ENGINEERINGNET.BE - 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 of wanneer ze bepaalde veiligheids- of gezondheidsrisico’s inhouden. Dat was het uitgangspunt van het Europese ROVINA-project.
Professor Luc Van Gool (iMinds - KU Leuven): “Maar in de praktijk worden die robots nog steeds met heel wat problemen geconfronteerd. 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.
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.
Van Gool: “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 belangrijker 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.”
“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. Je kan zelfs inzoomen op de allerkleinste details, zoals het korstmos op de stenen of het eeuwenoude voegwerk.”
Onderzoeker Marc Proesmans (iMinds - KU Leuven): “Bovendien zijn onze algoritmes meer dan 120 keer sneller dan bestaande methodes, wat noodzakelijk is om grote hoeveelheden data en beelden binnen een redelijke termijn te verwerken tot een levensecht 3D-model.”
Uit testen met bestaande algoritmes bleek inderdaad dat het tot nog toe drie à vier dagen duurde om 3D-beelden te genereren op basis van opnames afkomstig van een gang van een vijftiental meter.
Dat maakt die technologie echter onbruikbaar voor projecten zoals ROVINA, waarbij meer dan zeshonderd meter gangenstelsel in kaart werd gebracht.
Het ontsluiten van bedreigd of beperkt toegankelijk cultureel erfgoed is slechts één van de mogelijke toepassingen. Deze bevindingen kunnen in elke situatie gebruik worden waarin we, in 3D, zo goed mogelijk willen weergeven wat een robot ‘ziet’.
Een andere mogelijke toepassing zijn zelfrijdende auto’s. Deze vereisen immers dat je heel accuraat, en in realtime, kan inschatten waar een auto zich precies bevindt. GPS volstaat daarvoor niet.
Met de nieuwe technologie kan de auto zijn omgeving ‘bekijken’ en weet op basis daarvan tot op enkele centimeters waar hij zich bevindt.
Over ROVINA
Tijdens het drie en een half jaar durende Europese ROVINA-project werd onderzocht hoe robots op een betrouwbare, nauwkeurige en autonome manier gebieden in kaart kunnen brengen die nauwelijks toegankelijk zijn.
Consortiumpartners van ROVINA waren: de Universiteit van Bonn, de Albert Ludwigs Universiteit van Freiburg en RWTH Aachen (Duitsland), onderzoeksgroep PSI van iMinds - KU Leuven (België), de Sapienza Universiteit in Rome, Algorithmica en ICOMOS-IT (Italië). Meer info: http://www.rovina-project.eu/
