Тип работы:
Предмет:
Язык работы:


Восстановление трехмерной модели строений археологического памятника по материалам камеральных исследований

Работа №126061

Тип работы

Магистерская диссертация

Предмет

модели данных

Объем работы25
Год сдачи2019
Стоимость5550 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
59
Не подходит работа?

Узнай цену на написание


Содержание 2
Введение 3
Постановка задачи 4
Обзор литературы 5
Глава 1. Построение трехмерной модели строения по двумерному абрису 7
1.1 Предобработка изображения 7
1.2 Построение облака точек камня 8
1.3 Построение полигональной модели камня 10
Глава 2. Восстановление модели стены по малой информации 12
Глава 3. Восстановление модели стены с помощью генерации двумерного абриса 16
3.1 Сверточная нейронная сеть 16
3.2 Модификация сверточной нейронной сети 18
3.3 Генерация изображения с помощью модифицированной СНС 20
Глава 4. Программная реализация 23
Выводы 24
Список литературы 25

В настоящее время в поисках исторических архитектурных сооружений археологами ведется большое число исследований по всему миру. Среди огромного числа методов, используемых в этих исследованиях, важное место занимает обязательная визуальная опись каждого найденного строения и его структуры. Эта опись в основном производится в виде специальных планов и абрисов (абрис - контур, набросок, очертание предмета, линия, показывающая форму какого-то объекта). В дальнейшем полученные результаты могут подвергаться трехмерной реконструкции для облегчения исследовательской деятельности. Но это трудоемкий процесс, который требует от исследователей специальных навыков работы с компьютером и программным обеспечением.
Автоматическое компьютерное моделирование исторических объектов в виде трехмерной визуализации на основе двумерного изображения позволило бы если не полностью избавить археологов от этой задачи, то хотя бы упростить ее решение, предоставляя некоторую предобработанную трехмерную модель, которую можно мануально довести до ожидаемого результата.
Также археологам часто приходится иметь дело с не полностью сохранившимися архитектурными объектами исторической ценности (например, разрушенная каменная стена). В таком случае специалистам приходится долгое время вручную создавать модели не только сохранившихся частей, но и к тому же моделировать утраченные со временем. Таким образом предыдущая задача расширяется требованием попытаться восстановить недостающие составляющие архитектурного памятника по имеющимся данным.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В результате работы были разработаны несколько вариантов алгоритмов генерации трехмерной модели архитектурного памятника по его двумерному изображению. Каждый из алгоритмов был запрограммирован и протестирован. В итоге генерация двумерного абриса по тестовому изображению и дальнейшая реконструкция трехмерной модели стены с помощью сторонних решений по конвертации облака точек в полигональную модель показали себя лучше всего, так как эти алгоритмы были основаны на прорывных в сегодняшнее время сверточных нейронных сетях.
Результат работы программы можно улучшить, если совместить этот алгоритм с алгоритмом генерации стены по кривой в пространстве. Но результаты, представленные в текущей работе, уже могут служить в качестве некоторого инструмента, который поможет исследователям в сохранении информации о большем числе исторических памятников.


1. Швембергер, С. В., Щербаков, П. П., Горончаровский, В. А.. 3DS MAX Художественное моделирование и специальные эффекты. БХВ-Петербург. (2006)
2. Szolt. Blender Art 6 - Blender для архитектуры и игр. (2006)
3. Robert Magee. Houdini Foundations for film, TV and gamedev. (2018)
4. Rizvic, S., Okanovic, V., Sadzak, A.: Visualization and multimedia presentation of cultural heritage. Institute of Electrical and Electronics Engineers Inc. (2015)
5. Serra J. Image Analysis, Mathematical Morphology. (1982)
6. Michael Kazhdan, Matthew Bolitho, Hugues Hoppe Poisson Surface Reconstruction (2006)
7. K. Simonyan, A. Zisserman. Very Deep Convolutional Networks for Large-Scale Image Recognition (2014)
8. V. Lebedev, Y. Ganin, M. Rakhuba, I. Oseledets, and V. Lempitsky. Speeding-up Convolutional Neural Networks Using Fine-tuned CP- Decomposition (2014)
9. Chuan Li, Michael Wand, Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis (2016)
10. Leon A. Gatys, Alexander S. Ecker, Matthias Bethge A Neural Algorithm of Artistic Style (2015)


Работу высылаем на протяжении 30 минут после оплаты.




©2025 Cервис помощи студентам в выполнении работ