See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/260905377

3D modeling of Close-Range Objects: Photogrammetry or Laser Scanning

Article  in  Proceedings of SPIE - The International Society for Optical Engineering · December 2004
DOI: 10.1117/12.586294

CITATIONS READS

68 3,692

3 authors:

Fabio Remondino Alberto Guarnieri

Fondazione Bruno Kessler University of Padova
371 PUBLICATIONS   11,162 CITATIONS    88 PUBLICATIONS   1,045 CITATIONS   

SEE PROFILE SEE PROFILE

Antonio Vettore
University of Padova
104 PUBLICATIONS   1,082 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Sparse point cloud filtering View project

MayaArch3D View project

All content following this page was uploaded by Fabio Remondino on 11 April 2014.

The user has requested enhancement of the downloaded file.

 3D MODELING OF CLOSE-RANGE OBJECTS:
PHOTOGRAMMETRY OR LASER SCANNING?
Fabio Remondino(1), Alberto Guarnieri(2), Antonio Vettore(2)
(1)
Institute of Geodesy and Photogrammetry ñ ETH Zurich, Switzerland, fabio@geod.baug.ethz.ch
 (2)
CIRGEO ñ University of Padua, Italy, cirgeo@unipd.it

ABSTRACT
Photogrammetry has dealt since many years with the 3D reconstruction of objects from images. It provides for accurate
sensor  calibration  and  object  modeling  using  analog  or  digital  imageries,  it  is  very  portable  and  many  commercial
software is available for image processing and 3D modeling. On the other hand, laser scanning technology and all the
related  reverse  engineering  software  are  becoming  a  very  promising  alternative  for  many  kind  of  surveying  and
modeling  applications.  Laser  scanners  allow  to  acquire  very  quickly  a  huge  amount  of  3D  data  which  can  be  often
combined with color high-resolution digital images.
Among the plenty of works so far presented, in particular on the use of laser scanning for cultural heritage survey, some
modeling and accuracy related issues have been not yet solved and discussed in details. In this contribution we report
about two case studies realized with photogrammetry and laser scanner and we provide some advices and suggestions
about the more suitable 3D modeling method for a given object, taking into account its size and shape complexity, the
required accuracy and the target application.

Key words: Adjustment, Reconstruction, Modeling, Laser Scanner, Registration

1.  INTRODUCTION

In the last decade, the demand of 3D  models  for objects documentation and  visualization  is  drastically  increased.  3D

modeling  of  close-range  objects  is  required  in  different  applications,  like  cultural  heritage,  industry,  animation  or
medicine  and  can  be  achieved  with  a  traditional  topographic/photogrammetric  survey  or  with  scanning  instruments.
Photogrammetry deals since many years with the 3D reconstruction of objects from one or more images. It provides for
accurate  sensor  calibration  and  object  modeling  using  analog  or  digital  imageries;  it  is  a  very  portable  and  low  cost
approach and different commercial software is available for image processing and 3D modeling.
Laser  scanning  technology  is  becoming  a  very  promising  alternative  for  many  kind  of  surveying  and  modeling
applications. Airborne and ground-based laser scanners allow to acquire very quickly a huge amount of 3D data which
can be often profitably combined with colour high-resolution digital images. As a major advantage of this approach, real
objects can be represented more adequately than using a single or collection of pictures, by providing a higher level of
detail together with a good metric accuracy.
In  the  cultural  heritage  field,  3D  models  represent  an  interesting  tool  for  documentation  and  interactive  visualization
purposes, to create virtual reality environments or recreate destroyed objects. In some  cases8,  3D  models  obtained  by
laser  scanning  are  used  to  fill  a  virtual  environment  with  real  objects,  in  order  to  get  a  faithful  copy  of  a  real
environment, such as the interior of a museum or historical building. In other cases10, a 3D computer model generated
using old images can be used for a physical reconstruction of a destructed statue.
Both techniques are widely used for 3D computer reconstruction and the choice between one or the other approach is
always a difficult decision. Many users do not know exactly in detail the potentiality of each technique, the costs and the
expected  results.  In  the  literature,  some  comparison  between  scanning  technology  and  image-based  photogrammetric
approach  for  objects  recording  have  been  already  presented5,  13.  Most  effort  has  been  spent  to  achieve  and  compare
visually pleasant 3D models, mainly for VR applications, but only few words address the metric and geometric accuracy
of the generated 3D models.
According to such remarks, in this paper two case studies are presented and the results obtained with both measurements
techniques are described and compared. The goal is not to announce which method is better, but to list pro and cons as
well  as  some  recommendations  concerning  which  method  is  more  suited  to  get  the  best  results  according  to  the
application. Criteria like the geometric and metric quality of the 3D model, amount of time of the processing, modeling
problems and equipment costs are considered.

2.  TECHNOLOGY AND INSTRUMENTS

2.1. Laser Scanner
Laser scanning is an active sensor approach able to recover directly 3D measurements of the scanned scene. Structured,
coded or laser light can be used and on the market different commercial solutions are available, based on triangulation,
time-of-flight, continuous wave or reflectivity measurements. An overview of 3D scanning instruments is presented in
Boehler et al.5 or Blais4. The scanner instruments are very expensive, but they provide for a huge amount of data (3D
point  clouds)  in  few  moments.  The  often  need  special  or  dedicated  software  to  read  the  output  data  file.  The
manufacturers  usually  provide  for  this  software  while  other  packages9,  16,  17  are  also  available  for  the  modeling,
registration, editing and texturing of the 3D data.
For our case studies, two different systems were used: the Leica HDS 2500 (former Cyrax 2500)14 and the NRC-BIRIS
laser scanner2 (Figure 1).

Figure 1: The two laser instruments used in the presented case studies: Leica HDS 2500 (left), NRC-BIRIS (right).

The  Leica  HDS  2500  system  is  a  TOF-based  terrestrial  laser  scanner,  providing  a  quite  high  accuracy  for  the  depth
measurement (4mm  up to 50m)  with a beam diameter divergence of 6  mm  at  50m.  Given  the  limited  Field  Of  View
(FOV= 40∞ H x 40∞ V) and the absence of a rotating head, several stations are normally required to capture the whole
geometry. Besides 3D coordinates, the laser is also able to register the reflected beam intensity and color information,
through a built-in low resolution CCD camera.
The  BIRIS  laser  scanner  is  a  non-contact  measuring  system  suited  for  close  range  applications.  It  is  based  on  the
triangulation and defocusing principle, by which 3D object coordinates can be measured knowing the baseline between
a laser diode and the built-in CCD camera and the position on the CCD image plane where the reflected beam intersects.
The employed model features a depth accuracy of 50µm  when the laser-object distance is kept between 20cm and 40
cm. The laser wavelength is about 650nm, i.e. in the visible red field.

2.2 Image-based modeling
Photogrammetry, by definition, obtains reliable measurements and 3D models by means of photographs. It deals since
many  years  with  the  3D  reconstruction  of  objects  from  images.  The  classical  close-range  photogrammetric  pipeline
consists of camera calibration and orientation, image point measurements, 3D point cloud generation, surface generation
and  texturing.  Even  if  precise  calibration  and  orientation  procedures  are  mostly  required,  reliable  packages  are  now
available1,  12,  15,  19.  Some  packages  allow  the  complete  scene  modeling,  from  single  or  multi  images,  while  others
perform  only  sensor  calibration  and  orientation.  Generally  a  sensor  calibration  is  performed  with  a  perspective
geometrical model by means of a photogrammetric bundle method. It requires corresponding points between the images
and, as non-linear algorithm, it needs initial approximations for the unknownsí parameters.
The  image  measurement  step  can  be  performed  with  manual  or  automatic  procedures.  Automated  photogrammetric
matching algorithms can produce very dense point clouds, but mismatches, irrelevant points and missing parts could be
present in the results, requiring a post-processing check of the data. Moreover, the automated procedures usually do not
take into consideration the geometrical conditions of the surface's object and mainly work with smoothing constraints:
therefore is often quite difficult to turn randomly generated point clouds into correct polygonal structures of high quality
and  without  losing  important  information  or  features.  On  the  other  hand,  if  the  measurements  are  done  in  manual  or
semi-automatic  mode,  there  is  a  higher  reliability  of  the  measures  but  a  smaller  number  of  points  that  describe  the
measured object.
For  our  case  studies,  two  digital  cameras  are  employed:  a  Nikon  COOLPIX  5700  and  a  LEICA  DIGILUX  1.  The
NIKON COOLPIX is a 5 Million pixel camera with a 2/3" CCD sensor size and a maximum image resolution of 2560 x
1920 pixels, corresponding to 3.4 µm pixel size. The LEICA camera has a 1/1.76î  CCD sensor, with 4 Million pixel.
The maximum image resolution is 2240x1680 pixel, corresponding to 3.21 µm pixel size.

3.  3D MODELING OF A CHURCH

The  first  case  study  is  the  ancient  church  of  Pozzoveggiani,  located  in  the  surrounding  of  Padua  (Italy).  The  church
(Figure 2) is 7 x 16 m large in the planar dimensions while the height is between 8 m (main roof) and 17 m (the tower).
This  little  church  boasts  a  geometry  composed  by  both  planar  and  curved  surfaces,  allowing  to  compare  easily  the
results about the application of different modeling techniques. A clear view of the church is almost available all around
it,  thus  removing  the  problem  of  shadowing  effects  due  to  occlusions.  All  these  features  made  the  church  a  good
candidate for our first test. Some ground control points, used in the photogrammetric process and as common points for
the accuracy comparison between the two modeling approaches, were measured with a Leica TCR 705 total station. The
instrument has a distancer with two laser beams: one, invisible, for conventional measurements to prism and a second
one, visible, for reflectorless surveys. The control points on the church were surveyed in reflectorless mode and about
170 control points were measured, with an accuracy of ca 5 mm.

Figure 2: Some images of the Pozzoveggiani church.

3.1 Image-based reconstruction and modeling
The digital images of the Pozzoveggiani church were acquired with the digital camera NIKON COOLPIX 5700. A set
of ca 80 images was acquired with a fix focal length, with a resolution of 1024 x 768 pixel. For the processing only 22
images were selected. The pixel size of the images is ca 8.6 micron while in object space it is ca 0.95 cm.
The orientation of the images had to be performed in order to extract precise 3D information and  measurements. The
exterior orientation approximations were achieved with a space resection algorithm using some control points measured
semi-automatically  in  the  images  by  means  of  a  least  squares  template  matching.  About  200  image  correspondences
were then automatically extracted using an approach based on interest operator, least squares matching and the epipolar
geometry18.  Some  wrong  correspondences  not  related  to  the  church  were  manually  deleted.  The  correspondences,  as
well as 29 control points, were imported in a self-calibrating bundle adjustment for the recovering of the camera interior
and exterior parameters, as well as the 3D coordinates of the tie points. The a posteriori standard deviation was 0.9 pixel
(σ0,priori = 1 pixel)  while the 2 additional parameters  for tangential lens distortion (P1 and P2)  could  not  be  reliable
determined. The theoretical precision of the computed object coordinates was 0.017m, 0.027 m and 0.022 m in X, Y and
Z direction respectively.  Figure 3 shows the recovered cameras poses and the 3D objects coordinates of the used tie and
control points.  Afterwards, lines,  curves  and  surfaces  were  manually  extracted  from  the  images  and  the  complete  3D
model reconstructed. The results of the modeling are presented as wireframe and colored shaded model in  Figure 4 and
as textured model in Figure 5.

  
Figure 3: Recovered cameras poses with used tie and control points.

An analysis of the recovered object coordinates with respect to some check points measured with the total station was
also  performed.  21  check  points  well  distributed  all  over  the  church  were  compared  with  the  recovered  object
coordinates and the differences are reported in Table 1.

Analysis with respect to Numb. RMSE X [m] RMSE Y [m] RMSE Z [m]

Control points 29 0.006 0.009 0.006
Check points 21 0030 0.048 0.024
Table 1: Summary of control and check points analysis for the recovered object points.

      

   
Figure 4: Wireframe model with points and lines manually measured as well as the recovered camera poses (upper image).
Colored shaded 3D model from different view points (central and right images).
    
Figure 5: Views of textured 3D model of the Pozzoveggiani church, displayed in VRML format.

3.2  Laser scanner measurement and modeling
The church was surveyed with a Leica HDS 2500 terrestrial laser scanner. The capturing of the geometry of the whole
building required the acquisition of 23 range images, along with their corresponding intensity data. The  average  scan
resolution (i.e. point spacing) was set to 0.7mm, resulting in global point cloud of about 11 Million points.  As a first
stage of the processing workflow, a contrast stretching algorithm, developed in Matlab, was applied to the intensity data,
in order to enhance the viewing quality of the point clouds when rendered with color information from intensity values.
This step was required in order to be able to better recognize matching points needed both for the alignment and the 3D
model georeferencing procedures.
Indeed,  during  export  of  acquired  of  range  data  from  Cyclone  software  (v.  5.1)  in  PTX  format  (readable  by
Polyworks16) the original intensity values were shrink in a more little interval, decreasing the overall contrast level, as
shown  in  Figure  6  (left  side).  By  applying  a  contrast  stretching  algorithm,  natural  features  on  the  wall  of  the  church
were much more recognizable (Figure 6, right side).

Figure 6: Result of contrast stretching algorithm applied to the bell tower of the church.

After  that,  the  scans  were  imported  in  Polyworks  for  the  alignment/registration  process.  This  procedure  requires  the
manual  selection  of  homologues  points  between  the  scans  while  an  ICP-based  global  registration  algorithm3  is
afterwards applied in order to get a composite point cloud.
More  specifically,  a  two-steps  registration  procedure  was  carried  out.  In  the  first  stage,  range  data  groups  were
interactively aligned pair by pair, through manual selection of N matching points on adjacent scan groups. As a result,
an approximate transformation matrix for each scan pair was obtained and then used in the second stage as starting point
for the refined global  alignment.  In  both  steps  a  scan  group  was  locked  in  order  to define  the  reference  frame  of  the
model. The global registration algorithm provided us with a residual error of 4.3 mm, obtained as RMS of the standard
deviations  of  the  image  pair  alignments  computed  by  ImAlign.  This  value  confirms  the  goodness  of  the  registration
procedure implemented in Polyworks: the residual error is due to the inherent accuracy of the laser scanner only.

Figure 7: Two views of the decimated 3D model, rendered as a point cloud with color information from intensity data.

In order to compare the two models (photogrammetry and laser scanning), the aligned point cloud was simplified (i.e.
decimated), deleting most of the overlapping points, which lead to a redundant information that is only useful  for the
alignment and the subsequent triangulation step, not for the model georeferencing. In this way, the model size has been
reduced, preserving its geometry and resulting in a smaller and  more  manageable data file. As a result a  global point
cloud of about 9 Million points was obtained. Figure 7 shows the simplified model.
Afterwards,  the  simplified  range  data  model  has  been  registered  in  the  reference  system  defined  by  the  total  station
survey. A set of control points measured with the total station was identified on the 3D model, by visual inspection of
the operator. At this step, only 58 points could be well recognized, mainly due to the following reasons: 1) most of the
points measured with the total station were placed on corners or edges of the walls, i.e. at critical locations for the laser
scanner, therefore they could not be reliably extracted form the 3D  model; 2) some digital images  were tilted (i.e. no
vertical imagery), therefore due to the perspective projection it was difficult or impossible to identify the corresponding
points  on  the  model.  In  practice,  the  matching  procedure  was  applied  only  on  points  lying  on  the  wall  surface,  apart
from corners or edges easily recognizable. After that, 8 out of the selected 58 control points were used to compute a 3D
similarity transformation (7 parameters), which was then applied to the remaining 50 points. Finally, their transformed
coordinates were compared with the corresponding point coordinates measured by the total station (i.e. check points),
yielding the residuals along the X, Y and Z axes as listed in Table 2.

Analysis with respect to Numb. RMSE X [m] RMSE Y [m] RMSE Z [m]

Check points 50 0.0431 0.0467 0.0331
Table 2: RMSE of the laser scanner point cloud with respect to some check points.

It should be noted that both the georeferencing and the comparison stages  has been performed only on the decimated
point cloud instead of the triangulated model: due to the inherent ì natureî  of the meshing process, points are substituted
by triangles and further simplifications of the cloud can occur, i.e. points can be discarded leading to a change respect
with the original data.
 4.  3D MODELING OF A SMALL STATUE

The second case study is performed using a small wooden statue (ca 30x40x20 cm), as shown in Figure 8. The object
presents many small details, of approximately 2 cm width. In this case, the study is mainly performed to investigate how
the two techniques can correctly reconstruct the small details of the statue.

   
Figure 8: The small wooden Buddha statue and two closer views on the detailed headís structures and folds (right)

4.1. Image-based reconstruction and modeling
For this case, the LEICA DIGILUX 1 digital camera was used. Five images, mainly in front of the object were acquired,
with a resolution of 1200x1600 pixel. The pixel size of the images is 0.0045 mm, while in object space is ca 1 mm. For
the  orientation  of  the  images,  semi-automated  image  measurements  are  performed,  based  on  template  least  squares
matching. The testfield in the background is used as reference, for the datum definition and to get the approximations of
the  camera  positions.  The  camera  parameters  are  recovered  with  a  bundle  adjustment  while  the  camera  interior
parameters were already known from a calibration protocol.
As next step, a least  squares  matching algorithm is applied on triplets of images to recover a dense and  robust  set  of
corresponding image points7. Some homologues seeds points are manually selected in the images and then the matcher
automatically  finds  the  correspondences  in  both  images.  The  central  image  is  used  as  template,  the  others  as  search
images. The  matcher searches the corresponding points in the two search images independently and at the end  of  the
process, the data sets are merged to become triplets of matched points. In our application, two triplets of images are used
and approximately 94 910 and 95 190 points are respectively extracted.
Afterwards  the  three-dimensional  coordinates  of  the  matched  points  are  computed  by  forward  intersection,  using  the
results  of  the  orientation  process.  Some  manual  editing  was  required  to  eliminate  blunders  and  wrong  matches.  The
achieved accuracy of the recovered object points is approximately 1.4 mm, 1.3 mm and 1.9 mm in X, Y and Z direction
(depth)  respectively.  The  generated  point  cloud  (Figure  9,  center)  does  not  contain  all  the  details  of  the  object,  in
particular  on  the  head.  These  smoothing  effects  are  caused  by  the  automated  matching  process.  In  fact,  the  image
patches of the least squares matching are assumed to correspond to planar object surface patches: along the small folds
of the dress and on the head, this assumption is not valid anymore, therefore these features are smoothed out. Smaller
image patches could theoretically avoid or reduce the smoothing effects, but may be not suitable for the determination
of the matching reshaping parameters, because a small patch may not include enough image signals content (Figure  9,
left).
The recovered point cloud was afterwards triangulated and a surface generated, as shown in Figure 9, right. The holes
are due to lack of texture in the object, leading to incorrect or failed matching. Probably a random pattern projection or
the use of image enhancement filters (e.g. Wallis) could lead to slightly better results.

4.2  Laser scanner measurements and modeling
For the reconstruction of the small Buddha  statue, the BIRIS instrument  was used. The scanner acquired 700 vertical
profiles (with ca 256 points/profile) with a viewing angle of ca 35 degrees.  54 scans were performed, and ca 4.2 Million
points acquired. The registration of the different point clouds was performed with Geomagic Studio9 software (v. 6.0).
The alignment is based on ICP algorithm3, selecting manually the corresponding points. After the registration process
Figure 9: The matching image patches in one triplet: image patches larger than the object will smooth out the feature (left). The point
cloud recovered with the image-based approach (center) and the generated surface model (right).

and some  manual editing,  ca  2  Million  points  were  triangulated  to  generate  a  surface  model  of  the  small  object. The
final 3D model, shown in  Figure  10, contains approximately 3.4 Million triangles. All the small detail on the head and
the folds of the dress are clearly visible and reconstructed. Compared to Figure 9, right, it is clear the advantage of using
a laser scanner instruments for this kind of application.

     
Figure 10: Two scans of the statue (left) and the final 3D model displayed in shaded mode (right)

5.  CONCLUSIONS
In this paper we reported about the 3D modeling of a church and a small wooden statue using photogrammetry and laser
scanner techniques. In the case of the architectural object, photogrammetry recovered an accurate 3D model, even if the
object edges had to be measured manually. Automated procedures, which can correctly extract object's edges, are not
yet reliable and manual measurements recover always better results. An important issue was the image acquisition: in
our case, the images did not cover all the church, in particular the lower part (near the ground) and the roof, leading to
some holes in the final 3D model. Furthermore, if automated procedures for tie point extraction are used, the baseline
between  the  images  should  not  be  too  large.  The  overall  photogrammetric  processing  time  (image  acquisition,
processing, modeling and texturing) took about 10 hours. On the other hand, the 3D model obtained from the range data
shows that the use of natural targets as checkpoints for model georeferencing does not guarantee to get highly precise
results,  though  a  good  scan  alignment  can  be  obtained.  The  final  result  is  indeed  affected  by  several  error  sources:
accuracy  of  the  laser  scanner,  good  intensity  response  from  reflected  laser  beam,  grid  spacing  of  the  range  data  set
respect with the digital image resolution, operator skill during identification of model check points, availability of well
signalized  points  on  as  much  as  possible  vertical  imagery.  Given  all  these  factors,  it  is  advisable  the  use  of  artificial
targets, when possible, to increase the accuracy on check points selection. Furthermore, such targets could be surveyed
at  higher  resolution  compared  to  natural  corners.  However,  it  should  be  noted  that  some  laser  scanners  can  show  an
unexpected  behavior  when  dealing  with  retro-reflective  targets,  which  leads  to  macroscopic  measurement  errors.
Therefore great care must be taken in choosing  the appropriate kind of target. The overall  modeling process took 7-8
hours, as we decided to deal with point clouds only: the triangulation step was not considered in this work.
Concerning the second case study (a small Buddha statue), the automated image-based modeling showed problems in
the  correct  and  accurate  measurement  and  reconstruction  of  the  small  details,  which  were  smoothed  out  by  the  least
squares  matching  procedure.  Similar  effects  have  been  discussed  in  Gruen  et  al10.  Probably  higher  resolution  images
could avoid some of these effects. On the other hand, the laser scanner modeling of the statue could achieve satisfactory
results, even if more that 15 hours were dedicated to the clouds registration, editing and triangulation. The final model
contains  more  than  3  Million  triangles,  bringing  also  problems  for  the  interactive  visualization  and  texturing  of  the
model.
In  conclusion,  the  choice  of  the  reconstruction  and  modeling  technique  depends  on  different  factors  and  it  is  often
strictly  related  to  the  budget  of  the  project/application.  Both  modeling  processes  have  their  advantages  and
disadvantages, as demonstrated in the presented examples. A good solution could be the combination of the methods11,
as each one has attributes and elements that complement one another. Anyway, for both approaches, the modeling part
(from point cloud to surface) is still rich of problems and often the most time consuming.
In general, the time spent for the modeling of range data vary from model to model and it has to be taken into account
too. It depends on several factors like: number of scans to be aligned, object shape complexity, availability of intensity
data, scans provided as binary or ASCII files, computer capability and speed. Though laser scanning systems allow fast
and  quite  accurate  surveys,  depending  upon  the  final  product  required  by  the  user  (aligned  point  cloud  only  or
triangulated and hole filled model), the processing time can increase considerably compared to other classic surveying
techniques.  Concerning  photogrammetric  methods,  automated  and  reliable  procedure  for  the  extraction  of  image
correspondences and photo-triangulation are already available, but most of the approaches for lines/edges extraction are
still based on manual measurements, as more reliable and accurate.

REFERENCES

1.  Australis: http://www.sli.unimelb.edu.au/australis [October 2004]
2.  Beraldin,  J-A.,  Blais,  F.,  Cournoyer,  L.,  Rioux,  M.,  Rodella,  R.,  Bernier,  F.,  Harrison,  N.,  Digital  3D  Imaging
System for Rapid Response on Remote Sites, IEEE 3DIM Proceedings, 1999
3.  Besl,  P.J.,  and  McKay,  N.D.,  A  method  for  registration  of  3D  shapes,  IEEE  Pattern  Analysis  and  Machine
Intelligence, 14(2), pp. 239-256, 1992
4.  Blais, F., A review of 20 years of range sensor development, El-Hakim, Gruen,  Walton  (Eds),  Videometrics  VII,
Proc. of SPIE Electronic Imaging, Vol. 5013, pp. 62-76, 2003
5.  Boehler, W., Marbs, A., 3D Scanning and Photogrammetry for Heritage Recording: a Comparison, Proc. of 12th
Int. Conf. on Geoinformatics, 2004
6.  Bologna R., Guarnieri A., Minchilli M., Vettore A., Automatic registration of 3D views, Proceedings of the ISPRS
Comm. V Symposium ì Close Range Imaging-Long-Range Visionî , 2-6 September, Corf˘ , Greece, 2002
7.  DíApuzzo,  N.,  Surface  Measurement  and  Tracking  of  Human  Body  Parts  from  Multi  Station  Video  Sequences,
Diss., Technische Wissenschaften ETH Zurich, Nr. 15271, 2003
8.  El-Hakim  S.  F.,  3D  Modeling  of  Complex  Environments,  Videometrics  and  Optical  Methods  for  3D  Shape
Measurement, Proceedings of SPIE , Vol 4309, 2001
9.  Geomagic Studio ñ Randrop: http://www.geomagic.com [October 2004]
10.  Gruen,  A.,  Remondino,  F.,  Zhang,  L.,  Photogrammetric  Reconstruction  of  the  Great  Buddha  of  Bamiyan,
Afghanistan, The Photogrammetric Record, 19(107), pp. 177-199, 2004
11.  Guidi,  G.,  Beraldin,  J-A.,  Ciofi,  S.,  Atzeni,  C.,  Fusion  of  range  camera  and  photogrammetry:  a  systematic
procedure  for  improving  3D  models  metric  accuracy,  IEEE  Trans.  On  System,  Man  and  Cybernetics,  33(4),  pp.
667-676, 2003
12.  iWiteness: http://www.photometrix.com.au [October 2004]
13.  Kadobayashi,  R.,  Kochi,  N.,  Otani,  H.,  Furukawa,  R.,  Comparison  and  evaluation  of  laser  scanning  and
Photogrammetry and their Combined Use for Digital Recording of Cultural Heritage, Int. Arch. of PRS&SIS, Vol.
35(5), Istanbul, Turkey, 2004
14.  Leica Geosystems: http://www.leicageosystems.com [October 2004]
15.  Photomodeler: http://www.photomodeler.com [October 2004]
16.  Polyworks ñ InnovMetric: http://www.innovmetric.com [October 2004]
 17.  RapidForm ñ INUS Technology: http://www.rapidform.com [October 2004]
18.  Remondino,  F.,  3D  reconstruction  of  static  human  body  with  a  digital  camera,  El-Hakim,  Gruen,  Walton  (Eds),
Videometrics VII, Proc. of SPIE Electronic Imaging, Vol. 5013, pp. 38-45, 2003
19.  ShapeCapture: http://www.shapecapture.com [October 2004]

View publication stats