Επεξεργασία & Οπτικοποίηση 3D Δεδομένων

ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Με την ολοκλήρωση του μαθήματος ο φοιτητής:

• Θα έχει κατανοήσει και θα είναι ικανός να περιγράψει, αναλύσει και συγκρίνει τις διαφορετικές δομές 3Δ δεδομένων και τα χαρακτηριστικά τους (μειονεκτήματα – πλεονεκτήματα)
• Θα είναι σε θέση να επιλέγει και να εφαρμόζει την βέλτιστη κατά περίπτωση μέθοδο συλλογής 3Δ πληροφορίας
• Θα έχει κατανοήσει εις βάθος και θα μπορεί να εφαρμόζει μεθόδους αλληλοαναφοράς νεφών σημείων, ενώ παράλληλα θα μπορεί να προγραμματίζει βασικούς αλγόριθμους αλληλοαναφοράς
• Θα έχει την ικανότητα να επεξεργάζεται 3Δ δεδομένα (εξομάλυνση, συμπλήρωση οπών, γεωμετρική αραίωση, κανονικοποίηση) και να επιλέγει την βέλτιστη διαδικασία επεξεργασίας ανάλογα με το είδος και την ακρίβεια των δεδομένων
• Θα έχει κατανοήσει και θα είναι ικανός να περιγράψει, αναλύσει και συγκρίνει τις μεθόδους τριγωνισμού και δημιουργίας 3Δ πλέγματος από νέφη σημείων (surface generation).
• Θα είναι ικανός να προσανατολίζει μπλοκ εικόνων ως προς 3Δ μοντέλο και να αποδίδει σε αυτό πραγματική υφή από τις εικόνες, αναλύοντας και λαμβάνοντας υπόψη τις ιδιαιτερότητες της αναπαράστασης.
• Θα είναι σε θέση να αναλύει και να αξιολογεί τα 3Δ μοντέλα ως προς την ανάλυση, την ακρίβεια, την ομοιογένεια και το είδος των δεδομένων.
• Θα είναι ικανός να υλοποιεί μια πλήρη διαδικασία συλλογής, επεξεργασίας, οπτικοποίησης και ανάλυσης δεδομένων που αναπαριστούν τον 3Δ χώρο.

 

Γενικές Ικανότητες

• Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
• Αυτόνομη εργασία
• Ομαδική εργασία
• Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
• Εργασία σε διεπιστημονικό περιβάλλον

 

ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

• Μορφές 3D δεδομένων (point cloud, 3d mesh, surfaces, NURBS, Solids)
• Τρισδιάστατη αλληλοαναφορά 3D νεφών σημείων (ICP registration, 3D feature matching)
• Επεξεργασία 3D δεδομένων (smoothing, hole filling, relaxing, segmentation, classification, object recognition)
• Τριγωνισμό Σημειοσυνόλων (2D/3D Τριγωνισμός Delaunay – Διάγραμμα Voronoi)
• Αλγόριθμοι δημιουργίας επιφανειών από νέφος σημείων
• Παραμετροποίηση 3Δ πλέγματος (3D mesh)
• Δημιουργία DTM από DSM.
• Φωτογραμμετρικοί αισθητήρες τριγωνισμού (Structured Light Scanners, Laser-line Scanner, Kinect)
• Σαρωτές laser
• Οπτικοί Σαρωτές
• Συνδυασμός Φωτογραμμετρίας και σαρωτών laser
• Αληθής Ορθοφωτογραφία
• Απόδοση υφής σε 3D μοντέλα και σε προβολές τους (texture mapping, texture atlas,ortho and true orthophotos, perspective views),
• 3D μοντέλα πόλεων με level of detail (LOD)
• 3D mobile mapping (laser-based and image-based)
• 3D Printing

 

Μέθοδος Αξιολόγησης

• Γραπτή εξέταση στο τέλος του εξαμήνου (50%), με συνδυασμό ερωτήσεων κρίσης και αριθμητικών ασκήσεων
• Αξιολόγηση της απόδοσης στις εργαστηριακές ασκήσεις (50%)

 

ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

1. Σημειώσεις/διαφάνειες του μαθήματος
2. Hormann Κ., Levy Β, and Sheffer Α., 2007. Mesh Parameterization: Theory and Practice
3. Botsch M., Kobbelt L., Pauly M., Alliez P., Levy B., 2010. Polygon Mesh Processing