1. Mis on 3D-punktipilv?
3D-punktipilv on kolmemõõtmeline andmestik, mis koosneb väga suurest hulgast üksikutest mõõtepunktidest. Igal punktil on oma X-, Y- ja Z-koordinaat ehk asukoht 3D-ruumis. Kui neid punkte on piisavalt palju, kirjeldavad need koos füüsilise objekti, ruumi, hoone või konstruktsiooni nähtavat pinda.
Lihtsustatult võib punktipilve ette kujutada kui objekti punktidest koosnevat 3D-jälge. See ei ole veel sile pind ega CAD-mudel, vaid mõõteandmestik, mille põhjal saab hiljem teha jooniseid, mõõtmisi, BIM-mudeleid, trianguleeritud mesh-andmeid või pöördprojekteerimise lähteandmeid.
Üksik 3D-punkt on sisuliselt vertex ehk ruumipunkt. Punktipilv koosnebki väga paljudest sellistest ruumipunktidest. Mida rohkem on mõõdetud punkte ning mida stabiilsem ja täpsem on nende asukoht, seda paremini saab punktipilv kirjeldada skaneeritud objekti tegelikku geomeetriat.
2. Millised seadmed tekitavad punktipilvi?
Punktipilvi saab luua erinevate 3D-mõõdistustehnoloogiate abil. Kõik need võivad anda tulemuseks X-, Y- ja Z-koordinaatidega punktid, kuid punktide kvaliteet, täpsus, tihedus ja kasutusotstarve võivad olla väga erinevad.
Staatilised maapealsed laserskännerid: Skänner seisab statiivil ja mõõdab ümbrust ühest skanniseisust. Näited: Leica RTC360, FARO Focus S70 ja sarnased seadmed. Tüüpiline kasutus on hoonete, ruumide ja suurte konstruktsioonide mõõdistus.
SLAM-laserskännerid: Seade liigub mõõtmise ajal ja arvutab samaaegselt enda liikumist ning ümbritseva keskkonna geomeetriat. SLAM sobib kiireks ruumiliseks kaardistamiseks, kuid selle piiranguid tuleb hinnata töö eesmärgi järgi.
Tööstuslikud käsilaserskännerid: Skänner projitseerib objektile laserjooni või mustri ning kaamerad registreerivad projektsiooni. Optilise triangulatsiooni abil arvutatakse pinna 3D-koordinaadid. Seda kasutatakse detailide täppismõõdistuses, pöördprojekteerimises ja kvaliteedikontrollis.
Fotogrammeetria: 3D-andmestik arvutatakse paljude fotode põhjal. Fotogrammeetria võimalusi ja piiranguid käsitletakse eraldi artiklis.
Oluline on mõista, et sõna "punktipilv" ei kirjelda automaatselt andmete kvaliteeti. Punktipilv võib olla väga täpne ja mõõdistuseks sobiv, kuid see võib olla ka mürane, hõre, valesti registreeritud või töö eesmärgi jaoks ebapiisav.
3. Staatiline laserskaneerimine ja käsilaserskaneerimine ei tööta samal põhimõttel
Staatiline maapealne laserskänner, näiteks Leica RTC360, mõõdab üldjuhul ühest kindlast asukohast. Skänner saadab laserkiire objektile või keskkonda, registreerib tagasipeegelduva signaali ning arvutab punkti asukoha. Iga skanniseis annab suure hulga 3D-punkte, mis tuleb hiljem teiste skanniseisudega kokku registreerida.
Tööstuslik käsilaserskänner töötab teise loogikaga. Käsiskänner projitseerib objektile laserjooni või laserimustri. Skänneri kaamerad registreerivad laserprojektsiooni asendi objekti pinnal ning optilise triangulatsiooni abil arvutatakse 3D-koordinaadid. Seda tüüpi skännerid võivad samuti tekitada punktipilve, kuid täppismõõdistuse töövoos kasutatakse nende andmeid sageli trianguleeritud mesh-andmestiku loomiseks.
Seega võivad nii statiivil paiknev laserskänner kui ka käsilaserskänner luua 3D-punkte, kuid nende mõõteulatus, täpsus, tracking, registreerimine ja lõpptulemuse kasutus erinevad. Seetõttu ei saa kõiki 3D-skännereid hinnata ainult selle järgi, kas nad suudavad punktipilve tekitada.
4. Punktipilve kvaliteeti mõjutavad skänneri tehnoloogia ja mõõtekaugus
Kõik skännerid ei tekita sama kvaliteediga punktipilve. Punktide täpsust mõjutavad skänneri optika, laser, mõõteulatus, kalibreerimine, tarkvara, objekti pind ning mõõtmise metoodika.
Staatiliste laserskännerite puhul on oluline mõõtekaugus. Mida kaugemal objekt skännerist asub, seda suuremaks võib muutuda üksiku punkti mõõtemääramatus. Praktikas tähendab see, et väga lähedalt ja kontrollitud tingimustes tehtud mõõdistus ei ole võrreldav olukorraga, kus sama skänner mõõdab objekti mitmekümne meetri kauguselt.
Tootjad määravad seadmete täpsusnäitajad kindlate testide ja mõõtetingimuste alusel. Näiteks tuuakse tehnilistes andmetes välja, millise täpsusega suudab konkreetne skänner mõõta kindla kauguse või töövahemiku juures. Sellepärast tulebki skännerit valida töö eesmärgi järgi, mitte ainult selle järgi, kas seade suudab punktipilve luua.
SLAM-seadmete puhul lisandub mõõtmisele liikumise pealt arvutatud asukoht. Kuna seade liigub mõõtmise ajal ja peab samaaegselt hindama enda liikumist ning keskkonna geomeetriat, ei ole SLAM-punktipilv üldjuhul võrreldav kvaliteedi ja stabiilsuse poolest statiivil tehtud täppismõõdistuse või metroloogilise käsiskaneeringuga.
5. Värviline punktipilv ja skaneerimisaja kasv
Punktipilv võib olla mustvalge või värviline. Värvilise punktipilve puhul lisatakse igale punktile RGB-väärtus ehk visuaalne värviinfo. See teeb punktipilve inimese jaoks paremini loetavaks, sest ruumid, pinnad, materjalid ja objektid on ekraanil lihtsamini eristatavad.
Värviinfo lisamine ei tähenda aga automaatselt paremat mõõtetäpsust. Värv parandab eelkõige visuaalset loetavust ja dokumenteerimist. Mõõdistusliku täpsuse määravad endiselt mõõteseade, skaneerimismetoodika, registreerimine ja punktide geomeetriline kvaliteet.
Samuti tuleb arvestada ajakuluga. Näiteks Leica RTC360 puhul võib värvilise skanniseisu tegemine lisada ühe skanniseisu ajale ligikaudu ühe minuti. Kui skanniseise on objektil palju, võib värvilise punktipilve loomine kasvatada kogu mõõdistuse ajakulu märgatavalt.
6. Punktipilve tihedus, faili maht ja arvuti jõudlus
Paljudel skänneritel saab valida punktipilve tihedust ehk seda, kui palju punkte ühe skanniseisu või mõõtmise käigus kogutakse. Seadmetes ei valita tavaliselt käsitsi täpset punktide arvu, vaid kasutatakse sätteid nagu madal, keskmine või kõrge tihedus. Mida kõrgem on tihedus, seda rohkem pinda kirjeldavaid punkte kogutakse.
Tihedam punktipilv võib anda detailsema andmestiku, kuid sellega kaasnevad ka suurem failimaht, pikem skaneerimisaeg ja suurem arvutuskoormus. Näiteks võib madalama tihedusega skanniseis võtta alla minuti, kuid kõrgema tihedusega skanniseis võib võtta mitu minutit. Kui lisada juurde värvifotod, kasvab ajakulu veelgi.
Suure punktipilvega töötamiseks on vaja piisavalt RAM-i, videomälu ja sobivat tarkvara. Kui arvutil ei ole piisavalt ressursse või kasutatav programm ei ole punktipilvede töötlemiseks hästi optimeeritud, võib töö muutuda aeglaseks või programm võib kokku joosta.
7. Decimation ehk punktide vähendamine
Kui punktipilv on kokku registreeritud ja puhastatud, saab vajadusel vähendada selle tihedust. Seda nimetatakse decimationiks. Decimation tähendab, et punktipilvest kirjutatakse välja väiksema punktitihedusega versioon, et faili maht oleks väiksem ja seda oleks lihtsam erinevates programmides kasutada.
Decimation ei ole ainult punktipilvede teema. Sama põhimõtet kasutatakse ka trianguleeritud mesh-andmestiku puhul, kus vähendatakse polügoonide või kolmnurkade hulka. Mõlemal juhul tuleb jälgida, et vähendamine ei rikuks andmete kasutusotstarvet. Kui andmeid vähendatakse liiga palju, võib kaduda detail, mida oli vaja mõõtmiseks, modelleerimiseks või kontrolliks.
Õige eksport sõltub kliendi vajadusest. Mõnikord on vaja maksimaalset tihedust ja täpsust, mõnikord aga tööks sobivat ning arvutis hallatavat andmemahtu.
8. Suurte punktipilvede jagamine tööosadeks
Suurte hoonete, tööstusobjektide või konstruktsioonide puhul ei pruugi olla mõistlik laadida kogu punktipilve korraga ühte programmi. Kui andmemaht on väga suur, võib tarkvara muutuda aeglaseks või arvuti ei suuda kogu andmestikku korraga hallata.
Praktiline lahendus on punktipilv jagada tööosadeks, mis säilitavad õige koordinaatsüsteemi. Näiteks saab eksportida lõigud A, B, C ja D nii, et kasutaja saab laadida tööks sisse ainult vajaliku osa ning teised ajutiselt välja lülitada. Kui töö liigub järgmisesse piirkonda, saab esimese osa välja lülitada ja järgmise sisse lülitada.
Selline töövoog vähendab arvuti koormust ja muudab suure punktipilvega töötamise stabiilsemaks. Sama loogika kehtib ka suuremahulise trianguleeritud mesh-andmestiku puhul, mille failimahud võivad olla punktipilvest veelgi raskemini hallatavad.
9. Punktipilvede registreerimine ja kokkupanek
Kui objekt või hoone skaneeritakse mitmest asukohast, tuleb erinevad skanniseisud omavahel kokku panna ehk registreerida. Kuigi tarkvarad võivad reklaamida automaatset punktipilvede ühendamist, ei tähenda automaatne joondamine alati, et tulemus on mõõdistuslikult korrektne.
Punktipilved tuleb kokku panna tolerantsis. Kui registreerimine on vigane, võivad tekkida nihked, topeltseinad, topeltkihid või hägused konstruktsioonid. Selline andmestik tekitab kohe probleeme, kui seda kasutatakse BIM-mudeli loomiseks, mõõtude võtmiseks või 3D-modelleerimise lähteandmetena.
Näiteks kui konstruktsioonide vahekaugust mõõdetakse valesti registreeritud punktipilvest, kandub viga edasi kogu tööprotsessi. Seetõttu on punktipilvede korrektne registreerimine üks olulisemaid mõõdistusandmete kvaliteedi etappe.
10. Punktipilve puhastamine: müra, inimesed ja peegeldused
Toores punktipilv sisaldab sageli andmeid, mis ei kuulu tegeliku mõõdetava objekti juurde. Neid tuleb puhastada. Müra võib tekkida näiteks vihmast, tolmust, liikuvatest inimestest, sõidukitest, peegeldustest või märgadest pindadest.
Vihmaga võib laser tabada õhus olevaid veepiisku ja tekitada 3D-ruumi punkte, mis ei kirjelda hoonet ega objekti. Kui inimesed liiguvad skaneerimise ajal skänneri vaateväljas, jäävad ka nende kehad punktipilve sisse. Peegeldavad või märjad pinnad võivad tekitada valeinfot, topeltpindu või ruumiliselt eksitavaid punkte.
Sellise müra puhastamine on ajamahukas tööetapp. Alati ei ole võimalik kogu müra täielikult eemaldada, kuid professionaalse töövoo eesmärk on anda kliendile võimalikult puhas ja kasutusotstarbeks sobiv andmestik. Just sellepärast ei ole kvaliteetne 3D-skaneerimine lihtsalt nupu vajutamine ega saa koosneda ainult skänneri kohale toomisest.
11. Milleks punktipilvi kasutatakse?
- hoonete mõõdistusprojektide koostamiseks;
- BIM-mudelite lähteandmetena;
- korruseplaanide, vaadete ja lõigete joonestamiseks;
- konstruktsioonide ja ruumide mõõtmiseks;
- olemasoleva olukorra dokumenteerimiseks;
- tööstusobjektide ja seadmete paigutuse analüüsimiseks.
Näiteks hoone mõõdistusprojekti puhul laetakse puhastatud ja kokku registreeritud punktipilv Revitisse või muusse modelleerimisprogrammi ning selle alusel joonestatakse korruseplaanid, vaated ja lõiked. Sellises töövoos võib punktipilv olla piisav lähteandmestik, kui eesmärk on arhitektuurne mõõdistus ja dokumenteerimine.
Samas ei tähenda see, et punktipilvest loodud arhitektuurne joonis sobib automaatselt täppisdetailide tootmiseks. Arhitektuursetes töödes joonestatakse seinad ja pinnad sageli sirgelt, sest seda nõuavad jooniste loetavus, mõõdistusprojekti vormistus ja ehitusdokumentatsiooni praktika. Tegelik objekt ei pruugi aga olla sirge.
12. Miks arhitektuurne BIM-mudel ei pruugi sobida tootmiseks?
Reaalsed hooned, trepid, seinad, põrandad ja konstruktsioonid ei ole kunagi ideaalselt sirged ega geomeetriliselt täiuslikud. Ehituses on alati tolerantsid, kõrvalekalded, läbipainded, kõverused ja paigaldusvead. Arhitektuurses BIM-mudelis või mõõdistusprojektis võidakse need pinnad esitada lihtsustatult ja sirgena, sest töö eesmärk on teistsugune.
Kui aga klient peab tootma trepipiirdeid, käepidemeid, metallkonstruktsioone või muid detaile, mis peavad olemasoleva objektiga täpselt sobituma, ei pruugi lihtsustatud BIM-mudel olla piisav. Sellisel juhul on vaja täpsemat 3D-lähteandmestikku, mis kirjeldab tegelikku pinda ja geomeetriat, mitte ainult arhitektuurset lihtsustust.
Kui tootja kasutab vale lähteandmestikku, võivad valmistatud detailid kohapeal mitte sobituda. Tulemuseks on materjalikulu, ümbertegemine, tootmise viivitus ja lisakulud. Seetõttu on töö eesmärgi mõistmine 3D-skaneerimisel kriitiline: enne mõõdistamist peab olema teada, kas andmeid kasutatakse dokumenteerimiseks, BIM-modelleerimiseks, pöördprojekteerimiseks või tootmiseks.
13. Punktipilvest trianguleeritud meshiks
Punktipilv kirjeldab objekti üksikute punktidena. Kui neid punkte ühendatakse omavahel kolmnurkadeks, tekib trianguleeritud mesh ehk polügonaalne pinnamudel. Kolm vertex-punkti moodustavad ühe kolmnurkse polügooni ning paljudest sellistest kolmnurkadest tekib objekti pinda kirjeldav mesh.
Mesh on visuaalselt palju paremini loetav kui puhas punktipilv, sest see moodustab pidevama pinna. Mesh-andmestikku saab kasutada läbilõigete tegemiseks, pinna analüüsiks, reverse engineering töövoogudes ja teatud juhtudel ka tootmise lähteandmestikuna.
Oluline on aga kasutada õiget tarkvara ja õiget algoritmi. Kui punktipilv konverteeritakse meshiks sobimatus programmis, võib tarkvara luua lisapunkte või pindasid, mis ei põhine tegelikel mõõtepunktidel. Sellisel juhul võib andmestik visuaalselt ilus välja näha, kuid mõõdistuslik info on rikutud.
Täppismõõdistuse puhul ei ole eesmärk lihtsalt punktipilvest ilus pind luua. Eesmärk on säilitada mõõdistusandmete usaldusväärsus nii, et trianguleeritud mesh kirjeldaks tegelikku objekti tolerantsis ja sobiks edasiseks inseneritööks.
14. Miks on õige tarkvara oluline?
Punktipilve või mesh-andmestiku töötlemiseks ei sobi iga 3D-programm. Blender, ZBrush või muud visuaalse modelleerimise programmid võivad olla väga head kunstilise või visuaalse 3D-töö jaoks, kuid täppismõõdistuse lähteandmete töötlemisel on vaja inseneritööks mõeldud tarkvara ja töövoogu.
Kui programm muudab geomeetriat, silub servi, lisab pinda, loob interpolatsiooni või rekonstrueerib puuduvaid alasid ilma mõõdistusliku kontrollita, võib tulemus olla visuaalselt parem, kuid mõõtmete poolest vale. Täppismõõdistuses on see probleem, sest klient võib kasutada seda mudelit detailide projekteerimiseks või tootmiseks.
Seetõttu peab punktipilvest mesh-andmestiku loomisel olema kontrollitud, millised punktid pärinevad mõõdistusest, kuidas pind nende alusel arvutatakse ning kas lõpptulemus vastab töö eesmärgile ja lubatud tolerantsile.
15. Näide: trepipiirded ja tegeliku geomeetria vajadus
Hea praktiline näide on trepipiirete või käepidemete tootmine olemasolevale trepile. Kui trepp, seinad või konstruktsioonid on veidi kõverad, nihkes või ebaühtlased, ei pruugi sirgeks joonestatud arhitektuurne mudel olla tootmiseks piisav.
Sellises olukorras võib Vertz 3D tulla objektile, teha 3D-skaneeringu, puhastada andmestiku ja vajadusel konverteerida punktipilve trianguleeritud mesh-andmestikuks. Selle mesh-andmestiku põhjal saab võtta läbilõikeid, määrata tegelikke pindu ja luua tolerantsis Solid-mudeli või muu projekteerimiseks sobiva lähteandmestiku.
Kui klient projekteerib trepipiirded või käepidemed sellise täpse lähteandmestiku põhjal, on palju suurem tõenäosus, et valmistatud detailid sobituvad kohapeal õigesti. Kui aga projekteerimise aluseks on lihtsustatud või vale geomeetria, võib probleem ilmneda alles paigaldusel, kui detailid on juba toodetud.
16. Kokkuvõte: punktipilv on tööriist, mitte lõppeesmärk
3D-punktipilv on oluline mõõdistusandmestik, kuid see ei ole iseenesest kvaliteedi garantii. Oluline on, kuidas punktipilv on loodud, millise tehnoloogiaga see on mõõdetud, kuidas skanniseisud on kokku registreeritud, kui palju müra on eemaldatud ning millisel kujul andmed kliendile üle antakse.
Kui eesmärk on hoone dokumenteerimine, võivad puhastatud ja õigesti registreeritud punktipilved olla piisav lähteandmestik plaanide, vaadete ja lõigete koostamiseks. Kui eesmärk on detailide tootmine, pöördprojekteerimine või millimeetritäpsust nõudev sobivus olemasoleva objektiga, võib olla vaja trianguleeritud mesh-andmestikku ja inseneritööks sobivat järeltöötlust.
Vertz 3D jaoks on oluline mõista enne töö alustamist kliendi tegelikku eesmärki. Skaneering ei ole eesmärk omaette. Eesmärk on anda kliendile selline 3D-lähteandmestik, mille põhjal saab edasi teha õigeid tehnilisi otsuseid, koostada sobivad mudelid ja vähendada hilisema tootmis- või paigaldusvea riski.