur 51: Basispunten Five-story building ............................................................................. 76 Figuur 52: Boxplot ∆X, ∆Y en ∆Z (Five-story building) ........................................................ 77 Figuur 53: Histogram en normaliteitsplot ∆X, ∆Y en ∆Z (Five-story building) ..................... 78 Figuur 54: Dekking en DEM Five-story building .................................................................... 79 Figuur 55: Basispunten Moon temple ...................................................................................... 79 Figuur 56: Boxplot ∆X, ∆Y en ∆Z (Moon temple) .................................................................. 80 Figuur 57: Histogram en normaliteitsplot ∆X, ∆Y en ∆Z (Moon temple) ............................... 82 Figuur 58: Dekking en DEM Moon temple ............................................................................. 83 Figuur 59: Basispunten North temple ...................................................................................... 83 Figuur 60: Boxplot ∆X, ∆Y en ∆Z (North temple) .................................................................. 84 Figuur 61: Histogram en normaliteitsplot ∆X, ∆Y en ∆Z (North temple) ............................... 85 Figuur 62: Dekking en DEM North temple ............................................................................. 86 Figuur 63: Website ‘Edzna 3D’ ............................................................................................... 88 Figuur 64: Ball court in 3D-viewer op website ‘Edzna 3D’ .................................................... 88 vi Figuur 65: Cameraperspectief in project Five-story building .................................................. 89 Figuur 66: Structuur edzna.kml ................................................................................................ 90 Figuur 67: Attributentabel Ball court ....................................................................................... 91 Figuur 68: Afwijking model ten opzichte van satellietbeelden ................................................ 92 Figuur 69: Afwijking model ten opzichte van orthofoto .......................................................... 92 Figuur 70: Small acropolis in ArcGIS Explorer....................................................................... 93 Figuur 71: TIN-model zonder textuur ...................................................................................... 94 Figuur 72: Attributentabel Small acropolis east & south ......................................................... 94 Figuur 73: ‘Select by attributes’ Small acropolis ..................................................................... 95 vii LIJST VAN TABELLEN Tabel 1: Standaardafwijkingen van verschil ............................................................................ 18 Tabel 2: Voor- en nadelen geometrische modelleringstechnieken .......................................... 27 Tabel 3: Specificaties Trimble M3 ........................................................................................... 41 Tabel 4: Specificaties camera's ................................................................................................ 41 Tabel 5: Voor- en nadelen heliumballon .................................................................................. 43 Tabel 6: Specificaties UAV...................................................................................................... 43 Tabel 7: Omstandigheden opnames (1) .................................................................................... 45 Tabel 8: Omstandigheden opnames (2) .................................................................................... 46 Tabel 9: Omstandigheden opnames (3) .................................................................................... 46 Tabel 10: Omstandigheden opnames (4) .................................................................................. 47 Tabel 11: Omstandigheden opnames (5) .................................................................................. 47 Tabel 12: Instellingen Agisoft PhotoScan ................................................................................ 54 Tabel 13: Vergelijking geschatte-gemeten coördinaten Five-story building ........................... 76 Tabel 14: Vergelijking geschatte-gemeten coördinaten Moon temple .................................... 80 Tabel 15: Vergelijking geschatte-gemeten coördinaten North temple ..................................... 84 Tabel 16: Absoluut gemiddelde en RMSE Five-story building (absoluut stelsel) ................... 87 Tabel 17: Vergelijking Google Earth - ArcScene .................................................................... 96 viii LIJST VAN AFKORTINGEN 2,5D Tweeënhalfdimensionaal 2D Tweedimensionaal 3D Driedimensionaal Abs Absoluut API Application Programming Interface B-REP Boundary Representation CAD Computer Aided Design CAI Centrale Archeologische Inventaris CSG Constructive Solid Geometry CSS Cascading Style Sheet D Distance DBMS Database Management System DEM Digital Elevation Model DSM Digital Surface Model fps Frames Per Second Gem Gemiddelde GIS Geografisch Informatiesysteem of Geografische Informatiesystemen GML Geography Markup Language GPS Global Positioning System GSD Ground Sample Distance IMU Inertial Measurement Unit KML Keyhole Markup Language LOD Level of Detail Max Maximum Med Mediaan Min Minimum MP Megapixel NASA National Aeronautics and Space Administration NDVI Normalized Difference Vegetation Index OGC Open Geospatial Consortium ppm Parts Per Million ix RANSAC RANdom SAmple Consensus RMSE Root Mean Square Error SDBMS Spatial Database Management System SfM Structure from Motion SFSQL Simple Features For Structured Query Language SIFT Scale-Invariant Feature Transform Stafw Standaardafwijking SURF Speeded Up Robust Features SVD Singular Value Decomposition TEN Tetrahedral Irregular Network TIN Triangular Irregular Network UAV Unmanned Aerial Vehicle UTM Universal Transverse Mercator v.C. voor Christus VBA Visual Basic for Applications VR Virtual Reality VRML Virtual Reality Modeling Language WGS World Geodetic System XML Extensible Markup Language x 1. INLEIDING De interesse voor de 3D-voorstelling van objecten wint de afgelopen jaren steeds aan belang. Dit is zowel toe te schrijven aan de toegenomen nauwkeurigheid van acquisitietechnieken zoals laserscanning en fotomodellering, maar evenzeer aan de verbeterde prestaties van computers en de beschikbare verwerkingsprogramma’s. 3D-modellen en toepassingen ervan zijn terug te vinden in uiteenlopende onderzoeksdomeinen, waaronder geologie, architectuur en archeologie. Aangezien het onderzoek in dit laatste domein vaak een destructieve aard heeft, bieden 3D-modellen er de mogelijkheid om een site virtueel opnieuw te bezoeken na afloop van de opgravingen en alle elementen in hun oorspronkelijke configuratie te bestuderen. Daarnaast dragen de 3D-modellen ook bij tot de monitoring en conservatie van archeologische structuren. 3D-modellen vormen tegenwoordig reeds een krachtig instrument voor visualisatie, maar zouden archeologen ook verder kunnen helpen bij hun analyse wanneer ze geïmplementeerd worden in een geografisch informatiesysteem (GIS). Deze laten toe om ruimtelijke, semantische en topologische bevragingen op de modellen uit te voeren. Zo kan een beter inzicht verworven worden in de opbouw van archeologische sites, hun interne structuren en relaties (intrasite), maar ook mogelijke spatio-temporele relaties tussen sites onderling (intersite). De huidige GIS-pakketten bevatten echter slechts beperkte mogelijkheden voor het hanteren van 3D-data: ESRI’s ArcScene laat 2,5D-voorstellingen toe, maar de mogelijke analyses spitsen zich vooral toe op natuurlijke landschappen en zijn daarom vooral geschikt voor landschapsarcheologische vraagstellingen. Archeologen nemen bijgevolg vaak hun toevlucht tot software die visualisatie als voornaamste functie hebben, zoals virtual realitypakketten (VR), maar die verder geen spatio-temporele analysemogelijkheden bieden. Om tot een volwaardig archeologisch 3D-GIS te komen, wordt algemeen een drieledige workflow aangenomen. De eerste stap in deze workflow omvat de virtuele 3D-reconstructie van de fysische objecten door middel van technieken als laserscanning en fotomodellering. In de tweede stap worden deze gereconstrueerde modellen in een 3D-GIS geïmplementeerd, waarbij ook de koppeling naar een relationele databank wordt gemaakt. In de derde en laatste stap wordt van dit 3D-GIS overgegaan naar een archeologische reconstructie van het gemodelleerde object. 1 Deze studie behandelt de eerste twee stappen van deze workflow, met name de 3Dmodellering van een archeologische site (Edzna, Mexico) met behulp van fotomodellering en een unmanned aerial vehicle (UAV) en de integratie van de resulterende modellen in een archeologisch 3D-GIS. De onderzoeksvragen die hierbij aan bod komen behandelen: (i) de geschiktheid en nauwkeurigheid van een techniek als fotomodellering voor het modelleren van een archeologische site en de meerwaarde die een UAV hierbij eventueel kan bieden, en (ii) de haalbaarheid van een integratie van deze modellen in een archeologisch 3DGIS, de mogelijke knelpunten en potentiële oplossingen. Het uiteindelijke doel van de studie is bijgevolg het creëren van een reeks 3D-modellen die – rekening houdende met de bestaande technische mogelijkheden – in een geografisch informatiesysteem worden geïntegreerd. Gezien de beschikbare GIS de integratie van 3Dmodellen nog niet ten volle ondersteunen, werden de mogelijkheden geboden door Google Earth en ArcScene (de 3D-extensie van ArcGIS) onderzocht. Google Earth is gelijkaardig aan GIS in de zin dat men er ruimte en tijd mee kan beheren en voorstellen. De opbouw van het huidig onderzoek wordt grotendeels gestructureerd volgens de breuklijn 3D-acquisitie – 3D-GIS. Ten eerste wordt een uitgebreid literatuuroverzicht gegeven over beide principes met het oog op archeologische toepassingen. Het literatuuroverzicht over 3Dacquisitie beschrijft voornamelijk de wiskundige achtergrond van Structure from Motion en de toepassingen van fotomodellering en UAV’s binnen de archeologie. Het literatuuroverzicht over geografische informatiesystemen spitst zich vooral toe op de evolutie naar multidimensionale geografische informatiesystemen binnen de archeologie en de hierbij voorkomende knelpunten en mogelijkheden. Vervolgens wordt het studiegebied afgebakend en worden de gebruikte materialen, waaronder de twee platformen voor de opname van luchtfoto’s, besproken. De methoden en resultaten worden opnieuw gestructureerd volgens het onderscheid 3D-acquisitie – 3D-GIS. Het onderdeel 3D-acquisitie omvat een beschrijving en analyse van de voorafgaande testen, een beschrijving van de dataverwerving en verwerking en een nauwkeurigheidsanalyse van de resultaten. Het onderdeel 3D-GIS beschrijft de integratie van deze modellen in een website, game engine Blender, Google Earth en ArcScene en een vergelijking tussen deze laatste twee systemen. Tenslotte worden in de discussie de resultaten getoetst aan de literatuur en vormt het besluit een samenvatting van het gevoerde onderzoek, waarbij ook een brug wordt gemaakt naar toekomstig onderzoek. 2 2. 3D-ACQUISITIE Computer vision is een onderzoeksdomein binnen de computertechnologie waarbij aan de hand van wiskundige algoritmes 3D-geometrieën worden gereconstrueerd uit beeldmateriaal (Szeliski, 2011). Onder computer vision verstaat men verscheidene technieken, zoals stereo matching1, person tracking2, face detection3 en Structure from Motion. Deze technieken worden tegenwoordig veelvuldig gebruikt. Zo beschrijven Chellappa et al. (2010) de manier waarop Facebook en Picasa bijvoorbeeld face detection toepassen om gebruikers toe te laten namen toe te kennen aan gedetecteerde gezichten. Ook Structure from Motion (SfM) wint de afgelopen jaren meer en meer aan populariteit. SfM (sensu stricto) is het proces waarbij aan de hand van een set ongeordende beelden van een bepaald voorwerp een schaarse 3D-puntenwolk opgebouwd uit karakteristieke punten wordt gereconstrueerd (Verhoeven, 2011). Doordat deze karakteristieke punten in verschillende overlappende beelden aanwezig zijn, kan hun locatie in de ruimte met een wiskundig algoritme achterhaald worden. Het SfM-proces bestaat volgens Liu (2006) hoofdzakelijk uit twee stappen: het achterhalen van de verplaatsing van de camera (motion) en het reconstrueren van het 3D-model (structure). De eerste stap omvat het vaststellen van de fundamentele matrix, waaruit vervolgens de verplaatsing van de camera wordt bepaald. De tweede stap houdt het vinden van 3D-punten in om zo een 3D-puntenwolk te creëren. Vaak wordt echter de definitie sensu lato gebruikt, waarbij men niet enkel een puntenwolk opbouwt, maar ook het volledige 3D-model. Dit volledige proces staat bekend als multiview stereo. Figuur 1 toont dit proces, waar naast het bepalen van de schaarse puntenwolk ook een dichtere geometrie wordt gegenereerd en een textuur aan deze geometrie wordt toegekend. 1 Stereo matching: het detecteren van overeenkomstige (homologe) punten op onderscheiden afbeeldingen (Szeliski, 2011) 2 Person tracking: het detecteren van personen op afbeeldingen of videobeelden (Szeliski, 2011) 3 Face detection: het detecteren van gezichten op afbeeldingen of videobeelden (Szeliski, 2011) 3 Figuur 1: Multiview stereo Bron: Pollefeys et al., 2003 Multiview stereo en Structure from Motion worden tegenwoordig meer en meer gebruikt in archeologische toepassingen, aangezien de data-acquisitie op een snelle manier kan gebeuren. Dit biedt een enorm voordeel bij het terreinwerk, waar opgegraven vondsten vaak snel geïnventariseerd moeten worden (bijvoorbeeld bij noodopgravingen). Bovendien is het vereiste materiaal relatief goedkoop, in tegenstelling tot het gebruik van complexere acquisitietoestellen, zoals een laserscanner (Doneus et al., 2011). Het is daarnaast ook geen vereiste om de opnames te doen met een metrische camera. Er dient wel geïnvesteerd te worden in een voldoende krachtige computer om het rekenwerk te verrichten en desgevallend in een degelijk softwarepakket. Verscheidene open softwarepakketten zijn al beschikbaar voor het reconstrueren van objecten in 3D, zoals Microsofts Photosynth (http://photosynth.net/, 9 april 2013) of Bundler (http://phototour.cs.washington.edu/, 9 april 2013). Een alternatief is het gebruiken van commerciële software. In het huidig onderzoek wordt gebruik gemaakt van het programma Agisoft Photoscan (http://www.agisoft.ru/, 9 april 2013), waarbij het genereren van een 3D-model verloopt in vier onderscheiden stappen: (i) het 4 aligneren van de foto’s (de eigenlijke Structure from Motion), (ii) het bouwen van een dichte puntenwolk, (iii) het bouwen van een mesh en (iv) het toekennen van een textuur. Bij elk van deze stappen kunnen specifieke parameters gekozen worden om een optimaal eindresultaat te bekomen in functie van de toepassing. Bij het gebruik van deze software is het belangrijk dat de gebruikte foto’s aan bepaalde voorwaarden voldoen (http://downloads.agisoft.ru/, 9 april 2013). Ten eerste dienen de foto’s voldoende met elkaar te overlappen en mag er geen gebruik gemaakt worden van panoramische foto’s (zie Figuur 2). Daarnaast is het ook beter om de foto’s op een (licht) bewolkte dag te nemen om schaduwvorming te voorkomen. Tenslotte leveren contrastvolle objecten eveneens betere resultaten. Figuur 2: Voorschriften foto's Bron: http://downloads.agisoft.ru/, 9 april 2013 5 In de volgende paragrafen wordt dieper ingegaan op de wiskundige achtergrond van het SfMproces en wordt het gebruik ervan in de archeologie toegelicht aan de hand van enkele casestudies. 2.1 Single view geometry Bij het nemen van een foto wordt elk punt Xi in objectcoördinaten afgebeeld op een punt xi in fotocoördinaten. De relatie tussen beide coördinaten wordt gegeven door de formule: (1) waarbij P gelijk is aan de projectiematrix. Hiervoor geldt: (2) met k de matrix met intrinsieke parameters, R de rotatiematrix en t de translatiematrix. De intrinsieke parameters (gegeven in matrix k) bepalen de relatie tussen het coördinatensysteem van de camera (3D) en dat van de foto (2D) en bevatten onder andere de focuslengte. Deze informatie zit bij reguliere opnamen vervat in de metadata van de foto. R en t zijn de extrinsieke parameters. Deze geven de relatie weer tussen het coördinatensysteem van het object en dat van de camera en worden dus gegeven door een rotatie (voorgesteld door een 3x3-matrix) en een translatie (voorgesteld door een 3x1-matrix) van het assenstelsel. Figuur 3: Pinhole camera Bron: Aanæs, 2013 6 Formules 1 en 2 veronderstellen het gebruik van een pinhole camera (Aanæs, 2013). Bij deze benadering wordt elk punt in de ruimte volgens een rechte lijn door het cameracentrum op het beeld geprojecteerd (zoals weergegeven in Figuur 3; Heikkila, 1997). Vanuit het punt xi kan een lijn (de optische straal) getrokken worden die door het cameracentrum gaat en waarop het punt Xi zich met zekerheid bevindt. Vertrekkend van het punt xi in fotocoördinaten kan het punt Xi in objectcoördinaten echter niet ondubbelzinnig bepaald worden, ook al zijn de parameters van het cameramodel gekend (Faugeras & Luong, 2001); hiervoor is minstens een tweede foto nodig. 2.2 Double view geometry Wanneer een tweede beeld van hetzelfde voorwerp vanuit een andere positie genomen wordt, worden bepaalde beperkingen aan deze beelden opgelegd. Figuur 4: Epipolaire lijnen l en l' Bron: Fusiello et al., 2000; eigen verwerking 7 Het principe van double view geometry kan worden verduidelijkt aan de hand van Figuur 4. Het 3D-punt X bevindt zich met zekerheid op de optische straal vanuit x, maar de exacte positie hiervan is niet bekend. Wanneer een tweede optische straal wordt geconstrueerd voor het homologe punt x’ op de tweede foto, bevindt het punt X zich op het snijpunt van beide stralen. Een gevolg hiervan is dat het homologe punt x’ zich met zekerheid op de epipolaire lijn l’ bevindt, gevormd door de snijlijn van het afbeeldingsvlak met het epipolaire vlak xC1C2 (Liu, 2006). Deze epipolaire lijn is de projectie van de optische straal van het punt x door het cameracentrum van de tweede afbeelding. Deze eigenschap beperkt niet enkel de mogelijke positie van het punt x’, maar kan ook gebruikt worden om de positie van de tweede camera te bepalen. Wanneer X gekend is, moeten de epipolaire lijnen en de basislijn, die beide cameracentra verbindt, coplanair zijn. Het vlak dat deze drie lijnen bevat heet het epipolaire vlak (Ma et al., 2004). De geometrie tussen beide camera’s kan wiskundig worden voorgesteld door middel van de fundamentele matrix (F), een 3x3-matrix met zeven vrijheidsgraden (bepaald tot op een schaalfactor en met een determinant gelijk aan nul) waarbij verondersteld wordt dat de intrinsieke parameters niet gekend zijn (Hartley & Zisserman, 2003). Voor elke combinatie van een punt x met zijn bijhorende epipolaire lijn l’ geldt (3) Aangezien het homologe punt x’ zich met zekerheid bevindt op de epipolaire lijn l’ geldt dus (4) Dit is de wiskundige voorstelling van de eerder vernoemde epipolaire beperking op de punten (Szeliski, 2011). Indien de intrinsieke parameters wel gekend zijn (door kalibratie van de camera), werkt men met de essentiële matrix (E), die slechts vijf vrijheidsgraden heeft. Beiden verhouden zich tot elkaar op volgende manier: (5) 8 Wanneer beide beelden genomen werden door dezelfde camera, geldt: k1 = k2. Bovendien geldt voor de essentiële matrix: (6) Hierbij is [t] x een voorstelling van de translatie. Zowel de epipolaire beperking als de fundamentele matrix vormen twee belangrijke factoren in het SfM-proces bij twee foto’s. 2.3 Het Structure from Motion-proces Het proces dat aan de basis ligt van het reconstrueren van 3D-objecten uit foto’s maakt gebruik van de principes die in Paragrafen 2.2-2.3 uitgelegd werden. Figuur 5 geeft een overzicht van het volledige proces, waarbij duidelijk de twee delen (zoals gedefinieerd door Liu (2006)) te onderscheiden vallen: het bepalen van de relatieve verplaatsing van de camera en het reconstrueren van de 3D-punten. Figuur 5: Structure from Motion-proces Bron: Bastanlar et al., 2012; eigen verwerking 9 Bij het SfM-proces worden volgende onderdelen uitgevoerd: (i) bepalen van de homologe punten; (ii) bepalen van de fundamentele matrix met intrinsieke parameters; (iii) bepalen van de projectiematrix en reconstructie van de 3D-punten. 2.3.1 Bepalen van homologe punten Voor men kan overgaan tot het berekenen van de fundamentele matrix dienen eerst koppels homologe punten op de foto’s aangeduid te worden. Om deze te bepalen wordt op elk beeld gezocht naar local features of interest points, punten die gekenmerkt worden door een plotse verandering of een lokaal maximum van een bepaalde maat (bv. grijswaarde; Teelen, 2010). De belangrijkste eigenschap voor een goede feature is zijn herhaalbaarheid over verschillende foto’s (Bay et al., 2008). De herhaalbaarheid geeft aan in hoeverre dit kenmerk betrouwbaar kan aangeduid worden vanuit andere invalshoeken. De Harris-detector (Harris & Stephens, 1988) is hierbij het meest gebruikte algoritme. Dit algoritme wordt door Tuytelaars en Mikolajczyk (2007) onder de hoekdetectoren geclassificeerd en maakt gebruik van de second moment-matrix. Deze matrix geeft de gradiënt weer in de omgeving van een bepaald punt. Wanneer een van de eigenwaarden van de second moment-matrix hoog is, wijst dit op een hoge graad van verandering in één richting, een ‘rand’. Zijn beide eigenwaarden van de matrix hoog, dan gaat het om een ‘hoek’. Niet enkel het punt, maar ook zijn omgeving wordt opgeslagen om de koppeling nadien te vergemakkelijken. Daarnaast worden ook het zogenaamde SIFT- en SURF-algoritme veel gebruikt (Lowe, 2004; Bay et al., 2008). Om de gedetecteerde overeenkomstige features nadien aan elkaar te koppelen, wordt vaak gebruik gemaakt van een correlatietechniek (Snavely et al., 2006). Er wordt een venster om een feature van de eerste afbeelding gedefinieerd en vervolgens wordt de correlatie berekend met een zoekvenster in de tweede afbeelding. Om een bepaalde overeenkomst vervolgens als match te beschouwen kan een drempelwaarde voor de correlatie gehanteerd worden. Het risico bestaat echter dat er foute punten aan elkaar gekoppeld worden. 10 Om het koppelen van foute punten te vermijden en om de rekentijd voor het algoritme te minimaliseren, kan gebruik gemaakt worden van de epipolaire constraint. Zhang et al. (1995) stellen hiervoor een algoritme voor dat eerst een kleiner aantal homologe punten bepaalt, op basis hiervan een benaderende geometrie tussen de beelden berekent en deze gebruikt om nadien een groter aantal homologe punten te bepalen. Hierdoor kunnen de punten op de tweede afbeelding telkens in een smalle strook om de benaderende epipolaire lijn van het punt op de eerste afbeelding gezocht worden. 2.3.2 Bepalen van de fundamentele matrix Nadat de homologe punten op de beelden bepaald zijn, kan overgegaan worden tot het berekenen van de fundamentele matrix. Zoals eerder besproken, beschrijft deze de geometrie tussen de verschillende beelden. Bij n paren homologe punten kan het volgende worden afgeleid (Armangué & Salvi, 2003): [ ] =0 [ (7) ] Deze vergelijking heeft negen onbekenden maar aangezien de fundamentele matrix slechts zeven vrijheidsgraden telt, volstaan (minimaal) zeven puntenkoppels om een oplossing voor dit stelsel te berekenen. Wanneer de interne parameters gekend zijn, kan overgeschakeld worden op het berekenen van de essentiële matrix (Nister, 2004). Hiervoor volstaan vijf koppels punten. De methoden om de fundamentele matrix te berekenen kunnen opgedeeld worden in twee categorieën: lineaire (bv. het acht-puntalgoritme) en niet-lineaire methoden (bv. RANSAC; Liu, 2006). Bij het acht-puntalgoritme kunnen de coördinaten van de punten genormaliseerd worden om de invloed van ruis te minimaliseren. Dit gebeurt door middel van een translatie en een schaling. Uiteraard dient deze normalisatie na het berekenen van de resultaten weer ongedaan 11 gemaakt te worden. Om een oplossing te bekomen wordt gewerkt met de kleinstekwadratenmethode (Hartley, 1997). Bij het RANSAC-algoritme worden n willekeurige puntenkoppels geselecteerd (Liu, 2006). Het model wordt op basis van deze koppels berekend. Nadien wordt nagegaan hoeveel van de punten aan dit model beantwoorden binnen een bepaalde drempelwaarde (inliers). Dit proces wordt herhaald met verschillende puntenkoppels en het model met het meeste inliers wordt nadien weerhouden. De nauwkeurigheid van het bepalen van de fundamentele matrix hangt in grote mate af van het correct bepalen van de homologe punten. 2.3.3 Bepalen van de projectiematrix en reconstructie 3D-punten Vanuit de fundamentele matrix kan vervolgens de projectiematrix berekend worden en dus ook de verplaatsing van beide camera’s ten opzichte van elkaar. Om dit mogelijk te maken wordt de essentiële matrix berekend. Voor de overgang van de fundamentele matrix naar de essentiële matrix wordt gebruik gemaakt van de intrinsieke parameters (zie Formule 5). Deze kunnen zowel bepaald worden door het fotograferen van een object onder gecontroleerde omstandigheden als door zelfkalibratie. Luong en Faugeras (1997) stellen voor deze zelfkalibratie een methode voor die op basis van de homologe punten van drie foto’s de intrinsieke parameters reconstrueert. Vervolgens wordt op de essentiële matrix een Singular Value Decomposition (SVD) uitgevoerd om de rotatie- en translatiematrix te achterhalen en zo de projectiematrix te bepalen (zie Formule 2). Deze berekening gebeurt tot op een schaalfactor en levert vier mogelijke oplossingen. Om de uiteindelijke oplossing te verkrijgen wordt ervoor gezorgd dat de gereconstrueerde punten zich voor beide camera’s bevinden, wat slechts bij één van de vier oplossingen het geval is (Hartley & Zisserman, 2003). 12 De gevonden projectiematrices zijn van de vorm: (8) (9) Hierbij is I de eenheidsmatrix en 0 een nulmatrix. Op basis van de projectiematrices kunnen vervolgens de punten Xi in objectcoördinaten gereconstrueerd worden door gebruik te maken van Formule 1. 2.3.4 Multiple view geometry In Paragrafen 2.3.1-2.3.3 werd uitgegaan van het reconstrueren van twee beelden. Bij het reconstrueren van drie of meer beelden, zijn de verscheidene onderdelen echter gelijkaardig. Wanneer namelijk een derde beeld wordt toegevoegd, wordt de geometrie tussen deze beelden voorgesteld door de trifocal tensor, een 3x3x3-matrix met gelijkaardige eigenschappen als de fundamentele matrix (Torr & Zisserman, 1997). Deze matrix wordt eveneens berekend aan de hand van homologe punten en na het afleiden van de projectiematrices kunnen op deze manier 3D-punten gereconstrueerd worden. Voor het reconstrueren van 3D-punten aan de hand van n beelden wordt gebruik gemaakt van bundle adjustment. Ook hier bestaat de eerste stap eruit om de homologe punten in beide beelden aan te duiden en is het uiteindelijke doel het afleiden van de projectiematrices en het reconstrueren van de objectcoördinaten van de punten. Het is hierbij niet noodzakelijk dat de homologe punten in elk beeld zichtbaar zijn. Om bundle adjustment uit te voeren wordt vertrokken van de gedetecteerde overeenkomstige features. Op basis hiervan wordt een iteratief proces gestart waarbij men probeert de optimale waarden voor zowel de 3D-coördinaten van de features als de kalibratie en positie van de camera’s te achterhalen (Triggs et al., 2000). Deze schatting wordt meteen uitgevoerd voor het hele model. Het is echter mogelijk dat er ruis aanwezig is in de data en dat Formule 1 niet voor alle punten opgaat (Hartley & Zisserman, 2003). Om dit probleem aan te pakken wordt een maximum likelihood-oplossing berekend: men schat projectiematrices ̂ en 3D-punten ̂ waarvoor 13 Formule 1 wel geldt en waarbij de afstand van het punt ̂ tot het eigenlijke punt xj minimaal is. Dit leidt tot volgende formule: ∑ (10) ̂ Er zijn echter een groot aantal parameters betrokken bij deze berekening. Om de rekentijd te verlagen kan daarom overgeschakeld worden op sparse bundle adjustment (Lourakis & Argyros, 2009). De minimalisatie van de afstand tussen ̂ en gebeurt hierbij aan de hand van een niet-lineaire kleinste kwadratenmethode, waarvan Levenberg-Marquardt één van de meest gebruikte methoden is, aangezien ze snel convergeert naar een oplossing. Dit komt doordat de methode overschakelt naar de steepest descent-methode wanneer de Newtonmethode lijkt te falen. Er wordt een oplossing bereikt wanneer een bepaalde drempelwaarde overschreden is. Als resultaat wordt een schaarse puntenwolk weergegeven. 2.4 Toepassingen in de archeologie Aangezien de registratie van archeologische vondsten een ruimtelijke component heeft, is men bij het opstellen van de planning voor de archeologische survey steeds op zoek naar de meest nauwkeurige en kosten-efficiënte manier om deze ruimtelijke component vast te leggen (De Reu et al., 2013). In het verleden werd hiervoor vooral gebruik gemaakt van fotogrammetrie en meer recentelijk ook van laserscanning (Lambers et al., 2007; Al-kheder et al., 2009; Lerma et al., 2010). Het nadeel van beide technieken is echter dat er vaak een deskundige nodig is voor de data-acquisitie en -verwerking en dat het benodigde materiaal (vooral bij laserscanning) betrekkelijk duur is. 2.4.1 Multiview stereo in de archeologie Om bovenstaande redenen wordt nu steeds meer onderzoek uitgevoerd naar het gebruik van multiview stereo voor archeologische toepassingen. Deze techniek behoeft niet steeds de inzet van een deskundige en ook het benodigde materiaal en de gebruikte software zijn gemakkelijker te hanteren en vaak goedkoper. Er dient echter wel opgemerkt te worden dat een zekere voorkennis over de vereisten bij data-acquisitie en een voldoende krachtige computer cruciaal zijn voor een bruikbaar eindresultaat. 14 2.4.1.1 Data-acquisitie Voor het fotomateriaal wordt gebruik gemaakt van terrestrische foto’s (De Reu et al., 2013), bestaande luchtfoto’s of scans (Pollefeys et al., 2003) of zelfgemaakte luchtopnames met gebruik van UAV of soortgelijke technieken (Figuur 6; Verhoeven et al., 2012). Het is belangrijk dat deze foto’s voldoen aan de voorwaarden gesteld door het gebruikte softwarepakket. Vooral de overlap tussen de opeenvolgende foto’s is hierbij een cruciale factor, maar ook de weersomstandigheden op het moment van de opname kunnen een grote rol spelen. Zo werden bij de opname van de Mysontempel in Vietnam (Barazzetti et al., 2011) problemen ondervonden door hoge temperaturen en refractie. Om dit op te lossen werden meerdere reeksen opnames gedaan op verschillende tijdstippen. Ook regen en mist kunnen een negatieve invloed hebben op de opnames. Narasimhan en Nayar (2002) ontwierpen daarom een algoritme dat de oorspronkelijke (ongeschikte) afbeeldingen omvormt tot afbeeldingen alsof ze in betere weersomstandigheden zouden zijn genomen. Figuur 6: Data-acquisitie met vliegerconstructie Bron: Verhoeven et al., 2012 Er zijn geen specifieke vereisten voor de gebruikte camera, alhoewel deze een minimumresolutie van drie tot vijf megapixel moet hebben. Afhankelijk van de vereiste resolutie en het budget van het project kan hierin voor de rest vrij een keuze gemaakt worden. 15 In sommige gevallen is ook een absolute locatie van de archeologische vondsten of sites vereist. Deze lokalisering gebeurt aan de hand van grondcontrolepunten die op twee manieren gematerialiseerd kunnen worden: enerzijds aan de hand van zelf aangebrachte targets (Desmond & Bryan, 2003), anderzijds aan de hand van karakteristieke punten. Deze punten worden vervolgens ingemeten aan de hand van klassieke topografische methoden (totaalstation of GPS). Het gebruik van targets geniet de voorkeur bij totaalstationmetingen, aangezien deze een grotere nauwkeurigheid toelaten (Muls & De Wulf, 2008). Eventueel kunnen er ook bijkomende punten gematerialiseerd worden die nadien kunnen dienstdoen voor de kwaliteitscontrole. De data-acquisitie kan ook bemoeilijkt worden door de omgeving van het te reconstrueren object. Zo diende bij de opname van een Mayatempel in Uxmal (Mexico) door Desmond en Bryan (2003) gebruik gemaakt te worden van een hydraulische lift en stellingen om elk aspect van de tempel optimaal vast te leggen (Figuur 7). In dit geval zou het gebruik van een UAV eventueel een alternatief kunnen bieden (zie Paragraaf 2.4.2). Figuur 7: Hydraulische lift en stellingen (Mexico) Bron: Desmond & Bryan, 2003 2.4.1.2 Dataverwerking Voor de verwerking van de data kan zowel gebruik gemaakt worden van niet-commerciële software zoals Photosynth en Bundler (Delporte, 2011) als van commerciële software zoals Agisoft PhotoScan en PhotoModeler (Verhoeven, 2011). De keuze wordt hierbij onder andere beïnvloed door de vereiste nauwkeurigheid, het beschikbare budget en het gewenste eindresultaat. Afhankelijk van het softwarepakket wordt ook een verschillende workflow 16 doorlopen. Zo hebben verschillende van de online softwarepakketten geen mogelijkheid tot het editeren en georefereren van de data. De kwaliteit bekomen na verwerking door SfM-programma’s hangt onder meer af van de data-acquisitie (eigenschappen van het gebruikte toestel en mate van overlap) en de gekozen instellingen in het programma zelf. Ook de verwerkingssnelheid hangt grotendeels af van het programma en de gekozen instellingen (zoals geïllustreerd in Figuur 8), de beschikbare hardware, het aantal foto’s en hun grootte. Doneus et al. (2011) verwerkten voor dit experiment tien foto’s van elk 10 MP in Agisoft PhotoScan op basis van verschillende methoden (Height Field, Smooth en Exact) en met verschillende kwaliteit. Snelheid Agisoft PhotoScan 10000 9000 8000 Snelheid (s) 7000 6000 5000 Height Field 4000 Smooth 3000 Exact 2000 1000 0 Lowest Low Medium High Ultra high Setting Figuur 8: Snelheid Agisoft PhotoScan Bron: Doneus et al., 2011; eigen verwerking Brutto en Meli (2012) toetsten de kwaliteit van verschillende van deze softwarepakketten (Photosynth, Arc3D, Hypr3D, PhotoScan en Autodesk 123Dcatch) ten opzichte van elkaar met het oog op archeologische toepassingen. Om deze vergelijking uit te voeren genereerden ze telkens een 3D-reconstructie van het theater van Solunto (Sicilië). Het verkregen oppervlak vergeleken ze met dat verkregen na laserscanning (Figuur 9). Het resultaat van deze vergelijking wordt weergegeven in Tabel 1. De auteurs concludeerden dat de nauwkeurigheid 17 van de gegenereerde modellen onvoldoende was om ze voor elke archeologische toepassing in te zetten, maar dat hun mogelijkheden voor visualisatie wel zeer interessant waren. Figuur 9: Vergelijking Agisoft PhotoScan - laserscan Bron: Brutto & Meli, 2012 Tabel 1: Standaardafwijkingen van verschil Softwarepakket Standaardafwijking (m) Arc3D 0,012 Hypr3D 0,012 Photosynth 0,014 Agisoft PhotoScan 0,014 Autodesk 123Dcatch 0,026 Bron: Brutto & Meli (2012) De verschillende cases tonen aan dat er reeds heel wat onderzoek werd uitgevoerd naar de toepassingen van SfM in archeologie en dat de resultaten ervan veelbelovend zijn. Er zijn echter nog wat obstakels die overwonnen moeten worden, zoals het gebrek aan mogelijkheid tot editeren in sommige software. Barazzetti et al. (2010) wijzen ook op de verwerkingstijd die soms aanzienlijk is en hopen op een ontwikkeling naar een quasi real-time verwerking. 18 2.4.2 UAV Vaak wordt het betreden of de opname van bepaalde archeologische sites bemoeilijkt door omgevingsfactoren (bomen, gebouwen, reliëf) of is de site te groot om deze volledig met terrestrische foto’s op te nemen. In dat geval kan gebruik gemaakt worden van luchtfotografie, zowel aan de hand van satellietbeelden, foto’s genomen vanuit laagvliegende vliegtuigen of andere constructies (Martinez-del-Pozo et al., 2013). Tegenwoordig worden echter steeds vaker UAV’s (Unmanned Aerial Vehicle) ingezet bij dit soort problemen (Verhoeven, 2009). Deze systemen verlagen de kost voor het opnemen van luchtbeelden, maar zijn erg gevoelig aan wind. Bovendien worden de mogelijk te gebruiken camera’s beperkt door hun gewicht (Eisenbeiss, 2009). Meestal zijn ze uitgerust met een GPS-systeem, een IMU4 en een systeem dat de communicatie met de operator toelaat. Het vluchtplan wordt vooraf opgesteld. Het doel is om de volledige site te bedekken en voldoende overlap te creëren bij de opeenvolgende foto’s om fotogrammetrische verwerking mogelijk te maken. Hieraan gaat vaak een studie op het terrein zelf vooraf. Belangrijk is ook om hierbij rekening te houden met de obstakels die de UAV op zijn baan kan tegenkomen (Wang et al., 2007). De locaties waarop foto’s genomen worden kunnen hierbij eventueel al aangeduid worden. Deze hangen af van de gewenste overlap, de vlieghoogte en de specificaties van de camera. De toestellen kunnen op drie soorten manieren bestuurd worden: manueel, semi-automatisch of volledig automatisch (Eisenbeiss & Sauerbier, 2011). Bij manuele vluchtmodus wordt elke beweging van het toestel gecontroleerd door een operator, terwijl dit bij een automatische vlucht volledig door middel van een vooraf gedefinieerd vluchtplan gebeurt. Bij semiautomatische vluchten kunnen slechts enkele parameters zoals snelheid door de operator aangepast worden. Op het toestel zelf is een camera gemonteerd, die op verschillende wijzen fotomateriaal kan vastleggen. Zo beschrijven Metni en Hamel (2007) een methode voor het gebruik van videobeelden, waaruit later de gepaste frames voor verdere verwerking gehaald worden. Een 4 Een IMU of Inertial Measurement Unit meet enerzijds de versnelling en anderzijds de rotatie van een systeem langs drie onderling loodrechte assen (Dissanayake et al., 2001) 19 andere werkwijze is die van MacArthur et al. (2006). Hierbij wordt op de UAV een platform met twee obliek gerichte camera’s bevestigd, zodat elk koppel foto’s reeds een bepaald percentage overlap bevat. Er kan ook op voorhand bepaalde software in de camera geladen worden, die toelaat om op een bepaalde locatie of met een bepaald interval foto’s te nemen. Er zijn reeds talrijke toepassingen van UAV’s voor archeologische doeleinden beschreven in de literatuur. Hierbij wordt de methodologie telkens aangepast aan de specifieke situatie. Chiabrando et al. (2011) beschrijven hun methode voor het opnemen van het theater en amfitheater in Augusta Bagiennorum en de Fontana D’Ercole in de tuinen van Reggia di Venaria Reale (Italië). Ze ontwikkelden zelf algoritmes voor het genereren van een 3D-model en een orthofoto. Bij het opnemen van het theater en het amfitheater werd de UAV (Pelican) van zijn koers gedreven door de wind, waardoor voor manuele besturing werd geopteerd. Dit had echter tot gevolg dat slechts enkele van de genomen foto’s de vereiste overlap hadden. Het toestel gebruikt voor de opname van de Fontana D’Ercole (Voyager G8 RR) werd ook manueel bestuurd, aangezien hier geen optie ingebouwd was voor een automatische vlucht. Bij beide sites werden targets aangebracht en ingemeten om het model absoluut te oriënteren. De behaalde nauwkeurigheid na verwerking (standaardafwijking 2 cm) was van dezelfde grootteorde als de ground sample distance (GSD; 2-4 cm). Brutto en Meli (2012) namen met gebruik van een UAV (md4-200) de oude stad Himera (Sicilië) op. Nadien werd zowel met Agisoft PhotoScan als met Socet Set een digital surface model5 (DSM) en een orthofoto met een resolutie van 5 cm gegenereerd. Het gebruik van Socet Set had als voordeel dat er meerdere parameters manueel konden ingesteld worden. De eindresultaten toonden echter geen opvallende verschillen (Figuur 10). 5 Een digital surface model of digitaal oppervlaktemodel bevat in tegenstelling tot een digitaal terreinmodel (DTM) ook de hoogte van de objecten op het aardoppervlak (Baltsavias et al., 1995). 20 Figuur 10: Orthofoto gegenereerd door PhotoScan (links) en Socet Set (rechts) Bron: Brutto & Meli, 2012 Algemeen kan geconcludeerd worden dat het gebruik van een UAV bij moeilijk toegankelijke of zeer uitgebreide sites zeker een meerwaarde kan vormen en er wordt dus ook verwacht dat deze techniek in de toekomst verder zal worden toegepast bij archeologische opgravingen. 21 3. 3D-GIS Archeologie wordt door Arroyo-Bishop en Zarzosa (1995, p. 49) gedefinieerd als een “objectruimte-tijd relatie die elk van deze factoren moet beheren om tot valabele conclusies te komen”. Ook andere auteurs benadrukken het ruimtelijke aspect van archeologisch onderzoek. Tsipidis et al. (2011, p. 85) verwijzen in dit opzicht naar “het vitale belang van de geografische en ruimtelijke factoren in de archeologie”. Deze ruimtelijke factoren maken de archeologie een geschikt onderwerp voor analyse met geografische informatiesystemen, aangezien deze instaan voor “het computerondersteund beheer, de raadpleging en de analyse van geografische gegevens” (Antrop & De Maeyer, 2008; p. 1). Met geografische gegevens worden dan weer alle gegevens bedoeld die “op een of andere manier gelokaliseerd en beschreven kunnen worden” (Antrop & De Maeyer, 2008; p. 2). Geografische informatiesystemen hebben sinds de jaren tachtig en vooral in de jaren negentig dan ook een groeiend aandeel gekend binnen het archeologisch onderzoeksveld (Wagtendonk et al., 2009). De opkomst van GIS startte oorspronkelijk in Noord-Amerika en kwam vervolgens over naar Europa. De eerste Europese conferentie over dit onderwerp werd gehouden in oktober 1993 in het Italiaanse Ravello, waarbij het merendeel van de ingediende papers betrekking had op landschapsarcheologie (Lock & Stancic, 1995). Boaz en Uleberg (1995) onderzochten bijvoorbeeld een toepassing van een viewshed-analyse op landschappen uit de IJzertijd in Noorwegen. De auteurs kwamen tot de conclusie dat geografische informatiesystemen een groot potentieel hebben voor dergelijke studies. Ook het Verdrag betreffende de bescherming van het archeologisch erfgoed (1992) van de Europese Raad heeft deze evolutie in belangrijke mate beïnvloed. Het Verdrag erkent dat cultureel erfgoed noodzakelijk is voor de kennis over de geschiedenis van de mens en regelt onder andere de identificatie en bescherming van cultureel erfgoed, maar ook de financiering van archeologisch onderzoek en de publiciteit naar het publiek toe. In Nederland werd in dit licht het Archis-systeem uitgewerkt: een databank waarin alle archeologische vindplaatsen en terreinen worden opgenomen (http://archeologieinnederland.nl/, 18 mei 2014). Deze data kunnen in combinatie met verschillende kaartlagen bekeken worden en zijn toegankelijk voor gebruikers uit de archeologische sector. In Vlaanderen is later een gelijkaardig systeem, de 22 Centrale Archeologische Inventaris (CAI), uitgewerkt (http://cai.erfgoed.net/, 11 mei 2014). In dit Vlaamse systeem zijn een aantal kaartlagen ook vrij te raadplegen. Geografische informatiesystemen kunnen een meerwaarde vormen bij verschillende stadia van het archeologisch onderzoek, zowel bij het vooronderzoek, de prospectie, de eigenlijke opgraving als de eventuele monitoring nadien (Doneus & Neubauer, 2005; Van Ruymbeke et al., 2008; Vaughn & Crawford, 2009). Vaak worden ze gebruikt voor het bepalen van de locatie van mogelijke archeologische sites (predictive modeling, vooral in het deelgebied landschapsarcheologie), voor map algebra (bv. het berekenen van een NDVI), voor clusteranalyse of voor het terugvinden van patronen in bestaande datasets (Moscati, 1998; Bevan & Conolly, 2004). Ook de mogelijkheid om na een opgraving de verzamelde data in zijn oorspronkelijke context terug te analyseren is, gezien het destructieve karakter van een dergelijke opgraving, een voordeel tijdens het verder verloop van het archeologisch onderzoek. 3.1 Multidimensionaal GIS Archeologische data is echter niet tweedimensionaal. Er dient ook rekening gehouden te worden met de derde (hoogte/diepte) en vierde (tijd) dimensie. Daarnaast is er ook een belangrijke factor van onzekerheid die steeds gepaard gaat met dit soort data (De Roo, 2012). Deze drie factoren bemoeilijken de implementatie van archeologische data in geografische informatiesystemen, aangezien deze systemen momenteel onvoldoende uitgerust zijn om hiermee om te gaan. Er wordt tegenwoordig vooral veel onderzoek gevoerd naar de ontwikkeling van een 3D-GIS, waarbij data gekoppeld kan worden aan 3D-voorstellingen en deze ook kunnen bevraagd worden. De vraag naar een 3D-GIS komt onder meer door de toenemende hoeveelheid aan hoognauwkeurige data verzameld door meettechnieken zoals laserscanning en fotomodellering. Verder kan ook gewezen worden op de toenemende capaciteit van computers. De interesse in een 3D-GIS beperkt zich ook niet enkel tot het archeologisch onderzoek. Andere onderzoeksvelden zouden van een dergelijk systeem eveneens de voordelen ondervinden, waaronder geologie (Kolecka, 2011), stadsplanning (Yin & Shiode, 2014), 23 ingenieurswetenschappen (Tonini et al., 2008) en in het domein van risico-analyses, veiligheid en hulpdiensten (Kwan & Lee, 2005). Reeds in 2003 maken Stoter en Zlatanova een overzicht van de toenmalige stand van zaken in verband met een dergelijk 3D-GIS. Zij vertrekken hierbij vanuit de stelling dat de toenmalige 3D-GIS onvoldoende functionaliteit bieden voor bepaalde toepassingen. De bottlenecks waaraan zij dit toewijzen zijn de organisatie van 3D-data, de reconstructie van 3D-objecten en de voorstelling en navigatie door grote modellen. De organisatie van de data spitst zich hierbij toe op het gebruik van een bepaald geometrisch model (CSG6, wireframe, voxels, …) en het installeren van een database management system (DBMS) om deze modellen in op te slaan. De reconstructie van 3D-objecten handelt over de wijze waarop de 3D-modellen opgebouwd worden (CAD, fotomodellering, …). De voorstelling en navigatie hebben vooral te maken met het gebruik van verschillende levels of detail (LODs), de interactie met de modellen en de opslagcapaciteit. Daarnaast wordt in dit laatste punt ook het gebruik van virtual reality (VR) en de voorstelling door middel van mobiele toestellen behandeld. De auteurs concluderen dat op dat moment nog geen volwaardig 3D-GIS voorhanden is, aangezien de gebruikers wachten op de leveranciers om een systeem te ontwikkelen en de leveranciers eerst een groot publiek voor dit soort functies willen. Ze stellen wel dat 2D-GIS oorspronkelijk ook eerst enkel het leveren van mooie visualisaties tot doel had, en dat 3D-GIS ook in dit stadium zit. Momenteel zit een dergelijk 3D-GIS nog steeds (grotendeels) in dit stadium. Voor de huidige mogelijkheden verder worden toegelicht aan de hand van voorbeelden, worden de knelpunten zoals gedefinieerd bij Stoter en Zlatanova verder uitgediept. Het tweede knelpunt, de reconstructie van 3D-objecten door middel van fotomodellering, werd reeds eerder uitvoerig beschreven in Hoofdstuk 2 en wordt daarom niet meer verder toegelicht. 3.1.1 Knelpunten 3.1.1.1 Organisatie van 3D-data Een belangrijke deelvraag in de ontwikkeling van een 3D-GIS is de keuze van een geschikt geometrisch model, aangezien de keuze van een dergelijk model implicaties kan hebben voor 6 Constructive Solid Geometry (CSG) is een geometrische modelleringstechniek uit de CAD-wereld die 3Dobjecten opbouwt uit een verzameling primitieve volumes (Belien, 2010) 24 onder andere de mogelijke analyses en de visualisatie van het 3D-model (Abdul-Rahman & Pilouk, 2008). Figuur 11: Classificatie geometrisch modelleren Bron: Kampel et al. (2002), Pouliot et al. (2006), Belien (2010), eigen verwerking Pouliot et al. (2006) stellen in dit opzicht een classificatie voor van verschillende geometrische modelleringstechnieken (zie Figuur 11). Deze kunnen op twee wijzen worden ingedeeld. Enerzijds zijn er de ruimtelijk georiënteerde methoden, die verder worden opgedeeld in de methoden die deze ruimte op een regelmatige (bv. voxel) of onregelmatige (bv. TEN) manier opdelen. Daarnaast zijn er de object-georiënteerde methoden, die verder 25 worden opgedeeld in de methoden die gebaseerd zijn op de grenzen van deze objecten (bv. wireframe) of op parametrische figuren (bv. CSG). Dezelfde opdeling kan ook op een andere manier gedaan worden: een classificatie in (i) op oppervlakken gebaseerde methoden, waaronder wireframe en B-REP, en (ii) op volume gebaseerde methoden, waaronder voxels, TEN en CSG (Pouliot et al., 2006). Andere classificaties zijn ook mogelijk. Tuan (2013) maakt een gelijkaardige classificatie met vier hoofdgroepen: B-rep, voxels, CSG en gecombineerde modellen. Een uitgebreide beschrijving van elk van de methoden wordt gegeven door Belien (2010). Het overzicht in Figuur 11 is echter niet volledig. Bepaalde methoden, waaronder sweeping en binary space partitioning, werden hieruit weggelaten aangezien deze minder relevant zijn voor het huidig onderzoek. Elk van de voorgestelde methoden heeft zijn specifieke voor- en nadelen met betrekking tot het gebruik in een 3D-GIS, die worden opgelijst in Tabel 2. 26 Regelmatig Onregelmatig Ruimtelijk georiënteerd Tabel 2: Voor- en nadelen geometrische modelleringstechnieken Methode Voordeel Nadeel Voxel - Eenvoudig te implementeren - Geschikt voor continue fenomenen - Attributen koppelen aan afzonderlijke voxels - Metrische operaties zijn eenvoudig Octree - Minder opslagcapaciteit en rekenkracht nodig dan voxels - Geschikt voor continue fenomenen - Attributen koppelen aan afzonderlijke kubussen - Metrische operaties zijn eenvoudig - Veel opslagcapaciteit en rekenkracht nodig (attribuut per voxel) - ‘Ruw’ model - Nauwkeurigheid hangt af van grootte voxel - Topologische operaties vergen meerdere manipulaties - ‘Ruw’ model - Topologische operaties vergen meerdere manipulaties Cellen - Eenvoudige en snelle implementatie en bewerkingen - Attributen koppelen aan afzonderlijke tetraëders - Veel tetraëders nodig voor het creëren van één object (1:n) - Resolutie afhankelijk van densiteit tetraëders - Weinig opslagcapaciteit nodig - Behoud van origineel gemeten data - Ideaal voor het voorstellen van bestaande objecten - Problemen koppelen attributen - Moeilijkheden onderscheiden leegte en vlak - Veel gebruikt (DEM, CAD, VR) - Behoud van origineel gemeten data - Ideaal voor het voorstellen van bestaande objecten - Volume stelt één voorwerp voor (1:1) - Behoud van origineel gemeten data - Ideaal voor het voorstellen van bestaande objecten - Gebruikt in CAD-programma’s - Optimaal qua opslagcapaciteit - Problemen koppelen attributen - Moeilijkheden bij complexe objecten (bv. TEN) Samenstelling nodes + edges (bv. wireframe) Samenstelling Grens Object-georiënteerd vlakken (bv. TIN, B-rep) Samenstelling volumes (bv. polyhedrons) Parametrische figuren CSG - Buffer levert niet-polyhedron op - Problemen koppelen attributen - Moeilijk om van ingemeten modellen over te gaan naar CSG - Kan (te) complexe structuren opleveren - Moeilijkheden bij topologische relaties en attributen Bron: Stoter & Zlatanova (2003), Pouliot et al. (2006), Abdul-Rahman & Pilouk (2008), Belien (2010) 27 Uit bovenstaande tabel kan geconcludeerd worden dat de grens-gebaseerde methoden naar visualisatie toe meer voordelen bieden, aangezien ze toelaten om de origineel gemeten data te behouden en deze gemeten data ook het best presenteren. Verschillende auteurs gebruikten een van de technieken uit Tabel 2. Tabel 2 om archeologische data mee te verwerken. Lieberwirth (2008) stelt door middel van het voxel-model stratigrafische lagen in de ondergrond voor in een open source GIS. Losier et al. (2007) maken zowel gebruik van het voxel- als het TEN-model om gelijksoortige objecten voor te stellen in Gocad en Müller et al. (2006) gebruiken een aan CSG verwante techniek om Maya-tempels in Xkipché te reconstrueren. In het eigen onderzoek wordt gebruik gemaakt van een TIN-model, gezien dit de standaard output is van het gebruikte verwerkingsprogramma (Agisoft PhotoScan). Om het probleem van de geheugencapaciteit bij voxels op te lossen, kan eventueel ook gewerkt worden met octrees. Een octree heeft een hiërarchische boomstructuur, waarbij de ruimte telkens wordt onderverdeeld in kubussen die ofwel volledig binnen (zwart) of volledig buiten (wit) het object vallen, ofwel die er deel van uitmaken (grijs). In het laatste geval wordt de kubus nogmaals opgesplitst in acht deelkubussen, waarvan bepaald wordt of ze zwart, wit of grijs zijn en dit tot alle kubussen ofwel zwart ofwel wit zijn. Kampel et al. (2002) gebruiken deze techniek om archeologische objecten (bv. vazen, tassen) te reconstrueren. Zoals reeds eerder vermeld, wordt bij het huidige project gewerkt met een triangular irregular network (TIN; Figuur 12). Een TIN is de weergave van een oppervlak door middel van een netwerk van aaneensluitende driehoeken. Agisoft PhotoScan vertrekt hiervoor van een puntenwolk en voert een triangulatie uit om uiteindelijk een triangular mesh te bekomen, vergelijkbaar met een TIN. Het biedt dus veel mogelijkheden voor een realistische weergave, maar geeft bij een eventuele implementatie in een GIS problemen met de koppeling van attributen aan onderdelen van het gebouw. 28 Figuur 12: Wireframe-weergave van mesh PA South Naast de geometrische modellering is de koppeling naar een database management system (DBMS) vaak een essentieel onderdeel van een geografisch informatiesysteem. Indien dit DBMS naast de normale ondersteuning van alfanumerieke data ook nog geografische functionaliteiten heeft, spreekt men van een spatial database management system (SDBMS) of geo-DBMS. In dit geval is het mogelijk om objecten met een ruimtelijke component te bewaren en te bevragen (Arens et al., 2005). Dit is bijvoorbeeld het geval bij PostgreSQL met de ruimtelijke extensie PostGIS, Oracle Spatial en MySQL. De bevraging van de ruimtelijke gegevens gebeurt door middel van SFSQL7, een specificatie gedefinieerd door het OGC (Herring, 2010). Het gebruik van een geo-DBMS bij een 3D-GIS hangt nauw samen met de keuze van een geometrische modelleringstechniek, aangezien deze bepaalt welke de primitieven zijn die in de geo-DBMS worden ingeladen. In een klassiek 2D-geo-DBMS zijn deze primitieven ofwel punten, lijnen of polygonen. Het is eventueel mogelijk om aan de hand van deze tweedimensionale primitieven 3D-objecten op te bouwen, aangezien 3D-coördinaten door een geo-DBMS worden ondersteund. Dit brengt echter twee problemen met zich mee. Enerzijds worden deze 3D-objecten niet als dusdanig herkend en is het moeilijk om hierop analyses uit te voeren. Dit heeft ook tot gevolg dat er veel redundante informatie in het geo-DBMS aanwezig is. Anderzijds is er een 1:1-relatie nodig tussen objecten in de realiteit en objecten in een database (Arens et al., 2005; Breunig en Zlatanova, 2011). Een operationeel 3D-geoDBMS laat dus enerzijds toe om 3D-objecten in te laden die opgebouwd zijn op basis van één van bovenstaande geometrische modelleringstechnieken en laat anderzijds toe om hier attributen aan te koppelen en operaties op uit te voeren. 7 Simple Features For Structured Query Language 29 Om hieraan tegemoet te komen werd in 2012 PostGIS 2.0 ontwikkeld, een nieuwe versie van de ruimtelijke extensie voor PostgreSQL. Hierin zijn twee nieuwe types geometrieën ingebouwd: TINs en polyhedral surfaces (i.e. netwerken bestaande uit veelhoeken). Voor beide types bestaan verscheidene mogelijke analyses, waaronder het berekenen van de bounding box en het nagaan of de geometrie gesloten is. Bovendien bestaat ook de mogelijkheid om deze modellen als X3D of een gelijkaardig formaat te exporteren (http://postgis.net/, 3 mei 2014). Oracle Spatial 11g (ontwikkeld in 2009) gaat hierin nog verder en ondersteunt naast oppervlak-gebaseerde ook volume-gebaseerde modellen. Daarnaast biedt het verschillende levels of detail aan en laat het de conversie van onder andere een KML-bestand naar een Spatial-bestand toe (Murray, 2009). Hiertegenover staat dat dit in tegenstelling tot PostGIS geen open source maar commerciële software is en dit voor de gebruiker een enorme meerkost betekent. MySQL, dat sinds 2010 eigendom is van de Oraclegroep maar nog steeds een open source DBMS is, biedt geen dergelijke 3D-functies aan. Oracle Spatial 11g biedt naar 3D-functionaliteit toe dus de meeste mogelijkheden. Aangezien deze service echter betalend is, lijkt PostGIS 2.0 het interessantste alternatief voor archeologen. 3.1.1.2 Voorstelling en navigatie Bij het weergeven van dergelijke gedetailleerde 3D-modellen moet vaak een afweging gemaakt worden tussen de performantie van het systeem en de complexiteit van de modellen. Het gebruik van verschillende levels of detail (LOD) kan hierop een antwoord bieden (Luebke et al., 2003). Door middel van deze techniek krijgt de gebruiker, naarmate hij inzoomt, steeds gedetailleerdere weergaven van het 3D-model te zien (Figuur 13). Figuur 13: PA East (408 faces - 2269 faces - 96665 faces) 30 Om de verschillende levels of detail te genereren bestaan twee methoden: de statische en dynamische algoritmes (Deussen & Lintermann, 2005). Bij de statische algoritmes worden een aantal discrete modellen met verschillende detailleringsgraad vooraf gedefinieerd en worden deze aan de gebruiker getoond afhankelijk van hoe ver of dicht hij op het model ingezoomd heeft. Om de overgang tussen twee van deze modellen vloeiend te doen verlopen, wordt hun transparantie groter naarmate ze verdwijnen en kleiner naarmate ze tevoorschijn komen. Bij de dynamische algoritmes wordt de detailleringsgraad van het model continu aangepast, afhankelijk van hoe groot het model op het scherm wordt weergegeven. In de modelomschrijving zelf zit hiervoor een beschrijving die bepaalt in welke mate en op welk moment het model wordt aangepast. Om een mesh, zoals gebruikt bij de modellen van Edzna, te vereenvoudigen, bestaan zowel lokale als globale operatoren (De Floriani et al., 2005). Een van de meest beschreven lokale operatoren is in dit opzicht de edge collapse-methode (Figuur 14). Bij deze methode wordt uitgegaan van een mesh M met hoge resolutie. Na het uitvoeren van verschillende edge collapses eindigt men met een basis-mesh M0 met zeer lage resolutie. De omgekeerde beweging heet een vertex split. Niet de mesh met hoge resolutie (M) wordt in het systeem opgeslaan, maar de basis-mesh M0, samen met alle vertex splits die toelaten om M te reconstrueren. Naast deze edge collapse-methode bestaan ook nog triangle collapse-, cell collapse-, vertex pair collapse-, polygon merging- en andere vereenvoudigingsmethoden. Figuur 14: Edge collapse en vertex split Bron: De Floriani et al., 2005 Verschillende auteurs proberen deze methoden ook toe te passen in het archeologisch onderzoeksveld. Apollonio et al. (2012) gebruiken hiervoor een statisch algoritme met een 31 ‘master’ model met zeer hoge resolutie en verscheidene afgeleide modellen waarbij telkens slechts 25% van de geometrische nauwkeurigheid en 50% van de resolutie van de textuur bewaard wordt. Ze ontwikkelen hierdoor verscheidene modellen van de archeologische site in Pompeii met het oog op een 3D-webGIS. Boos et al. (2013) maken gebruik van de vooraf gedefinieerde levels of detail in het CityGML-model om 3D-modellen van een Keltisch fort voor te stellen in het Duitse Hunsrück-museum. CityGML is een op XML gebaseerd schema dat specifiek dient voor de “voorstelling, opslag en uitwisseling van virtuele 3D-stads- en landschapsmodellen” (Kolbe, 2014). In dit schema zijn vijf vooraf gedefinieerde levels of detail opgenomen (Figuur 15; Kolbe et al., 2005). LOD0 heeft de laagste resolutie en dient voor de weergave van 2,5D-terreinmodellen. LOD1 geeft een blokkenmodel zonder dakstructuren en textuur weer, bij LOD2 kunnen deze wel waargenomen worden. LOD3 geeft gedetailleerde architecturale informatie over de gebouwen (bv. balkons) en de textuur heeft hier ook een hogere resolutie. LOD4 heeft de hoogste resolutie en geeft ook informatie over structuren binnen de gebouwen (bv. deuren, vloeren, meubels). Figuur 15: De vijf verschillende LODs bij CityGML Bron: Kolbe et al. (2005) Ook bij KML kunnen verschillende levels of detail door de gebruiker worden bepaald. Dit gebeurt door het definiëren van een <LatLonAltBox> met een bepaalde grootte in de lengte, breedte en hoogte. Vervolgens wordt door middel van de tags <MinLodPixels> en 32 <MaxLodPixels> aangegeven wat het minumum en maximum aantal pixels is dat de box op het scherm mag innemen om het model respectievelijk te doen verschijnen en verdwijnen. Wanneer bij <MaxLodPixels> de waarde -1 wordt ingegeven, wordt dit gelijk gesteld met de waarde oneindig en verdwijnt het model niet van het scherm. Aangezien er voor de topologische, geometrische of semantische analyse nog geen volwaardig 3D-GIS voorhanden is, ligt de focus van archeologen momenteel voornamelijk op de visualisatie en visuele interpretatie van 3D-modellen. Dit gebeurt bijvoorbeeld voor de voorstelling van archeologische vondsten in musea (Bruno et al., 2010) of het herbezoeken van een site na een opgraving door de betrokken onderzoekers (Vote et al., 2002). Veel archeologen maken hierbij gebruik van virtual reality-technieken of game engines. Deze laten toe om een realistisch beeld van een object te geven, al dan niet in zijn oorspronkelijke omgeving, en hebben daarnaast vaak ook krachtige render- en animatiemogelijkheden. Het inzetten van game engines voor dergelijke doeleinden wordt ook vaak als ‘serious gaming’ bestempeld (Anderson et al., 2010). Von Schwerin et al. (2013) maken gebruik van de game engine Unity voor de interactieve navigatie en visualisatie van hun 3D-modellen van een Maya-site in Copan (Honduras). De game engine maakt deel uit van een 3D-webGIS, waarbij een koppeling wordt gemaakt tussen Unity en alfanumerieke data in PostgreSQL. Op deze manier zijn bevragingen van de modellen mogelijk. Rua en Alvito (2011) kiezen voor 3DS Max, de modelleersoftware van Autodesk, voor het aanmaken van een model van de Romeinse villa Casal de Freiria. Dit model wordt vervolgens in game engine Gamebryo geïmporteerd. Door het creëren van een realistische omgeving en het toevoegen van de mogelijkheid om met een avatar door deze omgeving te navigeren, is het mogelijk om de villa op een nieuwe manier te bestuderen. Gamebryo is een commercieel softwarepakket, Unity daarentegen is gratis maar niet open source. Een gratis open source alternatief voor deze pakketten is Blender (http://www.blender.org/, 11 april 2014). Blender is een 3D-georiënteerde cross-platform engine die zowel toelaat om nieuwe modellen te creëren als om bestaande modellen (eventueel met textuur) te importeren. Daarnaast is het door de Python-API ook mogelijk om eigen scripts te importeren en zo het programma aan te passen voor specifieke toepassingen. Hermon en Nikodem (2008) maken om deze redenen gebruik van Blender bij het uitwerken van hun project over het 33 reconstrueren van cultureel erfgoed. Ze gebruiken bij dit project een module die een verbinding kan leggen tussen Blender en MySQL om zo de metadata aan de modellen te koppelen. 3.1.2 Mogelijkheden Ondanks de hierboven besproken beperkingen blijft de interesse in een archeologisch 3D-GIS groot. Verscheidene auteurs proberen aan de hand van de beschikbare middelen een eerste stap richting een dergelijk systeem te zetten (bv. de Hond & de Kleijn, 2013). Hierbij vertrekken ze meestal vanuit drie mogelijkheden: de koppeling tussen een game engine en een databank (zie Paragraaf 3.1.1.2), een virtuele globe (Google Earth in combinatie met het KML-formaat) of een extensie van een bestaand GIS-pakket (ESRI’s ArcScene of ArcGIS Explorer Desktop). Aangezien bij het eigen onderzoek geen koppeling wordt gemaakt tussen een game engine en een databank, wordt deze hierbij buiten beschouwing gelaten. De mogelijkheden van de laatste twee systemen worden hieronder wel besproken. 3.1.1.3 ArcScene Om in ArcGIS 3D-functionaliteit toe te voegen, werd de ArcGIS 3D Analyst-extensie ontworpen. Deze extensie biedt toegang tot ArcGlobe en ArcScene, die respectievelijk toelaten om 3D-data weer te geven op een virtuele globe of in een 3D planimetrisch zicht (http://resources.arcgis.com/, 12 april 2014). Binnen ArcGlobe en ArcScene is het mogelijk om twee types 3D-data te importeren: features en oppervlakken. Onder features worden 3Dpunten, -lijnen en -polygonen – en dus ook puntenwolken – en multipatch-objecten verstaan. Multipatch-objecten bestaan meestal uit een netwerk van driehoeken en bevatten informatie over de textuur, kleur, transparantie en geometrie van het object. Ze kunnen geïmporteerd worden uit SketchUp, maar ook het Collada-, 3DS- en VRML-formaat worden door multipatch ondersteund. Onder oppervlakken worden rasters, TINs of LAS-datasets (verkregen door middel van laserscanning) verstaan. Door middel van triangulatie of interpolatie kan vanuit deze datasets een oppervlak worden gecreëerd. De mogelijkheden voor 3D-analyse binnen ArcScene zijn echter vooral toegespitst op fysische landschappen. Binnen de archeologie zijn deze dus vooral interessant binnen de landschapsarcheologie of voor prospectiedoeleinden (Boos et al., 2008). De beschikbare tools laten onder andere het creëren van contouren en profielen, het uitvoeren van een 34 zichtbaarheidsanalyse of het aanmaken van een line of sight toe. Daarnaast kan ook geconverteerd worden tussen verschillende bestandsformaten (bv. raster naar TIN) of kunnen vertrekkende vanuit features buffers aangemaakt worden. Door deze beperkte functionaliteit wordt ArcScene dan ook vooral gebruikt voor visualisatie en worden de bevragingsmogelijkheden van een geografisch informatiesysteem niet ten volle benut (Hale & Hepher, 2008; Hendrickx et al., 2011). Rajala (2008) vergelijkt in dit opzicht de visualisatiemogelijkheden van ArcScene en 3DS Max en concludeert dat 3DS Max hiervoor beter geschikt is. Het nadeel van 3DS Max is echter dat het programma moeilijk om kan gaan met de hoge waarden van de UTM-coördinaten van het model, een probleem dat ook bij Blender waar te nemen is. Katsianis et al. (2008) maken van de mogelijkheden van ArcScene gebruik bij de opgraving van de prehistorische site Paliambela Kolindros (Griekenland). Ze verkiezen dit programma omwille van het feit dat het een industriële standaard is, het mogelijk maakt om modellen in 3D te bekijken, het kan aangepast worden, het een object-georiënteerde geo-DBMS heeft en het communicatie met externe programma’s mogelijk maakt. De greppels worden door middel van 3D-lijnen of -polygonen voorgesteld, de vondsten en samples als 3D-punten en de excavation units als multipatch-objecten. Aangezien de standaard functionaliteit van ArcScene niet volstaat, worden ook eigen functies, geprogrammeerd in Visual Basic, Arc Objects en C, toegevoegd die het mogelijk maken om geostatistiek of patroononderzoek uit te voeren. 3.1.1.4 Virtuele globe Virtuele globes – oorspronkelijk een idee van Amerikaanse presidentskandidaat Al Gore – kennen sinds de lancering van Google Earth in 2005 een steeds groeiend aandeel in de presentatie en uitwisseling van geografisch gerelateerde informatie (Riedl, 2007). Ze laten de gebruiker toe om deze informatie voor te stellen zonder distorsie, ze op elke schaal en vanuit elke invalshoek te bekijken en ermee te interageren. Daarnaast laten deze systemen ook toe om satellietbeelden met (variërende) hoge resolutie die de volledige planeet bedekken, te bestuderen. Hun populariteit, beperkte hardwarevereisten en gebruiksgemak kunnen volgens Butler (2006) bovendien een democratisering van GIS tot gevolg hebben. 35 Aurambout et al. (2008) bekijken in dit opzicht de 41 verschillende toenmalig beschikbare systemen en onderscheiden hierbij vijf volwaardige systemen op vlak van hun capaciteiten: Google Earth, NASA World Wind, ArcGIS Explorer, SkylineGlobe en Dapple Earth Explorer. Na een vergelijkende studie lijkt Google Earth het meest geschikte systeem omwille van verschillende redenen: het is beschikbaar op alle platformen (Linux, Macintosh en Windows), biedt de data met de hoogste resolutie aan in minder dichtbevolkte gebieden, heeft de mogelijkheid om een tijdsserie aan te maken en laat toe om grote hoeveelheden data tegelijk weer te geven. Het nadeel aan Google Earth is in dit opzicht de noodzaak van het omzetten van de data naar het KML-formaat en dat de interface in tegenstelling tot NASA World Wind niet eenvoudig aan te passen is. Google Earth laat elke gebruiker met een internetverbinding gratis toe om wereldwijd satellietbeelden te raadplegen, eigen data toe te voegen en te delen met andere gebruikers en natuurlijke en door de mens gecreëerde voorwerpen in drie dimensies op deze virtuele aarde voor te stellen (Yu & Gong, 2012). Naast een gratis versie kent Google Earth ook een betalende versie: Google Earth Pro. Deze versie is vooral voor commercieel gebruik bedoeld en laat de gebruiker onder andere toe om 3D-metingen uit te voeren, viewsheds te berekenen, shapefiles rechtstreeks te importeren en video’s te publiceren (http://www.google.com/, 13 april 2014). Een deel van zijn populariteit heeft Google Earth te danken aan de implementatie van KML (Keyhole Markup Language). KML is een XML-gebaseerde open source taal die werd ontwikkeld door Keyhole Inc en overgenomen is door Google. Sinds 2008 is KML een OGCstandaard (Wilson, 2008). De hiërarchische structuur van de taal wordt gedeeltelijk weergegeven in Figuur 16. KML laat de gebruiker toe om zijn eigen data op de Google Earthglobe voor te stellen. Ook de andere virtuele globes ondersteunen deze taal grotendeels. De mogelijkheid om hierin 3D-modellen in het Collada-formaat op te nemen, maakt het een krachtig instrument om 3D-data mee voor te stellen (De Paor & Whitmeyer, 2011). Bovendien maakt het formaat een gestandaardiseerde uitwisseling van 3D-modellen en hun bijhorende textuur mogelijk. 36 Figuur 16: Hiërarchische structuur KML Bron: https://developers.google.com/, 13/04/2014 Ook in de academische wereld kent Google Earth een groeiende populariteit. Google Earth wordt in dit veld gebruikt voor verschillende toepassingen: visualisatie, data-acquisitie, validatie, data-integratie, communicatie, modellering, dataverkenning en beslissingsondersteuning. De alternatieve systemen zoals NASA World Wind worden hiervoor beduidend minder ingezet. Binnen de archeologische wereld is het ‘Rome Reborn’project een duidelijk voorbeeld van de mogelijkheden van het inzetten van Google Earth (Wells et al., 2010). Door de samenwerking tussen de ingenieurs van Google Earth en de universiteit van Virginia was het mogelijk om een groot aantal 3D-modellen van Romeinse gebouwen in de Google Earth-catalogus beschikbaar te maken. Om de modellen te importeren in Google Earth, werden ze eerst omgezet in het SketchUp-formaat. De informatie voor de gebruiker wordt geleverd door middel van informatieballonnen met tekst, afbeeldingen, video’s en links naar websites. De populariteit, het gebruiksgemak en de beperkte hardwarevereisten maken het gebruik van Google Earth ideaal voor archeologen, aangezien er in tegenstelling tot GIS geen steile leercurve aanwezig is (Myers, 2010). Het laat archeologen toe om fysiek ontoegankelijke 37 gebieden te bestuderen, bestaande sites in een grotere context te plaatsen of veranderingen doorheen de tijd waar te nemen. Er zijn echter ook nadelen aan het systeem verbonden. Er is een internetverbinding nodig om er toegang tot te krijgen, op bepaalde (minder dichtbevolkte) plaatsen is de resolutie van de satellietbeelden vrij laag en archeologen maken zich ook zorgen over het plunderen van archeologische sites. Daarnaast hangt de beschikbaarheid van de dienst ook af van Google, aangezien zij deze eventueel kunnen stopzetten als ze dit nodig achten. Bovendien merkt Patterson (2007) op dat de analytische functies van Google Earth niet kunnen concurreren met die van een volwaardig GIS. 38 4. STUDIEGEBIED Het studiegebied omvat de archeologische site Edzna. Deze situeert zich ten zuidoosten van Campeche op het schiereiland Yucatan (Mexico) (Figuur 17). De stad Edzna werd bewoond van 600 v.C. tot 1450 en telde op zijn hoogtepunt meer dan 25 000 inwoners (Caistor et al., 2007). De site werd in 1906 ontdekt en blootgelegd in de daaropvolgende jaren (Matheny et al., 1980). De betekenis van de naam Edzna staat ter discussie. Deze kan zowel staan voor ‘Huis van de Itza’, een Mayavolk dat ook instond voor de bouw van onder andere Chichen Itza, als ‘Huis van de grimas’ of ‘Huis van de echo’ (Matheny et al., 1980; Caistor et al., 2007). De bouwwerken werden beïnvloed door de Puuc-bouwstijl die ook terug te vinden is in de tempels van Uxmal en Chichen Itza (Caistor et al., 2007). De volledige site beslaat ongeveer 18 km², het centrale gedeelte met onder andere de Five-story building 0,12 km². De site omvat verscheidene structuren en wordt in het noorden begrensd door het Platform of Knives, in het oosten door de Great acropolis, in het zuiden door de Temple of Masks en in het westen door Nohochna (Figuur 18). De belangrijkste structuur is de Five-story building (Edificio de los Cinco Pisos). De bovenste verdieping van dit gebouw bestaat uit een tempel, de vier onderliggende verdiepingen bevatten kamers. Onder dit gebouw werd een piramide in Petén-bouwstijl ontdekt. Naast de Great acropolis is er ook een kleinere acropolis in het zuiden van de site. Zowel in de Five-story building als in de Temple of Masks zijn maskers terug te vinden, waaronder dit van de zonnegod Kin. Daarnaast zijn zowel de treden van de Five-story building als van de Temple of the Stairway of Reliefs (Small acropolis) voorzien van versieringen. 39 Figuur 17: Situering Edzna Figuur 18: Overzicht site 40 5. MATERIAAL Dit hoofdstuk beschrijft het materiaal dat gebruikt werd tijdens het veldwerk in Mexico. Indien in voorafgaande testen gebruik werd gemaakt van ander materiaal, wordt dit bij de bespreking ervan gespecifieerd. 5.1 Topografische opname De topografische metingen werden uitgevoerd met een Trimble M3 totaalstation en een Garmin Etrex handheld GPS. De theoretische nauwkeurigheid van het totaalstation wordt weergeven in Tabel 3, de nauwkeurigheid van de GPS-metingen bedraagt 2-3 m in SBAS (WAAS) modus. Tabel 3: Specificaties Trimble M3 Trimble M3 Afstandsnauwkeurigheid Met prisma ± (2+2 ppm × D) mm Reflectorloos ± (3+2 ppm × D) mm 2” Hoeknauwkeurigheid Bron: http://trl.trimble.com/, 8 november 2013 5.2 Fotografische opname Voor de terrestrische fotografische opname werd gebruik gemaakt van twee types camera: een Sony NEX-5R en een Canon EOS 450D. Zoals uit Tabel 4 kan afgeleid worden, werd de Canon EOS 450D uitgerust met een breedhoeklens. Dit had als doel om een zo groot mogelijk gebied op foto te kunnen vastleggen. De Sony NEX-5R was uitgerust met een standaardlens, maar er werd zo ver mogelijk uitgezoomd om dezelfde reden. Tabel 4: Specificaties camera's Sony Nex-5R Canon EOS 450D Resolutie 4912 x 3264 pixels 4272 x 2848 pixels Lens 16-50 mm 10-22 mm 41 Voor de opnames van de luchtfoto’s werd gebruik gemaakt van twee platformen: enerzijds een systeem met heliumballonnen (Figuur 19), anderzijds een UAV (Figuur 20). In beide gevallen werd gebruik gemaakt van de Sony NEX-5R camera. Figuur 19: Heliumballonnen (Vassivière, 2013) Figuur 20: Droneflyer Hexacopter Het systeem met heliumballonnen werd voornamelijk voorzien voor het geval er iets misliep met de UAV en werd dus slechts sporadisch gebruikt. De camera werd op een aluminium frame onder twee heliumballonnen (doorsnede 120-150 cm) gemonteerd en maakte door middel van de applicatie ‘Timelapse’ foto’s gedurende een bepaalde periode met een bepaald tijdsinterval. Bij deze applicatie werden de instellingen van de eerste foto toegepast op alle volgende, wat als nadeel gaf dat bij een plotse verandering van de weersomstandigheden de foto’s over- of onderbelicht waren. De ballonnen werden door middel van koorden bediend door twee personen om zo de richting van de foto’s zoveel mogelijk te sturen. Het frame kon in alle mogelijke hoeken gericht worden, om zo foto’s te nemen onder de gewenste hoek. In Tabel 5 worden de voor- en nadelen van dit systeem opgesomd. 42 Tabel 5: Voor- en nadelen heliumballon Voordelen Nadelen Autonomie (geen batterijen) Beperkte wendbaarheid/richtbaarheid Weinig tot geen problemen bij invoer Geen mogelijkheid tot live view Prijs (bij eenmalig gebruik) Toegang tot terrein vereist Geen ervaren operator nodig Moeilijkheden bij matige tot sterke wind Beperkingen ‘Timelapse’ applicatie Deze tabel toont aan dat het systeem met de heliumballonnen geschikt is voor eenmalig gebruik bij het modelleren van eenvoudige gebouwen of sites die ook voor de operatoren toegankelijk zijn. Bij dit project was deze methode echter ontoereikend omwille van de uitgestrektheid van de site en de complexiteit van de aanwezige structuren. De UAV was hierdoor het belangrijkste platform voor de opname van luchtfoto’s. Tijdens dit project werd gebruik gemaakt van een Droneflyer Hexacopter, een compact en lichtgewicht model met zes motoren (Tabel 6). Een fixed wing UAV was voor dit project uitgesloten, aangezien niet enkel orthogonale luchtfoto’s vereist waren. De Droneflyer had als specifieke voordelen ten opzichte van grotere varianten dat hij relatief eenvoudig in vervoer was en gemakkelijk te manoeuvreren viel tussen de bomen op de site. Op de UAV werd dezelfde camera gemonteerd. De opname van de foto’s gebeurde op twee manieren: enerzijds door het gebruik van de applicatie ‘Timelapse’ en anderzijds door middel van triggering met de afstandsbediening. Tabel 6: Specificaties UAV Specificaties UAV Diameter Afhankelijk van configuratie, max. 1 m Batterijen Max. 2 x 4500 mah, 12V Gewicht Afhankelijk van configuratie, max. 2,5 kg Payload Max. 500 g Frequentie afstandsbediening 2,4 GHz Frequentie videosignaal 5,8 GHz Range Tot 1000 m De voordelen van dit systeem ten opzichte van de heliumballonnen kunnen uit Tabel 5 afgeleid worden. De voordelen van de heliumballonnen zijn de nadelen van de UAV en vice 43 versa. Een UAV is zeer geschikt voor gelijkaardige projecten: de wendbaarheid zorgt ervoor dat de meest complexe structuren toch in kaart kunnen gebracht worden en mits een ervaren operator kan ook tussen bomen of andere obstakels gevlogen worden. Bij matige tot sterke wind ondervindt een UAV echter problemen. 44 6. METHODEN 6.1 3D-acquisitie 6.1.1 Voorafgaande testen Begin 2013 werden verscheidene testen uitgevoerd om vertrouwd te raken met de workflow van Agisoft PhotoScan en om mogelijke problemen die zich op het terrein zouden kunnen voordoen te simuleren. Daarnaast werden in juli en oktober 2013 proefvluchten gemaakt met zowel de heliumballonnen als de UAV om beide technieken onder de knie te krijgen. 6.1.1.1 Simulatie mogelijke problemen In Mexico werden hoofdzakelijk volgende problemen verwacht: - combineren van opnames van verschillende dagen; - storende invloed van de zon; - aanwezigheid van begroeiing op structuur en in omgeving; - modelleren van trapstructuur. Elk van deze problemen werd bestudeerd aan de hand van gelijkaardige situaties in België. Om het eerste probleem, het combineren van opnames van verschillende dagen, te illustreren, worden opnames van eenzelfde muur genomen op twee verschillende dagen met verschillende weersomstandigheden (Tabel 7). Tabel 7: Omstandigheden opnames (1) Combineren van opnames Datum 1 mei 2013 2 mei 2013 Locatie Tuin Sint-Pietersabdij, Gent Weersomstandigheden Zonnig Camera Nikon D5000 Resolutie 12,3 megapixel Focuslengte 18 mm Aantal foto’s 14 Regenachtig 45 Aangezien de opnames uitgevoerd worden in Mexico, zou ook de zon een storende rol kunnen spelen bij de acquisitie en verwerking van de data. Dit probleem wordt uitgewerkt door het nemen van foto’s in zonnige omstandigheden (Tabel 8 & Tabel 9). Tabel 8: Omstandigheden opnames (2) Storende invloed zon Datum 1 mei 2013 Locatie Tuin Sint-Pietersabdij, Gent Weersomstandigheden Zonnig Camera Nikon D5000 Resolutie 12,3 megapixel Focuslengte 18 mm Aantal foto’s 18 Tabel 9: Omstandigheden opnames (3) Storende invloed zon (2) Datum 18 februari 2013 Locatie Campus Sterre, Gent Weersomstandigheden Zonnig Camera Canon EOS 450D Resolutie 12,2 megapixel Focuslengte 10 mm Aantal foto’s 47 Op en rond de structuur die gemodelleerd wordt, kan vegetatie aanwezig zijn. Aangezien deze vegetatie een ingewikkelde structuur heeft, is het voor de software moeilijk om hiermee om te gaan bij het bouwen van een 3D-model (Tabel 10). 46 Tabel 10: Omstandigheden opnames (4) Aanwezigheid vegetatie Datum 1 mei 2013 Locatie Tuin Sint-Pietersabdij, Gent Weersomstandigheden Zonnig Camera Nikon D5000 Resolutie 12,3 megapixel Focuslengte 18 mm Aantal foto’s 31 Maya-tempels worden gekenmerkt door hun trapvormige opbouw. Dit levert echter problemen op voor de verwerking tot een 3D-model, aangezien het nemen van foto’s hierdoor bemoeilijkt wordt. Ter illustratie werd een trap in 3D gereconstrueerd (Tabel 11). Tabel 11: Omstandigheden opnames (5) Trapstructuur Datum 1 mei 2013 Locatie Sint-Pietersplein, Gent Weersomstandigheden Zonnig Camera Nikon D5000 Resolutie 12,3 megapixel Focuslengte 18 mm Aantal foto’s 24 6.1.1.2 Testvluchten ballons en UAV Om verscheidene van deze problemen op te lossen en om een antwoord te bieden op de omvang van de te modelleren tempel werd besloten om gebruik te maken van twee systemen die toelaten om luchtfoto’s te nemen. Enerzijds werd gekozen voor een UAV, anderzijds werd ook een systeem met heliumballonnen uitgedacht. Het systeem met de heliumballonnen werd in juli 2013 uitgetest op de campus Sterre (Universiteit Gent). De UAV werd getest tijdens het Erasmus Intensive Programme in Vassivière (Frankrijk) in oktober 2013. Oorspronkelijk werd voor het systeem met de heliumballonnen gebruik gemaakt van twee ballonnen waaronder met behulp van touw een houten frame gemonteerd was (Figuur 21). 47 Aan dit frame werd de Canon EOS 450D camera bevestigd. De camera was uitgerust met een systeem dat toeliet om hem vanop de grond te bedienen. De test van dit systeem, die plaatsvond op 12 juli 2013, omvatte de registratie van een picknicktafel op de campus Sterre door middel van luchtfoto’s met de heliumballonnen, laserscanning (Leica HDS6100) en totaalstation (Pentax R-325(N)). De tafel werd gekarakteriseerd door middel van twaalf punten die aan de hand van een totaalstation werden ingemeten. Naast de twaalf karakteristieke punten werden ook vier grondcontrolepunten en acht laserscantargets ingemeten om de modellen in een lokaal stelsel te refereren. De modellen werden verwerkt in respectievelijk Agisoft PhotoScan, Cyclone en Octopus. Later werd het houten frame vervangen door een aluminium frame dat toelaat om de camera onder een bepaalde hoek te richten ten opzichte van het bestudeerde object. Figuur 21: Houten frame en opstelling Tijdens het Erasmus Intensive Programme werden zowel binnen als buiten objecten gemodelleerd, waaronder drie structuren op het Île de Vassivière: een kalktekening op de grond, een museum en een vuurtoren. Bij elk van deze voorwerpen was de inzet van een UAV noodzakelijk vanwege hun omvang. De foto’s werden genomen met een Sony NEX-5R, wat ook de mogelijkheid bood om de verscheidene instellingen van dit toestel en de ‘Timelapse’applicatie uit te testen. Daarnaast werd ook de efficiëntie van de door Agisoft PhotoScan voorziene targets en het koppelen van terrestrische en luchtfoto’s uitgetest. Het materiaal van de gebouwen (glas, …) bemoeilijkte echter vaak de reconstructie. 48 6.1.2 Dataverwerving 6.1.2.1 Topografische opname De topografische metingen dienden tot referentie van de gegenereerde 3D-modellen. Er werd op de site een net van eerste en tweede orde uitgezet van waaruit de hoek- en detailpunten van de gebouwen werden opgemeten (Figuur 22). Het net van eerste orde bestond uit een polylijn met negen hoofdpunten. Om de site niet te beschadigen, werden hiervoor meestal karakteristieke grondpunten gekozen (i.e. makkelijk te herkennen punten op gebouwen of in het maaiveld, bv. Figuur 23). Indien dit niet mogelijk was, werden de punten gematerialiseerd door haringen waarop uit veiligheidsoverwegingen een tennisbal werd geplaatst. Het net van tweede orde was een vertakking van het eerste net en maakte metingen in moeilijk zichtbare gebieden mogelijk. Dit net bestond volledig uit karakteristieke punten. Figuur 22: Netwerk van eerste en tweede orde 49 Figuur 23: Voorbeeld karakteristiek punt (6000) Aangezien de focus van het project op de visualisatie van de Great acropolis en meer bepaald de Five-story building lag (Figuur 18), werden deze zeer uitvoerig gedocumenteerd aan de hand van karakteristieke punten (25-90 punten per gebouw). Bij de andere gebouwen werden alle karakteristieke hoekpunten in het maaiveld opgemeten, alsook enkele karakteristieke punten op het gebouw zelf, om de referentie in verticale richting mogelijk te maken. De gemeten punten dienden niet enkel tot de referentie van de 3D-modellen, maar ook voor de kwaliteitscontrole. Hiervoor werden supplementaire punten opgemeten of werden bepaalde punten opgemeten vanop verschillende opstelpunten. Voor de absolute referentie werden de punten van het topografisch basisnet aan de hand van een GPS opgemeten. Aangezien dit toestel slechts een beperkte nauwkeurigheid heeft in vergelijking met het totaalstation wordt de verwerking voornamelijk op basis van een lokaal stelsel uitgevoerd en pas later omgevormd naar wereldcoördinaten. 6.1.2.2 Fotografische opname De fotografische opname gebeurde zowel terrestrisch als vanuit de lucht (Figuur 24). Op deze manier kon een optimale bedekking van de te documenteren gebouwen gegarandeerd worden. Dit werd tijdens de verwerking ook bevestigd door de geëxporteerde rapporten. 50 Figuur 24: Combinatie terrestrische en luchtfoto’s De terrestrische opnames gebeurden door middel van twee camera’s. Met beide camera’s werden systematische opnames van de gebouwen gemaakt, waarbij rekening werd gehouden met het voorzien van voldoende overlap, het afschermen tegen de zon en het uitgebreid documenteren van hoeken en moeilijk bereikbare plaatsen. Elk gebouw werd terrestrisch opgenomen met uitzondering van de South temple (zie Figuur 18). Door het grote aantal luchtfoto’s werden bij dit gebouw echter geen problemen ondervonden bij de verwerking. Voor de opnames van de luchtfoto’s werd gebruik gemaakt van de twee platformen die in Paragraaf 5.2 beschreven werden: enerzijds een systeem met heliumballonnen, anderzijds een UAV. De heliumballonnen werden door twee operatoren bestuurd en het nemen van de foto’s gebeurde door het gebruik van de applicatie ‘Timelapse’. Op proefondervindelijke manier werd hierbij een ideale vlieghoogte en frame-oriëntatie bepaald. De opname van de foto’s met de UAV gebeurde op twee manieren: enerzijds door het gebruik van de applicatie ‘Timelapse’ en anderzijds door middel van triggering met de afstandsbediening. Idealiter werd de UAV bemand door twee operatoren: een operator die de UAV bestuurde en een operator die aan de hand van de live view instructies gaf. Door de hoge opnamefrequentie van het nemen van foto’s was de overlap in de meeste gevallen gegarandeerd, waardoor de besturing door één operator kon worden uitgevoerd. De camera werd initieel gemonteerd op 45° en 90°, later werd overgegaan op 30°-60°-90° (Figuur 25). De hoek van opname hing in grote mate ook af van de op te nemen structuur. 51 Figuur 25: Opnamestandpunt 45°-90° en 30°-60°-90° 6.1.3 Dataverwerking 6.1.3.1 Octopus Edzna ligt in UTM-zone 15N. Hierdoor moeten de WGS84-coördinaten die met GPS bekomen worden omgezet worden naar coördinaten in het UTM-stelsel. Deze omzetting gebeurt via verwerking met ArcGIS of QuantumGIS. Aangezien de GPS slechts een beperkte nauwkeurigheid heeft, wordt geopteerd om de hoogtewaarden uit het lokale stelsel – gemeten met totaalstation – te behouden. De opmetingen met totaalstation en GPS worden vervolgens verwerkt in het topografische pakket Octopus. Dit gebeurt in twee fasen: enerzijds is er de lokale verwerking, anderzijds de absolute verwerking. Bij de lokale verwerking wordt uitgegaan van een lokaal coördinatenstelsel en een arbitrair nulpunt en -richting. Dit stelsel is het nauwkeurigst, aangezien de coördinaten hiervan met totaalstation opgemeten werden. Bij de absolute verwerking worden de planaire UTM-coördinaten ingegeven en de hoogtewaarden uit het lokaal stelsel. Het softwarepakket herberekent op deze manier alle coördinaten in dit absolute stelsel. Door het gebruik van de GPS-coördinaten verlaagt de planimetrische nauwkeurigheid echter. 6.1.3.2 Agisoft PhotoScan De foto’s worden verwerkt in Agisoft PhotoScan. Dit is een commercieel fotomodelleringspakket dat vier stappen in zijn proces incorporeert (zie Figuur 26). Het aligneren van de foto’s staat gelijk aan het proces van Structure from Motion zoals eerder uitgewerkt in Paragraaf 2.3 en weergegeven in Figuur 5. 52 Aligneren van de foto's Bouwen van een dichte puntenwolk Bouwen van een mesh Toevoegen textuur Figuur 26: Fotomodelleringsproces Agisoft PhotoScan In elk van deze stappen bestaat in het programma de mogelijkheid om bepaalde instellingen te kiezen. Deze instellingen hebben onder andere een invloed op de uiteindelijke nauwkeurigheid en de verwerkingstijd. In Tabel 12 wordt een overzicht gegeven van de keuzes die hierbij overwegend gemaakt worden, afhankelijk van het model kan dit echter wel licht afwijken. 53 Tabel 12: Instellingen Agisoft PhotoScan Instellingen Agisoft PhotoScan Aligneren van de foto’s Accuracy Medium Pair preselection Generic Bouwen van een dichte puntenwolk Quality Medium Depth filtering Mild (om de trapstructuren optimaal weer te geven) Bouwen van een mesh Surface type Arbitrary Source data Dense cloud Polygon count Medium Interpolation Enabled Toevoegen textuur Mapping mode Generic Blending mode Mosaic Texture size/count 4096 x 4 Enable color correction No Door het grote volume aan foto’s en hun verschillende afkomst (terrestrisch of vanuit de lucht) wordt geopteerd om te werken met opdelingen (chunks). Het oostelijke gebouw van de Small acropolis wordt bv. verwerkt in drie delen: enerzijds een deel waarbij de luchtfoto’s gealigneerd worden, anderzijds twee delen waarbij dit gebeurt voor de terrestrische foto’s (Figuur 27). Het samenvoegen van de twee terrestrische delen gebeurt op basis van de overlap die aanwezig is tussen beide delen. Verscheidene foto’s behoren tot het voorste en het achterste deel. Zowel op het samengevoegde deel als op het deel van de luchtfoto’s worden vervolgens de punten opgemeten met totaalstation aangeduid. Om tot het uiteindelijke 3Dmodel te komen worden de delen samengevoegd op basis van deze punten. 54 Figuur 27: Deel terrestrisch voorkant, terrestrisch achterkant en lucht Vervolgens wordt dit finale model op basis van de opgemeten punten geoptimaliseerd. Indien bepaalde punten een te hoge fout met zich meebrengen, worden ze uitgesloten. Er wordt getracht een zo nauwkeurig mogelijk model te creëren met een zo hoog mogelijk aantal punten. Dit model kan naargelang de toepassing in verschillende vormen en formaten geëxporteerd worden, bv. als model, puntenwolk, orthofoto, DEM of KMZ-bestand. Ook hierbij zijn weer verschillende instellingen mogelijk die onder andere de resolutie van het geëxporteerde model bepalen. 6.1.4 Nauwkeurigheidsanalyse Van de drie grootste gebouwen in de Great acropolis (Five-story building, North temple en Moon temple) werden op het terrein een voldoende aantal punten opgemeten om achteraf een nauwkeurigheidsanalyse mogelijk te maken. Deze analyse verloopt in elk van deze drie gevallen gelijkaardig. Een aantal punten – zo gelijk mogelijk verspreid over het gebouw – worden aangeduid als basispunten voor de referentie in het lokale coördinatenstelsel. Vervolgens worden op basis van deze referentie de X-, Y- en Z-coördinaten van de overige opgemeten punten door Agisoft PhotoScan geschat. Deze geschatte waarden worden vergeleken met de gemeten waarden (∆X, ∆Y en ∆Z) en op basis hiervan kunnen verschillende statistieken en grafieken afgeleid worden. Van deze modellen wordt ook een rapport uit Agisoft PhotoScan geëxporteerd. Dit rapport geeft onder andere informatie over de dekking van het model, de resolutie en de vlieghoogte. Van de andere modellen kan aangenomen worden dat deze een gelijkaardige nauwkeurigheid hebben. 55 Muls en De Wulf (2008) onderscheiden vier mogelijke soorten fouten: de grove, constante, systematische en toevallige fouten. Grove fouten bestaan uit blunders, die door herhaaldelijke meting gemakkelijk opgespoord kunnen worden. Constante fouten hebben steeds dezelfde zin en grootte en ontstaan door gebreken in de instrumenten. Ze worden verwijderd door een goede ijking van het instrument. Daarnaast zijn er ook systematische fouten, met een systematische oorzaak en mogelijkheid tot correctie, en toevallige fouten, met een toevallige oorzaak en zonder mogelijkheid tot correctie. Bij systematische fouten wijkt het gemiddelde van de fouten af van nul. Bij toevallige fouten is het gemiddelde van de fouten nul en zijn de fouten normaal verdeeld rond dit nulpunt. Belangrijke foutbronnen die in acht moeten genomen worden bij de evaluatie van deze resultaten zijn: (i) operatorafhankelijke fouten; (ii) instrumentafhankelijke fouten; (iii) atmosfeerafhankelijke fouten. Onder operatorafhankelijke fouten vallen onder andere de aanduiding van de punten op het gebouw tijdens de reflectorloze meting. Ook de aanduiding van de gemeten punten op het model kan een operatorafhankelijke foutbron zijn. De resolutie van de foto’s is echter hoog, wat deze foutenbron tot een minimum beperkt. Voor de instrumentafhankelijke fouten dient rekening gehouden te worden met de nauwkeurigheid van de toestellen. De metingen werden zowel reflectorloos als met prisma uitgevoerd met een Trimble M3 totaalstation. De nauwkeurigheid van dit toestel wordt weergegeven in Tabel 3. De afstanden waarover gemeten werd waren echter verwaarloosbaar, waardoor vooral de eerste factor van belang is. Bij de atmosfeerafhankelijke fouten kunnen de weersomstandigheden (temperatuur en druk) gerekend worden, aangezien deze een invloed hebben op de brekingsindex van de atmosfeer (gemiddelde temperatuur in Edzna: 30°C). De afstanden waarover gemeten werd bedroegen echter meestal minder dan 100 m, waardoor deze foutenbron grotendeels verwaarloosbaar is. De zon kan hierbij ook in rekening gebracht worden, aangezien deze het zicht bemoeilijkte en lichte trillingen in de lucht veroorzaakte. Verschillende statistische maten worden berekend om de nauwkeurigheid van de gegevens na te gaan. 56 Als maten voor de centrale ligging worden zowel het gemiddelde van de gewone als van de absolute afwijkingen berekend, aangezien het gemiddelde van de afwijkingen bij een normale verdeling dicht bij het nulpunt ligt en geen indruk geeft van de gemiddelde absolute grootte van de fout. Daarnaast wordt ook de mediaan berekend, aangezien deze reeds een indicatie geeft van de normale verdeling. Bij een normale verdeling ligt de mediaan namelijk dicht bij het gemiddelde. De standaardafwijking is een maat voor de spreiding rond het gemiddelde. Zoals in Figuur 28 wordt weergegeven, ligt bij een normale verdeling 68,3% van de fouten op slechts één standaardafwijking van het gemiddelde (hierbij idealiter nul). Bij de Root Mean Square Error (RMSE) wordt niet gekeken naar de afwijking van een waarde ten opzichte van zijn gemiddelde, maar naar de afwijking van de gemeten waarden ten opzichte van de geschatte waarden, wat een goede indicatie geeft van de grootteorde van de fouten. Figuur 28: Verdeling van toevallige fouten Bron: Hedberg (2012) Om na te gaan of de fouten systematisch of toevallig verdeeld zijn, worden een boxplot, een histogram en een normaliteitsplot opgesteld door middel van het statistische pakket R. De boxplot laat toe om uitschieters te onderscheiden, waarmee rekening kan gehouden worden bij de verdere analyse. Het histogram geeft een visuele voorstelling van de verdeling en geeft ook de uitschieters aan. De normaliteitsplot dient hierbij ter controle. Indien de gegevens normaal verdeeld zijn, zouden deze zich moeten uitstrekken volgens een rechte lijn. Hierbij dient wel rekening gehouden te worden met eventueel aanwezige uitschieters. 57 6.2 3D-GIS 6.2.1 Website ‘Edzna 3D’ Om de modellen te communiceren naar een breder publiek wordt een website – ‘Edzna 3D’ – aangemaakt. Voor de lay-out van de website wordt gebruik gemaakt van een CSS-sjabloon (http://www.free-css.com/, 13 mei 2014). De website geeft alle modellen weer door middel van een 3D-viewer. De viewer wordt aangeboden door Sketchfab (https://sketchfab.com/, 16 april 2014), die de gebruiker toelaat om onder andere Collada-modellen naar het web te uploaden. 6.2.2 Blender De aanmaak van een fly through video gebeurt door middel van Blender. De modellen worden hiervoor uit Agisoft PhotoScan geëxporteerd in het Collada-formaat (.dae) en vervolgens in Blender geïmporteerd. Aangezien de modellen echter gerefereerd werden in een lokaal stelsel en Blender hier moeilijk mee kan omgaan, worden ze teruggebracht naar de oorsprong (‘Geometry to origin’) en herschaald. In bepaalde gevallen wordt ook het 3D-model dat gecreëerd is aan de hand van de hoge luchtfoto’s geïmporteerd als een realistische achtergrond voor de andere modellen. Blender biedt hiervoor ook de mogelijkheid om een achtergrondkleur of –afbeelding in te stellen. Om een fly through video te maken, wordt een camera aan de scene toegevoegd en wordt hiervoor aan de hand van keyframes een pad uitgetekend. Tenslotte worden de instellingen voor de video vastgelegd: de anti-aliasing waarde wordt zo hoog mogelijk gekozen om schokkerigheid tegen te gaan en de video wordt in AVI JPEG-formaat geëxporteerd met een frame rate van 24 fps. De video van het Platform of Knives en het masker uit de Temple of Masks wordt ook in wireframe-weergave opgenomen om de onderliggende triangulaire structuur weer te geven. 6.2.3 Google Earth en KML De definitie van het begrip archeologie gegeven door Arroyo-Bishop en Zarzosa (1995) stelt dat archeologie een “object-ruimte-tijd relatie” is en dat elk van deze factoren cruciaal zijn om conclusies te kunnen trekken uit de gepresenteerde gegevens (zie Hoofdstuk 3). De voorgestelde oplossing op basis van KML voldoet aan deze definitie. De 3D-modellen 58 (object) worden op een virtuele aarde (ruimte) voorgesteld en door het gebruik van een tijdsbalk (tijd) kan de vierde dimensie worden toegevoegd. Google Earth laat de gebruiker toe om door middel van het implementeren van een Colladamodel in de KML-code de 3D-modellen voor te stellen zonder hiervoor te moeten overgaan op een gesimplificeerde versie ervan. Google Earth ondersteunt echter enkel modellen met minder dan 21.845 faces. De toepassing van deze beperking op de bestudeerde 3D-modellen levert geen problematische vermindering van de kwaliteit van de visualisatie op. Het Collada-model maakt deel uit van een placemark, te vergelijken met een puntattribuut in een traditioneel GIS, en wordt door middel van een link naar deze placemark gekoppeld (Figuur 29). Deze placemark kan verschillende eigenschappen hebben, waaronder attribuutdata en een <LatLonAltBox>. Daarnaast heeft deze steeds een <altitudeMode> die bepaalt waar deze placemark en dus ook het bijhorende model zich bevinden ten opzichte van de grond: vast aan de grond (clampToGround), relatieve hoogte ten opzichte van de grond (relativeToGround) of absolute hoogte ten opzichte van de grond (absolute). De tag <Location> bepaalt de positie van de placemark, <Orientation> bepaalt hoe deze georiënteerd wordt en <Scale> bepaalt de schaal. Uiteindelijk vormt de tag <Link> de koppeling met het Collada-model (.dae-bestand). Voor de <altitudeMode> werd oorspronkelijk geopteerd om de clampToGround-optie te kiezen. Voor modellen waarvan bepaalde delen echter dieper lagen dan andere (Five-story building, trappenconstructie naar Great acropolis) bleek dit problemen te geven (Figuur 30). In deze gevallen werd geprobeerd een zo optimaal mogelijke absolute positionering te bekomen. Daarnaast bleek het ook noodzakelijk om van de lokaal bepaalde z-coördinaten een constante waarde af te trekken om de clampToGround-optie mogelijk te maken. 59 <Placemark> <name>Naam van de placemark</name> <MultiGeometry> <Model id="modelX"> <altitudeMode>clampToGround</altitudeMode> <Location> <longitude>-90.2298294164</longitude> <latitude>19.5957767439</latitude> <altitude>10.1654972846</altitude> </Location> <Orientation> <heading>0.0000000000</heading> <tilt>0.0000000000</tilt> <roll>0.0000000000</roll> </Orientation> <Scale> <x>1.0000000000</x> <y>1.0000000000</y> <z>1.0000000000</z> </Scale> <Link> <href>mod\mod.dae</href> </Link> </Model> </MultiGeometry> </Placemark> Figuur 29: Gebruik van <Placemark> in KML Figuur 30: Trapstructuur ‘verdwijnt’ in de grond door niveauverschil 60 Daarnaast laat Google Earth ook toe om gegeorefereerde objecten voor te stellen op een virtuele aarde. De objecten dienen hiervoor omgezet te worden in WGS84-coördinaten, die op de site werden opgenomen door middel van GPS. Deze gegeorefereerde objecten kunnen tenslotte door middel van de TimeStamp- of TimeSpan-optie in hun juiste temporele context geplaatst worden (Figuur 31). Door deze twee tags wordt ofwel een moment ofwel een periode aangeduid waarop de modellen zichtbaar zijn. Wanneer voor een object een TimeStamp of TimeSpan is gedefinieerd, verschijnt bij het laden van het model een tijdsbalk in Google Earth (Figuur 32). Door middel van deze tijdsbalk kunnen dus de opeenvolgende modellen in de tijd geladen worden. <NetworkLink> <name>Cinco pisos</name> <TimeSpan> <begin>2014-01</begin> <end>2014-04</end> </TimeSpan> <Link> <href>Cincopisos\cp.kml</href> </Link> </NetworkLink> Figuur 31: Gebruik van <TimeSpan> in KML Figuur 32: Tijdsbalk Five-story building 61 De voorgestelde methode biedt ook een oplossing voor de door Stoter en Zlatanova (2003) bepaalde knelpunten: het kiezen van een methode voor geometrische modellering, het implementeren van attributen in een geo-DBMS, het voorstellen van verschillende levels of detail en het visualiseren van de modellen (zie Paragraaf 3.1). De methode voor geometrische modellering is bepaald door het gebruik van Agisoft PhotoScan. Hierbij wordt door middel van triangulatie een TIN vanuit een dichte puntenwolk opgebouwd. Op deze TIN wordt vervolgens een textuur gedrapeerd. Deze TIN en de bijhorende textuur worden vervolgens in het Collada-formaat geëxporteerd uit de software. De tags <library_images> en <library_geometries> in het Collada-bestand bepalen respectievelijk de te draperen textuur en de geometrische modelleringstechniek (Figuur 33). Daarnaast worden in het Collada-bestand onder andere ook alle camera’s en hun positie en alle foto’s die deel uitmaken van het model en hun positie ten opzichte van de bijhorende camera als nodes opgeslaan. Het voordeel van deze geometrische modelleringstechniek is – zoals gespecifieerd in Tabel 2 – dat deze door veel software (bv. Blender, AutoCAD) ondersteund wordt, dat het de oorspronkelijke meetdata bewaart en een ideale techniek is voor het voorstellen van bestaande objecten. Anderzijds vormt de koppeling van attributen bij deze techniek een nadeel. <library_images> <image id="atlas-image-0" name="atlas-image-0"> <init_from>mod.jpg</init_from> </image> </library_images> … <library_geometries> <geometry id="mesh1-geometry" name="mesh1-geometry"> <mesh> <source id="mesh1-geometry-position">…</source> <source id="mesh1-geometry-color">…</source> <source id="mesh1-geometry-uv">…</source> <vertices id="mesh1-geometry-vertex">…</vertices> <triangles material="mat-0" count="74">…</triangles> </mesh> </geometry> </library_geometries> Figuur 33: Geometrisch model en textuur in Collada 62 Het voorstellen van de attributen in Google Earth wordt gedaan door middel van een informatieballon. Deze ballon kan verscheidene soorten data bevatten (Wells et al., 2010) en een bepaalde stijl krijgen met behulp van een bijhorend CSS-bestand. Een koppeling met een externe databron is standaard echter niet mogelijk, waardoor dit systeem verschilt van een traditioneel GIS waarbij dit wel het geval is. De attribuutdata wordt in het KML-bestand gestructureerd door middel van <Schema> tags, zoals ook het geval is bij de naar KML geëxporteerde shapefiles uit QuantumGIS (Figuur 34). Bovenaan het document worden de verschillende velden en hun datatype gedefinieerd. Bij elke placemark wordt vervolgens de corresponderende attribuutwaarde opgegeven. Zodoende kan de gebruiker bij het aanklikken van het model zijn attribuutgegevens opvragen (Figuur 35). <Document> <Schema name="Edzna" id="01"> <SimpleField name="Naam" type="string"></SimpleField> <SimpleField name="X" type="double"></SimpleField> <SimpleField name="Y" type="double"></SimpleField> <SimpleField name="Z" type="double"></SimpleField> </Schema> <Placemark> <ExtendedData><SchemaData schemaUrl="#01"> <SimpleData name="Naam">Naam van het gebouw</SimpleData> <SimpleData name="X">10</SimpleData> <SimpleData name="Y">20</SimpleData> <SimpleData name="Z">30</SimpleData> </SchemaData></ExtendedData> </Placemark> </Document> Figuur 34: Gebruik van <Schema> in KML 63 Figuur 35: Informatieballon Moon temple KML laat de gebruiker – zoals reeds eerder vermeld – ook toe om verschillende levels of detail te definiëren door middel van de tags <LatLonAltBox>, <minLodPixels> en <maxLodPixels> (Figuur 36). Door deze (statische) methode wordt de link gelegd naar modellen met verschillende detailleringsgraad die uit Agisoft PhotoScan geëxporteerd werden en die naargelang het zoomniveau worden ingeladen (Figuur 37). <Placemark> <Region> <Lod> <minLodPixels>128</minLodPixels> <maxLodPixels>512</maxLodPixels> </Lod> <LatLonAltBox> <north>19.595651</north> <south>19.595367</south> <east>-90.229556</east> <west>-90.229793</west> <minAltitude>0</minAltitude> <maxAltitude>300</maxAltitude> </LatLonAltBox> </Region> </Placemark> Figuur 36: Gebruik van LOD in KML 64 Figuur 37: LOD 1, 2 en 3 van oostelijk gebouw Small acropolis De archeologische site van Edzna wordt volledig voorgesteld in Google Earth, rekening houdend met de hierboven opgesomde elementen. Alle gebouwen worden hierin opgenomen met uitzondering van de trapstructuur die de Great acropolis scheidt van de rest van de site, aangezien deze door het niveauverschil niet weergegeven kan worden. Voor de definitie van de attributentabel wordt niet langer geopteerd voor de <Schema>structuur. De reden hiervoor is dat deze attributen sowieso niet kunnen bevraagd worden door Google Earth en dat er dus ruimte is voor het toekennen van een bepaalde opmaak aan de ballonnen die de informatie verstrekken. Voor deze ballonnen wordt vertrokken van een sjabloon dat door Google Earth ter beschikking wordt gesteld. Aangezien er geen specifieke historische data voor de verschillende gebouwen voorhanden is, wordt de <TimeSpan> gedefinieerd op basis van de meetcampagne (31 oktober 2013 – 9 november 2013). Een gebouw verschijnt op de dag dat er voor het eerst foto’s van genomen werden met de UAV. Zodoende kan de gebruiker de evolutie van de werkzaamheden volgen en zijn alle modellen zichtbaar op 9 november 2013. Er worden drie levels of detail voor elk gebouw gegenereerd: LOD1 telt 1 000 faces, LOD2 telt 5 000 faces en LOD3 telt 13 000 faces. Om de overgang tussen deze niveaus mogelijk te maken, wordt per gebouw ook een <LatLonAltBox> gedefinieerd. Wanneer deze tussen 32 en 256 pixels van het scherm inneemt, verschijnt LOD1, wanneer deze tussen 256 en 1024 pixels inneemt, verschijnt LOD2 en vanaf 1024 pixels verschijnt LOD3. Op deze manier wordt rekentijd gespaard en kan er vlotter ingezoomd worden op het volledige model. 65 6.2.4 ESRI’s ArcScene In ArcScene kunnen 3D-modellen op drie onderscheiden manieren ingeladen worden: zowel als rasterbestand (orthofoto), als puntenwolk of als multipatch. Elk van deze drie manieren laat verschillende analyses toe, maar rekening houdend met de definitie van Arroyo-Bishop en Zarzosa (1995) en de reeds gedefinieerde bottlenecks lijkt het gebruik van multipatch het meest aangeraden. De twee andere methoden worden hieronder kort uiteengezet, nadien wordt meer toegespitst op het gebruik en de voordelen van multipatch en wordt deze methode vergeleken met het importeren van de modellen in Google Earth. Om een 3D-model op basis van een orthofoto weer te geven in ArcScene, worden zowel de orthofoto als het DEM geëxporteerd vanuit Agisoft PhotoScan en ingeladen in ArcScene. Door de orthofoto te draperen over het DEM ontstaat zo een 2,5D-weergave van dit model. Het eindresultaat is echter visueel onaantrekkelijk (Figuur 38). Er kunnen wel enkele, mogelijk nuttige analyses op een dergelijk model uitgevoerd worden. Zo kan het berekenen van contourlijnen op maskers of soortgelijke structuren, de hierop aangebrachte tekeningen aan het licht brengen. Figuur 38: 2,5D-weergave en contourlijnen Nohochna Een tweede manier om de 3D-modellen in ArcScene te laden is door het gebruik van een puntenwolk (Figuur 39). Deze puntenwolk wordt het best als .las-bestand (vooral gebruikt bij 66 laserscanning) uit Agisoft PhotoScan geëxporteerd. Daarna wordt deze toegevoegd aan een bestaande LAS-dataset (.lasd) in ArcScene. Om de puntenwolk te analyseren kan gebruik gemaakt worden van de tools die standaard in ArcScene aanwezig zijn, maar kan bv. ook de toolbox Lastools (http://www.cs.unc.edu/, 2 mei 2014) toegevoegd worden. De puntenwolk kan ook omgezet worden naar een TIN. Figuur 39: Puntenwolk Ball court De 3D-modellen kunnen echter ook in de software geladen worden als multipatch objecten. In dit geval wordt gewerkt met de Collada-bestanden waarnaar in Google Earth ook de link werd gelegd. Om de objecten in ArcScene te laden wordt eerst een shapefile in ArcCatalog aangemaakt en worden de verschillende modellen ingeladen door het editeren van de laag. Het nagaan van de haalbaarheid van de integratie van de modellen in ArcScene berust op dezelfde criteria als bij Google Earth: de overeenstemming met de definitie van ArroyoBishop en Zarzosa (1995), de knelpunten van Stoter en Zlatanova (2003) en de gebruiksvriendelijkheid en mogelijkheden voor archeologen. Net als Google Earth voldoet ArcScene ook aan de definitie die stelt dat archeologie een “object-ruimte-tijd” relatie is. De objecten zijn in dit geval de Collada-modellen die als multipatch in de software werden geïmporteerd. Aan het ruimte-criterium wordt voldaan door 67 het koppelen van deze modellen aan de uit Agisoft PhotoScan geëxporteerde orthofoto. Dit gebeurt echter volledig manueel, aangezien de modellen bij het inladen in ArcScene hun locatie verliezen. Dit zorgt er dan ook voor dat de ruimtelijke component van Google Earth sterker is dan die van ArcScene. Door middel van de Time Slider wordt tenslotte de temporele component gedefinieerd (Figuur 40). Hiervoor wordt in de attributentabel van elk object een begin- en einddatum ingegeven. De Time Slider laat vervolgens toe om in de tijd door de modellen te navigeren, zoals dit ook het geval is bij Google Earth. Hierbij wordt evenzeer gebruik gemaakt van de datum waarop de modellen voor het eerst met de UAV ingemeten werden. Figuur 40: Time Slider 6.2.5 Vergelijking Google Earth – ArcScene Op basis van de resultaten van de implementatie in Google Earth en ArcScene wordt een vergelijking gemaakt tussen beide systemen. Hiervoor worden drie criteria gehanteerd: (i) de mate waarin het systeem voldoet aan de definitie van Arroyo-Bishop en Zarzosa (1995), (ii) de mate waarin het systeem een oplossing biedt voor de knelpunten bepaald door Stoter en Zlatanova (2003) en (iii) de mogelijke analyses en gebruiksvriendelijkheid van het systeem. Deze criteria worden in een tabel samengevat, waardoor naargelang de vereisten van het onderzoek een ideaal systeem kan gekozen worden. 68 7. RESULTATEN 7.1 3D-acquisitie 7.1.1 Voorafgaande testen 7.1.1.1 Simulatie mogelijke problemen Voor het combineren van opnames werden negen foto’s genomen op 1 mei 2013 aangesloten op vijf foto’s genomen op 2 mei 2013. Bij het aligneren van de foto’s en het opbouwen van de dichte puntenwolk en geometrie leverde dit geen problemen op. Na het toevoegen van textuur is echter wel een licht verschil merkbaar tussen de twee helften van de muur (Figuur 41). Indien opnames van verschillende dagen met elkaar gecombineerd worden, dient hier dus rekening mee gehouden te worden. Figuur 41: Combinatie opnames muur – overgang Wat de mogelijk storende rol van de zon betreft, werden bij het aligneren van de foto’s en het bouwen van de dichte puntenwolk en de geometrie geen problemen ondervonden, maar wanneer textuur aan het model wordt toegevoegd is de schaduw duidelijk zichtbaar (Figuur 42 & Figuur 43). Bij het aaneenschakelen van opnames van verschillende dagen zou dit problemen kunnen geven. Het herkennen van homologe punten verloopt moeilijker als deze op de ene opnamedag in de schaduw lagen en de volgende in de zon. Daarnaast kan dit ook een verkeerd beeld van de geometrie opleveren. Een mogelijke oplossing is om bij het inplannen van de opnames rekening te houden met de stand van de zon, om zo schaduw op de beelden te vermijden. 69 Figuur 42: Weergave schaduwvorming Figuur 43: Probleem textuur veroorzaakt door schaduwvorming Ook de aanwezigheid van vegetatie op en rond structuren weerspiegelt zich in de resultaten, waar de begroeiing wordt voorgesteld door onregelmatige vormen of leidt tot gaten. Er bestaan verschillende methoden om in deze situatie in te grijpen: - Indien de vegetatie zich niet op, maar rond de structuur bevindt, kan deze gemaskeerd worden op de foto’s waar ze aanwezig is. - Indien de vegetatie zich op de structuur bevindt, kan deze ook gemaskeerd worden, maar dit zorgt voor gaten in het 3D-model. Deze kunnen wel gevuld worden met de functie ‘Close holes’. - Indien maskeren geen optie is, kunnen deze punten eventueel ook later nog manueel uit de puntenwolk verwijderd worden. 70 - Indien het belangrijk is om een goed model van de vegetatie te creëren, kan hiermee bij de opname van de foto’s rekening gehouden worden. Daarnaast kan de vegetatie ook met meer detail weergegeven worden door deze apart te verwerken of voor een groter aantal faces te opteren bij het bouwen van de geometrie. Dit komt het model echter niet altijd ten goede (Figuur 45). Bij het gegenereerde model valt ook de schaduw opnieuw op (Figuur 44). Figuur 44: Vegetatie en schaduwvorming Figuur 45: Weergave vegetatie (rechts: 50 000 faces) Bij het modelleren van de trapstructuur op het Sint-Pietersplein is het duidelijk dat de onderste helft probleemloos kan gereconstrueerd worden aan de hand van de genomen foto’s, maar naarmate de trap hoger wordt er meer problemen opduiken (Figuur 46). Dit kan eventueel opgelost worden door het combineren van terrestrische opnames met opnames gemaakt door een UAV. 71 Figuur 46: Problematiek trappen 7.1.1.2 Testvluchten ballons en UAV De nauwkeurigheid van het model dat werd opgebouwd op basis van de luchtfoto’s met de heliumballonnen en het model verkregen door laserscanning was van dezelfde grootteorde (afwijking < 1 cm; Figuur 47). In dit opzicht genoot geen van beide systemen dus de voorkeur. Dit was reeds eerder aangetoond tijdens de opname van een muur aan het Gentse Stam in oktober 2012 naar aanleiding van het opleidingsonderdeel ‘3D-registratie en visualisatie’. De test toonde daarnaast ook aan dat het positioneren van de ballonnen – zeker bij wind – niet vanzelfsprekend was en dat het ontbreken van een live view hierbij een probleem vormde. Figuur 47: Puntenwolk laserscanning (gevisualiseerd in CloudCompare), model luchtfoto’s (gevisualiseerd in Agisoft PhotoScan) 72 Na afloop van de tests in Vassivière was duidelijk dat bij gebouwen met dergelijke grote omvang een systeem dat luchtopnames mogelijk maakt noodzakelijk is (Figuur 48). De UAV biedt hierbij een extra meerwaarde ten opzichte van de luchtballonnen aangezien deze door de gebruiker wordt aangestuurd en de gebruiker in real-time de gemaakte beelden kan controleren. De targets die door Agisoft PhotoScan gegenereerd worden, worden tot op een bepaalde afstand nog door de software herkend. Het is evenwel belangrijk hierbij op te merken dat het noodzakelijk is om de opmetingen met totaalstation voor de georeferentie en de opname van de foto’s binnen een zo klein mogelijke tijdsspanne te laten plaatsvinden om te voorkomen dat de targets zouden verplaatst zijn. Vooral met het oog op de lange campagne in Mexico, waarbij de metingen en opnames over verschillende dagen gespreid zijn, lijkt het nut van de targets dan ook beperkt. Bij kleinschalige projecten bieden ze echter het voordeel dat ze het aanduiden van de grondcontrolepunten merkelijk vergemakkelijken. Het koppelen van lucht- en terrestrische foto’s is mogelijk, maar indien de hoek waaronder de foto’s genomen werden te verschillend is, kan deze koppeling niet meer automatisch door de software gebeuren. Dit gebeurt dan beter door middel van manueel aangeduide markers. Figuur 48: Model Anubis Vassivière 7.1.2 Dataverwerving- en verwerking De resultaten van de dataverwerving- en verwerking worden besproken in het licht van de in Paragraaf 6.1.1.1 voorgestelde mogelijke problemen. 73 Het combineren van opnames van verschillende dagen heeft tijdens de dataverwerking niet voor noemenswaardige problemen gezorgd met betrekking tot het herkennen van homologe punten. Het combineren van terrestrische en luchtfoto’s vergde meer aandacht, aangezien hiervoor verschillende chunks aangemaakt werden en deze chunks door middel van manueel bepaalde markers aan elkaar gekoppeld dienden te worden. Door het verkleinen van de hoek tussen de terrestrische en luchtfoto’s zou dit probleem kunnen verholpen worden. Dit blijkt uit de verwerking van de opnames van de laatste dagen, die gemaakt werden onder 30°-60°-90° in plaats van 45°-90°. De storende invloed van de zon had zowel een invloed op de topografische metingen (bv. luchttrillingen, verminderde zichtbaarheid) als op de fotografische opnames (bv. schaduw). Hiermee kon echter slechts in beperkte mate rekening gehouden worden door de weersomstandigheden (i.e. zelden bewolkt, korte schemering) en de tijdsdruk. Dit heeft tot gevolg dat op verscheidene van de modellen schaduw – afgeworpen door vegetatie of bepaalde delen van de gebouwen – aanwezig is (Figuur 49). Figuur 49: Schaduwvorming Ball court De begroeiing op de gebouwen zelf had geen directe invloed op de modellen, aangezien deze minimaal was. De enige uitzondering hierop is het Platform of Knives, waarop bomen, struiken en gras aanwezig waren (Figuur 50). De aanwezige begroeiing, voornamelijk bomen, in de omgeving van de gebouwen had in het algemeen echter een grotere invloed. Enerzijds bemoeilijkte dit de opnames met de UAV, anderzijds wierp dit een schaduw op de modellen 74 of had dit gevolgen voor het opbouwen van de textuur. Het maskeren van deze vegetatie bood niet altijd een oplossing, aangezien hierdoor gaten in de modellen konden ontstaan. Figuur 50: Vegetatie op Platform of Knives Het probleem van het modelleren van de trapstructuren dat eerst gevreesd werd, was tijdens de verwerking onbestaande door het gebruik van zowel terrestrische als luchtopnames. Het gebruik van de UAV vormde dus een wezenlijke meerwaarde voor het project. Een volledig overzicht van de resulterende 3D-modellen wordt gegeven in Bijlage 1. 7.1.3 Nauwkeurigheidsanalyse 7.1.3.1 Five-story building Op dit gebouw worden voor de nauwkeurigheidsanalyse twaalf basispunten aangeduid (Bijlage 2). Het model wordt geoptimaliseerd volgens deze twaalf punten en de coördinaten van de overige 63 opgemeten punten worden op basis hiervan geschat (Figuur 51). De resultaten van de vergelijking tussen deze geschatte coördinaten en de gemeten coördinaten worden weergegeven in Tabel 13. 75 Figuur 51: Basispunten Five-story building Tabel 13: Vergelijking geschatte-gemeten coördinaten Five-story building ∆X (m) ∆Y (m) ∆Z (m) Gem 0,003 0,007 0,008 Gem (abs) 0,022 0,024 0,033 Med 0,008 0,009 0,006 Min -0,112 -0,104 -0,399 Max 0,071 0,115 0,437 St.afw. 0,031 0,033 0,081 RMSE 0,031 0,033 0,080 76 Figuur 52: Boxplot ∆X, ∆Y en ∆Z (Five-story building) Zoals reeds verwacht werd, ligt de gemiddelde afwijking dicht bij nul. Dit wijst echter eerder op een normale verdeling van de afwijking dan op een kleine absolute afwijking. Dit wordt ook door de mediaan geïllustreerd. De gemiddelde absolute afwijking is gezien de omvang van de gebouwen en de gewenste nauwkeurigheid echter aanvaardbaar. Daarnaast dienen hierbij enkele uitschieters in rekening gebracht te worden, zoals wordt duidelijk gemaakt in de boxplots hierboven. Door het uitsluiten van deze punten verkleinen ook de gemiddelde absolute afwijkingen (1,6 cm voor ∆X, 2,1 cm voor ∆Y en 1,5 cm voor ∆Z). Door deze uitschieters zijn ook de standaardafwijking en de RMSE vrij groot, in het bijzonder voor ∆Z. Om na te gaan of deze fouten al dan niet systematisch zijn, kan hun verdeling worden nagegaan. Dit gebeurt zowel voor ∆X, ∆Y als ∆Z. Uit zowel de histogrammen als de normaliteitsplots in Figuur 53 kan afgeleid worden dat de afwijkingen relatief normaal verdeeld zijn, rekening houdend met de uitschieters die ook al bij de boxplots werden opgemerkt (Figuur 52). Uit het PhotoScan-rapport kan bijkomend afgeleid worden dat het model een grondresolutie van 0,007 m per pixel heeft. De dekking en het DEM van het model worden weergegeven in Figuur 54. 77 Figuur 53: Histogram en normaliteitsplot ∆X, ∆Y en ∆Z (Five-story building) 78 Figuur 54: Dekking en DEM Five-story building 7.1.3.2 Moon temple Dit model wordt volgens acht punten geoptimaliseerd (Bijlage 2) en de coördinaten van de overige dertien opgemeten punten worden op basis hiervan geschat (Figuur 55). De resultaten van de vergelijking tussen deze geschatte coördinaten en de gemeten coördinaten worden weergegeven in Tabel 14. . Figuur 55: Basispunten Moon temple 79 Tabel 14: Vergelijking geschatte-gemeten coördinaten Moon temple ∆X (m) ∆Y (m) ∆Z (m) Gem 0,005 0,012 0,006 Gem (abs) 0,016 0,019 0,011 Med 0,007 0,010 0,003 Min -0,038 -0,033 -0,015 Max 0,043 0,056 0,029 St.afw. 0,020 0,022 0,012 RMSE 0,020 0,024 0,013 Figuur 56: Boxplot ∆X, ∆Y en ∆Z (Moon temple) Met uitzondering van ∆Y liggen ook hier de gemiddeldes van de afwijkingen vrij dicht bij het nulpunt (Figuur 56). De absolute gemiddeldes zijn kleiner dan bij de Five-story building, maar hierbij dient wel in acht genomen te worden dat alle basispunten vanuit hetzelfde opstelpunt werden opgemeten. Na uitsluiten van de uitschieters van ∆Y worden deze absolute gemiddeldes 1,4 cm (∆X), 1,4 cm (∆Y) en 1,2 cm (∆Z). Het weglaten van deze uitschieters heeft vanzelfsprekend ook een invloed op de standaardafwijking en RMSE. Deze laatste verandert hierdoor naar 1,7 cm (∆X), 1,8 cm (∆Y) en 1,4 cm (∆Z). Ook deze resultaten zijn hierdoor aanvaardbaar. 80 Uit zowel de histogrammen als de normaliteitsplots in Figuur 57 kan afgeleid worden dat de afwijkingen relatief normaal verdeeld zijn, rekening houdend met de uitschieters die ook al bij de boxplots werden opgemerkt. Uit het PhotoScan-rapport kan bijkomend afgeleid worden dat het model een grondresolutie van 0,008 m per pixel heeft. De dekking en het DEM van het model worden weergegeven in Figuur 58. 81 Figuur 57: Histogram en normaliteitsplot ∆X, ∆Y en ∆Z (Moon temple) 82 Figuur 58: Dekking en DEM Moon temple 7.1.3.3 North temple Dit model wordt volgens acht punten geoptimaliseerd (Bijlage 2) en de coördinaten van de overige veertien opgemeten punten worden op basis hiervan geschat (Figuur 59). De resultaten van de vergelijking tussen deze geschatte coördinaten en de gemeten coördinaten worden weergegeven in Tabel 15. Figuur 59: Basispunten North temple 83 Tabel 15: Vergelijking geschatte-gemeten coördinaten North temple ∆X (m) Gem ∆Y (m) ∆Z (m) -0,005 -0,011 0,004 0,014 0,029 0,015 Med -0,003 0,005 0,002 Min -0,041 -0,166 -0,023 Max 0,020 0,045 0,043 St.afw. 0,019 0,051 0,020 RMSE 0,019 0,050 0,020 Gem (abs) Figuur 60: Boxplot ∆X, ∆Y en ∆Z (North temple) De invloed van één uitschieter bij ∆Y wordt zowel duidelijk uit de tabel als uit de boxplot (Figuur 60). Deze heeft echter een beperkte invloed op de andere variabelen, aangezien na verwijdering hiervan de absolute gemiddeldes van ∆X en ∆Z ongewijzigd blijven. Het absolute gemiddelde van ∆Y daalt naar 1,9 cm. Ook de RMSE ondervindt hiervan een invloed. Na uitsluiten van deze uitschieter wijzigt de RMSE van ∆X niet, die van ∆Z naar 1,9 cm en van ∆Y naar 2,4 cm. Ook deze resultaten lijken aanvaardbaar binnen de gegeven context. 84 Figuur 61: Histogram en normaliteitsplot ∆X, ∆Y en ∆Z (North temple) 85 De histogrammen en plots in Figuur 61 vertonen in vergelijking met die van de twee andere gebouwen enigszins afwijkend gedrag. Om dit na te gaan, wordt een Shapiro-Wilk Normality Test op de gegevens uitgevoerd door middel van het statistisch pakket R. De nulhypothese van deze test stelt dat de gegevens normaal verdeeld zijn. De p-waarden (α = 0,05) zijn 0,1803; 0,0009854 en 0,4419 voor respectievelijk ∆X, ∆Y en ∆Z. Na het verwijderen van de uitschieter bij ∆Y wordt deze p-waarde 0,7711 en kan voor elk van deze drie afwijkingen geconcludeerd worden dat ze normaal verdeeld zijn op het 95%-significantieniveau en er dus geen sprake is van systematische fouten in de dataset. Uit het PhotoScan-rapport kan daarnaast worden afgeleid dat het model een grondresolutie van 0,006 m per pixel heeft. De dekking en het DEM van het model worden weergegeven in Figuur 62. Figuur 62: Dekking en DEM North temple 7.1.3.4 Conclusie Uit bovenstaande analyse kunnen verschillende conclusies worden getrokken. Enerzijds hebben de aanwezige uitschieters een duidelijke invloed op de gegevens. Na hun uitsluiting vertonen de gegevens aanvaardbare foutenmarges. Hierbij dient rekening gehouden te worden met verscheidene factoren, zoals de verschillende soorten fouten en foutbronnen (zie Paragraaf 6.1.4), de omvang van het gebouw en de gewenste nauwkeurigheid. Daarnaast kan ook geconcludeerd worden dat de gegevens normaal verdeeld zijn en de afwijkingen dus geen systematische fouten vertonen. 86 Op dezelfde wijze kan ook de absolute nauwkeurigheid van de modellen in UTM-coördinaten op basis van de metingen met het GPS-toestel samengevat worden (Tabel 16). Aangezien zowel de Moon temple als de North temple slechts vanuit één opstelpunt werden opgemeten, is bij deze twee gebouwen de invloed van de GPS-metingen slechts miniem en worden deze resultaten niet in onderstaande tabel weergegeven. Bij de Five-story building, die vanop vier verschillende opstelpunten werd opgemeten, is de invloed van de geringere nauwkeurigheid van de GPS-metingen echter wel duidelijk. Tabel 16: Absoluut gemiddelde en RMSE Five-story building (absoluut stelsel) ∆X (m) ∆Y (m) ∆Z (m) Five-story Gem (abs) 0,676 1,588 0,498 building RMSE 0,963 2,326 0,700 7.2 3D-GIS 7.2.1 Website ‘Edzna 3D’ De resulterende website (Lonneville & De Wit, 2014) bevat naast de 3D-modellen ook algemene informatie over het project en contactinformatie (Figuur 63 & Figuur 64). Deze website wordt ook vermeld in de voor de FIG conferentie aanvaarde paper (Bijlage 3). 87 Figuur 63: Website ‘Edzna 3D’ Figuur 64: Ball court in 3D-viewer op website ‘Edzna 3D’ 7.2.2 Blender De integratie van de modellen in Blender leidt tot de aanmaak van een fly through video (https://vimeo.com/, 22 mei 2014). Een voorbeeld van een cameraperspectief wordt weergegeven in Figuur 65. 88 Figuur 65: Cameraperspectief in project Five-story building 7.2.3 Google Earth De voorstelling van de archeologische site in Google Earth leidt tot de aanmaak van één .kmlfile (edzna.kml), die door middel van de tag <NetworkLink> een koppeling maakt naar de onderscheiden gebouwen. Per gebouw wordt een .kml-file aangemaakt, die vervolgens de link legt naar de verschillende levels of detail (Figuur 66; Bijlage 4 en digitale bijlage). 89 Figuur 66: Structuur edzna.kml In de informatieballon die bij elk model hoort, worden onder andere het ‘Edzna 3D’-logo, een afbeelding van het gebouw, een korte attributentabel met de naam en de breedte- en lengteligging van het gebouw en een link naar de ‘Edzna 3D’-website geplaatst (Figuur 67). 90 Figuur 67: Attributentabel Ball court Er doen zich echter problemen voor omdat Google Earth in beperkte mate ook het reliëf van het terrein weergeeft. Dit zorgt voor een glooiing in het terrein, waardoor de modellen schuin georiënteerd zijn ten opzichte van het maaiveld. Hiervoor worden de instellingen voor <Heading>, <Tilt> en <Roll> aangepast om deze te doen passen. Zoals reeds eerder vermeld is ook het weergeven van structuren onder het maaiveld moeilijk. Dit maakt Google Earth ongeschikt voor het visualiseren van onder andere opgravingssites. Bij de visualisatie in Google Earth wordt duidelijk dat de modellen afwijken van de onderliggende satellietbeelden (Figuur 68). Indien dezelfde vergelijking wordt gemaakt met de op eenzelfde manier gegeorefereerde orthofoto blijkt de afwijking kleiner te zijn (Figuur 69). De ontstane fout is inherent aan de nauwkeurigheid van de GPS-metingen en de resolutie en nauwkeurigheid van de door Google Earth beschikbaar gestelde satellietbeelden. 91 Figuur 68: Afwijking model ten opzichte van satellietbeelden Figuur 69: Afwijking model ten opzichte van orthofoto Een ander nadeel van het gebruik van Google Earth is dat het zich vooral toespitst op visualisatie en dat de analysemogelijkheden eerder beperkt zijn. Een handige tool voor archeologen is eventueel de ‘meetlat’, die afstanden tussen verschillende elementen kan berekenen. Google Earth Pro breidt deze mogelijkheid nog uit door het toevoegen van de mogelijkheid om een 3D-pad of -polygoon in te meten, maar focust zich verder ook vooral op de visualisatie van de modellen. ArcGIS Explorer – de virtuele globe van ESRI – biedt 92 ongeveer dezelfde mogelijkheden als Google Earth, maar laat de gebruiker wel toe om naast KML-bestanden ook shapefiles, tekstbestanden, geo-DBMS’en en dergelijke toe te voegen (Figuur 70). De gebruiker kan ook zelf door middel van VBA-algoritmes de functionaliteit van ArcGIS Explorer uitbreiden. Hiertegenover staat dan echter wel dat Google Earth toegankelijker is voor mensen met minder GIS-ervaring. Figuur 70: Small acropolis in ArcGIS Explorer 7.2.4 ESRI’s ArcScene De methode voor geometrische modellering is ook bij ArcScene al bepaald door het gebruik van Agisoft PhotoScan: de ingeladen Collada-modellen hebben een TIN-structuur en zijn dus erg geschikt voor het weergeven van ingemeten objecten. Op dit punt verschilt de weergave in ArcScene en die in Google Earth dus niet. De modellen verliezen bij het inladen echter hun textuur, wat de visualisatie in ArcScene minder aantrekkelijk maakt dan die in Google Earth (Figuur 71). ArcScene laat in tegenstelling tot Google Earth ook niet toe om verscheidene levels of detail te definiëren, maar maakt niettegenstaande wel een vlotte navigatie door de modellen mogelijk. 93 Figuur 71: TIN-model zonder textuur Een enorm voordeel van het gebruik van ArcScene ten opzichte van Google Earth is de mogelijkheid om voor de objecten een attributentabel aan te maken (Figuur 72). Deze attributentabel kan daarnaast ook gekoppeld worden aan een externe databank en kan bevraagd worden door de gebruiker (Figuur 73). In het geval van de huidige site worden als attributen de naam en begin- en einddatum (yyyymmdd) van elk gebouw opgegeven, om de temporele weergave van deze modellen mogelijk te maken. Indien meer informatie over de gebouwen bekend is, kan deze later steeds aan de tabel toegevoegd worden. Figuur 72: Attributentabel Small acropolis east & south 94 Figuur 73: ‘Select by attributes’ Small acropolis Tenslotte laat ArcScene ook toe om op deze modellen verscheidene analyses uit te voeren, in tegenstelling tot Google Earth. Het is onder andere mogelijk om de ‘open’ multipatch objecten te ‘sluiten’ (‘Enclose multipatch’), er een voetafdruk van te genereren (‘Multipatch footprint’) of na te gaan of bepaalde objecten zich erin bevinden. Functies zoals ‘Buffer 3D’ zijn echter niet beschikbaar voor multipatch objecten maar enkel voor punten en lijnen. Verscheidene moeilijkheden die zich eerder voordeden bij Google Earth vormen geen probleem bij het gebruik van ArcScene. Zo bestaat het reliëf-gerelateerde probleem in ArcScene niet: aangezien er geen standaard ondergrond is ingesteld, is ArcScene beter geschikt voor het visualiseren van modellen waarbij zich niveauverschillen voordoen of die zich ondergronds bevinden (opgravingssites). Daarnaast staat er ook geen limiet op het aantal faces van de geïmporteerde modellen zoals bij Google Earth wel het geval is. Daartegenover staat wel dat het programma een steile leercurve kent voor mensen die niet met de software vertrouwd zijn en dat het bovendien ook niet gratis is. 95 7.2.5 Vergelijking Google Earth – ArcScene Op basis van de bovenstaande gegevens wordt Tabel 17 samengesteld, die aan de hand van de reeds eerder gedefinieerde criteria een vergelijking maakt tussen beide systemen. Tabel 17: Vergelijking Google Earth - ArcScene Google Earth ArcScene Object + + Ruimte + +/- Tijd + + Geometrische modellering + + Koppelen attributen (geo-DBMS) +/- + Levels of detail + - Visualisatie + +/- Analyses - + Leercurve en kostprijs + - Definitie Arroyo-Bishop en Zarzosa Knelpunten Stoter en Zlatanova Andere Uit deze tabel kan afgeleid worden dat naargelang de vereisten van het onderzoek voor het ene of het andere systeem geopteerd kan worden. Google Earth is hierbij duidelijk te prefereren indien een eenvoudig, gratis systeem nodig is dat zich vooral toespitst op visualisatie en slechts beperkte analyses toelaat. ArcScene is een betere oplossing indien het onderzoek nood heeft aan uitgebreidere analysemogelijkheden en de onderzoeker vertrouwd is met de software. Geen van beide systemen biedt echter een voldoende antwoord op de nood aan een volwaardig archeologisch 3D-GIS. 96 8. DISCUSSIE 8.1 3D-acquisitie De afgelopen jaren neemt de interesse voor de voorstelling van archeologische sites door middel van 3D-modellen toe door de ontwikkeling van acquisitietechnieken als laserscanning en fotomodellering. Fotomodellering wordt in dit opzicht als een nauwkeurige en kostenefficiënte techniek gezien (De Reu et al., 2013). Deze methode zou goedkoper zijn dan bv. laserscanning – voornamelijk op vlak van materiaal – en de onderzoekers toelaten om de registratie zelf te verrichten zonder tussenkomst van een deskundige. Daarnaast worden UAV’s ook steeds meer ingezet voor het modelleren van sites die minder toegankelijk zijn of storende terreinelementen bevatten (Verhoeven, 2009). De bevindingen op het terrein kunnen dan ook op basis van volgende criteria getoetst worden aan de literatuur: (i) kostenefficiëntie van fotomodellering; (ii) nauwkeurigheid van fotomodellering; (iii) meerwaarde van het gebruik van een UAV (of heliumballonnen). Wat betreft de kostenefficiëntie van fotomodellering, bevestigen de bevindingen op het terrein het standpunt in de literatuur. De voornaamste kosten bij fotomodellering worden gevormd door het materiaal en de eventuele softwarelicentie. Een belangrijke kost hierbij is de camera, aangezien de specificaties van de camera in grote mate de kwaliteit van de resultaten bepalen. In Mexico werd voornamelijk gebruik gemaakt van een Sony NEX-5R (zie Paragraaf 5.2), waarvan de kostprijs ruim onder die van bv. een laserscantoestel ligt. Naast de materiaalkost dient ook geïnvesteerd te worden in een krachtige computer en eventueel in een softwarelicentie – in dit geval Agisoft PhotoScan – voor de verwerking. Dit is echter voor bv. laserscanning niet anders, waardoor fotomodellering een beduidend lagere totaalkost heeft dan laserscanning. Daarnaast laat fotomodellering ook toe om de aanwezige structuren op een relatief snelle manier te registreren en te verwerken. Op basis van de configuratie van het team in Mexico – een persoon voor de fotografische opname en twee personen voor de topografische opname – kan een termijn van ongeveer een dag vooropgesteld worden voor de volledige opname en naverwerking van een gebouw met een vergelijkbare grootte en structuur als de gebouwen op de bestudeerde site. 97 In de literatuur wordt ook de nauwkeurigheid van de resulterende 3D-modellen als een enorm voordeel van fotomodellering gezien (Doneus et al., 2011). Archeologische opgravingen hebben een destructief karakter en een zo accuraat mogelijke reconstructie van de site is hierbij dus van belang. De hoge nauwkeurigheid van de resulterende modellen wordt ook door het eigen onderzoek bevestigd. De nauwkeurigheidsanalyse (zie Paragraaf 7.1.3) geeft voor drie van de gemodelleerde gebouwen een gemiddelde absolute afwijking van ongeveer 1-2 cm in ΔX, ΔY en ΔZ. Deze resultaten liggen binnen de vooropgestelde nauwkeurigheid en onderschrijven dus het nut en de haalbaarheid van het gebruik van fotomodellering voor de 3D-acquisitie van archeologische sites. De meerwaarde van het gebruik van een UAV wordt duidelijk uit de behaalde resultaten en de bespreking van de mogelijke problemen (zie Paragraaf 7.1.2). Bij een dergelijke uitgestrekte site met complexe structuren volstaan terrestrische foto’s niet voor het bekomen van kwalitatieve 3D-modellen. Het gebruikte type UAV liet toe om relatief gemakkelijk tussen bomen en andere obstakels te navigeren en door de hoge wendbaarheid konden foto’s onder verschillende hoeken genomen worden. Daarnaast was het door de UAV ook mogelijk om de aanwezige trapstructuren te modelleren. Met de UAV werden niet alleen foto’s van de onderscheiden structuren aangemaakt, maar ook een orthofoto door middel van foto’s vanop grotere hoogte. Wel moet bij de inzet van een UAV rekening gehouden worden met de beperkte levensduur van de batterijen en de mogelijke invloed van wind en regen. Daarnaast kan de wetgeving rond UAV’s in sommige landen de invoer of het gebruik ervan beperken. In deze gevallen of bij een eenmalige opname met een beperkt budget kan het gebruik van heliumballonnen eventueel een oplossing bieden. Het laat immers toe om in deze situaties toch luchtfoto’s te nemen. Het syteem met de heliumballonnen volstond niet voor het modelleren van Edzna door de complexiteit en beperkte toegankelijkheid van sommige gebouwen en de moeilijkheden met betrekking tot het richten van de camera. Er dient wel opgemerkt te worden dat fotomodellering meer onderhevig is aan meteorologische factoren dan bv. laserscanning (Barazzetti et al., 2011). Zowel zon, regen, wind als mist kunnen mogelijk problematisch zijn bij de fotografische opname. De opname wordt dan ook bij voorkeur uitgevoerd op een (licht) bewolkte dag. Daarnaast kan men ook de bedenking maken of er voor deze techniek al dan niet een deskundige vereist is. Bij de inzet van een UAV lijkt dit wel aangewezen, aangezien het besturen van dit platform enige ervaring vergt. 98 Hieruit kan geconcludeerd worden dat de bevindingen op het terrein de literatuur onderschrijven wat betreft de modaliteiten van fotomodellering en de inzet van platformen voor het nemen van luchtfoto’s. Fotomodellering is voor de 3D-modellering van archeologische sites een kostenefficiënte en nauwkeurige methode en het gebruik van een UAV biedt hierbij een duidelijke meerwaarde. 8.2 3D-GIS Zoals uit het literatuuroverzicht duidelijk wordt, is een volledig functioneel archeologisch 3DGIS momenteel nog in ontwikkeling. Auteurs grijpen dan ook terug naar andere methoden voor de visualisatie, het beheer en het management van hun 3D-data, zoals het gebruik van game engines (Hermon & Nikodem, 2008) of virtuele globes (Wells et al., 2010). Daarnaast wordt ook gebruik gemaakt van de 3D-extensies van bestaande GIS, zoals ArcScene (Katsianis et al., 2008). Tijdens dit onderzoek werden voor de visualisatie, het beheer en het management van de 3D-modellen vier mogelijkheden onderzocht: het aanmaken van een website, het gebruik van een game engine (Blender) en de integratie in Google Earth (door middel van KML) of ArcScene. Het aanmaken van een website en het gebruik van een game engine beperken zich echter voornamelijk tot de visualisatie van de 3D-modellen en bieden geen onmiddellijke oplossing voor het beheer en het management ervan. Een koppeling met een extern DBMS behoort hier tot de mogelijkheden, maar wordt in dit onderzoek niet verder uitgewerkt. Google Earth en ArcScene bieden in dit opzicht meer mogelijkheden naar beheer en management van de 3Dmodellen toe. Bij het onderzoek naar de mogelijkheden van Google Earth en ArcScene wordt teruggegrepen naar de literatuur, aangezien de beoordeling van beide systemen berust op drie criteria: (i) de mate waarin het systeem voldoet aan de definitie van Arroyo-Bishop en Zarzosa (1995), (ii) de mate waarin het systeem een oplossing biedt voor de knelpunten bepaald door Stoter en Zlatanova (2003) en (iii) de mogelijke analyses en gebruiksvriendelijkheid van het systeem. Arroyo-Bishop en Zarzosa (1995) definiëren archeologie als een “object-ruimte-tijd relatie” en elk van deze elementen dient bijgevolg geïncorporeerd te zijn in een 3D-GIS. Zowel Google Earth als ArcScene voldoen aan deze definitie wat betreft de aspecten ‘object’ (door 99 het importeren van Collada-bestanden) en ‘tijd’ (door het weergeven van een tijdsbalk). In Google Earth worden de modellen daarnaast ook onmiddellijk op een virtuele globe weergegeven (aspect ‘ruimte’). In ArcScene gebeurt het plaatsen van de modellen echter op manuele wijze, wat een groot nadeel inhoudt en de plaatsing en de daaruit volgende ruimtelijke bevragingen ook veel minder nauwkeurig maakt. Stoter en Zlatanova (2003) definiëren bijkomend vier knelpunten in verband met de ontwikkeling van een 3D-GIS: de keuze voor een geometrische modelleringstechniek, de koppeling van attributen, de weergave van verschillende levels of detail en de visualisatie. In dit opzicht biedt Google Earth zeker mogelijkheden voor archeologen om modellen vlot te visualiseren en te communiceren, deze weer te geven op basis van verschillende levels of detail en hieraan in beperkte mate attributen te koppelen door middel van een informatieballon. ArcScene biedt minder visualisatiemogelijkheden en laat het gebruik van levels of detail niet toe, maar heeft uitgebreidere mogelijkheden wat betreft het aanmaken van een attributentabel. Tenslotte kan op basis van het derde criterium (de gebruiksvriendelijkheid en de mogelijke analyses) een laatste onderscheid tussen beide systemen bepaald worden. Google Earth kan in dit opzicht niet beschouwd worden als een volwaardig GIS door de beperkte analysemogelijkheden, maar is gratis en kent een minder steile leercurve dan ArcScene. ArcScene biedt echter ruimere analysemogelijkheden. Een duidelijk overzicht van de voor- en nadelen van Google Earth en ArcScene met betrekking tot de vooropgestelde aftoetsingscriteria wordt weergegeven in paragraaf 7.2.5. Bij de keuze voor een van beide systemen is het belangrijk om het doel van de integratie – toepassing in archeologisch onderzoek – als extra factor in acht te nemen. In het geval van de site van Edzna lijkt Google Earth dan ook het meest aangewezen systeem en dit om verscheidene redenen. Het programma is gratis, heeft sterke visualisatiemogelijkheden en een minder steile leercurve dan een traditioneel GIS. Dit laatste maakt het geschikt voor archeologen en in het bijzonder voor INAH Campeche. Het laat het gebruik van verschillende levels of detail toe, waardoor de rekentijd vermindert en er geen overbodige details weergegeven worden. Daarnaast incorporeert Google Earth ook de temporele dimensie waardoor niet enkel de evolutie van de opbouw van de site kan 100 weergegeven worden, maar ook een overzicht van het acquisitieproces. Uitgebreide analyses zijn niet mogelijk maar werden door INAH Campeche ook niet noodzakelijk geacht. Daarnaast is KML een open source formaat en OGC-standaard en bovendien compatibel met meerdere programma’s (waaronder ook ArcScene en ArcGIS Explorer). Zowel Google Earth als ArcScene vormen echter maar een tussenstap in de ontwikkeling van een volwaardig archeologisch 3D-GIS. Stoter en Zlatanova (2003) schrijven dit onder andere toe aan de afwachtende houding van de producenten, die eerst doelen op een groter publiek voor het ontwikkelen van een dergelijk 3D-GIS. Daarnaast zijn er nog verschillende knelpunten, waaronder het bepalen van de techniek voor de geometrische modellering. De gebruikte geometrische modelleringstechniek, het TIN, geeft een realistische weergave van de meetgegevens, maar bemoeilijkt de koppeling van attributen. Een volumegebaseerde modelleringstechniek zou hierop eventueel een antwoord kunnen bieden. In dat geval moet er echter ook een methode uitgedacht worden om het ene model naar het andere te converteren. Ook de andere knelpunten, waaronder het aanmaken van een geo-DBMS en het definiëren van verschillende levels of detail, bemoeilijken de ontwikkeling van een archeologisch 3DGIS. Hieruit kan geconcludeerd worden dat de bevindingen tijdens het onderzoek ook hier de literatuur bekrachtigen. Door het ontbreken van een archeologisch 3D-GIS worden verschillende andere mogelijkheden bekeken, waarvan Google Earth in dit geval het meest aangewezen systeem voor archeologen lijkt. 101 9. BESLUIT Door technieken als laserscanning en fotomodellering worden thans steeds meer archeologische sites en structuren op een gedetailleerde en hoognauwkeurige wijze geregistreerd en gevisualiseerd. De ontwikkeling van een 3D-GIS zou archeologen de mogelijkheid bieden om op de resulterende 3D-modellen uitgebreide ruimtelijke, semantische en topologische bevragingen uit te voeren. Om tot een dergelijk 3D-GIS te komen wordt een drieledige workflow aangenomen: (i) de virtuele 3D-reconstructie van fysische objecten, (ii) de implementatie van de modellen in een 3D-GIS, en (iii) de archeologische reconstructie van het gemodelleerde object. Tijdens dit onderzoek is ingegaan op de eerste twee stappen van deze workflow. Er is onderzocht wat de geschiktheid en nauwkeurigheid is van een techniek als fotomodellering voor het modelleren van een archeologische site en wat de meerwaarde is die een UAV hierbij eventueel kan bieden. Daarnaast is de haalbaarheid van een integratie van deze modellen in een archeologisch 3D-GIS nagegaan en zijn de mogelijke knelpunten en potentiële oplossingen die hierbij kunnen optreden, gedefinieerd. Voor het beantwoorden van de eerste vraag, die zich toespitst op de 3D-acquisitie, wordt de archeologische site Edzna (Mexico) door middel van fotomodellering geregistreerd. Door de complexiteit van de aanwezige gebouwen wordt hierbij van twee platformen gebruik gemaakt die toelaten om ook luchtfoto’s te nemen: enerzijds een systeem met heliumballonnen en anderzijds een UAV. De site wordt ook topografisch ingemeten voor de georeferentie van de 3D-modellen. Na verwerking van de gegevens kan geconcludeerd worden dat fotomodellering inderdaad een zeer geschikte en nauwkeurige methode is voor het vastleggen van dergelijke sites, aangezien de resulterende 3D-modellen enerzijds een realistische visualisatie van de aanwezige structuren toelaten en anderzijds een hoge nauwkeurigheid hebben, met een gemiddelde absolute afwijking van 1 tot 2 cm. Daarnaast is de methode ook kostenefficiënt, aangezien het benodigde materiaal goedkoper is dan bv. de investering in een laserscantoestel en een relatief snelle opname van de site mogelijk is. Het gebruik van de UAV biedt hierbij een wezenlijke meerwaarde, aangezien de complexiteit van de gebouwen niet toelaat om kwalitatieve 3D-modellen te genereren met enkel terrestrische foto’s. Bij kleinere projecten 102 met een beperkter budget zou het systeem met heliumballonnen eventueel ook een oplossing kunnen bieden. Voor de tweede onderzoeksvraag, die de ontwikkeling van een 3D-GIS betreft, is teruggegrepen naar de literatuur om de mogelijkheden en tekortkomingen van twee systemen met elkaar te vergelijken. Enerzijds zijn de 3D-modellen in KML geïmplementeerd en in Google Earth gevisualiseerd, anderzijds zijn de 3D-modellen voorgesteld in ArcScene, de 3Dextensie van ESRI’s ArcGIS. Na vergelijking op basis van drie vooropgestelde criteria en toetsing aan de behoeftes van INAH Campeche kan hierbij worden besloten dat de oplossing in Google Earth in dit geval het meest aangewezen systeem was. Het is namelijk gratis, heeft sterke visualisatiemogelijkheden en een minder steile leercurve dan een traditioneel GIS. De eerder beperkte analysemogelijkheden vormen bij dit platform het grootste nadeel. Naar de toekomst toe zal de ontwikkeling van een volwaardig 3D-GIS een enorme meerwaarde betekenen voor het archeologisch onderzoek. Ook andere onderzoeksdomeinen, waaronder geologie en ruimtelijke planning, zouden hiervan de voordelen kunnen ondervinden. Producenten lijken echter eerder een afwachtende houding aan te nemen en daarnaast zijn er ook een aantal knelpunten (bv. het bepalen van de geschikte geometrische modelleringstechniek) die de ontwikkeling bemoeilijken. Desalniettemin zijn zowel de 3Dacquisitie op basis van fotomodellering als het gebruik van een 3D-GIS krachtige tools voor visualisatie en analyse tijdens het archeologisch onderzoek. 103 REFERENTIELIJST Literatuur Aanæs, H. (2013) Lecture Notes on Computer Vision. Danmarks Tekniske Universitet: Institut for Matematik og Computer Science. Abdul-Rahman, A., Pilouk, M. (2008) Spatial Data Modelling for 3D GIS. Berlijn: Springer. Al-kheder, S., Al-shawabkeha, Y., Haala, N. (2009) “Developing a documentation system for desert palaces in Jordan using 3D laser scanning and digital photogrammetry”. Journal of Archaeological Science. 36 (2), 537-546. Anderson, E., McLoughlin, L., Liarokapis, F., Peters, C., Petridis, P., de Freitas, S. (2010) “Developing serious games for cultural heritage: a state-of-the-art review”. Virtual reality. 14 (4), 255-275. Antrop, M., De Maeyer, P. (2008) Theoretische concepten van GIS. Gent: Academia Press. Apollonio, F., Gaiani, M., Benedetti, B. (2012) “3D reality-based artefact models for the management of archaeological sites using 3D GIS: a framework starting from the case study of the Pompeii Archaeological area”. Journal of Archaeological Science. 39 (5), 1271-1287. Arens, C., Stoter, J., van Oosterom, P. (2005) “Modelling 3D spatial objects in a geo-DBMS using a 3D primitive”. Computers & Geosciences. 31 (2), 165-177. Armangué, X., Salvi, J. (2003) “Overall view regarding fundamental matrix estimation”. Image and Vision Computing. 21 (2), 205-220. Arroyo-Bishop, D., Lantada Zarzosa, M. (1995) “To be or not to be: will an object-space-time GIS/AIS become a scientific reality or end up an archaeological entity?”. In: Lock, G., Stancic, Z. (Eds.) Archaeology and Geographical Information Systems. Londen: Taylor & Francis, pp. 43-53. 104 Aurambout, J., Pettit, C., Lewis, H. (2008) “Virtual Globes: the Next GIS?”. In: Pettit, C., Cartwright, W., Bishop, I., Lowell, K., Pullar, D., Duncan, D. (Eds.) Landscape Analysis and Visualisation. Berlijn Heidelberg: Springer, pp. 509-532. Baltsavias, E., Mason, S., Stallmann, D. (1995) “Use of DTMs/DSMs and orthoimages to support building extraction”. In: Gruen, A., Kuebler, O., Agouris, P. (Eds.) Automatic Extraction of Man-Made Objects from Aerial and Space Images. Bazel: Birkhäuser, pp. 199210. Barazzetti, L., Scaioni, M., Remondino, F. (2010) “Orientation and 3D modeling from markerless terrestrial images: combining accuracy with automation”. The Photogrammetric Record. 25 (132), 356-381. Barazzetti, L., Binda, L., Scaioni, M., Taranto, P. (2011) “Photogrammetric survey of complex geometries with low-cost software: Application to the ‘G1’ temple in Myson, Vietnam”. Journal of Cultural Heritage. 12 (3), 253-262. Bastanlar, Y., Temizel, A., Yardimci, Y., Sturm, P. (2012) “Multi-view structure-from-motion for hybrid camera scenarios”. Image and Vision Computing. 30 (8), 557-572. Bay, H., Ess, A., Tuytelaars, T., Van Gool, L. (2008) “Speeded-up robust features (SURF)” Computer Vision and Image Understanding. 110 (3), 346–359. Belien, A. (2010) De bruikbaarheid van semantische 3D modellen voor de voorstelling van archeologische sites: toepassingen op de Sint-Baafsabdij, Gent. Onuitgegeven scriptie, Universiteit Gent, Geomatica en landmeetkunde. Bevan, A., Conolly, J. (2004) “GIS, archaeological survey, and landscape archaeology on the island of Kythera, Greece”. Journal of Field Archaeology. 29 (1-2), 123-138. Boaz, J., Uleberg, E. (1995) “The potential of GIS-based studies of Iron Age cultural landscapes in Eastern Norway”. In: Lock, G., Stancic, Z. (Eds.) Archaeology and Geographical Information Systems: A European Perspective. Londen: Taylor & Francis, pp. 249-260. 105 Boos, S., Müller, H., Hornung, S., Jung, P. (2008) “GIS based processing of multiple source prospection data in landscape archaeology”. In: Lasaponara, R., Masini, N. (Eds.) Proceedings of the 1st International Workshop on “Advances in Remote Sensing for Archaeology and Cultural Heritage Management”. Rome: Aracne, pp. 113-117. Boos, S., Hornung, S., Müller, H. (2013). “A multimedia museum application based upon a landscape embedded digital 3D model of an ancient settlement”. In: Bock, H., Jäger, W., Winckler, M. (Eds.) Scientific Computing and Cultural Heritage. Berlijn Heidelberg: Springer, pp. 195-203. Breunig, M., Zlatanova, S. (2011) “3D geo-database research: Retrospective and future directions”. Computers & Geosciences. 37 (7), 791-803. Bruno, F., Bruno, S., De Sensi, G., Luchi, M., Mancuso, S., Muzzupappa, M. (2010) “From 3D reconstruction to virtual reality: A complete methodology for digital archaeological exhibition”. Journal of Cultural Heritage. 11 (1), 42-49. Brutto, M., Meli, P. (2012) “ Computer vision tools for 3D modelling in archaeology”. International Journal of Heritage in the Digital Era. 1 (1), 1-6. Butler, D. (2006) “Virtual globes: the web-wide world”. Nature. 439 (7078), 776-778. Caistor, N., Doulton, M., Fischer, P., Gleason, E., Gunson, P., Knight, A., Laughton, F., Nichols, R., Sayer, C. (2007) Capitool reisgidsen: Mexico. Houten: Van Reemst Uitgeverij. Chellappa, R., Sinha, P., Phillips, P. (2010) “Face recognition by computers and humans”. Computer. 43 (2), 46-55. Chiabrando, F., Nex, F., Piatti, D., Rinaudo, F. (2011) “UAV and RPV systems for photogrammetric surveys in archaeological areas: two tests in the Piedmont region (Italy)”. Journal of Archaological Science. 38 (3), 697-710. 106 De Floriani, L., Kobbelt, L., Puppo, E. (2005) “A survey on data structures for level-of-detail models”. In: Dodgson, N., Floater, M., Sabin, M. (Eds.) Advances in Multiresolution for Geometric Modelling. Berlijn Heidelberg: Springer, pp. 49-74. de Hond, R., de Kleijn, M. (2013) “Mapping the Via Appia in 4D (Work in progress)”. Presentatie op de CAA Chapter NL-FL 2013 conferentie. Brussel: CAA. (http://www.caanlfl.nl/sites/default/files/pros_dehond.pdf) Delporte, E. (2011) Onderzoek naar de bruikbaarheid van fotomodellering voor de kartering van ruimtelijke objecten aan de hand van het programma Bundler. Onuitgegeven scriptie, Universiteit Gent, Geomatica en landmeetkunde. De Paor, D., Whitmeyer, S. (2011) “Geological and geophysical modeling on virtual globes using KML, COLLADA, and Javascript”. Computers & Geosciences. 37 (1), 100-110. De Reu, J., Plets, G., Verhoeven, G., De Smedt, P., Bats, M., Cherretté, B., De Maeyer, W., Deconynck, J., Herremans, D., Laloo, P., Van Meirvenne, M., De Clerq, W. (2013) “Towards a three-dimensional cost-effective registration of the archaeological heritage”. Journal of Archaeological Science. 40 (2), 1108 – 1121. De Roo, B. (2012) Archeologische data en analyses: factoren die de implementatie van een 4D-GIS beïnvloeden. Onuitgegeven scriptie, Universiteit Gent, Geomatica en landmeetkunde. Desmond, L., Bryan, P. (2003) “Recording architecture at the archaeological site of Uxmal, Mexico: a historical and contemporary view”. The Photogrammetric Record. 18 (102), 105– 130. Deussen, O., Lintermann, B. (2005) “Level-of-Detail”. In: Deussen, O., Lintermann, B. (Eds.) Digital Design of Nature: Computer Generated Plants and Organics. Berlijn: Springer, pp. 181-200. Dissanayake, G., Sukkarieh, S., Nebot, E., Durrant-Whyte, H. (2001) “The aiding of a lowcost strapdown inertial measurement unit using vehicle model constraints for land vehicle applications”. IEEE Transactions on Robotics and Automation. 17 (5), 731-747. 107 Doneus, M., Neubauer, W. (2005) “3D laser scanners on archaeological excavations”. In: XX CIPA Symposium. Turijn: CIPA, pp. 226-231. Doneus, M., Verhoeven, G., Fera, M., Briese, C., Kucera, M., Neubauer, W. (2011) “From deposit to point cloud: a study of low-cost computer vision approaches for the straightforward documentation of archaeological excavations”. Geoinformatics. 6, 81-88. Eisenbeiss, H. (2009) UAV Photogrammetry. Onuitgegeven proefschrift, Eidgenössische Technische Hochschule Zürich, Geodesie en fotogrammetrie. Eisenbeiss, H., Sauerbier, M. (2011) “Investigation of UAV systems and flight modes for photogrammetric applications”. The Photogrammetric Record. 26 (136), 400–421. Faugeras, O., Luong, Q. (2001) The Geometry of Multiple Images: The Laws that govern the Formation of Multiple Images of a Scene and some of their Applications. Cambridge: The MIT Press. Fusiello, A., Trucco, E., Verri, A. (2000) “A compact algorithm for rectification of stereo pairs”. Machine Vision and Applications. 12, 16–22. Hale, A., Hepher, J. (2008) “3D data fusion for the presentation of archaeological landscapes: a Scottish perspective”. In: Posluschny, A., Lambers, K., Herzog, I. (Eds.) Layers of Perception. Proceedings of the 35th International Conference on Computer Applications and Quantitative Methods in Archaeology (CAA). Bonn: Dr. Rudolf Habelt GmbH, pp. 145-151. Harris, C., Stephens, M. (1988) “A combined corner and edge detector”. In: Mattheus, M. (Red.) Proceedings of the Fourth Alvey Vision Conference. Manchester: Organising Committee AVC 88, pp. 147-151. Hartley, R. (1997) “In defense of the eight-point algorithm”. IEEE Transactions on Pattern Analysis and Machine Intelligence. 19 (6), 580-593. Hartley, R., Zisserman, A. (2003) Multiple View Geometry in Computer Vision. Cambridge: Cambridge University Press. 108 Heikkila, J. (1997) “A four-step camera calibration procedure with implicit image correction”. In: Plummer, D., Torwick, I. (Eds.) Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition. San Juan: The Institute of Electrical and Electronics Engineers, pp. 1106 – 1112. Hendrickx, M., Gheyle, W., Bonne, J., Bourgeois, J., De Wulf, A., Goossens, R. (2011) “The use of stereoscopic images taken from a microdrone for the documentation of heritage–an example from the Tuekta burial mounds in the Russian Altay”. Journal of Archaeological Science. 38 (11), 2968-2978. Hermon, S., Nikodem, J. (2008) “3D Modelling as a scientific research tool in archaeology”. In: Posluschny, A., Lambers, K., Herzog, I. (Eds.) Layers of Perception. Proceedings of the 35th International Conference on Computer Applications and Quantitative Methods in Archaeology (CAA). Bonn: Dr. Rudolf Habelt GmbH, pp. 140-145. Kampel, M., Sablatnig, R., Tosovic, S. (2002) “Volume based reconstruction of archaeological artifacts”. In: Boehler, W. (Ed.) Proc. of Intl. Workshop on Scanning for Cultural Heritage Recording. Corfu, pp. 76-83. Katsianis, M., Tsipidis, S., Kotsakis, K., Koussoulakou, A. (2008) “A 3D digital workflow for archaeological intra-site research using GIS”. Journal of Archaeological Science. 35, 655667. Kolbe, T., Gröger, G., Plümer, L. (2005) “CityGML: Interoperable access to 3D city models”. In: Oosterom, P., Zlatanova, S., Fendel, E. (Eds.) Geo-information for Disaster Management. Berlin Heidelberg: Springer, pp. 883-899. Kolecka, N. (2011) “Photo-based 3D scanning vs. laser scanning–competitive data acquisition methods for digital terrain modelling of steep mountain slopes”. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. XXXVIII-4/W19, 203208. 109 Kwan, M., Lee, J. (2005) “Emergency response after 9/11: the potential of real-time 3D GIS for quick emergency response in micro-spatial environments”. Computers, Environment and Urban Systems. 29 (2), 93-113. Lambers, K., Eisenbeiss, H., Sauerbier, M., Kupferschmidt, D., Gaisecker, T., Sotoodeh, S., Hanusch, T. (2007) “Combining photogrammetry and laser scanning for the recording and modelling of the Late Intermediate Period site of Pinchango Alto, Palpa, Peru”. Journal of Archaeological Science. 34 (10), 1702-1712. Lerma, J., Navarro, S., Cabrelles, M., Villaverde, V. (2010) “Terrestrial laser scanning and close range photogrammetry for 3D archaeological documentation: the Upper Palaeolithic Cave of Parpalló as a case study”. Journal of Archaeological Science. 37 (3), 499-507. Lieberwirth, U. (2008) “3D GIS voxel-based model building in archaeology”. In: Posluschny, A., Lambers, K., Herzog, I. (Eds.) Layers of Perception. Proceedings of the 35th International Conference on Computer Applications and Quantitative Methods in Archaeology (CAA). Bonn: Dr. Rudolf Habelt GmbH, pp. 8-15. Liu, G. (2006) Structure from Motion – A Case Study for Reconstructing 3D Objects. Onuitgegeven scriptie, University of Auckland, Computerwetenschappen. Lock, G., Stancic, Z. (Eds.) (1995) Archaeology and Geographical Information Systems: A European Perspective. Londen: Taylor & Francis. Losier, L., Pouliot, J., Fortin, M. (2007) “3D geometrical modeling of excavation units at the archaeological site of Tell ‘Acharneh (Syria)”. Journal of Archaeological Science. 34 (2), 272-288. Lourakis, M., Argyros, A. (2009) “SBA: a software package for generic sparse bundle adjustment”. ACM Transactions on Mathematical Software. 36 (1), 1-30. Lowe, D. (2004) “Distinctive image features from scale-invariant keypoints”. International Journal of Computer Vision. 60 (2), 91-110. 110 Luebke, D., Reddy, M., Cohen, J., Varshney, A., Watson, B., Huebner, R. (2003) Level of Detail for 3D Graphics. Berkeley: Morgan Kauffman. Luong, Q., Faugeras, O. (1997) “Self-Calibration of a moving camera from point correspondences and fundamental matrices”. International Journal of Computer Vision. 22 (3), 261–289. Ma, Y., Soatto, S., Kosecka, J., Sastry, S. (2004) An Invitation to 3-D Vision: From Images to Geometric Models (Vol. 26). Interdisciplinary Applied Mathematics. Berlijn: Springer. MacArthur, K., Schueller, J., Lee, W., Crane, C., MacArthur, E., Parsons, R. (2006) “Remotely-piloted helicopter citrus yield map estimation”. In: ASABE Meeting Presentation, Paper Number: 063096. St Joseph, Michigan: ASABE. Martinez-del-Pozo, J., Cerrillo-Cuenca, E., Salas-Tover, E. (2013) “Low altitude aerial photography applications for digital surface models creation in archaeology”. Transactions in GIS. 17 (2), 227–246. Matheny, R., Gurr, D., Forsyth, D. (1980) Investigations at Edzna, Campeche, Mexico. Provo, Utah: New World Archaeological Foundation, Brigham Young University. Metni, N., Hamel, T. (2007) “A UAV for bridge inspection: Visual servoing control law with orientation limits”. Automation in Construction. 17 (1), 3-10. Moscati, P. (1998) “GIS applications in Italian archaeology”. Archeologia e Calcolatori. 9, 191-236. Müller, P., Vereenooghe, T., Wonka, P., Paap, I., Van Gool, L. (2006) “Procedural 3D Reconstruction of Puuc Buildings in Xkipché”. In: Ioannides, M., Arnold, D., Niccolucci, F., Mania, K. (Eds.) The 7th International Symposium on Virtual Reality, Archaeology and Cultural Heritage. Nicosia: Eurographics Association, pp. 139-146. Muls, A., De Wulf, A. (2008) Precisie en kalibratie van totaalstations. Gent: Academia Press. 111 Myers, A. (2010). “Field work in the age of digital reproduction: a review of the potentials and limitations of Google Earth for archaeologists”. SAA Archaeological Record. 10 (4), 7-11. Narasimhan, S., Nayar, S. (2002) “Vision and the atmosphere”. International Journal of Computer Vision. 48 (3), 233-254. Nister, D. (2004) “An efficient solution to the five-point relative pose problem”. IEEE Transactions on Pattern Analysis and Machine Intelligence. 26 (6), 756-770. Patterson, T. (2007). “Google Earth as a (not just) geography education tool”. Journal of Geography. 106 (4), 145-152. Pollefeys, M., Van Gool, L., Vergauwen, M., Cornelis, K., Verbiest, F., Tops, J.(2003) “3D recording for archaeological fieldwork”. Computer Graphics and Applications. 23 (3), 20-27. Pouliot, J., Lachance, B., Kirkwood, D. (2006) “L’importance de la modélisation géométrique 3D lors de l’élaboration d’un SIG 3D: Exemple du développement d’une structure topologique pour une application géologique”. Revue Internationale de Géomatique. 16 (1), 29-49. Rajala, U. (2008). “Visualising archaic tombs and their postdepositional histories: the 3D modelling of the tombs from Cisterna Grande, Crustumerium (Rome, Italy)”. In: Posluschny, A., Lambers, K., Herzog, I. (Eds.) Layers of Perception. Proceedings of the 35th International Conference on Computer Applications and Quantitative Methods in Archaeology (CAA). Bonn: Dr. Rudolf Habelt GmbH, pp. 127-133. Riedl, A. (2007) “Digital globes”. In: Cartwright, W., Peterson, P., Gartner, G. (Eds.) Multimedia cartography. Berlijn Heidelberg: Springer, pp. 255-266. Rua, H., Alvito, P. (2011) “Living the past: 3D models, virtual reality and game engines as tools for supporting archaeology and the reconstruction of cultural heritage–the case-study of the Roman villa of Casal de Freiria”. Journal of Archaeological Science. 38 (12), 3296-3308. 112 Snavely, N., Seitz, S., Szeliski, R. (2006) “Photo tourism: exploring photo collections in 3D”. ACM Transactions on Graphics (TOG) - Proceedings of ACM SIGGRAPH 2006. 25 (3), 835 – 846. Stoter, J., Zlatanova, S. (2003) “3D GIS, where are we standing”. In: Proceedings ISPRS Workshop on spatial, temporal and multi-dimensional data modeling and analysis. Londen: ISPRS. Szeliski, R. (2011) Computer Vision: Algorithms and Applications. New York: Springer. Teelen, K. (2010) Geometric uncertainty models for correspondence problems in digital image processing. Onuitgegeven proefschrift, Universiteit Gent, Ingenieurswetenschappen. Tonini, A., Guastaldi, E., Massa, G., Conti, P. (2008) “3D geo-mapping based on surface data for preliminary study of underground works: A case study in Val Topina (Central Italy)”. Engineering Geology. 99 (1-2), 61-69. Torr, P., Zisserman, A. (1997) “Robust parameterization and computation of the trifocal tensor”. British Machine Vision Conference. 15 (8), 591-605. Triggs, B., McLauchlan, P., Hartley, R., Fitzgibbon, A. (2000) “Bundle adjustment – A modern synthesis”. In: Triggs, B., Zisserman, A., Szeliski, R. (Eds.) Vision Algorithms: Theory and Practice. Berlijn Heidelberg: Springer, pp. 298-372. Tsipidis, S., Koussoulakou, A., Kotsakis, K. (2011) “Geovisualization and archaeology: supporting excavation site research”. In: Ruas, A. (Ed.) Advances in Cartography and GIScience. Volume 2. Berlijn: Springer, pp. 85-107. Tuan, A. (2013) “Overview of three-dimensional GIS data models”. International Journal of Future Computer and Communication. 2 (3), 270-274. Tuytelaars, T., Mikolajczyk, K. (2007) “Local invariant feature detectors: a survey”. Foundations and Trends in Computer Graphics and Vision. 3 (3), 177-280. 113 Van Ruymbeke, M., Tigny, V., De Badts, E., Garcia-Moreno, R., Billen, R. (2008) “Development and use of a 4D GIS to support the conservation of the Calakmul site (Mexico, World Heritage Programme)”. In: Ioannides, M., Addison, A., Georgopoulos, A., Kalisperis, L. (Eds.) Proceedings of the 14th International Conference on Virtual Systems and Multimedia. Limassol: Archaeolingua, pp. 117-121. Vaughn, S., Crawford, T. (2009). “A predictive model of archaeological potential: an example from northwestern Belize”. Applied Geography. 29 (4), 542-555. Verhoeven, G. (2009) “Providing an archaeological bird’s-eye view - an overall picture of groundbased means to execute low-altitude aerial photography (LAAP) in archaeology”. Archaeological Prospection. 16 (4), 233–249. Verhoeven, G. (2011) “Taking computer vision aloft – Archaeological three-dimensional reconstructions from aerial photographs with PhotoScan”. Archaeological Prospection. 18 (1), 67-73. Verhoeven, G., Taelman, D., Vermeulen, F. (2012) “Computer vision-based ortophoto mapping of complex archaeological sites: the ancient quarry of Pitaranha (Portugal – Spain)”. Archaeometry. 54 (6), 1114 – 1129. von Schwerin, J., Richards-Rissetto, H., Remondino, F., Agugiaro, G., Girardi, G. (2013) “The MayaArch3D project: A 3D WebGIS for analyzing ancient architecture and landscapes”. Literary and Linguistic Computing. 28 (4), 736-753. Vote, E., Feliz, D., Laidlaw, D., Joukowsky, M. (2002) “Discovering Petra: archaeological analysis in VR”. Computer Graphics and Applications. 22 (5), 38-50. Wagtendonk, A., Verhagen, P., Soetens, S., Jeneson, K., de Kleijn, M. (2009) “Past in place: the role of geo-ICT in present-day archaeology”. In: Scholten, J., van de Velde, R., van Manen, N. (Eds.) Geospatial Technology and the Role of Location in Science. Nederland: Springer, pp. 59-86. 114 Wang, X., Yadav, V., Balakrishnan, S. (2007) “Cooperative UAV Formation Flying With Obstacle/Collision Avoidance”. IEEE Transactions on Control Systems Technology. 15 (4), 672-679. Wells, S., Frischer, B., Ross, D., Keller, C. (2010). “Rome Reborn in Google Earth”. In: Frischer, B., Crawford, J., Koller, D. (Eds) Making history interactive. 37th proceedings of the CAA conference. Oxford: Archaeopress, pp. 373-379. Yin, L., Shiode, N. (2014). “3D spatial-temporal GIS modeling of urban environments to support design and planning processes”. Journal of Urbanism: International Research on Placemaking and Urban Sustainability. 7 (2), 152-169. Yu, L., Gong, P. (2012) “Google Earth as a virtual globe tool for Earth science applications at the global scale: progress and perspectives”. International Journal of Remote Sensing. 33 (12), 3966-3986. Zhang, Z., Deriche, R., Faugeras, O., Luong, Q. (1995) “A robust technique for matching two uncalibrated images through the recovery of the unknown epipolar geometry”. Artificial Intelligence. 78 (1-2), 87-119. Wetgeving Europees Verdrag 16 januari 1992 betreffende de bescherming van het archeologisch erfgoed. http://conventions.coe.int/Treaty/en/Treaties/Html/143.htm. 06/04/2014. Internetbronnen Agisoft PhotoScan. http://www.agisoft.ru/. 09/04/2013. Agisoft PhotoScan User Manual. http://downloads.agisoft.ru/pdf/photoscan- pro_0_9_0_en.pdf. 09/04/2013. ArcGIS Resources. http://resources.arcgis.com/en/home/. 12/04/2014. 115 Archis. http://archeologieinnederland.nl/bronnen-en-kaarten/archis. 18/05/2014. Blender. http://www.blender.org/about/. 11/04/2014. Bundler. http://phototour.cs.washington.edu/bundler/. 09/04/2013. Centrale Archeologische Inventaris. http://cai.erfgoed.net/. 11/05/2014. Free CSS. http://www.free-css.com/free-css-templates/page154/designa-studio. 13/05/2014. Google Developers KML Reference. https://developers.google.com/kml/documentation/kmlreference?hl=nl. 13/04/2014. Google Maps for Business. http://www.google.com/enterprise/mapsearth/. 13/04/2014. Hedberg, M. (2012) Extremväder, en regnig sommar och global uppvärmning. http://martinhedberg.se/extremvader-en-regnig-sommar-och-global-uppvarmning/commentpage-2/. 22/05/2014. Herring, J. (Ed.) (2010) OpenGIS® Implementation Standard for Geographic information Simple feature access - Part 2: SQL option. http://www.opengeospatial.org/standards/sfs. 03/05/2014. Kolbe, T. (2014) CityGML: Exchange and Storage of Virtual 3D City Models. http://www.citygml.org/. 11/04/2014. LAStools. http://www.cs.unc.edu/~isenburg/lastools/. 02/05/2014. Lonneville, B., De Wit, B. (2014) Edzna 3D. http://cartogis.ugent.be/edzna/. 16/04/2014. Microsoft Photosynth. http://photosynth.net/. 09/04/2013. Murray C. (2009) Oracle® Spatial Developer's Guide. 11g Release 1 (11.1). http://docs.oracle.com/cd/B28359_01/appdev.111/b28400.pdf. 03/05/2014. 116 PostGIS 2.0 Manual. http://postgis.net/stuff/postgis-2.0.pdf. 03/05/2014. Sketchfab. https://sketchfab.com/. 16/04/2014. Trimble. http://trl.trimble.com/docushare/dsweb/Get/Document-705437/022543-155JNLD_TrimbleM3_DS_0414_LR.pdf. 08/11/2013. Vimeo fly through Edzna. https://vimeo.com/96066852. 22/05/2014. Wilson, T. (2008) (Ed.) OGC® KML. http://www.opengeospatial.org/standards/kml. 13/04/2014. Software Agisoft PhotoScan 1.0.2 AutoCAD Civil 3D 2013 Blender 2.69 CloudCompare V2 Cyclone 8.0.2 ESRI ArcGIS Explorer Desktop ESRI ArcMap 10.1 ESRI ArcScene 10.1 jEdit 5.1.0 MeshLab v1.3.2 Octopus TOPO 3 Quantum GIS 1.8.0 R 3.0.2 117 BIJLAGEN Bijlage 1: Overzicht 3D-modellen Tabel 1: Five-story building Five-story building Locatie Bovenaanzicht Vooraanzicht Aantal camera’s 223 Mesh 600 950 faces Textuur 4096 x 8 118 Tabel 2: Moon temple Moon temple Locatie Bovenaanzicht Vooraanzicht Aantal camera’s 43 Mesh 84 186 faces Textuur 4096 x 8 119 Tabel 3: North temple en trappen Great acropolis North temple en trappen Great acropolis Locatie Bovenaanzicht Vooraanzicht Aantal camera’s 198 Mesh 739 190 faces Textuur 4096 x 8 120 Tabel 4: Platform of Knives Platform of Knives Locatie Bovenaanzicht Vooraanzicht Aantal camera’s 161 Mesh 283 012 faces Textuur 4096 x 8 121 Tabel 5: House House Locatie Bovenaanzicht Vooraanzicht Aantal camera’s 64 Mesh 217 377 faces Textuur 4096 x 8 122 Tabel 6: Nohochna Nohochna Locatie Bovenaanzicht Vooraanzicht Aantal camera’s 93 Mesh 273 286 faces Textuur 4096 x 8 123 Tabel 7: South temple South temple Locatie Bovenaanzicht Vooraanzicht Aantal camera’s 67 Mesh 130 953 faces Textuur 4096 x 8 124 Tabel 8: Ball court Ball court Locatie Bovenaanzicht Vooraanzicht Aantal camera’s 48 Mesh 177 459 faces Textuur 4096 x 8 125 Tabel 9: Little stone temple Little stone temple Locatie Bovenaanzicht Vooraanzicht Aantal camera’s 52 Mesh 115 080 faces Textuur 4096 x 8 126 Tabel 10: Temple of Masks Temple of Masks Locatie Bovenaanzicht Vooraanzicht Aantal camera’s 63 Mesh 239 811 faces Textuur 4096 x 8 127 Tabel 11: Small acropolis North Small acropolis North Locatie Bovenaanzicht Vooraanzicht Aantal camera’s 28 Mesh 72 501 faces Textuur 4096 x 8 128 Tabel 12: Small acropolis East Small acropolis East Locatie Bovenaanzicht Vooraanzicht Aantal camera’s 83 Mesh 96 665 faces Textuur 4096 x 8 129 Tabel 13: Small acropolis South Small acropolis South Locatie Bovenaanzicht Vooraanzicht Aantal camera’s 38 Mesh 60 870 faces Textuur 4096 x 8 130 Tabel 14: Small acropolis West Small acropolis West Locatie Bovenaanzicht Vooraanzicht Aantal camera’s 93 Mesh 117 970 faces Textuur 4096 x 8 131 Bijlage 2: Basispunten nauwkeurigheidsanalyse Tabel 1: Basispunten Five-story building, Moon temple en North temple Five-story building Moon temple North temple 1001 21401 21302 1010 21405 21305 1012 21407 21308 1027 21409 21312 2028 21419 21315 2030 21420 21316 20007 21422 21318 20013 21424 21322 21204 21221 21228 21236 132 Bijlage 3: Aanvaarde paper FIG-conferentie 16-21 juni 2014 (Kuala Lumpur, Maleisië) Highly Detailed 3D Modelling of Mayan Cultural Heritage Using an UAV Cornelis STAL, Britt LONNEVILLE, Timothy NUTTENS, Philippe DE MAEYER, Alain DE WULF, Belgium Key words: cultural heritage, SfM-MVS, UAV, virtual reality, 3D modelling SUMMARY Highly detailed and highly accurate 3D models are indispensable tools for the management of cultural heritage, as well as for archaeological and anthropological research. Moreover, these digital 3D models should be combined with high resolution texture maps to facilitate the understanding of the heritage sites or parts of the heritage. The construction of these models requires the deliberate selection of a data acquisition platform and spatial measurement instruments. Different considerations on these issues are discussed in this paper, based on a case study at the site of Edzná, Mexico. This project focuses on the virtual 3D reconstruction of the different structures and artefacts on the site. The project is a collaboration between Ghent University (Belgium), INAH Mexico and UNESCO. On Mayan sites, Unmanned Aerial Vehicles (UAV) are exceptionally useful tools for data gathering. These devices allow image acquisition with high resolution and under various incidence angles. Moreover, the platform can be compact and light weight, so it allows a flexible deployment. In this sense, flexibility means both the ability to make the platform easily transportable and the possibility to manoeuvre both on high elevations and in narrow spaces. High elevations are required to position the modelled structure in a wider spatial context. The ability to manoeuvre in narrow spaces is needed to operate in forested areas and to avoid self-occlusion in the model. Images taken with the UAV are combined with terrestrial images of the site, resulting in a full coverage with significant overlap between consecutive images. The entire data set is processed with various levels of details (LoD) in an image based virtual reconstruction process, resulting in digital elevation models, orthophotos, textured 3D models and other derivatives. Absolute referencing is based on a series of GNSS measurements and densified with total station measurements. Working with different LoDs allows the smooth implementation of the models in a 3D geographic information system (GIS) and in on-line interactive 3D viewers. Semantic data can be assigned to different geometric features within the project and the models can be used for online consultation and visualisation systems. 133 Highly Detailed 3D Modelling of Mayan Cultural Heritage Using an UAV Cornelis STAL, Britt LONNEVILLE, Timothy NUTTENS, Philippe DE MAEYER, Alain DE WULF, Belgium 1. INTRODUCTION Research on highly accurate and highly detailed 3D modelling is still constantly developing. The importance of 3D modelling has penetrated a lot of scientific disciplines and applications. DEMs and 3D city models play an indisputable role in environmental research (Dubovyk et al., 2011; Werbrouck et al., 2011), spatial planning and management (Kolbe et al., 2005; Smart et al., 2011), architectural documentation (Becker, 2009; Murphy et al., 2013) or archaeology and cultural heritage (Koller et al., 2009; Remondino, 2011). Especially since the last decade, the introduction of innovative 3D measurement techniques such as laser scanning and image based modelling resulted in an increasing efficiency of 3D data collection. This efficient data recording is necessary to meet the growing demand for accurate and dense 3D data, 3D models and other derivatives, which can be quickly produced for e.g. 3D architectural structures, building block inventory and facility management systems, both indoor and outdoor. For the documentation of cultural heritage, like archaeological sites, both Airborne Laser Scanning (ALS, (Coluzzi et al., 2011)) and Terrestrial Laser Scanning (TLS, (Pesci et al., 2012)) are frequently used 3D data acquisition techniques. These techniques enable the construction of dense point clouds with a high geometric accuracy, but with no or limited radiometric information. Moreover, the initial costs to acquire data using laser scanning are relatively high, especially in remote areas. Recent developments in the field of computer vision have enabled the generation of photo-realistic 3D models using series of images. These images can be taken with a consumer digital camera. Consequently, image-based 3D modelling is increasingly applied in cultural heritage studies (e.g. (Koutsoudis et al., 2013; Plets et al., 2012). In order to generate such photorealistic 3D models based on imagery, Structure from Motion (SfM) and Multi-View Stereo (MVS) are frequently used. SfM-MVS is a technique to reconstruct the camera acquisition parameters and a sparse point cloud of the scene (SfM), as well as a technique to calculate a dense point cloud and to acquire the 3D geometry of an object or surface (MVS), using a series of 2D images (Lourakis and Argyros, 2009). The process results in a 3D mesh with photorealistic texture maps. The research presented in this paper covers the 3D documentation of different structures at the Mayan site of Edzná (Campeche, Mexico, Figure 1). During a two-week field campaign in November 2013, data for an image based 3D reconstruction of the site were acquired. After comparative studies on the quality of image based modelling in airborne (Stal et al., 2012b) and terrestrial (Stal et al., 2012a) applications, it was decided to create airborne-based textured 3D models using images acquired with an Unmanned Aerial Vehicle (UAV). Previous research has already demonstrated the potential of UAVs for 3D modelling (Hendrickx et al., 2011). During the project, a large series of terrestrial and airborne images were taken during this campaign. Although the use of the UAV was preferred for the image acquisition, a platform configuration with helium balloons was also operationalized. This alternative platform could be used in case of difficulties with the UAV and increases the 134 flexibility and efficiency of the data acquisition, in terms of optimal use of hardware and human-ware. The images were processed in a semi-automatic workflow and resulted in 3D models with a high radiometric and geometric accuracy. The integrated use of different spatial data sources is essential for this project. Thus, Ground Control Points (GCP) were also acquired by topographic measurements, allowing the connection of different modelled features in the model, as well as the absolute positioning of the site. A total station and handheld GNSS receiver were used for these measurements. The procedure of constructing these models and the temporal results are presented in this paper. Furthermore, an online environment for the presentation of the results is elaborated. Figure 1: Panoramic overview of the archaeological site of Edzná (Campeche, Mexico), taken from the upper ‘Temple of the five Stories’ 2. STUDY AREA The Mayan site of Edzná, (meaning either ‘House of the Itzaes’ or ‘House of the Grimace’), is situated on the Yucatán Peninsula in the state of Campeche (Mexico, Figure 2, left). The city of Campeche and the coast are approximately 50 km away from the site. The old Mayan city was founded around 600 BC and abandoned in 1450 AD, but flourished between 600 and 800 AD. In this period, the city had over 25 000 inhabitants and different large structures like the ‘Temple of the Nohochna’ or the ‘Temple of the Five Stories’ (‘Edificio de los Cinco Pisos’) were constructed. From an architectural point of view, the latter is very interesting for its combined use of ‘Puuc’ and ‘Petén’ styles: the upper floor of the structure, which is the actual temple and four underlying spaces are in the ‘Puuc’ style; a pyramid inside the temple is constructed in the ‘Petén’ style. At the site as it is known today, sixteen large structures are excavated and exposed, spread over an area of a few hectares. However, with an estimated size of 18 km2, the full extent is expected to be significantly larger. The current archaeological area is limited by the ‘Platform of Knives’ in the north, the ‘Great Acropolis’ in the east, the ‘Temple of the Masks’ in the south and the ‘Nohochna’ in the west. Next to the ‘Great Acropolis’, a smaller acropolis is situated (Figure 2, right). 135 Figure 2: Situation of the Mayan city of Edzná and other important sites on the Yucatan Peninsula (left) and overview of the site itself with some large structures (right) 3. EQUIPMENT AND DATA ACQUISITION Motivated by the experience of Hendrickx et al. (2011), it was decided to focus on a lightweight, flexible, compact and relatively low-cost UAV, for which spare parts were expected be available in regular hardware stores, in order to perform repairs after platform break-downs. These requirements enable the easy and fast deployment of the system in more remote areas. Besides, the compactness of the system allows operating even in densely vegetated areas. As a result, a TSH GAUI 540H hexagonal UAV (www.gaui.com.tw) with a Sony Nex 5R was used (Figure 3). A summary of this platform and other equipment is presented below: UAV: TSH GAUI 540H (www.gaui.com.tw): o DJI Naza-M multi-rotor control platform with GNSS antenna and gyroscope; o GAUI GUEC GM-412 brushless motor; o IR camera trigger; o Two axis stabilising camera gimbal; o Live video transmission system. Camera: Sony Nex 5R (www.sony.com): o 16.1 Megapixels; o APS-C sensor (25.1 x 16.7 mm); o 16-50 mm lens; o Time lapse software. Total station: Trimble M3 (www.trimble.com): o Distance accuracy: ± (2+2 ppm) mm (prism), ± (3+2 ppm) mm (reflectorless); o Angular accuracy: 2”. GNSS: Garmin eTrex 30 (www.garmin.com) with 2 metre accuracy in SBAS (WAAS) mode. 136 Figure 3: Close-up of the UAV, equipped with a digital camera aiming downwards and two LiPo batteries mounted on each side of the frame The UAV was also equipped with two LiPo batteries with a capacity of 4500 mAh (3 cells, 11 V). The mass of the UAV (0.5 kg), the camera (body with lens: 0.5 kg) and batteries (two pieces: 0.7 kg) have a large influence on the operational time, but the flying duration is also depending on the weather conditions. Under normal circumstances (no rain and a wind speed of up to 3 or 4 Bf), the flying duration is approximately 7 to 8 minutes. For the entire site, between 9000 and 10 000 images were taken at a maximum flying height of 100 metre. With angles of view of 55.1° and 76.2°, a maximal image coverage of 104 x 157 m can be estimated. During the field campaign, the 16 different structures at the site were terrestrially photographed and photographed using the UAV (Figure 4). In order to have a full coverage, the camera was fixed with its optical axis vertically down or under an angle of 30° or 45° for the airborne acquisition. It is important to mention that neither flight control software was used during the acquisition, nor were the images geo-tagged. Next to a constant visual contact with the platform, live video transmission was used estimate the elevation of the UAV and to control the coverage of the images. In order to check the image coverage, a first processing of the images was performed on a daily basis. 137 Figure 4: Operational UAV near the ‘Temple of the Five Stories’ For the referencing of the models, a first order polygonal network was materialized and measured by total station (Figure 5). For the alignment of the 3D models in this network, 25 to 90 Ground Control Points (GCPs) of each structure were measured from second order setups. This large number of GCPs allowed a redundant registration of each structure in the processing software, as well as a profound quality control. Per structure, an equal distribution of the GCPs was respected in both planimetry and altimetry. This meant that points were measured from the basis to the top of each structure. It was decided to use characteristic points on the structures, instead of explicitly materializing points. The 9 points in the first order network were also measured with a handheld GNSS device for the global referencing in WGS84. Consequently, the absolute accuracy is only a few metres, but centimetre accuracy was realized for the local network and ensuing GCP coordinates. 138 Figure 5: Overview of the site of Edzná and the first order network (modified from Coe (2001)) 4. DATA PROCESSING Agisoft Photoscan Professional (www.agisoft.ru) was used for processing the images. This software uses SfM for the image alignment and MVS for the geometric reconstruction of the object in 3D. SfM-MVS is elaborated by various experts in computer vision, like Lourakis and Argyros (2009), Robertson and Cipolla (2009) or Seitz et al. (2006). For archaeological projects, the technique and accompanying software are also used by various authors, like Verhoeven et al. (2011) or Stal et al. (2014). The image alignment or reconstruction of the image acquisition (SfM) starts with the automatic detection of characteristic points or feature points on each image. Thereafter, a feature matching is performed in order to relate each point with its counterpart in other images. The focal length and image size of each image are slightly adjusted during a maximum likelihood adjustment, which allows an iterative bundle adjustment and the estimation of a sparse point cloud. In this phase, the GCPs are assigned to each image and the scene will be aligned in an absolute 3D coordinate system. The result of this step is a (bestfitting) virtual reconstruction of the image scene and all matched feature points are accurately positioned in this 3D space. An example of the results of this process is given in Figure 6 139 (left). It is clear that this preliminary result already gives a good impression of the geometrical correctness of the reconstruction. The blue rectangles represent the image recording position of each image used for the reconstruction, numbered by the name of the corresponding image. The numbered dots with flags represent the measured GCPs. Figure 6: Reconstruction of the image scene with sparse point cloud and positioned and oriented images (left) and the dense point cloud of the same scene (right) After performing the SfM, the geometry of the object to be modelled is reconstructed using MVS. This actual geometrical reconstruction process is not based on the 3D feature points (i.e. the sparse point cloud), but on a dense point cloud. This new point cloud is generated by projecting the pixels of each aligned image in the 3D space. Using the position, orientation and focal length of each image frame, a depth map is calculated, representing the intersection of the perspective pixel rays with pixel rays from other images. When different depth maps are combined in a single scene, a dense point cloud can be calculated (Figure 6, right). A 3D mesh or triangular model is constructed by the triangulation of this point cloud (Figure 7). Figure 7: Un-textured 3D mesh of the ‘Temple of the Five Stories’ (left) and the ‘Nohochna’ (right) The final step in the 3D reconstruction process is the projection of a texture map for each model. This texture map allows the photorealistic appearance of the model and it is calculated 140 by projecting original images on the geometric framework of the model. Each pixel in the texture map is the result of a weight distance function of the colour values from different images. The process of assigning a colour value in 2D to a 3D geometry is frequently performed using uv-mapping (Hülksen et al., 2007), where 3D (x,y,z) coordinates of the geometry are linked with 2D (u,v) coordinates in a texture map. Two examples of the final textured 3D models are presented in Figure 8. Figure 8: Textured 3D model of the ‘Temple of the Five Stories’ (left) and the ‘Nohochna’ (right) The selection of the different processing parameters is depending on a large number of variables, like the quality of the images, the camera characteristics, the image scale, the size of the object to be modelled, the radiometrical parameters of the object (e.g. ability to detect feature points), the available hardware capacity, the desired properties of the results, and so forth. For this project, the most optimal processing parameters were determined in a trial-anderror procedure. However, the parameters are also based on the required Level of Detail (LoD) of the models. In the current version of the models, a rough 3D model was generated covering the entire site in situ (LoD-1) and a series of more detailed 3D models were constructed for each separate structure (LoD-2). A third LoD was gained for special features, like masks or frescos. For the LoD-2 models, sub-decimetre accuracy was requested by managers of the archaeological site. After processing all the data, a series of textured 3D models in ascii-based Wavefront Object file format (OBJ) and binary Stanford Triangle file format (PLY) were made available. These models have a full 3D geometry, but 2.5D Digital Elevation Models (DEM) or orthophotos can also be generated. 5. RESULTS 5.1 Accuracy evaluation In order to perform an accuracy evaluation of the 3D models, the three largest structures of the ‘Great Acropolis’, namely the ‘Temple of the Five Stories’, the ‘North Temple’ and the ‘Moon Temple’, are intensively measured using a total station. The measured GCPs were loaded into Agisoft Photoscan as discussed earlier and an alignment error was calculated. The values calculated by the software correspond with the averaged triangulation error for each point. It must be mentioned that outliers were removed from this data set. An outlier was detected when the error value is smaller than the lower limit of the first quartile (Q1) minus 1.5 times the Interquartile Range (IQR), or bigger than the upper limit of the third quartile (Q3) plus 1.5 times the IQR. After the outlier removal, the statistics in Table 1 were 141 calculated. The magnitude of the presented errors is very satisfying, given the size of the buildings and the desired sub-decimetre accuracy. Table 1: Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) of the GCPs ∆X ∆Y ∆Z ‘Cinco pisos’ MAE (m) 0.016 RMSE (m) 0.020 MAE (m) 0.019 RMSE (m) 0.023 MAE (m) 0.016 RMSE (m) 0.021 ‘Moon temple’ 0.014 0.017 0.014 0.018 0.012 0.014 ‘North temple’ 0.014 0.019 0.019 0.024 0.015 0.019 5.2 Presentation of the results The cultural heritage managers of INAH Campeche, but also archaeological groups working at Edzna will definitely benefit from the work performed during this project. In order to make the results accessible to these institutions and other interested organizations, a web site was developed and hosted at the Department of Geography (Ghent University, Belgium). The internet site is accessible via http://cartogis.ugent.be/edzna/index.html and allowed the visitor to virtually walk through the different 3D models (Figure 9). Interactive 3D visualization was made possible by embedding a SketchFab viewer (www.sketchfab.com). Moreover, additional project information was made available for a wider public. Especially this interactive viewer allows non-expert users to get aware of this cultural heritage in a visually attractive way. In order to give an impression of the site of Edzná as seem from the UAV, a video was made available on Youtube (http://www.youtube.com/watch?v=GFZhh7h1MiQ). 142 Figure 9: Screenshot of the web site, with an overview of the different 3D models (left) and a 3D model in the SketchFab viewer (right) Since the project is still on-going, the website is under constant development. It is the ambition to add different other features to the site, with a special focus to GIS-oriented content. The use of conventional DEMs and orthophotos allows the design of a Web Mapping Service (WMS), but this is currently work in progress. 143 6. CONCLUSIONS AND FUTURE WORK The construction of 3D models of the archaeological site of Edzná (Mexico) was discussed in this paper. Motivated by the requirement to generate a virtual reconstruction of this Mayan site with sub-decimetre accuracy, a large number of images were taken. These images were taken from the ground and with an airborne UAV. The images were processed in a SfMMVS-based workflow and GCPs were measured with a total station. This resulted in mean absolute errors between 0.01 and 0.02 m. Next to the construction of these models, a special focus was the presentation and publication of the results. A website was developed, where information on the project is presented and where the 3D models are made available in an interactive 3D viewer. Further work is required on the design and implementation of GIS-based data in a WMS. ACKNOWLEDGEMENT The authors would like to thank the Instituto Nacional de Antropología e Historia (INAH) and the United Nations Educational, Scientific and Cultural Organization (UNESCO) for the logistic and financial support of this project. The Research Foundation Flanders (FWO) is also gratefully acknowledged for funding the research and work presented in this paper. Although the number of authors was limited to five, the authors would like to express their gratitude to MSc. Bart De Wit for his efforts. REFERENCES Becker, S., 2009. Generation and application of rules for quality dependent façade reconstruction. ISPRS Journal of Photogrammetry and Remote Sensing 64 (6), 640-653. Coe, A., 2001. Archaeological Mexico: A Guide to Ancient Cities and Sacred Sites. Avalon Travel Publishing, Emeryville, CA, USA, pp. 469. Coluzzi, R., Masini, N., Lasaponara, R., 2011. Flights into the past: full-waveform airborne laser scanning data for archaeological investigation. Journal of Archaeological Science 37 (9), 2061-2070. Dubovyk, O., Sliuzas, R., Flacke, J., 2011. Spatio-temporal modelling of informal settlement development in Sancaktepe district, Istanbul, Turkey. ISPRS Journal of Photogrammetry and Remote Sensing 66 (2), 235-246. Hendrickx, M., Gheyle, W., Bonne, J., Bourgeois, J., De Wulf, A., Goossens, R., 2011. The use of stereoscopic images taken from a microdrone for the documentation of heritage: an example from the Tuekta burial mounds in the Russian Altay. Journal of Archaeological Science 38 (11), 2968-2978. Hülksen, F., Eckes, C., Kuck, R., Unterberg, J., Jörg, S., 2007. Modeling and animating virtual humans for real-time applications. International Journal of Virtual Reality 6 (4), 11-20. 144 Kolbe, T., Gröger, G., Plümer, L., 2005. CityGML: interoperable access to 3D city models, First International Symposium in Geo-Information for Disaster Management. Springer Verlag, Heidelberg, Germany, pp. 883–899 . Koller, D., Frischer, B., Humphreys, G., 2009. Research challanges for digital archives of 3D cultural heritage models. Journal on Computing and Cultural Heritage 2 (3), 1-17. Koutsoudis, A., Stravroglou, K., Pavlidis, G., Chamzas, C., 2013. 3DSSE: A 3D scene search engine, exploring 3D scenes using keywords. Journal of Cultural Heritage 13 (2), 187-194. Lourakis, M., Argyros, A., 2009. SBA: A software package for generic sparse bundle adjustment. ACM Transactions on Mathematical Software 36 (1), 1-30. Murphy, M., McGovern, E., Pavia, S., 2013. Historic building information modelling: adding intelligence to laser and image based surveys of European classical architecture. ISPRS Journal of Photogrammetry and Remote Sensing 76 (2013), 89-102. Pesci, A., Bonali, E., Galli, C., Boschi, E., 2012. Laser scanning and digital imaging for the investigation of an ancient building: Palazzo d'Accursio study case (Bologna, Italy). Journal of Cultural Heritage 13 (2), 215-220. Plets, G., Gheyle, W., Verhoeven, G., De Reu, J., Bourgeois, J., Verhegge, J., Stichelbaut, B., 2012. Three-dimensional recording of archaeological remains in the Altai Mountains. Antiquity 86 (333), 1-14. Remondino, F., 2011. Heritage recording and 3D modeling with photogrammetry and 3D scanning. Remote Sensing 3 (6), 1104-1138. Robertson, D., Cipolla, R., 2009. Structure from motion, in: Varga, M. (Ed.), Practical image processing and computer vision. John Wiley, Hoboken, NJ, USA., p. 49. Seitz, S., Curless, B., Diebel, J., Scharstein, D., Szeliski, R., 2006. A comparison and evaluation of multi-view stereo reconstruction algorithms, IEEE Computer Society Conference on Computer Vision and Pattern Recognition, New York, NY, USA, 17-22 June, pp. 519-528. Smart, P., Quinn, J., Jones, C., 2011. City model enrichment. ISPRS Journal of Photogrammetry and Remote Sensing 66 (2), 223-234. Stal, C., De Wulf, A., De Maeyer, P., Goossens, R., Nuttens, T., 2012a. Evaluation of the accuracy of 3D data acquisition techniques for the documentation of cultural heritage, 3rd EARSeL Workshop on Remote Sensing for Archaeology, Ghent, Belgium, pp. 8 (on CDROM) Stal, C., De Wulf, A., De Maeyer, P., Goossens, R., Nuttens, T., Tack, F., 2012b. Statistical comparison of urban 3D models from photo modeling and airborne laser scanning, International Multidisciplinary Scientific GeoConference (SGEM), Albena, Bulgaria, pp. 8 (on CD-ROM) 145 Stal, C., Van Liefferinge, K., De Reu, J., Docter, R., Dierkens, G., De Maeyer, P., Mortier, S., Nuttens, T., Pieters, T., van den Eijnde, F., van de Put, W., De Wulf, A., 2014. Integrating geomatics in archaeological research at the site of Thorikos (Greece). Journal of Archaeological Science 2014 (in press), pp. 15. Verhoeven, G., Doneus, M., Briese, C., Vermeulen, F., 2012. Mapping by matching: a computer vision-based approach to fast and accurate georeferencing of archaeological aerial photographs. Journal of Archaeological Science 39 (7), 2060-2070. Werbrouck, I., Antrop, M., Van Eetvelde, V., Stal, C., De Maeyer, P., Bats, M., Bourgeois, J., Court-Picon, M., Crombé, P., De Reu, J., De Smedt, P., Finke, P., Van Meirvenne, M., Verniers, J., Zwertvaegher, A., 2011. Digital elevation model generation for historical landscape analysis based on LiDAR data: a case study in Flanders (Belgium). Expert systems with Applications 38 (7), 8178-8185. BILBIOGRAPHICAL NOTES Cornelis Stal (°1985, Waalre, the Netherlands) is a PhD student working on the combination of airborne and terrestrial laser scanning for 3D city modelling. His special interest is in the (automatic) generation of geometric, radiometric and semantic rich 3D models, derived from irregular point sets and other spatial datasets. This means that both laser scanning as a discipline in the land survey and geo-IT (GI-systems, GI-programming, GI-management,...) are important pillars of his research. CONTACTS Cornelis Stal Ghent University – Department of Geography 3D Data Acquisition Cluster Krijgslaan 281 (Building S8) 9000 Ghent, Belgium Tel. +32 (0) 9 264 46 56 Fax. +32 (0) 9 264 49 85 Email: [email protected] Website: http://geoweb.ugent.be/data-acquisition-3d 146 Bijlage 4: KML-code Five-story building <Folder> <name>Great acropolis</name> <NetworkLink> <name>Five-story building</name> <description><text></text><![CDATA[<!-- BalloonStyle background color:ffffffff--> <table width="400" border="0" cellspacing="0" cellpadding="5"> <tr> <td colspan="2" align="center"> <img src="Balloonstyle/files/logo.png" alt="picture" width="285" height="60" /> </td> </tr> <tr> <td colspan="2" align="center"> <h2><font color='#79CDCD'>Five-story building</font></h2> </td> </tr> <tr> <td colspan="2" align="center"> <img src="Balloonstyle/files/DSC_0002.jpg" alt="picture" width="300" height="210" /> </td> </tr> <tr> <td colspan="2"> <p><font color="#000000"></font> <table width="300" border="1" cellspacing="0" cellpadding="5" align="center"> </p> <tr><td>Name building</td><td>Five-story building</td></tr> <tr><td>Longitude</td><td>-90.2288°</td></tr> <tr><td>Latitude</td><td>19.5968°</td></tr> </table> </td> </tr> <tr> <td align="center"> <a href="http://cartogis.ugent.be/edzna/edificio.html">Explore this model on the Edzna 3D-website </a> </td> </tr> <tr> <td colspan="2" align="center"> <font color="#999999">Ghent University (2014)</font> </td> </tr> </table>]]></description> <TimeSpan> <begin>2013-11-02</begin> <end>2013-11-09</end> </TimeSpan> <flyToView>0</flyToView> <Link> <href>Cinco pisos\cp.kml</href> </Link> </NetworkLink> … </Folder> Figuur 1: Five-story building in edzna.kml 147 <?xml version="1.0" encoding="UTF-8"?> <kml xmlns="http://earth.google.com/kml/2.1"> <Document> <Placemark> <name>LOD1</name> <Region> <Lod> <minLodPixels>32</minLodPixels> <maxLodPixels>256</maxLodPixels> </Lod> <LatLonAltBox> <north>19.597125</north> <south>19.596495</south> <east>-90.228877</east> <west>-90.229334</west> <minAltitude>0</minAltitude> <maxAltitude>300</maxAltitude> </LatLonAltBox> </Region> <MultiGeometry> <Model id="model1"> <altitudeMode>absolute</altitudeMode> <Location> <longitude>-90.2288257181</longitude> <latitude>19.5968150557</latitude> <altitude>30.1659373270</altitude> </Location> <Orientation> <heading>0.0000000000</heading> <tilt>0.0000000000</tilt> <roll>-8.0000000000</roll> </Orientation> <Scale> <x>1.0000000000</x> <y>1.0000000000</y> <z>1.0000000000</z> </Scale> <Link> <href>LOD1/model.dae</href> </Link> </Model> </MultiGeometry> </Placemark> <Placemark> <name>LOD2</name> <Region> <Lod> <minLodPixels>256</minLodPixels> <maxLodPixels>1024</maxLodPixels> </Lod> <LatLonAltBox> <north>19.597125</north> <south>19.596495</south> <east>-90.228877</east> <west>-90.229334</west> <minAltitude>0</minAltitude> <maxAltitude>300</maxAltitude> </LatLonAltBox> </Region> 148 <MultiGeometry> <Model id="model2"> <altitudeMode>absolute</altitudeMode> <Location> <longitude>-90.2288257181</longitude> <latitude>19.5968150557</latitude> <altitude>30.1659373270</altitude> </Location> <Orientation> <heading>0.0000000000</heading> <tilt>0.0000000000</tilt> <roll>-8.0000000000</roll> </Orientation> <Scale> <x>1.0000000000</x> <y>1.0000000000</y> <z>1.0000000000</z> </Scale> <Link> <href>LOD2/model.dae</href> </Link> </Model> </MultiGeometry> </Placemark> <Placemark> <name>LOD3</name> <Region> <Lod> <minLodPixels>1024</minLodPixels> </Lod> <LatLonAltBox> <north>19.597125</north> <south>19.596495</south> <east>-90.228877</east> <west>-90.229334</west> <minAltitude>0</minAltitude> <maxAltitude>300</maxAltitude> </LatLonAltBox> </Region> <MultiGeometry> <Model id="model3"> <altitudeMode>absolute</altitudeMode> <Location> <longitude>-90.2288257181</longitude> <latitude>19.5968150557</latitude> <altitude>30.1659373270</altitude> </Location> <Orientation> <heading>0.0000000000</heading> <tilt>0.0000000000</tilt> <roll>-8.0000000000</roll> </Orientation> <Scale> <x>1.0000000000</x> <y>1.0000000000</y> <z>1.0000000000</z> </Scale> <Link> <href>LOD3/model.dae</href> 149 </Link> </Model> </MultiGeometry> </Placemark> </Document> </kml> Figuur 2: Five-story building in cp.kml <?xml version="1.0" encoding="UTF-8"?> <kml xmlns="http://earth.google.com/kml/2.1"> <Placemark> <name>Five-story building</name> <description>LOD3</description> <Model id="model1"> <altitudeMode>absolute</altitudeMode> <Location> <longitude>-90.2288257181</longitude> <latitude>19.5968150557</latitude> <altitude>30.1659373270</altitude> </Location> <Orientation> <heading>0.0000000000</heading> <tilt>0.0000000000</tilt> <roll>-8.0000000000</roll> </Orientation> <Scale> <x>1.0000000000</x> <y>1.0000000000</y> <z>1.0000000000</z> </Scale> <Link> <href>model.dae</href> </Link> </Model> </Placemark> </kml> Figuur 3: Five-story building in doc.kml (LOD3) 150
© Copyright 2024 ExpyDoc