Marker-Based 3D Reconstruction of Aggregates with a Comparative Analysis of 2D and 3D Morphologies

Dit artikel presenteert een flexibele en kosteneffectieve fotogrammetrische methode voor de 3D-reconstructie van aggregaten met behulp van markers, waarbij wordt aangetoond dat 3D-morfologische analyse aanzienlijk waardevolere inzichten biedt dan traditionele 2D-beeldanalyse voor kwaliteitscontrole in de bouwsector.

De kern

Steenen in 3D: Een slimme, goedkope manier om rotsen te scannen

Stel je voor dat je een berg stenen hebt, zoals die gebruikt worden voor wegen, spoorbanen of om water te weren. Voor ingenieurs is het cruciaal om te weten hoe deze stenen er precies uitzien. Zijn ze rond als een kiezel of hoekig als een baksteen? Dit bepaalt hoe goed ze in elkaar passen en hoe sterk een weg of dam wordt.

Vroeger was het moeilijk om de volledige vorm van een steen in 3D te zien. Je kon ze alleen van één kant bekijken (2D), of je moest dure, zware apparatuur gebruiken die eruitzag als een robot uit een sciencefictionfilm.

De auteurs van dit artikel hebben een slimme, goedkope oplossing bedacht. Ze noemen het "Marker-Based 3D Reconstruction". Laten we uitleggen hoe dit werkt, alsof we een verhaal vertellen.

1. De Set-up: Een draaiend toneel

Stel je een kleine draaitafel voor, zoals die je ziet in een fotostudio voor modellen.

• De Steen: Je legt een steen op de draaitafel.
• De Camera: Je plaatst een gewone smartphone-camera op een statief. Je hoeft geen dure scanner te kopen; je telefoon volstaat.
• Het Toneel: Achter de steen hangt een witte achtergrond, zodat de steen eruit springt.

2. De Magie: De "Zelfportret"-truc

In plaats van dat de camera om de steen heen loopt, draai jij de steen.

• Je laat de camera elke twee seconden een foto maken.
• Tussen twee foto's draai je de steen een beetje.
• Uiteindelijk heb je een reeks foto's van de steen vanuit alle hoeken.

De computer gebruikt een slimme techniek (genaamd Structure-from-Motion) die werkt als een detective. Hij kijkt naar de foto's en zegt: "Ah, ik zie dat dit puntje op foto 1, foto 10 en foto 20 op dezelfde plek zit, maar dan vanuit een andere hoek." Door al deze hoeken samen te voegen, bouwt de computer een driedimensionaal model op, alsof hij de steen uit het niets in de lucht heeft gereconstrueerd.

3. De Slimme Trucs (De "Kleefpunten")

Er waren twee grote problemen met eerdere methoden, die de auteurs op een creatieve manier hebben opgelost:

Probleem A: De achtergrond is te druk.
Als de computer probeert de steen te scannen, ziet hij ook de witte tafel en de muur. Dat maakt het model rommelig.

• De Oplossing: Ze hebben een slim computerprogramma (een soort "AI") gebruikt dat werkt als een schaduwwerper. Het programma kijkt naar de foto's en zegt: "Dit is de steen, alles daarbuiten is onbelangrijk." Het snijdt de steen er digitaal uit, alsof je een foto uitknipt met een schaar, maar dan in 3D. Zo krijg je een perfect schone steen zonder ruis.

Probleem B: Grote stenen passen niet op een draaitafel.
Soms zijn de stenen te groot om op te draaien, of moeten ze op de grond liggen. Dan zie je de onderkant niet.

• De Oplossing: Ze hebben de stenen kleurrijke stippen (markers) gegeven, getekend met potloden. Stel je voor dat je een steen tekent met een paarse lijn en een rode lijn. De computer zoekt naar deze specifieke patronen. Als je de steen draait en een nieuwe set foto's maakt, herkent de computer de stippen en zegt: "Ah, dit is dezelfde steen, ik kan de twee helften nu aan elkaar plakken." Dit is als het samenvoegen van twee halve puzzels met behulp van de randjes.

Probleem C: Hoe groot is het echt?
Een 3D-model op een scherm kan elke grootte hebben. Hoe weet je of de steen 10 cm of 1 meter is?

• De Oplossing: Ze plaatsen kleurrijke labels op de hoeken van de draaitafel met een bekende afstand ertussen. De computer gebruikt dit als een liniaal om het hele model op de juiste schaal te zetten.

4. Wat hebben ze ontdekt? (2D vs. 3D)

De onderzoekers hebben gekeken of het genoeg is om alleen naar een platte foto (2D) te kijken, of dat je echt een 3D-model nodig hebt.

• Het Analoge Voorbeeld: Stel je voor dat je een appel van bovenaf bekijkt. Hij lijkt perfect rond. Maar als je hem van opzij bekijkt, zie je dat hij een beetje platter is.
• De Bevinding: Ze ontdekten dat als je alleen naar één foto kijkt (2D), je de steen vaak rondelijker en minder langwerpig vindt dan hij in werkelijkheid is. De echte 3D-steen is vaak "plat en langwerpig" (zoals een baksteen), maar van één kant gezien lijkt hij op een ronde steen.

Dit betekent dat als je alleen naar foto's kijkt om de kwaliteit van stenen te beoordelen, je de steen misschien verkeerd inschat. Je denkt dat ze perfect passen, terwijl ze in werkelijkheid misschien niet goed in elkaar grijpen.

Conclusie: Waarom is dit geweldig?

Dit onderzoek laat zien dat je geen miljoenen aan dure apparatuur nodig hebt om perfecte 3D-modellen van stenen te maken. Met een smartphone, een draaitafel en een beetje slimme software kun je:

1. Snel en goedkoop stenen scannen.
2. De echte vorm en grootte meten (niet alleen een schatting).
3. Betere wegen, spoorbanen en dijken bouwen omdat je precies weet hoe de stenen eruitzien.

Het is alsof je een magische bril hebt gekregen die je laat zien hoe stenen er echt uitzien, zonder dat je een dure bril hoeft te kopen.

Technische samenvatting

Probleemstelling

Aggregaten vormen het skelet van constructiematerialen (zoals asfalt, beton en spoorbaanballast) en hun vorm (morfologie) heeft een directe invloed op de prestaties van deze materialen. Hoewel kwaliteitscontrole (QA/QC) cruciaal is, is het verkrijgen van volledige 3D-karakterisatie van aggregaatdeeltjes moeilijk en duur.

• Bestaande methoden:
  • 2D-beeldanalyse: Analyseert alleen silhouetten (bijv. AIMS-systeem). Dit geeft beperkte informatie over de werkelijke 3D-vorm en vereist aannames voor volumeberekening.
  • 3D-scanning (Laser, Structured Light, CT): Levert accurate 3D-modellen, maar vereist dure apparatuur, complexe belichting en is vaak niet geschikt voor veldtoepassingen of grote aggregaten.
  • Bestaande fotogrammetrie: Bestaande fotogrammetrische methoden zijn vaak beperkt tot kleine steentjes die op een steunpilaar moeten worden gemonteerd, wat de toepasbaarheid voor grotere aggregaten (zoals riprap) beperkt.

Er is behoefte aan een kosteneffectieve, flexibele methode die hoge kwaliteit 3D-modellen kan genereren voor een breed scala aan aggregaatgroottes, ook onder veldomstandigheden.

Methodologie

De auteurs hebben een marker-gebaseerde fotogrammetrie-methode ontwikkeld die gebruikmaakt van Structure-from-Motion (SfM) en dieper leren (deep learning). Het proces omvat de volgende stappen:

1. Hardware Setup:

   • Een standaard digitale camera (in dit geval een iPhone XR) op een statief.
   • Een draaitafel (30,5 cm diameter) en een witte achtergrond.
   • De camera staat vast; het object wordt handmatig gedraaid om multi-view beelden te maken.

2. Achtergrondonderdrukking (Deep Learning):

   • Om ruis van de achtergrond te elimineren en handmatige reiniging te voorkomen, wordt een U2-Net (een deep learning architectuur voor salient object detection) gebruikt.
   • Dit netwerk genereert een masker voor elk beeld dat het aggregaat scheidt van de achtergrond. Deze maskers worden gebruikt als extra constraints tijdens de SfM-optimalisatie (bundle adjustment), wat resulteert in een schone 3D-puntwolk zonder achtergrondruis.

3. Robuuste Point Cloud Stitching (Object Markers):

   • Voor grotere aggregaten die niet volledig in één keer kunnen worden gescand (vanwege een platte ondergrond), is het nodig om meerdere scans te combineren.
   • Om dit te faciliteren, worden object markers (kleurrijke lijnen, paars en rood) met potlood op de zijkant van het aggregaat getekend.
   • Deze markers worden handmatig gelabeld in een paar beelden om de verschillende puntwolken nauwkeurig op elkaar te laten aansluiten (stitchen) in een compleet 3D-model.

4. Schaalreferentie (Background Markers):

   • Om het model een echte fysieke schaal te geven, worden gekleurde labels (GCP's) op de hoeken van de draaitafel geplaatst met bekende afstanden. Dit vertaalt het lokale coördinatenstelsel naar een wereldcoördinatenstelsel.

5. Workflow:

   • Beeldopname -> Generatie van maskers -> SfM reconstructie -> Labelen van markers -> Stitching van deeltjes -> Export van textuur, mesh en point cloud.

Belangrijkste Bijdragen

• Kosteneffectieve 3D-reconstructie: De methode gebruikt goedkope hardware (smartphone) en open-source/commerciële software, in plaats van dure scanners.
• Schaalbaarheid: In tegenstelling tot eerdere fotogrammetrische methoden, werkt deze aanpak ook voor grote aggregaten (tot 15 cm en groter) doordat er geen steunpilaar nodig is en gebruik wordt gemaakt van markers voor stitching.
• Geautomatiseerde achtergrondonderdrukking: De integratie van U2-Net elimineert de tijdrovende handmatige reiniging van 3D-modellen.
• Vergelijkende analyse 2D vs. 3D: Het artikel biedt een diepgaande vergelijking tussen traditionele 2D-morfologische indicatoren en de nieuwe 3D-metingen.

Resultaten

De methode werd getest op 40 riprap-aggregaten (dolomiet, gewicht ~4,5 kg) uit Illinois.

• Nauwkeurigheid: De gereconstrueerde volumes werden vergeleken met gemeten volumes via waterverplaatsing (ASTM D6473).
  • De Mean-Percentage-Error (MPE) bedroeg +2,0%.
  • Er was een systematische overschatting (waarschijnlijk door pixeldeviatie bij markers en het gladmaken van poreuze oppervlakken in de 3D-modellen), maar de resultaten tonen een zeer goede overeenkomst.
• Vergelijking 2D vs. 3D Morfologie:
  • Flat and Elongated Ratio (FER): De 3D-FER was consequent hoger dan de gemiddelde 2D-FER uit multi-view beelden. 2D-analyse neigt ertoe de uiterste waarden (meest platte/verlengde kant) te missen, tenzij specifieke hoeken worden gekozen.
  • Sfericiteit (Sphericity): De 3D-sfericiteit was eveneens hoger dan de gemiddelde 2D-circulariteit.
  • Variatie: De variatie (Coefficient of Variance) in 2D-metingen was significant, wat aantoont dat 2D-metingen sterk afhankelijk zijn van de kijkhoek.
  • Conclusie: 2D-metingen kunnen de ware 3D-eigenschappen niet nauwkeurig voorspellen zonder correctiefactoren. 2D-analyse neigt ertoe de "tussenliggende" verhoudingen te meten in plaats van de werkelijke 3D-extremen.

Betekenis en Toekomstperspectief

Deze studie toont aan dat het mogelijk is om hoogwaardige, volledige 3D-modellen van aggregaten te creëren met een lage kostprijs en eenvoudige apparatuur.

• Toepassing: De methode is geschikt voor QA/QC in de bouw, maar ook voor het verzamelen van datasets voor simulaties (zoals FEM en DEM).
• Veldtoepasbaarheid: Hoewel de test in een labomgeving plaatsvond, is de methode ontworpen om uitbreidbaar te zijn naar veldcondities (bijv. door aanpassing van het achtergrondmasker voor natuurlijke omgevingen).
• Aanbeveling: De auteurs raden aan om verder onderzoek te doen naar correctiefactoren om 2D-metingen te vertalen naar 3D-eigenschappen, aangezien er een systematisch verschil bestaat tussen beide.

Kortom, deze paper biedt een praktische oplossing voor een langdurig probleem in de materiaalkunde: het verkrijgen van accurate 3D-vorminformatie van bouwmaterialen zonder de noodzaak van dure apparatuur.