Επεξεργασία & Οπτικοποίηση 3D Δεδομένων

Κωδικός Μαθήματος:

GEO8070

Εξάμηνο:

Η' Εξάμηνο

Κατηγορία:

ΜΕ

Ώρες:

4

Μονάδες ECTS:

5


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