Pojmem snímání myslíme sběr prostorových a případně vizuálních (textury) dat, na jejichž základě je tvořeno digitální dvojče snímaného předmětu (součástka, těleso, budova...).
12 způsobů sběru dat
Účelem této Wiki sekce je představení výše uvedených metod, včetně vlastností, výhod a nevýhod. V mnoha případech se jedná o komplementární technologie, které mohou být použity samostatně nebo v kombinaci.
Snímání LiDARem
Co je LiDAR?
LiDAR (Light Detection And Ranging) je senzor či skupina senzorů umožňujících mapování vzdálenosti prostřednictvím laserového paprsku. Laserový paprsek v infračerveném spektru (= vlastní zdroj světla, tedy nezávislost na světelných podmínkách při snímání) je z LiDARu vyslán v různých vlnových délkách a úhlech, kdy po nárazu do objektu se část paprsku odrazí zpět a tento odraz je LiDARem opětovně zaznamenán, přičemž vzdálenost je určována na základě rychlosti světla (doba letu laserového paprsku). Jde tedy o obdobný princip měření vzdálenosti jako u laserového dálkoměru. Měření je velmi přesné.
Princip fungování LiDARu
Vysílání laserového světla
LiDARové zařízení vysílá krátké pulzy laserového světla směrem k cílovému objektu nebo ploše. Tyto lasery mohou být různých vlnových délek, často v infračerveném spektru, které umožňuje měření za různých světelných podmínek a přes různé typy materiálů.
Odraz a detekce
Když laserový paprsek narazí na objekt, je část světla odražena zpět k LiDARovému zařízení. Zařízení je vybaveno detektorem, který zachytává odražené světlo.
Výpočet vzdálenosti
Čas, který trvá světelnému paprsku k cestě od LiDARu k objektu a zpět, je přesně změřen. Vzdálenost mezi LiDARem a objektem je poté vypočítána na základě rychlosti světla ve vakuu (299 792 km/s), viz vzorec
s[m] = (t[s] * 299792 * 1000) / 2.Vytváření bodových mraků
Proces (3) výše se opakuje mnohokrát za sekundu s různými směry laserových paprsků. Každý měřený bod (zaznamenaný jako souřadnice X, Y, Z v prostoru) je přidán do datasetu, definující "bodový mrak". Mimo lokace každý bod může obsahovat další informace, jako je intenzita odraženého světla a barva. Bodové mraky poskytují detailní 3D reprezentaci měřeného objektu nebo krajiny.
Analýza a zpracování dat
Data získaná LiDARem mohou být dále zpracována a analyzována pomocí specializovaného softwaru k identifikaci charakteristik objektu, vytvoření digitálních modelů terénu, nebo integrace do BIM modelů. Software může rovněž sloužit k filtraci nežádoucích bodů (např. odstranění bodů reprezentujících vegetaci, pokud je cílem získat model terénu).
Použití bodových dat z Lidaru
- zpracování do 3D modelů terénu, budov nebo jiných struktur.
- vytvoření DSM (Digitální modely povrchu), které zahrnují všechny objekty na povrchu (např. vegetaci, budovy), a DTM (digitální modely terénu ), které reprezentují "holý" terén bez těchto objektů.
Výhody LIDARu
- Vysoká přesnost: LiDAR může zachytit velmi přesné informace o tvaru a vlastnostech objektů, a to i v komplexních nebo obtížně přístupných oblastech.
- Velké pokrytí oblasti: LiDAR může rychle skenovat velké plochy, což je výhodné pro mapování, plánování a analýzy na velkých územích.
- Práce v různých podmínkách: LiDAR může pracovat v noci nebo při slabém osvětlení, protože používá vlastní zdroj světla (laser), a je méně ovlivněn vnějšími světelnými podmínkami.
- 3D data: Oproti tradičním metodám měření a fotogrammetrii LiDAR poskytuje robustní 3D data, která mohou být přímo využita pro různé aplikace, včetně BIM modelování.
Nevýhody LIDARu
- Náklady: Pořízení a provoz LiDARového zařízení může být drahé, což zahrnuje jak hardwarové tak softwarové náklady.
- Složitost zpracování dat: Data získaná pomocí LiDARu mohou být velmi objemná a vyžadují pokročilé zpracování a analýzu, což může vyžadovat specializovaný software a odborné znalosti.
- Obtížnost zachycení některých povrchů: LiDAR může mít problémy se zachycením některých typů povrchů, jako jsou velmi tmavé, průhledné nebo velmi odrazivé povrchy, což může vést k neúplným nebo zkresleným datům.
- Omezení v husté vegetaci: I když LiDAR může proniknout některými typy vegetace a získat data o terénu pod ní, hustá vegetace může stále způsobovat problémy a omezovat kvalitu dat o povrchu pod ní.
Typy LiDAR systémů
ToF (Time of Flight) princip
Time-of-Flight (ToF) je technologie, která měří vzdálenost mezi senzorem a objektem v prostoru na základě doby, kterou potřebuje světelný pulz k doputování od senzoru k objektu a zpět. ToF kamery vysílají infračervené světlo, které se od objektů odráží zpět do kamery. Kamera poté měří dobu, za kterou se světelné pulzy vrátí, a pomocí rychlosti světla vypočítá vzdálenost jednotlivých bodů objektu. Výsledkem je 3D mapa scény založená na měření vzdálenosti tisíců bodů.
Time of Flight (ToF) s lineárními detektory
- Time of Flight (ToF) technologie funguje na principu měření času, který uplyne mezi vysláním laserového paprsku a jeho návratem po odražení od objektu.
- Lineární detektory v této souvislosti znamenají, že LiDAR systém používá jednoduchý nebo lineární pole detektorů (snímačů), které zachytávají odražené laserové paprsky.
- ToF systémy s lineárními detektory jsou vhodné pro aplikace, kde je potřeba měřit vzdálenosti do jednoduchých nebo plošných objektů, a jsou relativně jednoduché a ekonomické.
ToF s detektory počítajícími fotony (Photon Counting Detectors)
Statický LiDAR
U statických LiDAR senzorů - VCSEL / flash illumination - jsou laserové paprsky emitovány a přijímány z pevné polohy - absence pohyblivých částí zjednodušuje design a prostorové nároky. Rovněž má vyšší předpoklady pro odolnost a spolehlivost. Statické LiDAR senzory jsou obvykle používány pro aplikace, kde je potřeba rychlé skenování blízkého okolí, například pro rozšířenou realitu (AR) nebo pro pomoc při fotografování v nízkém osvětlení, kde není potřeba skenovat velké vzdálenosti nebo provádět složité mapovací úkoly.
Pohyblivý LiDAR
Pohyblivé LiDAR systémy - EEL (Edge Emitting Lasers) / Fibar lasery - mohou používat různé metody k řízení směru laserového paprsku, jako jsou otáčející se hlavy, zrcátka nebo optické fázové pole (OPA). Tato zařízení mohou pokrývat mnohem větší oblasti a jsou často používána v aplikacích, jako je 3D mapování velkých terénů, autonomní vozidla, kde je nutné precizní a dynamické 360-stupňové vnímání okolí, nebo ve složitějších průmyslových aplikacích.
Frequency Modulated Continuous Wave (FMCW) LiDAR
- FMCW LiDAR využívá nepřetržitě modulované (měnící frekvenci) laserové světlo, místo jednotlivých pulzů. Tímto způsobem měří nejen vzdálenost, ale i rychlost objektů díky Dopplerovu efektu, který způsobuje změny frekvence odraženého světla v závislosti na pohybu objektu.
- Tato technologie poskytuje výhody v přesnosti a schopnosti rozlišit mezi stacionárními a pohybujícími se objekty, což je velmi užitečné například pro autonomní vozidla, protože umožňuje lepší predikci trajektorií pohybujících se objektů.
- FMCW LiDAR je složitější a dražší ve srovnání s pulzními ToF systémy, ale poskytuje daleko podrobnější informace o prostředí.
- Statické LiDARy jsou typicky jednodušší, menší, levnější a odolnější vůči fyzickému opotřebení, což je dělá ideálními pro mobilní zařízení a spotřební elektroniku. Nicméně, jejich schopnosti jsou omezeny na kratší dosahy a menší oblasti skenování.
- Pohyblivé LiDARy poskytují větší flexibilitu a pokročilejší mapovací schopnosti na úkor složitosti, velikosti, ceny a potenciální náchylnosti k poruchám kvůli pohyblivým částem.
Statické LiDAR senzory jsou tak klíčové pro aplikace, kde je důležitá kompaktnost a spolehlivost, zatímco pohyblivé LiDAR systémy jsou upřednostňovány v situacích, kde je potřeba komplexního 3D mapování a vysoká úroveň detailů.
Skenery s LiDAR senzorem
Díky svým výhodám v přesnosti a schopnosti 3D mapování prostředí, LiDAR se objevuje ve stále více produktech.
Přehled skenerů s LiDAR senzorem naleznete na stránce 3D skenery.
LiDAR v mobilních telefonech a tabletech
Ačkoli technologie laserového dálkoměru se objevila už na LG G3 v roce 2014, pokud jde o použití LiDARu v současných modelech, výběr se zužuje pouze na jednoho výrobce, a to Apple, respektive jeho modely iPAD Pro od verze 2020 a standarní a Max varianty mobilního telefonu iPhone Pro od verze 12. Z času na čas se sice objeví i telefon jiného výrobce obsahující LiDAR senzor (např. určité varianty modelu Samsung s23), avšak v kontextu velikosti trhu a od toho odvíjecího ekosystému dostupných aplikací nemá smysl při využívání LiDAR senzoru v mobilním telefonu řešit zařízení od jiného výrobce, než je Apple.
Field of View (FoV)
Čím větší FOV, tím větší plochu zvládá LiDAR pokrýt jedním skenem. Mezi FOV a rozlišením však existuje určitý kompromis. o Problematice FoV pojednává tato stránka.
Fotogrammetrie
Fotogrammetrie je technika získávání informací o fyzických objektech a prostředí z fotografií. Princip spočívá ve snímání objektu z různých úhlů (umístění fotoaparátu dle potřeb - na stojánku, v ruce, v dronu…), přičemž každý snímek zachycuje objekt z jiné perspektivy.
Snímky jsou při Fotogrammetrii pomocí speciálního softwaru analyzovány a zpracovány k vytvoření přesných 3D modelů objektů, prostorů, nebo scén. Software vyhledá a porovná shodné body na různých fotografiích, používá triangulaci k určení polohy každého bodu ve 3D prostoru a vytváří tak detailní 3D model.
Výhody fotogrammetrie
- Dostupnost a nízké náklady - fotogrammetrie obvykle vyžaduje pouze standardní fotografické vybavení
- Flexibilita - Fotogrammetrie může být použita na širokou škálu objektů, od malých artefaktů po celé krajinné scény, a lze ji provádět jak zemi, tak ze vzduchu (pomocí dronů)
- Vysoká kvalita vizuálních detailů - 3D modely vytvořené fotogrammetrií často obsahují bohaté textury a barvy, což je důsledek využití skutečných fotografií objektů.
Nevýhody fotogrammetrie
- Závislost na osvětlení a povětrnostních podmínkách: Jelikož fotogrammetrie závisí na fotografiích, může být kvalita výsledků ovlivněna světelnými podmínkami, stíny, reflexemi a povětrnostními podmínkami.
- Časově náročné zpracování: Zpracování velkého množství fotografií a vytváření 3D modelů může být časově náročné, zvláště u velkých nebo komplexních objektů.
- Omezení s transparentními nebo lesklými povrchy: Fotogrammetrie může mít problémy s přesným mapováním transparentních nebo velmi lesklých povrchů.
Použití fotogrammetrie
- Archeologie a kulturní dědictví: Fotogrammetrie je široce využívána k dokumentaci a rekonstrukci archeologických nalezišť a historických památek.
- Stavebnictví a architektura: Vytváření 3D modelů budov pro BIM (Building Information Modeling), restaurování a konzervace.
- Zeměměřictví a mapování: Fotogrammetrie se používá k vytváření topografických map, měření terénu a monitorování změn v krajině.
- Výroba a design: Vytváření přesných 3D modelů pro prototypování, kontrolu kvality a reverzní inženýrství.
- Herní průmysl a filmová produkce: Fotogrammetrie se používá k vytváření realistických 3D modelů a prostředí pro videohry a vizuální efekty ve filmech.
Stereo snímání
Stereo snímání je metoda 3D skenování, která využívá dva (nebo více) fotoaparáty umístěné v různých pozicích k získání dvou snímků téže scény z mírně odlišných úhlů pohledu, podobně jako lidské oči vnímají hloubku prostoru. Tato metoda používá princip triangulace, kde se pro každý bod na snímku z obou kamer vypočítá jeho přesná pozice ve 3D prostoru na základě rozdílu mezi pozicemi bodů na obou snímcích. Tyto informace jsou následně použity k vytvoření detailního 3D modelu scény nebo objektu.
Výhody Stereo Snímání
- Nízké náklady na hardwarové vybavení: Využívá běžně dostupné fotoaparáty nebo kamery
- Přirozené vnímání hloubky: Napodobením lidského zraku stereo snímání efektivně zachycuje hloubkové informace o objektech a scénách.
- Flexibilita: Lze používat v širokém spektru prostředí a aplikací, od vnitřních po venkovní scény.
Nevýhody Stereo Snímání
- Závislost na texturách: Metoda vyžaduje dostatečný kontrast a texturu ve scéně, aby mohla úspěšně identifikovat odpovídající se body mezi snímky. Hladké nebo jednobarevné povrchy mohou způsobit problémy.
- Komplexní zpracování dat: Výpočet 3D informací z 2D snímků vyžaduje pokročilé algoritmy a může být časově náročný.
- Omezená přesnost: stereo snímání může být méně přesné, zejména při práci s objekty na velké vzdálenosti nebo v komplexních scénách.
Použití Stereo Snímání
- Robotika a autonomní vozidla: Pro navigaci a rozpoznání překážek v prostředí.
- Virtuální a rozšířená realita: Vytváření 3D modelů objektů a scén pro použití v imerzivních aplikacích.
- Bezpečnostní systémy: Rozpoznávání a sledování objektů v reálném čase pro bezpečnostní a dohledové účely.
- 3D mapování a průzkum: Sběr 3D dat pro topografické mapy a prostorovou analýzu.
- Zdravotnictví: Aplikace pro sledování pohybu a analýzu tělesného postoje.
Strukturované světlo
Metoda strukturovaného světla pro 3D skenování spočívá ve vrhání známého vzoru světla (např. čáry, mřížky nebo jiných geometrických tvarů) na objekt nebo scénu. Kamera nebo senzorový systém poté zaznamená, jak tento světelný vzor interaguje s povrchem objektů – jak je světlo deformováno, odraženo nebo přerušeno. Na základě těchto deformací světelného vzoru je možné vypočítat trojrozměrnou strukturu skenovaného objektu. Zpracování těchto informací pomocí speciálního softwaru pak umožňuje vytvoření přesného 3D modelu.
Výhody Strukturovaného Světla
- Vysoká přesnost a rozlišení: Strukturované světlo je schopné zachytit jemné detaily a textury objektů, což je činí ideálním pro aplikace vyžadující detailní 3D modely.
- Rychlost skenování: skenování pomocí strukturovaného světla je relativně rychlé, což je vhodné pro aplikace s krátkým časovým oknem pro skenování.
- Nezávislost na vnějším osvětlení: metoda používá vlastní zdroj světla a je tedy méně náchylná k problémům s vnějším osvětlením.
Nevýhody Strukturovaného Světla
- Omezení ve světlých podmínkách: Přestože je nezávislé na vnějším osvětlení, extrémně světlé prostředí nebo přímé sluneční světlo může narušit skenovací proces.
- Složitost a náklady: Systémy strukturovaného světla mohou být dražší a složitější na nastavení a provoz ve srovnání s jednoduššími metodami jako stereo snímání nebo ToF.
- Statická povaha: Proces obvykle vyžaduje, aby byl skenovaný objekt během skenování statický.
Použití Strukturovaného Světla
- Průmyslová metrologie a kontrola kvality: Vysoká přesnost strukturovaného světla je klíčová pro měření a kontrolu kvality ve výrobních procesech.
- Digitální zachování: Skenování uměleckých děl, historických artefaktů a archeologických nálezů pro digitální archivaci a analýzu.
- Zdravotnictví: Vytváření 3D modelů tělesných částí pro plánování chirurgických zákroků nebo pro výrobu na míru vyrobených lékařských pomůcek.
- Výzkum a vývoj: Použití v laboratořích a výzkumných institucích pro vývoj nových produktů a technologií.
- Zábava a média: Vytváření detailních 3D modelů pro videohry, filmy a virtuální realitu.
Multispektrální a hyperspektrální snímání
Multispektrální a hyperspektrální snímání jsou metody, které zachycují informace z různých spektrálních pásem, včetně těch mimo viditelné spektrum (jako je infračervené a ultravioletové světlo). Zatímco multispektrální snímání obvykle zachycuje obrazy v několika (obvykle mezi 3 a 10) spektrálních pásmech, hyperspektrální snímání zaznamenává mnohem širší spektrum, potenciálně stovky kontinuálních spektrálních pásem, poskytujíc tento způsob snímání s vysokým rozlišením detailní informace o chemickém složení a fyzikálních vlastnostech objektů.
Výhody
- Podrobné chemické a materiálové informace: metoda poskytuje unikátní informace o materiálovém složení objektů, což umožňuje identifikovat a rozlišovat mezi různými materiály na základě jejich spektrálních vlastností.
- Aplikovatelnost v širokém spektrálním rozsahu: Schopnost zachytit data mimo viditelné spektrum umožňuje analýzu vlastností, které nejsou viditelné pouhým okem.
- Použití v různých podmínkách: lze použít pro snímání za různých světelných podmínek, včetně přímého slunečního světla.
Nevýhody
- Složitost a náklady na vybavení: Hyperspektrální snímače mohou být dražší a složitější na používání než běžné kamery.
- Velký objem dat: Získávání a zpracování hyperspektrálních dat může vyžadovat pokročilé výpočetní zdroje kvůli vysokému rozlišení a velkému objemu dat.
- Složité zpracování a analýza dat: Extrahování užitečných informací z hyperspektrálních dat vyžaduje pokročilé algoritmy a odborné znalosti.
Použití
- Zemědělství: Monitorování zdraví a stresu rostlin, analýza půdy a vody, předpovídání výnosů.
- Environmentální monitorování: Detekce znečištění, monitorování vodních zdrojů, sledování změn v ekosystémech.
- Geologický průzkum: Identifikace minerálů a hornin, mapování zeměpisných struktur.
- Vojenské a bezpečnostní aplikace: Detekce a identifikace objektů nebo látek na základě jejich spektrálních otisků.
- Potravinářský průmysl a kontrola kvality: Kontrola kvality potravin, detekce kontaminantů a falšování potravin.
- Zdravotnictví a biomedicína: Analýza tkání a detekce chorob, výzkum distribuce léčiv v těle.
Multispektrální a hyperspektrální snímání poskytuje hluboký pohled do chemických a fyzikálních vlastností objektů a scén, což umožňuje jejich široké využití v oblastech, kde je třeba získat podrobné informace, které přesahují to, co lze vidět pouhým okem. Přes své výzvy spojené s náklady a zpracováním dat přináší tyto technologie unikátní možnosti pro řadu aplikací od environmentálního monitorování až po zdravotnictví.
Radarové snímání (Syntetická Apertura Radaru (SAR))
Syntetická apertura radaru (SAR) je druh radarové technologie používaný k vytváření podrobných obrazů nebo map povrchu Země nebo jiných planet. SAR funguje vysíláním radarových vln směrem k povrchu a následným zachycením odražených signálů. Unikátnost SAR spočívá v jeho schopnosti vytvářet obrazy s vysokým rozlišením pomocí "syntetické apertury", což je virtuální anténa mnohem větší, než je fyzická anténa radaru, vytvořená pohybem radaru (například na letadle nebo družici) a sofistikovaným zpracováním signálů. To umožňuje SAR získávat obrazy povrchu s vysokým rozlišením bez ohledu na světelné podmínky nebo přítomnost oblačnosti.
Výhody SAR
- Schopnost snímání za každého počasí a všech světelných podmínek: SAR může získávat obrazy během dne, noci a dokonce i přes mraky nebo dešťové přeháňky.
- Vysoké rozlišení: I přes velké vzdálenosti mezi radarem a zemským povrchem mohou být vytvořeny detailní obrazy.
- Penetrace povrchu: Některé frekvence používané v SAR systémech mohou pronikat povrchovými vrstvami, jako je vegetace, a poskytovat informace o skrytých strukturách.
Nevýhody SAR
- Složitost zpracování dat: Získaná radarová data jsou ve své surové formě složitá a vyžadují pokročilé algoritmy pro jejich převod na užitečné obrazy.
- Náročnost na interpretaci: Obrazy získané pomocí SAR se mohou výrazně lišit od běžných optických obrazů a mohou vyžadovat specializované znalosti pro jejich správnou interpretaci.
- Vysoké náklady: Vývoj, nasazení a údržba SAR systémů, zejména těch umístěných na družicích, jsou finančně náročné.
Použití SAR
- Zeměměřictví a kartografie: Vytváření podrobných topografických map a studium zemského povrchu.
- Monitoring životního prostředí: Sledování změn v lesních oblastech, tání ledovců, úrovně vodních zdrojů a dalších environmentálních faktorů.
- Katastrofické situace a řízení krizových situací: Rychlé posouzení škod po přírodních katastrofách, jako jsou záplavy, zemětřesení nebo erupce vulkánů.
- Vojenské a obranné aplikace: Dozor a průzkum pro obranné a bezpečnostní účely.
- Archeologie: Detekce a mapování skrytých archeologických lokalit pod povrchovou vegetací nebo v písčitých oblastech.
Syntetická apertura radaru (SAR) je pokročilá technologie, která přináší jedinečné možnosti pro získávání obrazů Země, umožňuje vědcům a výzkumníkům překonávat omezení spojená s tradičními metodami snímání a poskytuje cenné informace pro širokou škálu aplikací.
Sonarové snímání (Sound Navigation and Ranging)
Sound Navigation and Ranging (Sonar) je technika používaná k detekci objektů a měření vzdáleností pod vodou pomocí zvukových vln. Sonar funguje na principu vysílání zvukových impulsů (pingů), které se odrážejí od objektů pod vodou a vrací zpět k sonarovému přijímači. Doba, která uplyne mezi vysláním zvukového signálu a jeho přijetím po odrazu, je použita k určení vzdálenosti objektu. Existují dva hlavní typy sonaru: pasivní sonar, který pouze naslouchá zvukům pod vodou bez vysílání vlastních signálů, a aktivní sonar, který vysílá zvukové vlny a sleduje jejich odrazy.
Výhody Sonaru
- Funguje pod vodou: Na rozdíl od mnoha optických a radarových systémů, sonar může efektivně pracovat v náročném podvodním prostředí s omezenou viditelností.
- Detekce a mapování podvodních objektů: Sonar je schopný detekovat a mapovat podvodní terén, objekty a životní formy s vysokou úrovní detailu.
- Navigace a orientace: Sonar je klíčový pro navigaci ponorek a dalších podvodních plavidel, kde GPS signál není dostupný.
Nevýhody Sonaru
- Rozlišení: moderní sonarové systémy mohou poskytovat poměrně detailní obrazy, přesto rozlišení je nižší ve srovnání s některými optickými nebo radarovými metodami.
- Omezení v dosahu: Efektivita sonaru může být omezena na určité vzdálenosti, v závislosti na vlastnostech vysílaných zvukových vln a podmínkách ve vodním prostředí.
- Vliv na mořský život: Existují obavy, že intenzivní zvukové signály používané aktivním sonarem mohou rušit nebo dokonce poškodit mořské živočichy, zejména kytovce.
Použití Sonaru
- Hydrografie a batymetrie: Měření hloubek a tvorba podrobných map mořského dna pro navigaci, průzkum a vědecký výzkum.
- Vojenské účely: Detekce ponorek, min a jiných potenciálních hrozeb pod vodou.
- Archeologie: Hledání podvodních archeologických nalezišť, jako jsou potopené lodě nebo ztracená města.
- Rybolov: Lokalizace rybích hejn pro komerční i rekreační rybolov.
- Výzkum mořského života:: Studium a sledování mořských živočichů a jejich prostředí.
Infračervené (Termální) snímání
Termální snímání, známé také jako infračervené snímání, je metoda detekce a měření úrovně infračerveného záření (tepelné energie), které vyzařují objekty. Každý objekt s teplotou nad absolutní nulou vyzařuje určité množství infračerveného záření. Termální kamery nebo senzory zachycují toto záření a převádějí ho na obraz, kde různé teploty jsou reprezentovány různými barvami nebo odstíny šedi. Rozdíly v teplotách na snímku umožňují identifikaci objektů, hodnotící jejich stav nebo monitorující tepelné změny v čase.
Hmotová spektrometrie a Laserová ablace
Hmotová spektrometrie v kombinaci s laserovou ablací je sofistikovaná analytická technika používaná k detailnímu chemickému mapování a analýze materiálů na mikroskopické úrovni. Princip spočívá v použití laseru k odpaření (ablatování) velmi malého množství materiálu z povrchu vzorku. Odpařený materiál je poté ionizován a analyzován pomocí hmotové spektrometrie, což umožňuje identifikaci chemických prvků a sloučenin přítomných v materiálu.
Neural Radiance Fields (NeRF)
Neural Radiance Fields (NeRF) je pokročilá metoda pro vytváření 3D scén z obyčejných 2D fotografií. Je založena na principu strojového učení a používá hluboké neuronové sítě k modelování světelných polí, což umožňuje extrémně detailní rekonstrukci 3D objektů a scén z omezeného počtu 2D snímků.
NeRF pracuje tím, že se učí reprezentovat scénu jako kontinuální 5D funkci, která mapuje 3D pozici a 2D směr pohledu na barvu a hustotu. Když je tato funkce naučená, může generovat realistické obrázky scény z nových pohledů, které nebyly ve vstupních datech zahrnuty. To se děje pomocí ray tracingu (sledování paprsku), kde neuronová síť predikuje barvu a průhlednost pro každý bod podél paprsku procházejícího scénou.
3D Gaussian Splatting
3D Gaussian Splatting je technika rastrování určená pro 3D rekonstrukci a vykreslování. Tento přístup byl představen ve výzkumné práci vědců z Inria (Université Côte d’Azur) a Max Planck Institute a umožňuje generovat data potřebná pro 3D Gaussian Splatting z řady obrázků.
3D Gaussian Splatting reprezentuje 3D scénu jako miliony částic – 3D Gaussianů, přičemž každý Gaussian má svou polohu, orientaci, měřítko, průhlednost a barvu závislou na pohledu. Pro efektivní vykreslení těchto částic jsou konvertovány do 2D prostoru („splatted“) a následně organizovány/sřazeny pro výkonné vykreslování.
Výzkumné práce
- Práce 3D Gaussian Splatting for Real-Time Radiance Field Rendering poskytuje detailní pohled na metodu Gaussian Splatting, zdůrazňující její využití pro efektivní vykreslování 3D scén a porovnávání s jinými přístupy jako je NeRF. Diskutuje také o možnostech integrace do existujících renderovacích systémů a o srovnání výkonnosti s tradičními metodami. Dostupná je na webu https://ar5iv.labs.arxiv.org/.
- Práce A Survey on 3D Gaussian Splatting zkoumá různé aspekty a aplikace 3D Gaussian Splatting, včetně scénářů použití pro rekonstrukci scény a renderování. Zmiňuje se o výzvách spojených s reprezentací radiančních polí a představuje 3D Gaussian Splatting jako hybridní přístup, který se snaží spojit výhody jak implicitních, tak explicitních reprezentací radiančních polí. Dostupná je na webu https://ar5iv.labs.arxiv.org/.
- V práci Recent Advances in 3D Gaussian Splatting jsou diskutovány nedávné pokroky a vylepšení 3D Gaussian Splatting, zejména v kontextu kvality rekonstrukce a schopnosti renderování závislých na pohledu. Zabývá se také potenciálními vylepšeními pro kompresi a regulaci, jakož i rozšířením metody pro dynamickou 3D rekonstrukci. Dostupná je na webu https://ar5iv.labs.arxiv.org/.
Současný stav
Většina dnešních softwarů Guessian Splatting doposud nepodporuje, nicméně oproti jiným technikám založeným na radiálních polích, jako jsou metody NeRF, mají Gaussian Splats snazší cestu k integraci do stávajících rendererů. Existují již některé pluginy pro Unity a Unreal, a každý týden jich přibývá více.
Manuální měření a snímání
Zjišťování dat konvenčními manuálními způsoby.
Srovnání časové náročnosti přeměření místnosti
Časová náročnost měření ukázkové místnosti následujícím imetodami:
- Tužka, papír, běžný metr:
5:00 - Bluetooth Laserový dálkoměr + aplikace:
2:50 - LiDAR 3D Sken:
0:52
První metoda je nejen časově podstatně náročnější než dvě zbylé, v případě dalšího využití náčrtů je mnohdy nezbytné dané náčrty překreslit, ideálně do formátu v měřítku. Naproti tomu, zbylé 2 metody v daném čase jsou již "hotovými" výkresy exportovatelnými v mnoha formátech (.pdf pro odeslání v mailu i .dxf pro editaci v AutoCad.)