Il documento esplora tecniche di image-based modeling per il rilievo 3D di opere scultoree e architettoniche, analizzando due casi studio: il leone marmoreo di F. Vacca e la chiesa di San Giovanni Battista. Vengono descritte le metodologie di acquisizione ed elaborazione dei dati, evidenziando le sfide affrontate e le soluzioni adottate. I risultati ottenuti dimostrano come l'aumento della risoluzione delle immagini migliori la densità e il dettaglio dei modelli 3D finali.

1. Tecniche di Image-Based
Modeling per il rilievo 3D di
opere scultoree e architettoniche
Giancristofaro Cristina
c.giancristofaro@gmail.com
Casi di studio: Leone marmoreo di
F. Vacca, Chiesa di S.Giovanni Battista

2. Introduzione
Oggetto di studio: rilievo metrico tridimensionale (3D) di due
differenti tipologie di manufatti di natura storico/artistica mediante
le moderne tecniche di Image-Based Modeling .
Linee guida del progetto: evolutesi in corso d'opera, in funzione delle
problematiche e delle evidenze tecniche che successivamente si
sono riscontrate durante le diverse fasi di lavoro.
La scelta di queste due diverse tipologie di soggetti ha permesso di
valutare la diversità di approccio (nell'acquisizione ed elaborazione
dei dati) necessaria per affrontare il rilievo di manufatti di
caratteristiche e dimensioni così differenti.

3. Leone di Flaminio
Vacca (1594 - 1598)
Scultura in marmo. Proveniente da Villa
Medici a Roma, e giunta a Firenze nel
1787. Nel 1789 posta alla sommità
sinistra della gradinata d'ingresso della
Loggia della Signoria (o dei Lanzi) a
Firenze.
Tradizionalmente i leoni simboleggiano
la guardia e la protezione dei luoghi da
presenze negative, secondo una
tradizione iconografica che risale alle
civiltà mesopotamiche.

4. Chiesa di San Giovanni Battista
(Chiesa dell'autostrada del Sole, 1964)
Comune di Campi Bisenzio (Firenze), all'incrocio fra l'autostrada del Sole e
la A11 Firenze-Mare. Voluta dalla Società Autostrade in ricordo degli operai
caduti sul lavoro nella realizzazione dell'Autostrada del Sole.

5. Forma della copertura: evocare una grande tenda da nomadi del deserto, simbolo del
viaggio (“delle auto che le sfrecciano accanto e di ogni uomo nell’arco della vita”)
Esterno a più livelli:
q I livello: basamento in
pietra rosa di San Giuliano
q II livello: parte in pietra,
parte in cemento faccia
vista
q copertura: rivestita in
lastre di rame
Arch. Giovanni Michelucci
Superficie coperta: 3500 m2
Altezza massima: 26 m
L’edificio ha pianta asimmetrica, svincolata
dall’andamento della grande copertura“a vela”

6. Acquisizione dati
Canon EOS 500D
fotocamera reflex digitale (DSLR)
Sensore CMOS, APS-C 15.3 megapixel
CCD: 22.3 x 14.9 mm
q Set fotografico: rotazione a 360°
intorno all'oggetto; riprese ogni
circa 15° (ogni elemento
campionato presente in almeno
tre immagini)
q Leone: 63 foto (4752 × 3168)
q Chiesa: 384 foto (4752 × 3168)

7. Condizioni di ripresa,
problematiche riscontrate
e possibili risoluzioni
Riprese
mattino presto, giornata nuvolosa
buone condizioni di luce ottima
uniformità di illuminazione
Problematiche
alta affluenza di turisti
posizione alla sommità della scala
colonna adiacente alla scultura
impossibili inquadrature dall’alto

9. Riprese
mattino presto, giornata nuvolosa
buona uniformità di illuminazione
Problematiche
elevato numero di piante e vegetazione
impossibili le inquadrature dall’alto
aumento della distanza di ripresa
incremento delle inquadrature laterali

10. Elaborazione dati
Python Photogrammetry ToolBox (PPT)
determina i parametri della camera di ripresa (posizione, orientamento);
ricostruisce una nuvola di punti a bassa densità partendo dal set di immagini
importate
ASUS F3K series:
q Processore: AMD Turion 64 X2 (dual-
core) TL58
q Frequenza di clock: 1.90 Ghz
q CPU : 2
q Hard disk: 200 Gb
q Memoria (RAM): 2 Gb
q Display: 15.4”WXGA
q SO: Windows Vista (32 bit)

11. Elaborazione in PPT delle immagini del Leone
Prove sperimentali per valutare prestazioni e potenzialità del software (in
funzione delle proprietà delle immagini, risoluzione, numero di immagini,
prestazioni hardware)
q I PROVA: 1200 pixels, 63 foto
q II PROVA: 1800 pixels, 63 foto
q III PROVA: test per valutazione risoluzione
q IV PROVA: 2672 pixels, 4 gruppi di 16 foto
Diverse metodologie di processamento (intero set fotografico/per
gruppi) hanno prodotto risultati molto simili, probabilmente grazie alle
numerose sovrapposizioni mantenute tra i gruppi adiacenti.

12. 1200 pixels 1800 pixels
2672 pixels
NUVOLE DI PUNTI
l ’ a u m e n t o d i r i s o l u z i o n e
incrementa il numero di punti
(148932, 350972 e 734973 vertices)
a cui corrisponde un aumento di
dettaglio dei modelli finali

13. Elaborazione in PPT delle immagini della Chiesa
Fallimenti del processo di PPT
riselezione delle immagini (diminuite); ripetizione del processo
Aree più soggette: particolari architettonici complessi, es. vetrata
(riprocessata 3 volte), struttura a sbalzo con le tre campane
Le aree riprese da lontano e con ampie inquadrature (es. lungo
prospetto posteriore e la copertura) hanno dato ottimi risultati.
q I PROVA: foto disposte casualmente; il software non
ha estratto informazioni significative
q II PROVA: 30 gruppi di fotografie, 2672 pixels

14. NUVOLE DI PUNTI
Presenza degli alberi: interferenze
minori di quanto previsto; il software
sfrutta inquadrature laterali per estrarre
parte delle informazioni mancanti

15. Assenza di foto aeree: difficile
ricostruzione della copertura, ma meno
pronunciata di quanto ipotizzato

16. Pulitura delle nuvole di punti (Cloud Compare)
dai numerosi punti estranei, associabili probabilmente a disturbi, errori
sfuggiti al filtering PMVS2
Allinemento e fusione delle singole nuvole (Cloud Compare)
per il Leone a 2672 pixels e per le 30 nuvole della Chiesa
q MacBookPro 9.1
q Processore: Intel i7, 2.3 GHz
q Ram: 4Gb, 1600 Mhz
q Grafica: NVIDIA GT 650M, 512 MB
q SO: Mountain Lion 10.8.3
Operazioni di post-processing

17. Operazioni di post-processing

18. 30 nuvole di punti iniziali della Chiesa

20. Allineamento tramite selezione di almeno 3 punti di
riferimento comuni a due nuvole adiacenti

21. Algoritmo matematico per
la ricostruzione delle
superfici tridimensionali
MeshLab
software di mesh
processing e mesh
editing

22. Octree Depth = 12 / Solver Divide = 12
Tempo di elaborazione: circa 20 min
Mesh Poisson ottenuta: 2840328 vertices - 5680626 faces

23. assegnazione dei colori alla mesh tramite trasferimento dei colori
dalla nuvola di punti ai vertici della superficie creata

25. Elaborazione sulle mesh finali (Cloud Compare)
Leone
q rimozione parte superiore (mancanza di documentazione fotografica dall'alto)
q mantenute superfici create sui vuoti della base e del profilo della statua
Chiesa di S.Giovanni
q mantenute integrazioni delle murature
q Pulitura della copertura e delle superfici non conformi alla realtà
Problemi di rimozione delle superfici senza rimozione dei punti
Elevate dimensioni della nuvola di punti finale

26. Modelli 3D finali
1200 pixels
differenza di risoluzione nei dettagli delle superfici lavorate ricostruite
1800 pixels
2672 pixels
SCRITTA SULLA BASE
q 1200 pixels: appena percettibile
q 1800 pixels: ben visibile
q 2672 pixels: ottima leggibilità

27. Risultato finale del tutto soddisfacente
Algoritmo di Poisson: colma le lacune
Vertex attribute transfer: colorazione omogenea, simile all’aspetto del marmo
Futura implementazione dell'elaborazione dati
foto dall'alto per completare la parte superiore del modello

28. Risultato finale per la Chiesa di S.Giovanni:
ampiamente soddisfacente

29. Elevate dimensioni del modello
difficili altre operazioni di post-
processing
superfici create
dalla Poisson da
rimuovere
variazioni di colore
poco omogenee
(texture)

30. Conclusioni
q Approccio sperimentale: dipende dalle caratteristiche dei manufatti
q Acquisizione dei dati: risoluzione immagini, condizioni ambientali/luce,
conformazione dell'oggetto
q Elaborazione in PPT: all'aumentare della risoluzione aumenta la densità delle
nuvole di punti (dettaglio del modello 3D finale); riprese laterali e adeguate
sovrapposizioni riducono il disturbo dovuto a difficoltà logistiche/ambientali;
inquadrature da lontano danno numerose informazioni per la ricostruzione
delle parti più elevate delle strutture
q Post-processing: algoritmo di Poisson integra le lacune; Vertex Attribute
Transfer buon trasferimento del colore
q Tecniche IBM e Software OPEN SOURCE: valida alternativa (basso costo, ridotte
strumentazioni) alle note soluzioni in commercio per la rappresentazione 3D

31. Grazie per l’attenzione!
This work is licensed under aCreative Commons Attribution-
ShareAlike 3.0 Unported License