La ricerca dei punti caratteristici

Come individuare i punti caratteristici: base per la fotogrammetria

Il primo passo per ottenere la fotogrammetria digitale è la ricerca dei punti caratteristici.
Una volta selezionate le foto con l’esatta sovrapposizione, per realizzare la coppia stereoscopica è necessario eseguire la ricerca dei punti caratteristici. Questa operazione che una volta era delegata ad operatori esperti oggi è completamente automatizzata.

Cosa sono i punti caratteristici?

I punti caratteristici, definiti con il termine inglese Tie Points, sono dei punti che possiedono determinate proprietà (features) che è possibile identificare chiaramente in una o più immagini.
Di fatto, identifico un punto che possiede determinate caratteristiche tali da poterlo trovare anche su altre foto.

Quali sono le caratteristiche delle immagini per fotogrammetria?

Le caratteristiche che deve possedere l’immagine, affinché siano individuati detti punti, sono:

• Significative, ovvero che le caratteristiche sono associate a un elemento della scena interessante. Ad esempio la variazione dei toni che saranno trasformate in livello di grigio devono essere tali da rappresentare un contrasto idoneo.

• Rilevabili, significa che l’algoritmo di rilevazione può distinguerle e selezionarle.

L’identificazione di tali punti è dovuta al fatto che non tutti i punti di un’immagine hanno la stessa probabilità di essere individuati nel confronto con altre immagini. Da qui nasce l’esigenza sia in termini computazionali che in termini di tempo di estrapolare solo i punti che posseggono una probabilità maggiore di essere individuati in altre immagini.

Algoritmi per la ricerca digitale dei punti caratteristici per fotogrammetria

Con l’avvento della fotogrammetria digitale, la ricerca di questi punti avviene ormai in modo automatico mediante l’ausilio di software. Sono presenti diversi algoritmi per l’estrazione dei punti caratteristici. I più diffusi sono:

• SIFT (Scale Invariant Features Transform);

• SURF (Speeded Up Robust Features);

• ORB (Oriented fast and Rotated Brief).

Esempio delle fasi implementato nell’algoritmo SURF per la ricerca dei punti caratteristici e omologhi

Costruzione dell’immagine integrale

Matrice Hessiana

dove

rappresenta la convoluzione della derivata del secondo ordine della funzione Gaussiana con l’immagine I nel punto.

I punti caratteristici vengono individuati nei punti in cui il determinante della matrice H è massimo.

Le fasi per la ricerca dei punti caratteristici in fotogrammetria

La sequenza delle operazioni nella maggior parte dei sistemi di fotogrammetria classica e di Computer Vision iniziano con la ricerca e la locazione di punti caratteristici nelle immagini di input.
Negli ultimi tempi si sono registrati notevoli passi in avanti sui local invariant features, ovvero dei punti caratteristici che permettono ai software di definire una geometria locale dell’immagine e codificarla in modo tale che risulti invariante alle possibili trasformazioni dell’immagine:

• traslazione

• rotazione

• scala e deformazioni affini.

Poiché i punti caratteristici vengono individuati dai software in modo del tutto automatico, occorre avere cura che gli scatti vengano effettuati in modo tale da garantire:

• delle foto nitide e non sfocate

• corretta esposizione

• un elevato grado di sovrapposizione

• un fermo immagine perfetto ed assenza di mosso per la velocità dell’otturatore della fotocamera o di movimenti della vegetazione presente a terra;

l’osservazione di quanto sopra avrà come conseguenza un’adeguata qualità del modello.

Quantità e distribuzione dei punti caratteristici

La quantità dei punti caratteristici correttamente mappati deve essere tale da garantire un’adeguata individuazione dei punti omologhi (l’argomento sarà trattato in un prossimo articolo). Maggiori sono i punti caratteristici e maggiore sarà la probabilità di trovare corrispondenze nei fotogrammi limitrofi. Ne consegue che, per una corretta rappresentazione del modello fotogrammetrico è necessario avere una adeguata distribuzione dei punti caratteristici.
Molto dipende da quanto presente sul fotogramma, infatti, vi saranno alcune zone in cui si avrà una maggiore concentrazione dei punti caratteristici e alcune zone in cui potrebbero risultarne pochi.
In figura 2 è riportata l’immagine di un paesaggio ripresa da un drone. Come si evince dalla foto, l’asfalto presenta un numero di punti caratteristici nettamente inferiore rispetto al terreno. Questa situazione è dovuta al fatto che l’asfalto ha una conformazione piana e una qualità di dettagli minore rispetto al terreno.
Discorso analogo può essere fatto per delle generiche superfici. Su una superficie liscia (Figura 3 – lato sinistro), l’algoritmo troverà meno punti caratteristici rispetto ad una superficie bocciardata (Figura 3 – lato dx) che, presenterà una serie di dettagli che identificheranno una quantità maggiore di punti caratteristici.

 

L’individuazione dei punti caratteristici e di conseguenza dei punti omologhi potrebbe generare un modello fotogrammetrico totalmente differente rispetto alla realtà e di fatto poco preciso o non riuscire a generare un modello nei seguenti casi:

Fotogrammi in cui sono presenti

• bacini d’acqua

• molta vegetazione

• elementi riflettenti

• fumo e nebbia

• fotografie non esposte correttamente (troppo chiare o troppo scure e di fatto prive di contrasto)

• ecc

Conclusioni

La ricerca dei punti caratteristici è un’operazione che sta alla base dei sistemi di fotogrammetria classica e di Computer Vision. La loro corretta individuazione è fortemente condizionata dalla qualità delle immagini.

La ricerca e selezione dei punti avviene ormai mediante l’ausilio di algoritmi di calcolo che ne valutano le caratteristiche e la stabilità.

Al fine di ottenere una corretta generazione del modello fotogrammetrico, i punti devono avere una distribuzione possibilmente omogenea e che copra buona parte del fotogramma.

Una volta determinati i punti caratteristici è possibile proseguire con gli altri steps del processo fotogrammetrico. La fase successiva consiste nella ricerca dei punti omologhi, ovvero di immagini dello stesso punto su due o più fotogrammi distinti (figura 1). Il problema di identificazione di questi punti prende il nome di Image Matching e sarà trattata nel nostro prossimo articolo.