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

vto 2014 – antwoorden voorronde

Zorgprogramma Longtransplantatie UZ Leuven Prof. dr G. Verleden

Hoofdstuk 9 D

Opgave 2 (G-)Krachtmetingen in een attractiepark

Fiche

6 Theezakje - Havovwo.nl

Manwolf pdf free

WAIS-IV en CHC Tabel 1: De Indexen in relatie tot

De bepaling van psychofarmaca.

Inhaal HT4: Bepaalde integraal 6 WEWI (oefeningen) (12.11.2014)