Dokumentacja fotogrametryczna stanowisk archeologicznych w terenie miejskim na przykładzie Kutaisi, Gruzja

• Autorzy: Markiewicz J. , Kowalczyk M. , Hamburg J. , Bieńkowski R.

Identyfikatory

DOI

10.14681/afkit.2018.009

Warianty tytułu

EN

Photogrammetric documentation of archaeological sites in an urban environment: the case study of Kutaisi, Georgia

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawione zostały zagadnienia związane z przetwarzaniem i analizą zdjęć, pozyskanych niskobudżetowymi sensorami naziemnymi i Bezzałogowym Systemem Latającym (BSL), miejskich stanowisk archeologicznych zlokalizowanych na terenie Kutaisi w Gruzji. Przedstawiono problematykę przeprowadzania badań archeologicznych na obszarze miejskim oraz przybliżono problem braku danych źródłowych dla badanego terenu. W celu wygenerowania dokumentacji fotogrametrycznej dla stanowiska Bagrati, zdecydowano się na wykorzystanie niskobudżetowego BSL DJI Phantom 3 oraz kamery Pentax. Ze względu na jakość geometryczną i radiometryczną wykorzystywanych sensorów niezbędne było zaproponowanie rozszerzonej metodyki przetwarzania danych z BSL i zdjęć naziemnych w oprogramowaniu Agisoft PhotoScan. W tym celu wykorzystano interfejs programistyczny API (ang. Application Programming Interface), pozwalający na wykorzystanie funkcji oprogramowania niedostępnych w podstawowej wersji aplikacji oraz autorski skrypt stworzony w MatLab. Zaproponowano sposób przetwarzania, filtracji, usuwania oraz wagowania obserwacji. W wyniku przeprowadzonych prac i sposobu filtracji danych poprawiono dokładność procesu aerotriangulacji o rząd wielkości w porównaniu do obserwacji surowych, jak również rozszerzono analizę statystyczną danych.

EN

In this research, the issues related to processing and analysis of the images, acquired by the low-cost terrestrial sensors and an unmanned aerial vehicle (UAV) of the archaeological sites in an urban environment placed in area of Kutaisi, Georgia, have been considered. Taking into account generation of the Bagrati site photogrammetric documentation, the low-cost UAV DJI Phantom 3 and Pentax SLR camera, were chosen. Due to the geometrical and radiometric parameters of the chosen sensors, an extended methodology of UAV and terrestrial data processing in Agisoft PhotoScan was proposed. This task solution was enabled by application programming interface API (which allowed taking advantage of software functions - not available in the basic version of the program) and additionally the script written in MatLab software by authors. The method of processing, filtrating, eliminating and weighting of the measurement observations in the bundle adjustment process was proposed . As a result of performed works, the accuracy of the results of the bundle adjustment, increased significantly in comparison to the raw data. Furthermore, statistical data analysis had been expanded.

Słowa kluczowe

PL

analiza dokładności; Agisoft PhotoScan; aerotriangulacja; Bagrati; błąd reprojekcji; niskobudżetowy BSL; Gruzja; Kutaisi; SfM

EN

quality assessment; API Agisoft PhotoScan; bundle adjustment; Bagrati; Georgia; Kutaisi; reprojection error; SfM; low-cost UAV

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2018
• Tom: vol. 30
• Strony: 123--142
• Opis fizyczny: Bibliogr. 19 poz.

Twórcy

autor

Markiewicz J.

• Zakład Fotogrametrii, Teledetekcji i Systemów Informacji Przestrzennej, Wydział Geodezji i Kartografii, Politechnika Warszawska

autor

Kowalczyk M.

• Zakład Fotogrametrii, Teledetekcji i Systemów Informacji Przestrzennej, Wydział Geodezji i Kartografii, Politechnika Warszawska

autor

Hamburg J.

• Instytut Archeologii, Wydział Historyczny, Uniwersytet Warszawski

autor

Bieńkowski R.

• Instytut Badań Systemowych, Polska Akademia Nauk

Bibliografia

• 1. Besl P., McKay N., 1992. A Method for Registration of 3-D Shapes, IEEE Transactions on Pattern Analysis and Machine Intelligence, 14(2), 239–256. doi: 10.1109/34.121791.
• 2. Bujakiewicz A., Markiewicz J., Bakuła K, Zawieska D., 2014. Diversity of photogrammetric approaches for multi-purpose applications. Reports on Geodesy and Geoinformatics, 96, 9–19, http://dx.doi.org/10.2478/rgg-2014-0002.
• 3. Friedt J.-M, 2014. Photogrammetric 3D structure reconstruction using MicMac. Dostępne na: http://jmfriedt.free.fr/lm_sfm_eng.pdf
• 4. Hamburg J., Isakadze R., 2018. Preliminary Report of 2017 Polish-Georgian Archaeological Expedition at Gabashvili Hill and its surrounding area (Kutaisi, Western Georgia). Pro Georgia. Journal of Kartvelological Studies 28, 137–155.
• 5. Hamburg J., Badura M., Skrzyński G., Kaliszewska A., Bieńkowski R., 2019, Preliminary results of archaeological and archaeobotanical investigation of the defensive moat found in Kutaisi (Western Georgia). Pro Georgia. Journal of Kartvelological Studies 29. (in press)
• 6. Lanchava O., Isakadze R., Hamburg J., Karasiewicz-Szczypiorski R., Buadze Sh., Pawłowska K., Kaliszewska A., Bieńkowski R., 2018. ქუთაისის ქართულ-პოლონური ექსპედიციიის 2017 წლის არქეოლოგიური სამუშაოების ანგარიში, 2017. წელს ჩატარებული არქეოლოგიური გათხრების მოკლე ანგარიშების კრებული, Tbilisi, 137–143.
• 7. Lowe D. G., 2004. Distinctive image features from scale-invariant keypoints, International Journal of Computer Vision, 60 (2), 91–110. doi: 10.1023/B:VISI.0000029664.99615.94.
• 8. Markiewicz J., 2016. The use of computer vision algorithms for automatic orientation of terrestrial laser scanning data, ISPRS Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 41, 315–322. doi: 10.5194/isprsarchives-XLI-B3-315-2016.
• 9. Markiewicz J., Pilarska M., Łapiński S., Kaliszewska A. Bieńkowski R., Cenad A., 2019. Quality assessment of the use of a medium format camera in the investigation of wall paintings: an image-based approach, Measurement, 132, 224–237. (in press)
• 10. Mikołajczyk K., Schmid, C., 2010. Indexing based on scale invariant interest points, Proceedings Eighth IEEE International Conference on Computer Vision. ICCV 2001, 1, 525–531, doi: 10.1109/ICCV.2001.937561.
• 11. Morgan J. A., Brogan D. J., 2019. How to VisualSFM, https://d32ogoqmya1dw8.cloudfront.net/files/getsi/teaching_materials/high-rez-topo/visual_sfm_tutorial.pdf
• 12. Moussa W., 2006. Integration of Digital Photogrammetry and Laser Scanning for Cultural Heritage Data Recording, https://elib.unistuttgart.de/bitstream/11682/3960/1/Diss_w.wassim_Uni_FINAL.pdf
• 13. Thompson H. A. B., 1992. The Stoa of Attalos II in Athens, Excavations of the Athenian Agora Picture Book No. 2, 17.
• 14. Tuvtelaars T., Mikolajczyk K., 2008, Local Invariant Feature Detectors: A Survey, Foundations and Trends® in Computer Graphics and Vision: 3(3), 177-280. http://dx.doi.org/10.1561/0600000017.
• 15. Urban S.,Weinmann M., 2015, Finding a Good Feature Detector-Descriptor Combination for the 2D Keypoint-Based Registration of TLS Point Clouds, ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, II-3/W5, 121–128. doi: 10.5194/isprsannals-II-3-W5-121-2015.
• 16. Weinmann, M. (2013) Visual Features—From Early Concepts to Modern Computer Vision, Advances in Computer Vision and Pattern Recognition. doi: 10.1007/978-1-4471-5520-1.
• 17. Agisoft PhotoScan (2018). Dostępne na: http://www.agisoft.com/.
• 18. VFleat (2017). Dostępne na: http://www.vlfeat.org/.
• 19. Pix4D (2016). Dostępne na: https://pix4d.com/.