De afgelopen jaren zijn er enorme sprongen gemaakt op het gebied van 3D-modellering en visualisatie, mede dankzij technieken zoals Gaussian Splatting en Neural Radiance Fields (NeRFs). Beide methoden hebben onze manier van het vastleggen en bekijken van 3D-omgevingen behoorlijk veranderd. Toch wordt in veel toepassingen nog steeds gebruikgemaakt van traditionele technieken zoals fotogrammetrie. Fotogrammetrie heeft als voordeel dat het precieze metrische gegevens kan leveren en relatief breed toepasbaar is, vooral wanneer nauwkeurige afmetingen essentieel zijn.
Waar fotogrammetrie vaak afhankelijk is van complexe handmatige processen en statische puntenwolken, bieden NeRFs en Gaussian Splatting een vloeiendere en realistischere weergave met minder inspanning. Maar wat zijn eigenlijk de verschillen tussen deze twee nieuwe technieken? En kunnen we ze misschien in de toekomst inzetten om bijvoorbeeld vastgoed digitaal te maken met gedetailleerde 3D-modellen, ook al kunnen we er momenteel nog geen precieze maatvoeringen mee doen? In deze blog leg ik dat uit.
Neural Radiance Fields, oftewel NeRFs, zijn een nieuwe techniek waarmee je op basis van een paar gewone 2D-foto’s een 3D-weergave van een scène kunt creëren. NeRFs gebruiken deep learning om te leren hoe licht zich door een ruimte beweegt, inclusief de manier waarop het wordt gereflecteerd. Hierdoor kan het systeem een realistische 3D-visualisatie maken van de gefotografeerde omgeving.
Hoe werkt NeRF? Het begint met een verzameling foto's van een scène vanuit verschillende hoeken. Door naar de kleur en lichtintensiteit van elke pixel te kijken, leert het systeem de onderliggende 3D-structuur van de ruimte. Zo kan NeRF bijvoorbeeld een woonkamer of een buitenruimte als een driedimensionale scène weergeven, compleet met details zoals schaduw en diepte.
Gaussian Splatting is een andere benadering voor het maken van 3D-modellen, die vooral interessant is vanwege de snelheid en eenvoud. In plaats van een scène op te bouwen uit harde, losse punten zoals bij traditionele puntenwolken, gebruikt Gaussian Splatting Gaussische 'vlekken' om de ruimte tussen de punten vloeiender en natuurlijker te maken.
Hoe werkt Gaussian Splatting? In plaats van te rekenen met vaste punten in de ruimte, verspreidt Gaussian Splatting elk punt een beetje, waardoor je een soepeler 3D-model krijgt. Dit geeft een mooi vloeiend resultaat dat vooral handig is voor objecten met complexe of gedetailleerde vormen, zoals een gebouw of interieur. Bovendien vereist Gaussian Splatting relatief weinig rekenkracht, waardoor het een kostenefficiënte oplossing is voor het maken van realistische 3D-modellen zonder dure hardware of uitgebreide verwerkingscapaciteit.
Nu deze technieken zich zo snel ontwikkelen, rijst de vraag of ze ook nuttig kunnen zijn voor sectoren zoals vastgoed. Stel je voor dat je met slechts een paar foto’s een compleet 3D-model van een huis of kantoor kunt maken, waarmee potentiële kopers of huurders het gebouw virtueel kunnen verkennen vanuit verschillende hoeken, zonder er fysiek aanwezig te zijn.
NeRFs en Gaussian Splatting bieden in dit kader interessante mogelijkheden. Ze kunnen vastgoedmakelaars en klanten in staat stellen om realistische virtuele rondleidingen te creëren voor individuele gebouwen of zelfs hele wijken. Dit opent de deur naar een efficiëntere en toegankelijkere manier om vastgoed te presenteren en te ervaren.
Beperkingen op het gebied van maatvoering Een nadeel van beide technieken is dat ze geen exacte afmetingen geven. In de vastgoedsector is het essentieel om precieze maten te hebben voor zaken zoals de oppervlakte van een huis of de hoogte van een plafond. NeRFs en Gaussian Splatting bieden visueel indrukwekkende resultaten, maar kunnen niet worden gebruikt om nauwkeurige metrische gegevens te genereren.
Ondanks deze beperkingen zijn er veel mogelijkheden om deze technieken verder te ontwikkelen. Onderzoekers werken eraan om de nauwkeurigheid van 3D-modellen te verbeteren, zodat ze misschien in de toekomst ook maatvoeringen kunnen bieden. Denk bijvoorbeeld aan de combinatie van NeRFs met lidar-technologie, die wel heel nauwkeurige afstanden kan meten. Zo zouden we uiteindelijk systemen kunnen krijgen die zowel realistische 3D-weergaven als precieze meetgegevens genereren.
Daarnaast zien we dat computers steeds krachtiger worden en AI-algoritmes blijven verbeteren. Hierdoor kunnen we in de toekomst misschien wel hele steden of wijken digitaliseren met NeRFs of Gaussian Splatting. Dit zou vastgoedbedrijven in staat stellen om hun objecten digitaal aan te bieden op een manier die zowel indrukwekkend als informatief is.
Gaussian Splatting en Neural Radiance Fields vertegenwoordigen een spannende toekomst voor 3D-modellen. Hoewel ze nog niet geschikt zijn voor toepassingen die om nauwkeurige maatvoeringen vragen, zoals in vastgoed, bieden ze wel een veelbelovend perspectief voor gedetailleerde en visueel overtuigende 3D-reconstructies. Naarmate deze technologieën verder worden ontwikkeld, kunnen ze een steeds belangrijkere rol spelen in de manier waarop we gebouwen, objecten en zelfs complete steden digitaal vastleggen en visualiseren.
Bij SupRmen volgen we deze ontwikkelingen op de voet. Zodra de kwaliteit en functionaliteit van deze technologieën voldoende zijn, kunnen we ze opnemen in onze dienstverlening en producten. Hiermee blijven we voorop lopen in het leveren van innovatieve en waardevolle oplossingen voor onze klanten.
“Weten wat de financiële voordelen zijn van accurate en complete vastgoeddata? Bereken jouw kostenbesparing.”
