| Form of studies |
Master |
| Title of the study programm |
Intelligent robotic systems |
| Title in original language |
Nākamā labākā skata plānotāja optimizācija, izmantojot mašīnmācīšanos 3D rekonstruēšanai |
| Title in English |
Next-Best View Planner Optimization Using Machine Learning for 3D Reconstruction |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Ēvalds Urtāns |
| Reviewer |
Dmitrijs Bļizņuks |
| Abstract |
Maģistra darba ietvaros tiek apskatīti nākamā labākā skata plānotāji ar uzsvaru uz to pielietojamību autonomās 3D skenēšanas uzdevuma risināšanai. Atbilstoši vairākiem tirgus izpētes ziņojumiem 3D skenēšanas tirgus turpinās augt, kas atbilst augošam pieprasījumam pēc paplašinātas un virtuālās realitātes risinājumiem. Ņemot vērā, ka kvalificētu 3D mākslinieku skaits ir ierobežots un to darbs ir augsti apmaksāts, alternatīvs augstas kvalitātes 3D modeļu ieguves veids ir esošo objektu 3D skenēšana. Vairākos gadījumos 3D skenēšana ir vienīgais veids fotoreālistisku tekstūru un augstas izšķirtspējas modeļu iegūšanai.
Viena no 3D satura prasībām ir detalizēti 3D modeļi un tekstūras, kas ietver arī informāciju par objekta raupjumu, virsmas atstarojumiem, refrakcijām un materiāla gaismas vājinājumu. Izvēloties atbilstošas 3D skenēšanas metodes visas šīs vērtības var iegūt automatizētā veidā. Līdz šīm brīdim bieži tiek izmantotas pārlases metodes, kad lai iegūtu 3D modeļi tiek apmeklēti visi pieejamie skati vienmērīgi izvietoti apkārt objektam, šī darba ietvaros tiek apskatīti nākamā labākā skata plānotāji, kuru uzdevums ir optimizēt nepieciešamo skatu skaitu.
Pētījuma ietvaros imitācijas vidē tiek salīdzināti 6 nākamā labākā skata plānotāji, MA-SCVP mašīnmācīšanās metode vidēji sasniedz 93.1% pārklājumu, kas ir par 5.9% labāk nekā ScanRl, par 36% labāk nekā SEE un par 1% labāk nekā telpiskās informācijas ieguves metodes. Maksimālo pārklājumu MA-SCVP metode sasniedz pēc vidēji 12.2 skatiem pret 20 skatiem priekš telpiskās informācijas ieguves metodēm.
Darba pamattekstā ir 67 lappuses, 12 attēli un 3 tabulas, izmantoti 49 informācijas avoti. |
| Keywords |
3D skenēšana, nākamais labākais skats, mašīnmācīšanās |
| Keywords in English |
3D scanning, Next-best view, Machine Learning |
| Language |
lv |
| Year |
2023 |
| Date and time of uploading |
28.05.2023 20:34:57 |
