Options
2020
Master Thesis
Titel
Extended 2D Image Quality Assessment for Photogrammetric 3D Digitization
Abstract
With recent technical progress the digitization of cultural heritage has become increasingly practicable and important. Many museums capture their artifacts to document and preserve their current state or to have a digital copy in case the original is damaged, destroyed or being restored. The majority of this digitization today is achieved by photographing or flatbed scanning of artifacts, thus producing a 2D image suited to capture 2D documents but limited to only a specific view angle for a 3D object. Therefore, in recent years, the application of new 3D scanners that can completely capture an object's surface from all sides have become more popular. For both, 2D and 3D digitization methods, the goal is to digitally represent the original artifact in the most realistic and authentic way. Therefore, in 2D digitization, guidelines have been developed to estimate and assure the quality of the captured data. One widely used standard is the ISO norm 19264 which considers a large number of image quality criteria, such as sharpness and color accuracy. However, currently no comparable guidelines exist for the 3D digitization of artifacts. This thesis bridges part of the gap between 2D and 3D. It focuses on increasing the achievable resolution of the reconstructed texture and geometry. For this purpose, the quality characteristics from ISO 19264, which describe the level of detail of a 2D image, are extended to 2.5D so that they describe the complete depth of field of the image. Afterward, the effect of different camera-, image- and reconstruction-settings on the 3D results are investigated. For this purpose, the obtained point cloud is investigated both visually and based on the VDI/VDE 2634 guideline. A clear correlation between the quality of the camera parameters and the achievable reconstruction result can be shown. Thus, best practices for the settings can be derived, which allow for reconstruction details in the texture and geometry, which are not visible to the naked eye. The best practices describe, among other things, that the used image sections must be limited by the depth of field, how to calculate the texture size of the reconstruction based on the 2D sampling rate and that it is better to use a smaller depth of field with better quality then a larger one with slightly worse quality. At the end of the thesis, the current limitations of the 3D quality evaluation methods are discussed and an outlook is given describing how these can be even further improved in the future to enable a better evaluation of the 3D results.
;
Mit den jüngsten technischen Fortschritten ist die Digitalisierung von Kulturerbe zunehmend praktikabler und wichtiger geworden. Viele Museen erfassen ihre Artefakte, um deren aktuellen Zustand zu dokumentieren und zu bewahren oder um eine digitale Kopie zu haben, falls das Original beschädigt wird. Der Großteil dieser Digitalisierung wird heute durch Fotografieren erreicht, wodurch ein 2D-Bild erzeugt wird, das für die Erfassung von 2D-Dokumenten geeignet ist, für ein 3D-Objekt jedoch nur einen bestimmten Blickwinkel zulässt. Daher wurde in den letzten Jahren der Einsatz von neuen 3D-Scannern, die die Oberfläche eines Objekts von allen Seiten vollständig erfassen können, immer beliebter. Bei beiden Digitalisierungsmethoden, der 2D- und der 3D-Digitalisierung, besteht das Ziel darin, das ursprüngliche Artefakt so realistisch und authentisch wie möglich digital darzustellen. Daher wurden für die 2D-Digitalisierung Richtlinien entwickelt, um die Qualität der erfassten Daten einzuschätzen und zu sichern. Für die 3D-Digitalisierung von Artefakten gibt es derzeit jedoch keine vergleichbaren Standards. Diese Arbeit schließt einen Teil der Lücke zwischen 2D und 3D. Der Fokus liegt auf der Erhöhung der erreichbaren Auflösung der rekonstruierten Textur und Geometrie. Dazu werden die Qualitätsmerkmale aus ISO 19264, die den Detailgrad eines 2D-Bildes beschreiben, auf 2, 5D erweitert, so dass sie die komplette Tiefenschärfe des Bildes beschreiben. Anschließend wird der Einfluss verschiedener Kamera-, Bild- und Rekonstruktionseinstellungen auf die 3D-Ergebnisse untersucht. Dazu wird die gewonnene Punktwolke visuell und anhand der Richtlinie VDI/VDE 2634 untersucht. Es kann ein deutlicher Zusammenhang zwischen der Qualität der Kameraparameter und dem erzielbaren Rekonstruktionsergebnis gezeigt werden. Daraus lassen sich Best Practices für die Einstellungen ableiten, die eine Rekonstruktion von Details in der Textur und Geometrie ermöglichen, die mit dem bloßen Auge nicht sichtbar sind. Die Best Practices beschreiben unter anderem, dass die verwendeten Bildausschnitte durch die Schärfentiefe begrenzt sein müssen, wie die Texturgröße der Rekonstruktion basierend auf der 2D-Abtastrate berechnet werden kann oder dass es besser ist, eine kleinere Schärfentiefe mit besserer Qualität zu verwenden als eine größere mit etwas schlechterer Qualität. Am Ende der Arbeit werden die derzeitigen Grenzen der 3D-Qualitätsbewertungsmethoden diskutiert und ein Ausblick gegeben, wie diese in Zukunft verbessert werden können, um eine bessere Bewertung der 3DErgebnisse zu ermöglichen.
ThesisNote
Darmstadt, Hochschule, Master Thesis, 2020
Verlagsort
Darmstadt
Tags
-
Lead Topic: Individual Health
-
Research Line: Computer vision (CV)
-
Research Line- Machine Learning (ML)
-
Research Line: Modeling (MOD)
-
statistical shape models (SSM)
-
dental imaging
-
3D Model Reconstruction
-
Convolutional Neural Networks (CNN)
-
model based segmentations
-
Lead Topic: Digitized Work
-
Research Line: Computer graphics (CG)
-
image quality
-
photogrammetry
-
3D digitization
-
camera calibration
-
Imaging standards