Wybrana do prezentacji rzeźba ceramiczna to popiersie Ernsta Gideona von Laudona (nr inw.
Wil. 727). Rzeźba została wykonana na podstawie modelu autorstwa Johanna Nepomuka Stein-era pod koniec XVIII lub na początku XIX w. Popiersie jest częścią bogatego zbioru ceramiki biskwitowej, znajdującego się w zbiorach Muzeum Pałac w Wilanowie i opracowywanego m.
in. przez Barbarę Szelegejd17.
Ilustracja 3.79. Supraporta na ścianie wschodniej. Wizualizacja chmury punktów z pomiaru. Widoczne zaznaczone na różowo miejsca pobrania prób do badań identyfikacyjnych. Fot. R. Sitnik
Cel digitalizacji
Celem digitalizacji 3D rzeźby ceramicznej był pomiar przestrzenny geometrii jej powierzchni, ze szczególnym uwzględnieniem potrzeb konserwatorskich i edukacyjnych. Dane zebrane w wyniku dokumentacji 3D powinny być wystarczające do następujących zastosowań: strować przestrzenną formę tych obiektów. Potrzeba oddania niezwykle precyzyjnie modelo-wanych miniaturowych elementów rzeźby wymaga zastosowania bardzo wysokiej rozdzielczości przestrzennej skanowania.
Nazwa Wartość Komentarz Rozdzielczość rzeczywista
pomiaru 0,02 mm (2500
punktów/mm2) Odległość pomiędzy poszczególnymi punktami pomiarowymi (niedopuszczalne jest stosowanie technik
interpolacji) w końcowym modelu cyfrowym nie będzie większa niż ta wartość.
Niepewność pomiaru 0,007 mm 99% punktów pomiarowych odwzorowuje geometrię powierzchni z błędem mniejszym niż wartość niepewności. Rozkład błędów jest losowy. Nie występuje żaden znaczący składnik systematyczny.
Niepewność ta dotyczy stosowanego urządzenia skanującego.
Odwzorowanie barwy nie Ze względu na charakter obiektu nie ma konieczności rejestracji jego barwy.
Format danych końcowych punkty (x, y, z) w globalnym
układzie współrzędnych
W postaci co najmniej dwóch modeli: pełnego (wszystkie dane pomiarowe) i uproszczonego (cele prezentacyjne, generacja siatki trójkątów, podgląd itp.).
Wybór techniki pomiaru i planowanie procesu rejestracji
W tym przypadku, ze względu na lepsze odwzorowanie szczegółów faktury analizowanej po-wierzchni, wybrana została technika skanowania z oświetleniem strukturalnym (ang. structured light). W ramach przygotowania systemu pomiarowego jako detektor została wybrana lustrzan-ka firmy Canon (model 50D) ze względu na możliwość w pełni automatycznego zarządzania parametrami akwizycji i procesem rejestracji zdjęć18.
Dodatkowe elementy uwzględnione przy planowaniu samego procesu pomiaru to:
Tabela 3.7. Parametry techniczne wyniku końcowego uzyskanego podczas digitalizacji 3D figury ceramicznej w Muzeum Pałac w Wilanowie
współrzędnych systemu pomiarowego, ramienia robota i stolika obrotowego. Jednak nawet przy zastosowaniu precyzyjnych manipulatorów w końcowym modelu niedopasowania poje-
dynczych chmur mogą dochodzić do 1 mm. Z tego względu głównym zadaniem na etapie prze- twarzania jest dokładne dopasowanie chmur kierunkowych 3D w sposób pozwalający na utwo-rzenie jednego spójnego modelu całego obiektu. Dodatkowe zadania to filtracja błędnych punktów. zastosowanie danych) należy wykonać to w sposób umożliwiający odbiorcy samodzielne od-różnienie danych z pomiaru od danych sztucznie wygenerowanych na etapie przetwarzania19. Zawsze jednak bazowym modelem dokumentacji powinien być pełen model obiektu wykonany
Ilustracja 3.80. Stanowisko pomiarowe do figur ceramicznych. Zautomatyzowane stanowisko pomiarowe do skanowania 3D obiektów przestrzennych o wysokości do ok. 40 cm
(takich jak rzeźby ceramiczne). Muzeum Pałac w Wilanowie. Fot. P. Bolewicki
Cały system pomiarowy został obudowany specjalnym namiotem minimalizującym wpływ zmian oświetlenia zewnętrznego na pomiar. Metoda 3D z oświetleniem strukturalnym jest wrażliwa na zmiany oświetlenia podczas pomiarów. Dodatkowo, jeżeli w czasie pomiaru wy-stępuje silne oświetlenie tła, spada kontrast wzorów rzutowanych na powierzchnię mierzonego obiektu, a wynikowy pomiar jest w dużym stopniu obarczony szumem. Przykładową zabudowę stanowiska przedstawiono na ilustracji 3.81.
Wynikiem każdego pomiaru są chmury kierunkowe. Przykładowa chmura z jednego modułu systemu pomiarowego przedstawiona została na ilustracji 3.82. Średnia liczba punktów pomia-rowych każdej z chmur to 4 mln – 10 mlnpunktów pomiarowych. Liczba danych uzyskanych podczas pojedynczego skanu zależy od ukształtowania powierzchni obiektu w mierzonym miejscu i od tego, w jakim stopniu ta powierzchnia wypełnia objętość roboczą skanera (obję-tość, w której wykonywane są pomiary).
Ilustracja 3.81. Przykładowa zabudowa stanowiska pomiarowego. Wnętrze pracowni pomiarów 3D w Muzeum Pałac w Wilanowie. Widoczna zabudowa z czarnej tkaniny umożliwiająca zaciemnienie stanowiska pomiarowego.
Muzeum Pałac w Wilanowie. Fot. P. Bolewicki
Podczas całego procesu dokumentacji popiersia Ernsta Gideona von Laudona zostało wykona- nych ok. 470 pomiarów kierunkowych. Proces pomiaru był dzielony na obszary i dokumento- wany tzw. kartami pomiarowymi, które określały obszar każdego pomiaru i w których zapisy-wano, kto jaką czynność wykonywał.
Poprawność każdego z pomiarów jest weryfikowana zaraz po jego wykonaniu. W celu zapew- nienia możliwości weryfikacji jakości wytwarzanej dokumentacji, każdy z pomiarów przypisa-ny jest do konkretnej macierzy kalibracji20. Równolegle do zapisywania danych pomiarowych dokumentowane są czynności wykonywane przez członków zespołu pomiarowego, dzięki cze- mu nawet po upływie długiego czasu możliwe jest sprawdzenie, który z techników był odpo-wiedzialny za wykonanie konkretnych skanów cząstkowych, a który podczas danego pomiaru weryfikował poprawność stopnia kalibracji systemu (ilustracja 3.74).
Ilustracja 3.82. Przykładowa chmura z pojedynczego pomiaru. Przykładowy efekt pojedynczego pomiaru kierunkowego – chmura punktów rejestrująca fragment powierzchni obiektu, który zmieścił się w objętości pomiarowej. Muzeum Pałac
w Wilanowie. Wizualizacja R. Sitnik
Proces pomiaru kończy się wraz z rejestracją ostatniego skanu 3D. w środowisku 3DMADMAC21.
1) ltracja pojedynczych pomiarów z błędnych punktów;
dokładne łączenie danych kierunkowych w jeden model; iteracyjnych algorytmów relaksacji22 i dopasowania ICP (ang. Iterative Closest Point)23. Ważną cechą zastosowanych algorytmów była ich znaczna automatyzacja, pozwalająca na zachowanie
21 Zob. http://ogx.mchtr.pw.edu.pl
22 Metoda minimalizująca rozkład odległości między punktami w obszarze wspólnym chmur punktów.
23 Metoda minimalizująca odległości między punktami w ich obszarze wspólnym.
Czas przygotowania systemu i oprogramowania oraz instalacja na miejscu zajęły trzy dni, czas rejestracji i weryfikacji danych kolejne jedenaście dni, czas analizy danych – ok. miesiąca.
Poza tworzeniem, przechowywaniem i wykorzystywaniem chmur punktów o pełnej gęstości, w Muzeum tworzone są także na ich podstawie modele o zmniejszonej rozdzielczości. Takie uproszczone modele (o odległości pomiędzy punktami wynoszącej np. 0,1 mm) pozwalają na prostą wizualizację geometrii obiektu i stosowane są np. w aplikacjach edukacyjnych. Modele takie mogą być używane także do udostępniania przez internet bez konieczności tworzenia spe- cjalnego oprogramowania. W takim przypadku jest to kompromis pomiędzy jakością odwzoro-wania a łatwością dostępu (trzeba pamiętać, że dzięki opracowanej w Muzeum we współpracy z Politechniką Warszawską technologii możliwe jest pokazywanie obiektów w pełnej rozdziel-czości, ale liczba obiektów, które mogą być dostępne w tym samym czasie, jest ograniczona).