W poprzednich artykułach pokazaliśmy, jak na jakość danych wpływają: osnowa geodezyjna, liczba i rozmieszczenie skanów oraz dokładność połączonej chmury punktów. Wszystkie te elementy składają się na jeden cel – uzyskanie wiarygodnej reprezentacji geometrycznej obiektu.
Kolejnym krokiem jest przetwarzanie danych, a jednym z jego najczęstszych efektów jest model siatkowy (mesh). To właśnie on trafia do prezentacji, środowisk webowych czy analiz przestrzennych. Jednocześnie jest to etap, na którym łatwo utracić jakość wypracowaną wcześniej.
Model siatkowy nie powstaje „z niczego”
Model siatkowy tworzony jest poprzez połączenie punktów w trójkąty, które odwzorowują powierzchnie obiektów. Aby było to możliwe, algorytmy muszą określić relacje geometryczne pomiędzy punktami i zidentyfikować ciągłość powierzchni.
Kluczowe znaczenie mają tutaj wektory normalne, czyli kierunki prostopadłe do powierzchni.
Aby model siatkowy był poprawny:
- te same fragmenty obiektu powinny być widoczne z różnych kierunków,
- dane muszą być spójne geometrycznie,
- powierzchnie nie mogą być reprezentowane jednostronnie.
Oznacza to bezpośrednią zależność od liczby i rozmieszczenia skanów. Jeśli pokrycie obiektu jest niewystarczające, model siatkowy nie ma podstaw do poprawnego odwzorowania geometrii.
Braki danych nie znikają – są tylko maskowane
W chmurze punktów brak danych jest jednoznaczny – pojawia się luka w informacji.
W modelu siatkowym algorytmy często próbują takie miejsca uzupełnić poprzez interpolację powierzchni, domykanie geometrii oraz wygładzanie nieciągłości. Efekt wizualny może być spójny, jednak nie oznacza to poprawności geometrycznej.
Artefakty modelu siatkowego powstałe w wyniku uzupełniania brakujących danych – przykład na powierzchni dachu
Konsekwencje:
- pojawiają się powierzchnie, których w rzeczywistości nie ma,
- detale zostają uproszczone lub przesunięte,
- model traci wartość jako wiarygodne źródło danych.
Dlatego automatyczne wypełnianie braków powinno być stosowane świadomie i pod kontrolą.
Czyszczenie chmury punktów – etap krytyczny dla jakości
Przed generowaniem modelu siatkowego chmura punktów musi zostać odpowiednio przygotowana.
Zakres prac obejmuje m.in.:
- usunięcie szumów,
- eliminację błędnych punktów (np. od ruchomych elementów),
- oczyszczenie danych z obiektów nieistotnych.
Nie jest to wyłącznie proces automatyczny – w wielu przypadkach wymaga ręcznej ingerencji i doświadczenia.
Jeżeli szumy pozostaną w danych, zostaną utrwalone w modelu siatkowym jako artefakty geometryczne.
Kolor i tekstura – element jakości często pomijany
Model siatkowy może być wzbogacony o tekstury, które znacząco poprawiają jego czytelność.
Ich jakość zależy od warunków pomiaru:
- nierównomierne oświetlenie,
- ostre cienie,
- zmienne warunki atmosferyczne
mogą prowadzić do niespójności wizualnych.
Najlepsze rezultaty uzyskuje się przy równomiernym, rozproszonym świetle, np. w warunkach zachmurzenia.
Istotne jest również odpowiednie dobranie rozdzielczości tekstur – zbyt szczegółowe znacząco zwiększają rozmiar danych, bez proporcjonalnego wzrostu ich użyteczności.
Integracja danych – skaning i fotogrametria
W wielu projektach łączenie danych z różnych źródeł pozwala uzyskać lepszy efekt końcowy.
Skanowanie laserowe dostarcza dokładnej geometrii, natomiast fotogrametria uzupełnia model o wysokiej jakości informację wizualną. Zdjęcia wykorzystywane w fotogrametrii są zazwyczaj wykonywane w krótkim czasie i w spójnych warunkach oświetleniowych, często przy użyciu kamer o wyższej jakości niż te wbudowane w skanery.
Dzięki temu możliwe jest uzyskanie bardziej jednorodnych i szczegółowych tekstur, co przekłada się na lepszą czytelność modelu siatkowego – szczególnie w obszarach trudnych do zeskanowania.
Model siatkowy wygenerowany z fotogrametrii dronowej – wysoka jakość tekstur i dobra czytelność obiektu kubaturowego
Warto jednak zwrócić uwagę, że możliwe jest tworzenie modeli 3D wyłącznie na podstawie fotogrametrii, bez wykorzystania skanowania laserowego. Takie podejście ma jednak swoje ograniczenia.
Dobrze sprawdza się ono w przypadku obiektów kubaturowych, gdzie dominują płaskie powierzchnie, takie jak ściany czy dachy. W takich warunkach fotogrametria potrafi bardzo dobrze odwzorować geometrię i zapewnić wysoką jakość wizualną.
W przypadku obiektów o bardziej złożonej geometrii – takich jak instalacje przemysłowe – zastosowanie wyłącznie fotogrametrii jest ograniczone. Duża liczba detali, elementów cylindrycznych, przesłonięć i nieregularnych kształtów powoduje, że rekonstrukcja geometryczna staje się mniej stabilna i mniej wiarygodna.
Optymalizacja modelu siatkowego – balans między jakością a wydajnością
Surowy model siatkowy może zawierać bardzo dużą liczbę trójkątów, co utrudnia jego wykorzystanie.
Dlatego stosuje się:
- redukcję liczby trójkątów (decymację),
- uproszczenie geometrii,
- optymalizację tekstur.
Model siatkowy bez tekstury – przykład wysokiej szczegółowości geometrii bez warstwy wizualnej
Kluczowe jest dopasowanie poziomu szczegółowości do zastosowania. Zbyt duży model utrudnia pracę, natomiast nadmierne uproszczenie prowadzi do utraty istotnych informacji.
Model siatkowy a jakość danych wejściowych
Model siatkowy odwzorowuje rzeczywistość tylko w takim stopniu, w jakim pozwalają na to dane wejściowe.
Oteksturowany model siatkowy instalacji przemysłowej – wysoka czytelność dzięki zastosowaniu tekstur
Jego jakość rośnie wraz z:
- liczbą i rozmieszczeniem skanów,
- kompletnością pokrycia obiektu,
- ograniczeniem „martwych pól”,
- spójnością chmury punktów.
W przypadku obiektów rozległych, o złożonej geometrii lub licznych przesłonięciach model staje się bardziej zależny od algorytmów rekonstrukcji. Może to prowadzić do sztucznego domykania powierzchni, uproszczeń geometrycznych oraz utraty jednoznaczności interpretacji.
Podsumowanie
Model siatkowy jest użytecznym narzędziem, ale jego jakość nie powstaje na etapie modelowania.
Zależy bezpośrednio od:
- sposobu wykonania pomiaru,
- jakości chmury punktów,
- kompletności danych,
- metod ich przetwarzania.
Decyzje podjęte na początku projektu determinują to, czy końcowy model będzie wiarygodnym odwzorowaniem rzeczywistości, czy jedynie jej uproszczoną reprezentacją.
Budujesz cyfrową kopię zakładu przemysłowego?
W 3Deling wspieramy klientów na każdym etapie digitalizacji – od planowania pomiarów i osnowy geodezyjnej, przez skanowanie laserowe 3D, aż po przygotowanie danych do modelowania i wizualizacji.
W projektach, w których kluczowa jest wiarygodność danych, jakość należy budować już na etapie ich pozyskania.
Aby omówić możliwe podejścia i zakres prac, zapraszamy do kontaktu.
