Oleh: Rangga Sulaiman, S.T., dan Mohamad Arszandi Pratama, S.T., M.Sc.

Close Range Photogrammetry (CRP) merupakan metode fotogrametri yang digunakan untuk
memperoleh informasi geometrik tiga dimensi dari suatu objek berdasarkan sejumlah foto yang
diambil dari berbagai posisi dan sudut pengamatan. Metode ini memiliki penerapan yang luas
dalam bidang survei dan pemetaan, dokumentasi bangunan, konstruksi, inspeksi struktur,
konservasi benda dan bangunan bersejarah, hingga pemodelan objek dengan bentuk yang
kompleks.

Keberhasilan penerapan CRP tidak hanya ditentukan oleh kemampuan perangkat lunak dalam
melakukan rekonstruksi tiga dimensi. Kualitas hasil sangat bergantung pada keseluruhan
tahapan pekerjaan, mulai dari perencanaan survei, konfigurasi kamera, teknik pengambilan
foto, penentuan titik kontrol, pengolahan citra, hingga evaluasi akurasi hasil. Oleh karena itu,
pelaksanaan CRP perlu dilakukan melalui suatu metodologi yang sistematis.

Secara umum, proses CRP dapat dibagi menjadi beberapa tahapan utama, yaitu perencanaan
pekerjaan, persiapan objek dan kamera, akuisisi foto, pengolahan dan orientasi foto,
pembentukan point cloud, pembuatan model tiga dimensi, serta pengujian kualitas dan
akurasi hasil. Setiap tahapan memiliki fungsi yang saling berkaitan dan dapat memengaruhi
kualitas produk akhir.

Perencanaan Akuisisi

Tahap pertama dalam pelaksanaan CRP adalah menentukan tujuan survei dan produk akhir
yang ingin diperoleh. Tujuan tersebut akan menentukan tingkat detail, ketelitian, metode
pengambilan foto, serta kebutuhan titik kontrol di lapangan.

Sebelum pengambilan foto dilakukan, objek yang akan dimodelkan perlu diidentifikasi terlebih
dahulu. Informasi mengenai ukuran, bentuk, tingkat kompleksitas, kondisi permukaan, serta
lingkungan di sekitar objek menjadi pertimbangan dalam menentukan strategi akuisisi.

Jarak kamera terhadap objek juga perlu direncanakan. Jarak tersebut harus memungkinkan
objek terlihat secara jelas sekaligus memberikan cakupan foto yang cukup. Pada objek
berukuran besar, pengambilan foto dapat dilakukan dari jarak yang lebih jauh, sedangkan objek
berukuran kecil dapat difoto dari jarak yang lebih dekat untuk memperoleh tingkat detail yang
lebih tinggi.

Selain itu, perlu ditentukan pola pergerakan kamera. Untuk objek yang dapat dikelilingi,
kamera dapat ditempatkan pada beberapa posisi mengelilingi objek. Untuk objek yang berada
pada permukaan datar, pengambilan foto dapat dilakukan dengan pola grid atau jalur tertentu.
Pada objek dengan bentuk kompleks, kombinasi beberapa pola pengambilan foto dapat
digunakan.

Persiapan Kamera dan Peralatan

Kamera merupakan komponen utama dalam akuisisi data CRP. Kamera yang digunakan harus
mampu menghasilkan citra dengan resolusi dan kualitas yang sesuai dengan kebutuhan survei.
Kamera DSLR, mirrorless, compact camera, maupun kamera digital lainnya dapat digunakan
selama karakteristiknya mendukung proses fotogrametri.

Pengaturan kamera sebaiknya dibuat relatif konsisten selama proses akuisisi. Perubahan
parameter seperti panjang fokus, fokus, atau pengaturan tertentu secara tidak terkendali dapat
memengaruhi proses estimasi parameter kamera.

Penggunaan fokus manual dapat dipertimbangkan agar fokus tidak berubah secara otomatis
ketika mengambil foto dari posisi berbeda. Kecepatan rana juga harus cukup tinggi untuk
mengurangi risiko foto mengalami motion blur. Kondisi tersebut menjadi semakin penting
apabila kamera dioperasikan sambil bergerak.

ISO, aperture, dan shutter speed perlu disesuaikan dengan kondisi pencahayaan. Tujuan
utamanya adalah memperoleh foto yang tajam, memiliki pencahayaan yang memadai, dan
mampu memperlihatkan tekstur permukaan objek dengan baik.

Selain kamera, peralatan tambahan seperti tripod, monopod, target, meteran, GNSS, atau total
station dapat digunakan sesuai kebutuhan. Peralatan tersebut dapat membantu meningkatkan
stabilitas kamera, memberikan skala, maupun menyediakan referensi koordinat untuk model.

Teknik Pengambilan Foto

Pengambilan foto merupakan tahapan yang sangat menentukan keberhasilan proses
fotogrametri. Foto harus diambil sedemikian rupa sehingga setiap bagian objek yang ingin
dimodelkan terlihat pada beberapa citra.

Konsep image overlap menjadi salah satu aspek penting. Foto yang berurutan harus memiliki
area yang saling bertampalan sehingga perangkat lunak dapat menemukan fitur yang sama pada
citra tersebut. Jika overlap terlalu rendah, jumlah titik yang dapat dicocokkan menjadi terbatas
dan hubungan antarfoto dapat sulit ditentukan.

Selain overlap, variasi sudut pengambilan juga diperlukan. Apabila seluruh foto diambil dari
arah dan sudut yang hampir sama, model dapat memiliki geometri yang kurang kuat. Dengan
mengambil foto dari beberapa sudut, informasi spasial yang diperoleh menjadi lebih baik.

Untuk objek yang berbentuk tiga dimensi, pengambilan foto dapat dilakukan dengan
mengelilingi objek. Kamera diarahkan ke bagian objek yang menjadi target, kemudian posisi
kamera digeser secara bertahap sambil mempertahankan overlap antarfoto.

Bagian yang sulit terlihat juga perlu mendapatkan perhatian khusus. Permukaan bagian bawah,
sudut, celah, atau bagian belakang objek dapat menjadi area yang tidak terwakili apabila pola
pengambilan foto hanya dilakukan dari satu arah. Oleh karena itu, pengambilan foto tambahan
dari posisi tertentu diperlukan untuk memastikan seluruh permukaan objek dapat
direkonstruksi.

Penggunaan Ground Control Point

Untuk pekerjaan yang membutuhkan referensi koordinat atau tingkat akurasi tertentu, Ground
Control Point (GCP) dapat digunakan. GCP merupakan titik yang dapat diidentifikasi pada foto
dan memiliki koordinat yang diketahui berdasarkan hasil pengukuran lapangan.

GCP dapat diukur menggunakan GNSS, total station, atau metode survei lainnya. Titik tersebut
kemudian diidentifikasi pada citra dan dimasukkan ke dalam perangkat lunak fotogrametri.

Distribusi GCP perlu direncanakan dengan baik. Titik kontrol sebaiknya tidak hanya
ditempatkan pada satu bagian objek, tetapi didistribusikan secara merata pada area atau volume
yang akan dimodelkan. Distribusi yang baik membantu mengurangi potensi deformasi model.

Selain GCP, dapat digunakan Check Point atau Independent Check Point (ICP). Berbeda
dengan GCP, titik pemeriksaan tidak digunakan untuk mengontrol proses pembentukan model,
tetapi digunakan untuk mengevaluasi kualitas dan akurasi hasil akhir.

Image Alignment

Setelah seluruh foto diperoleh, tahap berikutnya adalah pengolahan data menggunakan
perangkat lunak fotogrametri. Tahap awal umumnya berupa image alignment atau orientasi
foto.

Pada tahap ini, perangkat lunak melakukan pencarian fitur yang sama pada beberapa foto. Fitur
tersebut kemudian digunakan untuk menentukan hubungan geometrik antara satu foto dengan
foto lainnya. Berdasarkan hasil tersebut, perangkat lunak dapat mengestimasi posisi dan
orientasi kamera.

Hasil alignment umumnya berupa sparse point cloud yang terdiri atas titik-titik hasil
pencocokan fitur. Pada tahap ini juga diperoleh informasi mengenai posisi relatif kamera dan
parameter internal kamera yang diestimasi melalui proses bundle adjustment.

Apabila terdapat foto yang tidak berhasil ter-align, penyebabnya perlu diperiksa. Beberapa
penyebab yang umum antara lain overlap yang tidak mencukupi, foto buram, perubahan
pencahayaan yang signifikan, permukaan objek yang homogen, atau adanya bagian objek yang
tidak memiliki fitur visual yang cukup.

Pembentukan Dense Point Cloud

Setelah orientasi foto dianggap memadai, proses dilanjutkan dengan pembentukan dense point
cloud. Dense point cloud dihasilkan melalui proses pencocokan piksel atau fitur secara lebih
rapat pada foto-foto yang telah terorientasi.

Hasilnya adalah kumpulan titik tiga dimensi yang jauh lebih padat dibandingkan sparse point
cloud. Setiap titik merepresentasikan bagian tertentu dari permukaan objek.

Kualitas dense point cloud dipengaruhi oleh resolusi foto, kualitas pencocokan citra, kondisi
permukaan objek, serta parameter pemrosesan yang digunakan. Resolusi pemrosesan yang
lebih tinggi dapat menghasilkan detail yang lebih baik, tetapi membutuhkan waktu komputasi
dan kapasitas penyimpanan yang lebih besar.

Setelah dense point cloud terbentuk, dilakukan pemeriksaan terhadap noise atau titik-titik yang
tidak mewakili permukaan objek. Filtering dapat dilakukan untuk mengurangi titik yang tidak
diinginkan sebelum data digunakan untuk tahapan berikutnya.

Pembuatan Model Tiga Dimensi

Dense point cloud dapat digunakan sebagai dasar untuk membuat model permukaan tiga
dimensi. Salah satu produk yang umum dibuat adalah mesh. Mesh dibentuk dengan
menghubungkan titik-titik pada point cloud menjadi kumpulan polygon yang
merepresentasikan permukaan objek.

Setelah mesh terbentuk, tekstur dapat ditambahkan menggunakan foto asli. Proses texturing
memproyeksikan informasi warna dari citra ke permukaan mesh sehingga model memiliki
tampilan visual yang lebih realistis.

Model tiga dimensi tersebut dapat digunakan untuk berbagai kebutuhan. Dalam bidang
konstruksi, misalnya, model dapat digunakan untuk dokumentasi kondisi aktual suatu struktur.
Dalam dokumentasi bangunan, model dapat digunakan untuk menyimpan kondisi geometrik
objek pada waktu tertentu.

Pembentukan Orthophoto

Selain model tiga dimensi, data CRP juga dapat digunakan untuk menghasilkan orthophoto.
Orthophoto merupakan citra yang telah dikoreksi terhadap pengaruh perspektif dan relief
sehingga memiliki karakteristik geometrik yang lebih sesuai untuk pengukuran.

Untuk menghasilkan orthophoto yang baik, permukaan objek perlu direkonstruksi dengan
cukup lengkap. Orthophoto dapat digunakan untuk dokumentasi detail, interpretasi objek,
pengukuran dimensi tertentu, serta menjadi dasar analisis lanjutan.

Pada objek vertikal seperti fasad bangunan, orthophoto dapat dibuat dari arah tertentu sehingga
memberikan tampilan tegak lurus terhadap permukaan yang dianalisis. Produk tersebut dapat
membantu proses dokumentasi kondisi aktual dan inspeksi visual.

Pengujian Kualitas dan Akurasi

Tahap akhir yang tidak kalah penting adalah evaluasi kualitas data. Model yang terlihat baik
secara visual belum tentu memiliki ketelitian geometrik yang memenuhi kebutuhan pekerjaan.

Pengujian dapat dilakukan dengan membandingkan koordinat titik hasil fotogrametri dengan
koordinat titik referensi atau check point yang diukur secara independen. Perbedaan koordinat
tersebut dapat digunakan untuk menghitung residual dan parameter statistik seperti Root Mean
Square Error (RMSE).

Evaluasi dapat dilakukan pada komponen horizontal dan vertikal sesuai kebutuhan pekerjaan.
Selain ketelitian koordinat, pemeriksaan visual terhadap point cloud dan model juga perlu
dilakukan untuk mengidentifikasi lubang, noise, deformasi, atau bagian objek yang tidak
berhasil direkonstruksi.

Hasil evaluasi kemudian dibandingkan dengan standar atau spesifikasi teknis yang telah
ditentukan. Apabila hasil belum memenuhi persyaratan, proses dapat ditinjau kembali,
terutama pada tahap akuisisi foto dan orientasi kamera.

Kesimpulan

Metodologi Close Range Photogrammetry terdiri atas serangkaian tahapan yang saling
berkaitan, mulai dari perencanaan, persiapan kamera, akuisisi foto, penggunaan titik kontrol,
image alignment, pembentukan dense point cloud, pembuatan mesh dan texture, hingga
evaluasi kualitas hasil.

Keberhasilan metode ini sangat bergantung pada kualitas data awal. Pengambilan foto dengan
overlap yang memadai, variasi sudut pengamatan yang baik, pencahayaan yang sesuai, serta
distribusi kamera yang tepat akan meningkatkan peluang keberhasilan proses rekonstruksi.

Dalam pekerjaan yang membutuhkan koordinat dan ketelitian tertentu, penggunaan GCP dan
check point dapat membantu menghubungkan model dengan sistem koordinat yang digunakan
sekaligus memberikan dasar untuk melakukan evaluasi akurasi.

Dengan metodologi yang terencana dan proses pengolahan yang tepat, Close Range
Photogrammetry dapat menghasilkan data tiga dimensi yang detail dan dapat dimanfaatkan
untuk berbagai kebutuhan survei, dokumentasi, pemodelan, inspeksi, serta analisis geometrik
suatu objek.

Daftar Pustaka

Carrivick, J. L., Smith, M. W., & Quincey, D. J. (2016). Structure from Motion in the
Geosciences. Wiley-Blackwell.

Luhmann, T., Robson, S., Kyle, S., & Boehm, J. (2019). Close-Range Photogrammetry and
3D Imaging (3rd ed.). De Gruyter.

Mikhail, E. M., Bethel, J. S., & McGlone, J. C. (2001). Introduction to Modern
Photogrammetry. John Wiley & Sons.

Kraus, K. (2007). Photogrammetry: Geometry from Images and Laser Scans (2nd ed.).
Walter de Gruyter.

Westoby, M. J., Brasington, J., Glasser, N. F., Hambrey, M. J., & Reynolds, J. M. (2012).
“Structure-from-Motion” photogrammetry: A low-cost, effective tool for geoscience
applications. Geomorphology, 179, 300–314.

Remondino, F., & El-Hakim, S. (2006). Image-based 3D modelling: A review. The
Photogrammetric Record, 21(115), 269–291.

Szeliski, R. (2022). Computer Vision: Algorithms and Applications (2nd ed.). Springer.

James, M. R., Robson, S., & Smith, M. W. (2017). 3-D uncertainty-based topographic
surveying with terrestrial laser scanning and structure-from-motion photogrammetry.
Geomorphology, 293, 268–277.