Repliki prawdziwego świata dokładne co do piksela. Powstało niezwykłe narzędzie do modelowania w 3D

Powstały system, który rekonstruuje geometrię, strukturę i wygląd obszaru przy użyciu bardzo szczegółowych zdjęć. Te mogą być wykonywane przez samoloty unoszące się na wysokościach rzędu 5000 metrów.
Repliki prawdziwego świata dokładne co do piksela. Powstało niezwykłe narzędzie do modelowania w 3D

O szczegółach tego rozwiązania naukowcy piszą na łamach Scientific Reports. Jak wyjaśniają, zdjęcia lotnicze – mające rozdzielczość przekraczającą nawet 200 megapikseli – są przetwarzane w celu uzyskania precyzyjnych modeli 3D krajobrazów miejskich, wiejskich czy mieszanych. 

Czytaj też: Drony mają problem z lataniem na okazałe dystanse. Specjalna sieć rozwiąże go

Ten cyfrowy bliźniak może być używany w typowych aplikacjach do nawigacji i eksploracji różnych obszarów, a także w wirtualnej turystyce, grach, filmach i tak dalej. Co ważniejsze, istnieją bardzo wpływowe aplikacje, które mogą symulować procesy w bezpieczny i cyfrowy sposób. Tak więc, może być używany przez zainteresowane strony i władze do symulacji scenariuszy “co by było gdyby” dotyczące powodzi lub innych katastrof naturalnych. Pozwala to na podejmowanie świadomych decyzji i ocenę różnych czynników łagodzących ryzyko. wyjaśnia Charalambos Poullis, jeden z autorów

Narzędzie HybridFlow pozwala na sprawne i dokładne modelowanie krajobrazu

Powszechnie stosowane techniki modelowania 3D wykorzystują techniki identyfikacji kluczowych punktów na obrazie, dopasowania ich na innym obrazie oraz propagacji tych dopasowań na określonym obszarze. Dla odróżnienia, w przypadku HybridFlow obrazy są grupowane w sekcje zrzeszające podobne wizualnie elementy, a następnie na poziomie pikseli.

Czytaj też: Powstaje oceaniczny internet. Jego twórcy mają pomysł na jego wykorzystanie

Takie podejście sprawia, iż model jest bardziej wytrzymały i zapewnia dokładne odwzorowanie otoczenia. Pozwala to również na usunięcie konieczności stosowania jakiejkolwiek technik głębokiego uczenia się, co wymagałoby długotrwałego treningu i zużywania zasobów. Dane są zapisywane na dysku, a nie w pamięci, a zatem ich strumień jest zoptymalizowany, dzięki czemu średniej wielkości model obszaru miejskiego może być stworzony w mniej niż 30 minut.