1. Dalle fotografie alla mesh texturizzata, sperimentazioni
Sofia Menconero [email protected]
2. Structure from motion e Image-based modeling di un'urna
funeraria etrusca
3. CAMERA Canon EOS 500D 15,3 megapixel + Canon EF-S 50 mm
f/1.4 USM Risoluzione immagine jpg 4752 x 3168 pixel HARDWARE
NOTEBOOK Sony Vaio Intel Core 2 Duo CPU T8100 @ 2.10 GHz 3,0 GB RAM
ATI Mobility Radeon X2300 MS Windows Vista Home Premium 32-bit
Linux 2.6.32 (ArcheOS 4)
4. PYTHON PHOTOGRAMMETRY TOOLBOX v. 0.1 in ArcheOS 4
CLOUDCOMPARE v. 2.4 in Windows MESHLAB v. 1.3.2 in Windows
SOFTWARE
5. Urna di Thania Vipinei: caccia al cinghiale calidonio
Alabastro (cassa) e travertino (coperchio) II sec. a.C. territorio
di Chiusi Collezione del Museo Archeologico di Perugia (Inventario
Bellucci 71) OGGETTO Analisi della forma: bassorilievo con figure
antropomorfe degradate. Difficolt logistiche: manufatto collocato
nel chiostro del museo, a ridosso di un muro, per cui non stato
possibile fotografare la parte posteriore. Luce ambientale
diffusa.
6. Iscrizione: ania vipinei tutnasa = Thania Vipinei, moglie di
Tutna OGGETTO Iconografia: Meleagro, figlio del re di Calidone,
uccide con uno spiedo il feroce cinghiale che Artemide ha scatenato
contro la citt. Alla caccia partecipa anche Atalanta, al centro,
armata di scure. A lei, della quale segretamente innamorato, egli
doner la preda, dando inizio alla catena di tragici eventi che lo
port alla morte.
7. Come realizzare un modello metrico in poco tempo e senza
poter spostare loggetto PROBLEMATICHE Soluzione: posizionamento di
un metro di legno pieghevole con i decimetri colorati in modo
alternato (bianco e giallo). Tramite il metro con due angoli
piegati a 90 stato possibile ricostruire un sistema di coordinate
cartesiane, assegnate come si vede in figura.
8. Sono stati eseguiti 3 gruppi di riprese fotografiche per un
totale di 68 foto RIPRESE FOTOGRAFICHE GRUPPO 1 21 foto da lontano
inquadramento completo delloggetto GRUPPO 3 22 foto molto
ravvicinate inquadramento particolare del bassorilievo GRUPPO 2 25
foto ravvicinate inquadramento parziale delloggetto
9. Obiettivo: riuscire a produrre una nuvola di punti pi
dettagliata possibile con lhardware a disposizione PYTHON
PHOTOGRAMMETRY TOOLBOX METODO - capire a che risoluzione massima
possibile processare le fotografie - capire qual il migliore set di
foto che produce la nuvola pi densa a parit di risoluzione -
verificare se il software ha maggiori prestazioni in ambiente Linux
o Windows - documentare i vari tentativi - produrre la nuvola di
punti che verr successivamente trasformata in mesh
10. Obiettivo: riuscire a produrre una nuvola di punti pi
dettagliata possibile con lhardware a disposizione PYTHON
PHOTOGRAMMETRY TOOLBOX FASE 1 BUNDLE in Linux FOTO: 25 (gruppo 2)
Risoluzione impostata: 3500 Tempo di elaborazione: 2 ore Nuvola di
punti ottenuta: 60.419 vertex OSSERVAZIONI: la risoluzione buona ma
una delle foto non stata processata. Processing photo '46.JPG':
Found 92546 features Processing photo '34.JPG': Found 116818
features Processing photo '37.JPG': Found 0 features Processing
photo '44.JPG': Found 115191 features Processing photo '42.JPG':
Found 114353 features Processing photo '26.JPG': Found 100298
features Processing photo '31.JPG': Found 112466 features
Processing photo '32.JPG': Found 101113 features Processing photo
'23.JPG': Found 93196 features Processing photo '43.JPG': Found
114073 features Processing photo '22.JPG': Found 104296 features
Processing photo '39.JPG': Found 115197 features Processing photo
'38.JPG': Found 112197 features Processing photo '30.JPG': Found
118267 features Processing photo '24.JPG': Found 80768 features
Processing photo '27.JPG': Found 113350 features Processing photo
'40.JPG': Found 113365 features Processing photo '28.JPG': Found
101924 features Processing photo '35.JPG': Found 114544 features
Processing photo '29.JPG': Found 117573 features Processing photo
'45.JPG': Found 116180 features Processing photo '36.JPG': Found
111208 features Processing photo '41.JPG': Found 119543 features
Processing photo '33.JPG': Found 118735 features Processing photo
'25.JPG': Found 107598 features
11. Obiettivo: riuscire a produrre una nuvola di punti pi
dettagliata possibile con lhardware a disposizione PYTHON
PHOTOGRAMMETRY TOOLBOX FASE 2 BUNDLE in Linux FOTO: 25 (gruppo 2)
Risoluzione impostata: 3000 Tempo di elaborazione: 1,4 ore Nuvola
di punti ottenuta: 61.288 vertex OSSERVAZIONI: abbassando la
risoluzione tutte le foto sono state processate, ma la nuvola
incompleta in basso di lato. Processing photo '46.JPG': Found 73590
features Processing photo '34.JPG': Found 88733 features Processing
photo '37.JPG': Found 89597 features Processing photo '44.JPG':
Found 89289 features Processing photo '42.JPG': Found 89812
features Processing photo '26.JPG': Found 80217 features Processing
photo '31.JPG': Found 89357 features Processing photo '32.JPG':
Found 81632 features Processing photo '23.JPG': Found 75529
features Processing photo '43.JPG': Found 86996 features Processing
photo '22.JPG': Found 81859 features Processing photo '39.JPG':
Found 89991 features Processing photo '38.JPG': Found 86456
features Processing photo '30.JPG': Found 89930 features Processing
photo '24.JPG': Found 64498 features Processing photo '27.JPG':
Found 89308 features Processing photo '40.JPG': Found 86819
features Processing photo '28.JPG': Found 82237 features Processing
photo '35.JPG': Found 88677 features Processing photo '29.JPG':
Found 88870 features Processing photo '45.JPG': Found 89471
features Processing photo '36.JPG': Found 86968 features Processing
photo '41.JPG': Found 90703 features Processing photo '33.JPG':
Found 94254 features Processing photo '25.JPG': Found 84671
features
12. Obiettivo: riuscire a produrre una nuvola di punti pi
dettagliata possibile con lhardware a disposizione PYTHON
PHOTOGRAMMETRY TOOLBOX FASE 3 BUNDLE in Linux FOTO: 25 (gruppo 2)
Risoluzione impostata: 3400 Tempo di elaborazione: 2 ore Nuvola di
punti ottenuta: 68.323 vertex OSSERVAZIONI: prendiamo 3400 come
risoluzione massima utilizzabile affinch vengano processate tutte
le foto. Processing photo '46.JPG': Found 87557 features Processing
photo '34.JPG': Found 110039 features Processing photo '37.JPG':
Found 112078 features Processing photo '44.JPG': Found 108664
features Processing photo '42.JPG': Found 108733 features
Processing photo '26.JPG': Found 95485 features Processing photo
'31.JPG': Found 106609 features Processing photo '32.JPG': Found
97348 features Processing photo '23.JPG': Found 88709 features
Processing photo '43.JPG': Found 107693 features Processing photo
'22.JPG': Found 98923 features Processing photo '39.JPG': Found
108943 features Processing photo '38.JPG': Found 105633 features
Processing photo '30.JPG': Found 110807 features Processing photo
'24.JPG': Found 76396 features Processing photo '27.JPG': Found
106923 features Processing photo '40.JPG': Found 106343 features
Processing photo '28.JPG': Found 97244 features Processing photo
'35.JPG': Found 108729 features Processing photo '29.JPG': Found
110467 features Processing photo '45.JPG': Found 110069 features
Processing photo '36.JPG': Found 105530 features Processing photo
'41.JPG': Found 113047 features Processing photo '33.JPG': Found
113099 features Processing photo '25.JPG': Found 102191
features
13. Obiettivo: riuscire a produrre una nuvola di punti pi
dettagliata possibile con lhardware a disposizione PYTHON
PHOTOGRAMMETRY TOOLBOX FASE 4 BUNDLE in Linux FOTO: 21 (gruppo 1)
Risoluzione impostata: 3400 Tempo di elaborazione: 1,45 ore Nuvola
di punti ottenuta: 66.788 vertex OSSERVAZIONI: si ottiene una
nuvola di punti meno definita rispetto a 25 foto ma la nuvola
completa. Processing photo '10.JPG': Found 93752 features
Processing photo '20.JPG': Found 67492 features Processing photo
'05.JPG': Found 96558 features Processing photo '19.JPG': Found
74257 features Processing photo '04.JPG': Found 95807 features
Processing photo '14.JPG': Found 92966 features Processing photo
'12.JPG': Found 92677 features Processing photo '17.JPG': Found
103442 features Processing photo '08.JPG': Found 98695 features
Processing photo '18.JPG': Found 100240 features Processing photo
'16.JPG': Found 93518 features Processing photo '11.JPG': Found
92304 features Processing photo '03.JPG': Found 93430 features
Processing photo '15.JPG': Found 91276 features Processing photo
'07.JPG': Found 92826 features Processing photo '21.JPG': Found
68765 features Processing photo '01.JPG': Found 84036 features
Processing photo '09.JPG': Found 96388 features Processing photo
'02.JPG': Found 95013 features Processing photo '06.JPG': Found
94535 features Processing photo '13.JPG': Found 80297 features
14. Obiettivo: riuscire a produrre una nuvola di punti pi
dettagliata possibile con lhardware a disposizione PYTHON
PHOTOGRAMMETRY TOOLBOX FASE 5 BUNDLE in Linux FOTO: 68 (gruppo
1+2+3) Risoluzione impostata: 3400 Tempo di elaborazione: tante ore
Nuvola di punti ottenuta: 271.129 vertex OSSERVAZIONI: il software
riesce a processare tutte le 68 foto insieme, producendo una nuvola
di punti molto definita.
15. Obiettivo: riuscire a produrre una nuvola di punti pi
dettagliata possibile con lhardware a disposizione PYTHON
PHOTOGRAMMETRY TOOLBOX FASE 6 BUNDLE in Windows FOTO: 68 (gruppo
1+2+3) Risoluzione impostata: 2690 Tempo di elaborazione: tante ore
Nuvola di punti ottenuta: 235.363 vertex OSSERVAZIONI: in Windows
si pu lavorare alla risoluzione massima di 2690 quindi la nuvola
viene meno definita.
16. Obiettivo: riuscire a produrre una nuvola di punti pi
dettagliata possibile con lhardware a disposizione PYTHON
PHOTOGRAMMETRY TOOLBOX FASE 7 PMVS in Linux Bundle: 68 foto in
Linux (fase 6) Nuvola di bundle: 271.129 vertex Cluster: 10 Nuvola
di PMVS: ... OSSERVAZIONI: dopo 4 giorni il computer non aveva
ancora prodotto il primo cluster e si deciso di interrompere.
17. Obiettivo: riuscire a produrre una nuvola di punti pi
dettagliata possibile con lhardware a disposizione PYTHON
PHOTOGRAMMETRY TOOLBOX FASE 8 BUNDLE in Linux FOTO: 24 (scelte da
gruppo 1 e 2) Risoluzione impostata: 3400 Tempo di elaborazione: 2
ore Nuvola di punti ottenuta: 82.248 vertex OSSERVAZIONI: si cerca
di ottenere il giusto equilibrio tra le foto da lontano e quelle da
vicino con poche foto. Processing photo '46.JPG': Found 87557
features Processing photo '34.JPG': Found 110039 features
Processing photo '10.JPG': Found 93752 features Processing photo
'26.JPG': Found 95485 features Processing photo '31.JPG': Found
106609 features Processing photo '05.JPG': Found 96558 features
Processing photo '04.JPG': Found 95807 features Processing photo
'14.JPG': Found 92966 features Processing photo '12.JPG': Found
92677 features Processing photo '17.JPG': Found 103442 features
Processing photo '08.JPG': Found 98695 features Processing photo
'18.JPG': Found 100240 features Processing photo '30.JPG': Found
110807 features Processing photo '16.JPG': Found 93518 features
Processing photo '11.JPG': Found 92304 features Processing photo
'03.JPG': Found 93430 features Processing photo '35.JPG': Found
108729 features Processing photo '15.JPG': Found 91276 features
Processing photo '07.JPG': Found 92826 features Processing photo
'01.JPG': Found 84036 features Processing photo '09.JPG':. Found
96388 features Processing photo '02.JPG': Found 95013 features
Processing photo '06.JPG': Found 94535 features Processing photo
'13.JPG': Found 80297 features
18. Obiettivo: riuscire a produrre una nuvola di punti pi
dettagliata possibile con lhardware a disposizione PYTHON
PHOTOGRAMMETRY TOOLBOX FASE 9 PMVS in Linux Bundle: 24 foto in
Linux (fase 8) Nuvola di bundle: 82.248 vertex Cluster: 8 Nuvola di
PMVS: 817.849 vertex OSSERVAZIONI: durante lelaborazione sono state
rimosse 7 foto, ma il risultato comunque molto buono.
19. Obiettivo: riuscire a produrre una nuvola di punti pi
dettagliata possibile con lhardware a disposizione PYTHON
PHOTOGRAMMETRY TOOLBOX FASE 10 BUNDLE in Linux FOTO: 46 (scelte da
gruppo 1 e 2) Risoluzione impostata: 3400 Tempo di elaborazione:
molte ore Nuvola di punti ottenuta: 150.537 vertex OSSERVAZIONI:
ultimo tentativo, se la fase successiva di PMVS va a buon fine, ci
si pu ritenere soddisfatti.
20. Obiettivo: riuscire a produrre una nuvola di punti pi
dettagliata possibile con lhardware a disposizione PYTHON
PHOTOGRAMMETRY TOOLBOX FASE 11 PMVS in Linux Bundle: 46 foto in
Linux (fase 10) Nuvola di bundle: 150.537 vertex Cluster: 8 Nuvola
di PMVS: 3.091.588 vertex OSSERVAZIONI: durante lelaborazione sono
state rimosse 13 foto, ma il risultato comunque molto buono.
21. Obiettivo: riuscire a dimensionare metricamente la nuvola
pulita per la successiva mesh CLOUDCOMPARE METODO - pulire
manualmente la nuvola di punti da tutte le parti estranee allurna -
dimensionare metricamente la nuvola in modo che sia misurabile -
creare una superficie dalla nuvola di punti
22. Obiettivo: riuscire a dimensionare metricamente la nuvola
pulita per la successiva mesh FASE 1 - pulizia della nuvola di
punti - dalla nuvola sono state eliminate tutte le parti di
contesto estranee alloggetto tramite il comando Segment - la nuvola
passata da 3.091.588 vertex a 2.721.744 vertex. CLOUDCOMPARE
23. Obiettivo: riuscire a dimensionare metricamente la nuvola
pulita per la successiva mesh FASE 2 - dimensionamento metrico -
con il comando Align two clouds sono stati selezionati i punti del
metro ligneo posizionato come asse cartesiano - ai punti
selezionati sono state assegnate le coordinate calcolate grazie ai
decimetri colorati del metro CLOUDCOMPARE
24. Obiettivo: riuscire a dimensionare metricamente la nuvola
pulita per la successiva mesh FASE 3 - mesh - con il pugin 3D
Poisson Mesh Reconstruction settando il valore di octree a 10 si
ottenuta una mesh con 1.903.212 facce - sono state eseguite le mesh
sia della nuvola nella posizione originale sia di quella
dimensionata per provare successivamente la texturizzazione sia
automatica che manuale CLOUDCOMPARE
25. Obiettivo: creare la mesh e la texture del modello MESHLAB
METODO - creare la mesh - applicare il colore alla mesh - creare la
texture del modello in modo manuale e automatico N.B. per eseguire
questultima parte del lavoro si fatto ricorso ad un nuovo strumento
hardware con prestazioni migliori rispetto a quello con cui si
lavorato fino ad ora. Le caratteristiche del notebook utilizzato
sono: Notebook Acer Intel Core i5-2450M @ 2.5 GHz with Turbo Boost
up to 3.1 GHz 4 GB RAM NVIDIA GeForce GT 630M (1GB dedicated RAM)
MS Windows 7 64-bit
26. Obiettivo: creare la mesh e la texture del modello FASE 1 -
mesh - la mesh stata prodotta con il comando Surface
Reconstruction: Poisson con i valori di Octree Depth e Solver
Divide pari a 10 (valori massimi accettabili dallhardware) - la
mesh presenta 1.427.202 facce, inferiori a quelle della mesh
eseguita con CloudCompare MESHLAB
27. Obiettivo: creare la mesh e la texture del modello FASE 2 -
colore MESHLAB Vertex attribute transfer Project active raster
color to current mesh
28. Obiettivo: creare la mesh e la texture del modello FASE 3 -
texture MESHLAB - Utilizzo del comando Parameterization + texturing
from registered raster con texture size pari a 1800 pixel