Integratie van UAV‑fotogrammetrie en LiDAR voor hoog‑fideliteits 3D‑campusmapping aan KFUPM

Waarom het omzetten van een campus in een digitale wereld ertoe doet

Stel je voor dat je een universiteitscampus online kunt verkennen alsof je er zelf doorheen loopt—gevels bekijken, rolstoelvriendelijke routes controleren of daken inspecteren zonder ooit een ladder te beklimmen. Dit artikel beschrijft hoe onderzoekers de campus van King Fahd University of Petroleum and Minerals (KFUPM) hebben omgezet in een zeer gedetailleerde driedimensionale “digital twin” met behulp van camera‑uitgeruste drones, laserscanners en slimme beeldverbeteringssoftware. Hun doel is niet alleen fraaie plaatjes, maar een praktisch, bijwerkbaar 3D‑kaartproduct dat veiligheid, onderhoud, navigatie en virtuele bezoeken kan ondersteunen.

Vliegende robots als campuscartografen

De kern van het project vormen onbemande luchtvaartuigen—drones—die over de campus vliegen volgens zorgvuldig geplande routes. Sommige vluchten volgen een rechte, maaier‑achtige rastervlucht waarbij de camera loodrecht naar beneden kijkt, ideaal voor het vastleggen van daken, wegen en open terreinen. Andere vluchten cirkelen rond gebouwclusters met de camera onder een hoek, waardoor verticale wanden, balkons en verborgen hoeken zichtbaar worden die een bovenaanzicht zou missen. Op dezelfde drone zijn een kleurencamera met hoge resolutie en een laserscanner gemonteerd. De camera registreert gedetailleerde beelden, terwijl de laserscanner miljoenen afstanden meet om een wolk van 3D‑punten te creëren die de vorm van de grond en gebouwen beschrijft.

Een virtuele campus opbouwen uit punten en foto’s

Nadat de vluchten zijn afgerond, verplaatst het zware werk zich naar software. Algoritmen reconstrueren eerst een 3D‑model uit overlappende foto’s, een proces dat bepaalt waar elke opname is gemaakt en hoe oppervlakken op elkaar aansluiten. Parallel daaraan worden de laserdata schoongemaakt, uitgelijnd en geclassificeerd in grond, gebouwen en vegetatie, en vervolgens uitgedund zodat ze voldoende dichtheid bieden voor detail maar licht genoeg blijven om efficiënt te verwerken. De twee 3D‑werelden—de ene geboren uit foto’s en de andere uit lasermetingen—worden vervolgens in hetzelfde geografische kader geplaatst en voorzichtig op elkaar afgestemd zodat daken en wanden zo goed mogelijk overeenkomen. De laserpunten leveren de betrouwbare vorm van de campus, terwijl de foto’s kleur en materiaaluiterlijk bijdragen, die op een oppervlaktemesh worden “gebakken”, alsof je een huid om een sculptuur legt. Deze scheiding houdt de metingen nauwkeurig en levert tegelijkertijd een visueel rijk model.

Het beeld verscherpen zonder de werkelijkheid te vervormen

Voor gebruikers die sterk inzoomen op gevels kunnen simpele texturen al snel wazig of blokkerig lijken. Om dit tegen te gaan voegen de onderzoekers een lichte “super‑resolutie” stap toe: een compact deep‑learning netwerk dat van elke luchtfoto een scherpere, meer gedetailleerde versie produceert op tweemaal de resolutie. Cruciaal is dat deze verscherping alleen wordt toegepast op de beeldtexturen, nadat de 3D‑geometrie al door de laserdata is vastgelegd. Dat betekent dat de muren en daken niet verschuiven; alleen hun visuele bekleding wordt scherper. Tests op voorbeeldgevels tonen scherpere randen en beter leesbare fijne details, zoals ramen en kleine structurele elementen, met een bescheiden extra verwerkingstijd. Het team vergelijkt deze geleerde verscherping ook met traditionele trucjes zoals contrastverhoging, en vindt dat de geleerde methode consistenter winst oplevert zonder ruis te veel te versterken.

Van onderzoeksmodel naar alledaags campushulpmiddel

De voltooide 3D‑campus wordt geëxporteerd naar een webgebaseerd kaartplatform, waar gebruikers kunnen pannen, zoomen, kantelen en metingen uitvoeren in een browser.

Wat dit betekent voor toekomstige digitale campussen

De studie toont aan dat het combineren van gekantelde en top‑down dronemomenten met laserscanning een vollediger en nauwkeuriger 3D‑campus oplevert dan uitsluitend vertrouwen op luchtfoto’s van bovenaf, vooral voor complexe gebouwgevels. Het laat ook zien hoe beeldverscherping veilig de visuele kwaliteit kan verbeteren zonder de meetnauwkeurigheid ondermijnen, mits die alleen op texturen wordt toegepast en niet op de geometrie. Buiten KFUPM kan hetzelfde recept worden hergebruikt voor ziekenhuizen, industrieterreinen of stadswijken die regelmatig bijgewerkte, webklare 3D‑kaarten nodig hebben. Kortom, het werk wijst op een toekomst waarin campussen levende digital twins onderhouden die inspecteurs, planners, studenten en bezoekers bedienen—waardoor de gebouwde omgeving gemakkelijker te begrijpen, te beheren en te verkennen is.

Bronvermelding: Keshk, H.M., Abdallah, A.M., Almutairi, S. et al. UAV photogrammetry and lidar integration for high-fidelity 3D campus mapping at KFUPM. Sci Rep 16, 8328 (2026). https://doi.org/10.1038/s41598-026-39888-4

Trefwoorden: slimme campus, 3D‑mapping, drone‑beeldvorming, LiDAR, digital twin