Vlaamse 3D-beeldverwerkingstechnologie brengt ontoegankelijke Romeinse catacomben in kaart

We gebruiken steeds vaker autonome of zelfrijdende robots om bepaalde locaties nauwkeurig in kaart te brengen - vooral wanneer die plaatsen moeilijk voor mensen toegankelijk zijn (smalle catacomben en riolen, bijvoorbeeld) of wanneer ze bepaalde veiligheids- of gezondheidsrisico's inhouden (denk maar aan de inwendige inspectie van een kerncentrale na een calamiteit). Dat was het uitgangspunt van het Europese Rovina-project dat onlangs succesvol werd afgerond.

"Maar in de praktijk worden die robots nog steeds met heel wat problemen geconfronteerd", zegt professor Luc Van Gool (iMinds - KU Leuven). "Zo is het gebruik van klassieke beeldopnametechnieken zoals HD-video in deze omstandigheden vaak geen optie, omdat de robots (letterlijk) rondhotsen in slechtverlichte ruimtes. Lasertechnologie blijft voorlopig dan weer heel duur."

In het kader van Rovina wilden de onderzoekers van iMinds - KU Leuven daarom nieuwe, betaalbare technologie ontwikkelen die in moeilijke omstandigheden (zoals in de donkere Romeinse catacomben van Priscilla) toch goede beelden kan maken, aangevuld met 3D-reconstructiesoftware die deze opnames snel kan samenvoegen tot levens- en kleurechte 3D-beelden.

Onderzoeksresultaten

Om in de donkere catacomben goede foto-opnames te kunnen maken, ontwikkelden de Vlaamse wetenschappers in de eerste plaats een opstelling met zeven camera's en een speciale lichtconfiguratie die op de zelfrijdende Rovina-robot kon worden gemonteerd.

"Het feit dat we erin geslaagd zijn goed bronmateriaal te verzamelen waarmee onze 3D-beeldreconstructiesoftware aan de slag kan gaan, was een eerste belangrijke doorbraak. Maar nog significanter zijn de verbeteringen die we aan onze intelligente beeldverwerkingsalgoritmes hebben kunnen aanbrengen, en die ons nu toelaten om op grote schaal - en op basis van gigantisch veel data - realistische 3D-modellen te bouwen", aldus professor Van Gool. "Wat daarbij opvalt, is het detail dat we uit onze 3D-modellen kunnen persen: in het geval van de Romeinse catacomben lijkt het alsof je echt in die catacomben rondwandelt ; en je kan inzoomen op de allerkleinste details - zoals het korstmos op de stenen of het eeuwenoude voegwerk."

"Bovendien zijn onze algoritmes meer dan 120 keer sneller dan eerdere methodes, wat noodzakelijk is om grote hoeveelheden data en beelden binnen een redelijke termijn te verwerken tot een levensecht 3D-model", voegt onderzoeker Marc Proesmans (iMinds - KU Leuven)daaraan toe. "Wat vroeger meer dan 120 dagen in beslag nam, doen wij nu in één dag. Dat zorgt ervoor dat deze toepassingen nu eindelijk ook buiten de academische wereld ingang kunnen vinden."

Uit testen met gangbare algoritmes bleek inderdaad dat het drie à vier dagen duurde om 3D-beelden te genereren op basis van opnames afkomstig van een gang van vijftien meter. Dat maakt die technologie echter onbruikbaar voor projecten als Rovina, waarbij meer dan zeshonderd meter gangenstelsel in kaart werd gebracht.

Toekomstmogelijkheden

Het ontsluiten van bedreigd of beperkt toegankelijk cultureel erfgoed is slechts één van de mogelijke toepassingen.

"Eigenlijk kunnen we onze bevindingen gebruiken in elke situatie waarin we - in 3D - zo goed mogelijk willen weergeven wat een robot ‘ziet'. Gaming is één voorbeeld. Maar ook in het kader van de ontwikkeling van zelfrijdende auto's is dit een belangrijke stap voorwaarts. Een zelfrijdende auto vereist immers dat je heel accuraat, en in realtime, kan inschatten waar een auto zich precies bevindt. GPS - met zijn nauwkeurigheid van enkele meters - volstaat daarvoor niet. Maar onze technologie wel: de auto ‘bekijkt' zijn omgeving en weet op basis daarvan tot op enkele centimeters waar hij zich bevindt. Op die manier brengen we een toekomst met volledig autonome auto's weer wat dichterbij",  besluit professor Van Gool.