Valolla lisää tekstuuria 3D-mittausten avuksi

Fotogrammetriassa kohteesta tuotetaan 3D-mittaus hyödyntämällä siitä eri kuvakulmista otettuja kuvia. Kuvista etsitään ensin pistevastaavuuksia hyödyntämällä menetelmiä kuten SIFT (Scale-Invariant Feature Transform). SIFT etsii kuvista avainpisteitä eli paikallisesti erottuvia kohtia (esim. kulma, täplä tai voimakas pakallinen kirkkausvaihtelu) ja muodostaa niille piirrekuvaukset siten, että samoja kohteita voidaan löytää kuvista huolimatta mittakaavan ja kierron vaihtelusta sekä kohtuullisista eroista kuvakulmassa ja valaistuksessa (Lowe, 1999). Löydettyjen pistevastaavuuksien sekä kameran parametrien avulla saadaan laskettua näiden pisteiden paikka 3D-avaruudessa eli kohdetta kuvaava 3D-pistepilvi.

Tasaiset yksiväriset pinnat aiheuttavat hankaluuksia fotogrammetriassa, sillä niistä ei ole löydettävissä avainpisteitä eikä siis myöskään pistevastaavuuksia kuvien välillä. Seuraavat kuvat havainnollistavat asiaa. Ensimmäisessä (kuva 1) näkyy kaksi hieman eri kuvakulmassa otettua kuvaa relekannasta sekä niistä SIFT-menetelmällä löydetyt 100 vahvinta pistevastaavuutta yhdistettynä toisiinsa. Toisessa kuvassa (kuva 2) näkyy näiden pistevastaavuuksien avulla muodostettu pistepilvi eli pisteiden paikka 3D-avaruudessa. Kuten nähdään, tasaisilta alueilta ei saada yhtäkään 3D-pistettä.

Menetelmiä tekstuurin tuottamiseen

Tilanne voidaan ratkaista tuottamalla lisää tekstuuria kohteen pinnalle valon avulla. Tätä hyödynnetään rakenteellisen valon skannereissa, jotka ovat valmiita kaupallisia laitteita ja sisältävät tekstuuria tuottavan valaisimen, kamerat ja laskentayksikön algoritmeineen. Arkko (2025) vertailee kahta kaupallista skanneria tarkemmin kirjoituksessaan. Teksturoitu valo voidaan tuottaa kohteelle myös erillisellä laitteella, jolloin kuvaamisessa voidaan käyttää tavallisia kameroita ja 3D-pistepilven laskennassa itse rakennettuja algoritmeja. Tällöin tekstuuri voidaan tuottaa dataprojektorilla, laserprojektiolla diffraktiivisten optisten elementtien (DOE) kautta sekä lasertäpläprojektorilla (laser speckle) (Veitch-Michaelis ym., 2016). Myös fyysistä maskia kuten lavastuksista ja heijastettavista mainoksista tutuksi tullutta goboa käyttävää projektoria (Konolige, 2010) sekä lidaria eli valotutkaa (Veitch-Michaelis ym., 2016) on sovellettu tekstuurin tuottamisessa.

Ohjelmoitavissa dataprojektoreissa heijastettava kuvio voidaan suunnitella vapaasti ja vaihtaa ohjelmallisesti. Edullisissa kuluttajaluokan projektoreissa tilallista erottelukykyä eli heijastetun kuvan yksityiskohtaisuutta ja projektio-optiikkaa ei kuitenkaan ole yleensä optimoitu lähietäisyydeltä tapahtuvaan konenäköön, vaikka niitäkin on tutkimuksessa 3D-kuvantamisessa sovellettu (esim. Ben-Hamadou ym., 2013). Teollisiin 3D-konenäkösovelluksiin on saatavilla myös korkean resoluution projektoreita, mutta ne ovat kuluttajaprojektoreita huomattavasti kalliimpia ja monimutkaisempia ratkaisuja. Fyysiseen maskiin perustuvissa projektoreissa kuvio voidaan puolestaan vaihtaa vaihtamalla itse maski, ja esimerkiksi kaupallisissa konenäköön tarkoitetuissa järjestelmissä myös projektio-optiikka voi olla vaihdettavissa. Tämä mahdollistaa projektioalueen ja kuvion ominaisuuksien sovittamisen eri kuvausolosuhteisiin, mutta kuvion vaihtaminen ei ole yhtä joustavaa kuin ohjelmoitavassa projektorissa. Diffraktiiviseen optiseen elementtiin perustuvissa laserprojektoreissa voidaan tuottaa suuri määrä pieniä ja tarkasti määriteltyjä pisteitä, mutta kuvio määräytyy käytettävän diffraktiivisen elementin perusteella. Lasertäpläprojektiossa satunnaistekstuuri voidaan muodostaa johtamalla koherenttia laservaloa esimerkiksi lasisen diffuuserin kautta, jolloin sironneiden valoaaltojen interferenssi muodostaa täpläkuvion (Etchepareborda, 2021). Tekniikkaa on käytetty 3D-rekonstruktioon tutkimuskirjallisuudessa (mt.), mutta kaupalliset 3D-kuvantamiseen tarkoitetut tekstuurin tuottavat laserprojektorit käyttävät pääosin ennalta suunniteltua diffraktiivista optista elementtiä. Molempien näiden laseriin perustuvien menetelmien syväterävyysalue on korkeampi kuin muissa esitellyissä projektorityypeissä (mt.). Seuraava taulukko (taulukko 1) esittelee tiivistelmän kaupallisesti saatavilla olevista projektorityypeistä ja tarjoaa esimerkit niistä.

Taulukko 1. Tiivistelmä kaupallisesti saatavilla olevista projektorityypeistä.

Töysän säästöpankkirahaston rahoittamassa 3DLaatu.AI-hankkeessa kehitetään kustannustehokasta, kamerapohjaista 3D-mittausmenetelmää teollisuuden laadunvalvontaan. Hankkeessa kokeillaan seuraavaksi DOE-laserprojektorin käyttöä tekstuurin tuottamiseen tasaisille alueille, sillä tehdyn selvityksen perusteella se vaikuttaa kustannustehokkaalta vaihtoehdolta, ja menetelmän tarjoama parempi syväterävyysalue mahdollistaa paremmin eri korkuisten näytteiden kuvaamisen.

Juha Hirvonen
Yliopettaja
SEAMK

Lähteet

Arkko, J. (2.6.2025). 3D-skannerit Artec Leo ja Creality Raptor vertailussa – kallis vs. halpa. @SEAMK-verkkolehti. https://urn.fi/URN:NBN:fi-fe2025060257310

Ben-Hamadou, A., Soussen, C., Daul, C., Blondel, W. & Wolf, D. (2013). Flexible calibration of structured-light systems projecting point patterns. Computer vision and image understanding, 117(10), 1468–1481. https://doi.org/10.1016/j.cviu.2013.06.002

Etchepareborda, P., Moulet, M.-H. & Melon, M. (2021). Random laser speckle pattern projection for non-contact vibration measurements using a single high-speed camera. Mechanical systems and signal processing, 158, 107719. https://doi.org/10.1016/j.ymssp.2021.107719

Konolige, K. (2010). Projected texture stereo. 2010 IEEE international conference on robotics and automation, 148–155. https://doi.org/10.1109/ROBOT.2010.5509796

Lowe, D. G. (1999). Object recognition from local scale-invariant features. Proceedings of the seventh IEEE international conference on computer vision, 1150–1157 vol.2. https://doi.org/10.1109/ICCV.1999.790410

Veitch-Michaelis, J., Muller, J.-P., Walton, D., Storey, J., Foster, M. & Crutchley, B. (2016). Enhancement of Stereo Imagery by Artificial Texture Projection Generated Using a Lidar. ISPRS – international archives of the photogrammetry, remote sensing and spatial information sciences, XLI-B5, 599–606. https://doi.org/10.5194/isprsarchives-XLI-B5-599-2016