ارزیابی تاثیر شبکه تصویربرداری و بافت تصویر بر کیفیت تولید ابرنقطه سه بعدی در فتوگرامتری بردکوتاه

فتوگرامتری بردکوتاه به ارایه مدل دقیق هندسی سه بعدی اشیاء با استفاده از تصاویری که از جسم اخذ شده می پردازد. امروزه، ایجاد مدل های سه بعدی واقع بینانه و تجسم آن ها متداول شده و روز به روز محبوب تر می شود از طرفی، انتخاب درست نرم افزار مدل سازی در بردکوتاه همواره چالش برانگیز و مورد بحث متخصصان و محققان بوده و هست. ازاین رو، بررسی و ارزیابی مدل های تولیدشده در نرم افزار های مختلف، حایز اهمیت است. به علت فراگیر بودن نرم افزار Agisoft در میان مهندسان و محققان این حوزه، سعی شد تا در این تحقیق، پردازش تصاویر و مدل سازی در دو نسخه این نرم افزار با نام های Photoscan و Metashape اجرا شوند. در تحقیقات صورت گرفته تا به امروز معیار بهینه سازی شبکه عکس برداری، برمبنای افزایش دقت مدل سازی بوده است، به همین جهت، برای بررسی و ارزیابی مدل های سه بعدی تولیدی در دو نسخه این نرم افزار، سناریوهای متفاوتی برای طراحی شبکه عکس برداری تعریف شده و مدل سه بعدی تولیدی هر سناریو با یک مدل ریاضی به عنوان مدل مرجع مقایسه شدند. علاوه براین، در این پژوهش علاوه بر ارزیابی دقت مدل سه بعدی تولیدی، مدل سازی کامل در نرم افزار به صورت اجرایی در حالت های مختلف با دو بافت متفاوت مورد بررسی قرار گرفت. با توجه به این که بافت تصویر تاثیر مستقیم بر کیفیت ابرنقطه دارد، برای بررسی کیفیت ابرنقطه تولیدشده به روش فتوگرامتری لازم است تا نقش بافت تصویر به همراه هندسه شبکه تصویربرداری به طور دقیق مورد بررسی قرار گیرند. ازاین رو، علاوه بر بررسی وضعیت هندسی شبکه عکس برداری، بافت تصاویر به عنوان یک شاخص رادیومتریکی مورد ارزیابی قرارگرفته و تاثیر این دو عامل بر کیفیت ابرنقطه تولید شده بررسی شده است. درنتیجه تعداد بهینه تصویر با بافت مناسب برای ساخت یک مدل سه بعدی دقیق و باکیفیت تعیین شده است.

برای مدل سازی یک شیء در روش فتوگرامتری بردکوتاه، تعدادی تصویر طبق شبکه از پیش طراحی شده از شیء مورد نظر اخذ شده و سپس، به کمک روش ساختار ناشی از حرکت (SfM)، ابرنقاط و مدل سه بعدی ایجاد می شود. اساس روش ساختار ناشی از حرکت، از نحوه ادراک اجسام توسط چشم انسان الگوبرداری شده است. روش ساختار ناشی از حرکت، امکان دستیابی سریع، خودکار و کم هزینه به داده های سه بعدی را فراهم می سازد. این روش به گونه ای است که با استفاده از تصاویر متوالی پوشش دار مربوط به یک شیء و پردازش تصویر، مدل سه بعدی دارای مختصات ایجاد می کند. پس از ساخت مدل های سه بعدی بر مبنای سناریوهای تعریف شده در دو نسخه نرم افزار، در نرم افزار پردازش ابرنقطه Cloud Compare با ابرنقطه ریاضی (مرجع) مورد قیاس قرار گرفتند.

یافته های استفاده از تصاویر با بافت ساده حاکی از آن است که در نرم افزار Photoscan با افزایش تعداد تصاویر علاوه بر نویزی شدن ابرنقطه، میزان شباهت مدل ساخته شده به مکعب نیز، کاهش می یابد. بر اساس نتایج، بهترین مدل سه بعدی که شباهت زیادی با مکعب دارد مربوط به حالت چهارم (45 تصویر) با مقدار خطای 01/0 میلی متر است. در مورد نرم افزار Metashape بهترین مدل مربوط به حالت سوم (90 تصویر) با مقدار خطای 05/0 میلی متر است. از طرفی در حالات استفاده از تصاویر با بافت پیچیده، بهترین ابرنقطه مربوط به حالت چهارم (45 تصویر) با مقدار خطای 02/0میلی متر در نرم افزار Photoscan و حالت سوم (90 تصویر) با مقدار خطای 04/0 میلی متر در نرم افزار Metashape است. به طور کلی استفاده از شیء با بافت پیچیده موجب تناظریابی بهتر عوارض می شود. تصاویر با بافت پیچیده گرادیان های پیچیده و به دنبال آن جهت های گرادیان غیرهم سو تولید می کنند و در مقابل آن، تصاویر با بافت ساده گرادیان های یکسان تولید می کنند. در نتیجه، وجود گرادیان های پیچیده و غیرهمسو موجب به تناظریابی بهتر و پایدارتر و در نتیجه آن تولید نقاط گرهی و تراکم ابرنقطه متراکم بیشتر می شود.

نتایج، نشان داد که تعداد بهینه تصاویر و وجود بافت پیچیده تصویر تاثیر بسزایی در بهبود کیفیت ابرنقطه سه بعدی شیء دارند و با وجود عکس های زیاد کیفیت مدل سه بعدی علی رغم صرف زمان پردازش زیاد افزایش نیافته و تنها موجب تراکم ابرنقطه شده که این افزایش تراکم به دلیل افزایش نویز در ابرنقطه است.