Forschungsprojekt

Bestimmung quantitativer Parameter archäologischer Strukturen in hochauflösenden 3D-Daten

Parameterbestimmung aus 3D-LiDAR Scanning und Nahbereichscans mit Hilfe von eigenentwickelten Verfahren sowie KI- und Machine Learning-Algorithmen

3D-Modell eines Keilmessers mit definierter Schneidekante (rot) und drüber festgelegten Schnitten (schwarz, blau). Oben rechts: Transformierter Schnitt (blau) als Grundlage für die Ableitung von Parameter zur mathematischen Beschreibung © LEIZA

Visualisierungen der Ergebnisse von Analysen auf der Basis von LIDAR-Daten einer archäologischen Verdachtsfläche © LEIZA

Zusammengefasst

Die Nutzung von Algorithmen zur Bestimmung und Anwendung entsprechend modellierter quantitativer Parameter zur Beschreibung archäologisch relevanter Strukturen erlaubt die nachvollziehbare und reproduzierbare Analyse der 3D-Daten. Rechnergestützt können so große Gebiete bzw. Datensätze oder eine große Anzahl von Objekten bearbeitet werden.

Zur Analyse von Oberflächen und Oberflächenstrukturen auf hochauflösenden digitalen 3D-Modellen archäologischer Objekte werden Verfahren und Softwaretools entwickelt, um nachvollziehbare, vergleichbare und reproduzierbare Parameter und Kenngrößen abzuleiten. Im EAP – dem Edge Angle Project (2019–2021) – wurde ein gemeinsames Konzept zur Formanalyse und Quantifizierung von Schneidekanten mittelpaläolithischer Keilmesser anhand von digitalen 3D-Modellen erarbeitet und umgesetzt. Ziel war es, die Form der Schneidekanten mathematisch zu beschreiben, um somit Parameter für Klassifizierungen, Vergleiche und statistische Analysen zu erhalten. Als Grundlage für die Ableitung von Parametern dienen in diesem Projekt 2D-Schnitte auf dem 3D-Modell, die rechtwinklig zur Schneidekante in definierten Abständen angelegt sind. Die je Schneidekante erstellten 20 Schnitte bieten die Basis für die Definition von Parametern wie die Berechnung von Winkelmaßen mit unterschiedlichen Ansätzen.

Digitale Geländemodelle aus Lidar-Befliegungen beinhalten archäologisch relevante Strukturen der Erdoberfläche. Diese Daten können in vielen Fällen auch Strukturen abbilden, die durch Vegetation, z. B. in Wäldern, in Luftbildern nicht erkennbar sind. Mit verschiedenen Algorithmen und Verfahren können diese Strukturen einerseits in Visualisierungen hervorgehoben werden, andererseits können durch die Anwendung geeigneter Parameter potentiell relevante Stellen identifiziert werden. Das Vorgehen erlaubt die Bearbeitung und Analyse großer Gebiete mit den für viele Regionen vorliegenden Datensätzen.