Stereo-photogrammetry tools for efficient 3D data acquisition
Notice bibliographique
Résumé
Photogrammetry, a technique to determine the shape, dimensions, and location of objects from multiple images, has been extensively used in marine environments for over 15 years. While one-camera photogrammetry is common, stereo-photogrammetry offers distinct advantages. To enhance 3D modeling and monitoring of marine habitats, we developed “KarKam,” a tool featuring two synchronized full-frame DSLR cameras on an aluminum platform with continuous lights and strobes, attached to a Suex xj37 underwater scooter. This system accommodates various lenses, ensures exposure control, and automates photogrammetric image processing and calibrated scaling through scripted textured models. Using closed-circuit-rebreathers (CCR) divers and KarKam's lighting autonomy enables coverage of approximately 500m² per session. This study evaluates the effectiveness of stereo-photogrammetry for underwater 3D data acquisition, comparing it to traditional one-camera photogrammetry. To model the Liban wreck, one-camera photogrammetry captured 4,480 images with a ground resolution of 3mm/px over 15 sessions, while stereo-photogrammetry captured 26,588 images with a ground resolution of 0.547mm/px over 7 sessions. Stereo-photogrammetry provided continuous coverage and higher model reliability, though it is less practical for closed environments. The second part of the study compared mono and stereo-photogrammetry for modeling and scaling accuracy on the Miquelon wreck (50m depth). Using Agisoft Metashape, three modalities were tested: left camera only, right camera only, and both cameras. Stereo-photogrammetry required 180 minutes of diving and 11 hours of modeling from over 20,000 pictures, providing better alignment and scaling accuracy with a mean error of 0.009m compared to 0.15m with one camera. Iterative Closest Point (ICP) comparisons highlighted the superior accuracy and robustness of the stereo model. These findings underscore the importance of stereo-photogrammetry for high-precision underwater modeling. The KarKam system is an efficient tool for large area coverage with high chromatic quality, ensuring better accuracy with stereo scaling. A standardized approach would enable the comparison of quantitative data across different labs and stakeholders, enhancing marine ecology documentation and monitoring.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,010 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».