XiaoMi-AI文件搜索系统
World File Search System立体图像
无人机平台和 3D 调查和建模中的 SfM-MVS 方法：文化遗产领域的回顾
摘要：近年来，运动结构 (SfM) 和多视角立体 (MVS) 算法已成功应用于安装在无人机 (UAV) 平台上的摄像机生成的立体图像，以构建 3D 模型。事实上，基于 SfM-MVS 和 UAV 生成的图像组合的方法可以实现经济高效的采集、快速自动化处理以及 3D 模型的详细和准确重建。因此，这种方法在文化遗产 (CH) 领域的表示、管理和保护中变得非常流行。因此，本综述论文讨论了无人机摄影测量在 CH 环境中的使用，重点关注图像采集技术和 3D 模型构建软件的最新趋势和最佳实践。尤其是，本文旨在强调与可用的不同平台和导航系统相关的不同图像采集和处理技术，以及分析和深化有效描述整个摄影测量过程的 3D 重建方面，为不同领域的新应用提供进一步的见解，例如结构工程以及属于 CH 领域的遗址和结构的保护和维护修复。
P300拼写器BCI
摘要 - 脑部计算机界面（BCI）是人脑和计算机之间通信的常见设备。本文研究了使用3D界面为BCI机器使用的效率。为此，已修改了P300拼写器（使用户能够使用脑电波在屏幕上拼写字符的BCI设备）已进行了修改。P300拼写器的经典虚拟键盘被3D立体图像替换，从而增强了设备的人体工程学特征。此外，3D接口上的范围范式可以以三种方式影响设备的孔隙：准确性，速度和容量。本文提出了两种称为天然3D和平行2D界面的不同浮雕范式，并研究了它们在提到的三种措施方面的效果。前者在3D空间中的平面，后者包括不同3D深度的平行键盘的灰烬。提出了这些效果的理论分析。通过从实际受试者获得的实验数据来验证结果，并与经典的2D界面进行了比较。两个提出的键盘都提高了设备的速度，而平行2D的总性能比天然3D更好。
油罐车远程视觉系统
控制台。吊杆通过集成在操作员控制台中的单独吊杆控制单元 (BCU) 进行控制。BCU 不是 TRVS 的一部分。TRVS 与 BCU 接口接收有关吊杆位置和状态的信息。此信息与信号器一起显示在加油图像顶部的图形叠加层中。视觉信息通过两个视频系统、一个监视视觉系统和一个立体视觉系统生成。这些系统共同构成了“加油机远程视觉系统”(TRVS)。监视视觉系统基于三个摄像头，覆盖超过 180 度的水平视野，位于 KDC-10 的两个翼尖之间，在后方。图像以全景视图显示在操作员控制台的三个监视器上。立体视觉系统基于两个瞄准加油杆尖端的摄像机的双通道图像。立体图像是通过使用快门系统获得的。操作员佩戴被动偏光眼镜，将图像分开，从而产生生动的立体图像。立体视觉系统还包括深度合成符号。该视觉系统适用于白天和夜间视觉（近红外）。TRVS 已被证明是一种高性能视觉系统，已在多次空对空加油试飞中展示了其潜力
高密度航空图像匹配：
高密度航空影像匹配：最新技术与未来前景 N. Haala a*、S. Cavegn a、b a 德国斯图加特大学摄影测量研究所 - norbert.haala@ifp.uni-stuttgart.de b 瑞士西北应用科学与艺术大学测绘工程研究所，瑞士穆滕茨 - stefan.cavegn@fhnw.ch SpS 12 - EuroSDR：NMCA 的创新技术和方法 关键词：匹配、表面、三维、点云、融合、三角测量 摘要：匹配算法的不断创新正在不断提高从航空影像自动生成的几何表面表示的质量。这一发展推动了 ISPRS/EuroSDR 联合项目“高密度航空图像匹配基准”的启动，该项目旨在根据密集多视图立体图像匹配的当前发展情况，对摄影测量 3D 数据捕获进行评估。最初，测试针对不同土地利用和图像块配置的传统航空图像飞行进行基于图像的 DSM 计算。第二阶段将重点放在复杂城市地区的高质量、高分辨率 3D 几何数据捕获上。这包括将测试场景扩展到倾斜航空图像飞行以及生成过滤点云作为相应多视图重建的附加输出。本文使用基准的初步结果来演示
思考未来的工厂：从 PLM 到增强现实
考虑到制造业中潜在的应用种类繁多，文献中提出了不同的 AR 技术。例如，[ NMBT13 ] 提出了激光投影技术（图 1-a），以在各种应用中协助传统装配方法和硬制造模板。头戴式投影仪是另一种有趣的制造应用 AR 技术。ARKIVA 项目使用该技术作为解决方案，以取代传统的使用说明书，并为飞机维护提供额外的当前流程相关信息（图1-b）[ FJS02 ]。在同一类别中，UDset 的概念（图 1-c）用于在铺层制造过程中投影图形模板，以确定复合布的位置和方向 [ CM92 ]。空间增强现实 (SAR) 是另一种技术，它使用数据投影仪将计算机生成的虚拟对象直接叠加到物理对象表面上。(图 1-d) 显示了 [ ZLT ∗ 12 ] 提出的此类技术在汽车行业点焊检测中的应用。[ OGL08 ] 利用投影 SAR 的概念来帮助操作员面对工业 CNC 机器 (图 1-e)。借助 ASTOR 系统，操作员可以通过全息光学元件查看机器操作，该元件由 PC 驱动的投影仪的立体图像照亮。该设置允许 3D 注释出现在工作区中，从而通过相关信息增强操作员对过程的视图。由于投影 AR 解决方案的优势和成熟度，CentrelineDesign 公司 [Cen14] 提出了一种商业工具，用于在飞机部件上提供精确的投影，例如焊接线或点，让用户快速轻松地显示物体上的正确位置（图1-f）。
检测复杂的建筑物形状...
由于遥感领域提供了新的传感器和技术来积累城市区域的数据，这些区域的三维表示在各种应用中引起了很大的兴趣。三维城市区域表示可用于详细的城市监测、变化和损坏检测目的。为了获得三维表示，最简单和最便宜的方法之一是使用数字高程模型 (DEM)，它是使用立体视觉技术从非常高分辨率的立体卫星图像生成的。不幸的是，在应用 DEM 生成过程后，我们无法直接获得三维城市区域表示。在仅使用一个立体图像对生成的 DEM 中，通常噪声、匹配误差和建筑物墙壁位置的不确定性非常高。这些不良影响增加了三维表示的复杂性。因此，自动 DEM 增强是一个开放且具有挑战性的问题。为了增强 DEM，我们在此提出了一种基于建筑物形状检测的方法。我们使用慕尼黑的 DEM 和正射全色 Ikonos 图像来解释我们的方法。在对 DEM 和 Ikonos 图像进行预处理后，我们对 DEM 应用局部阈值来检测建筑物等高城市物体的大致位置。为了检测复杂的建筑物形状，我们开发了之前的矩形形状检测（箱体拟合）算法。不幸的是，我们研究区域中的建筑物形状非常复杂。我们假设可以通过像链条一样拟合小矩形来检测这些复杂建筑物的形状。因此，我们将检测到的建筑物分成细长的子部分。然后，我们将之前的矩形形状检测算法应用于这些子部分。在形状检测中，我们考虑 Ikonos 图像的 Canny 边缘以适应矩形框。合并所有检测到的矩形后，我们可以检测甚至非常复杂的建筑结构的形状。最后，使用检测到的建筑物形状，我们在 DEM 中细化建筑物边缘并平滑建筑物屋顶上的噪声。我们相信实施的增强功能不仅可以提供更好的视觉三维城市区域表示，而且还将导致详细的变化和损坏调查。
正射影像调查的区域航空图像能否生成高质量的摄影测量冠层高度模型？西欧的单树方法
需要森林监测工具来促进有效的、数据驱动的森林管理和森林政策。遥感技术可以提高森林监测的速度和成本效益，以及大规模森林属性制图（墙到墙方法）。数字航空摄影测量 (DAP) 是一种常见的、具有成本效益的机载激光扫描 (ALS) 替代方案，它可以基于常规获取的用于一般基础地图的航空照片。基于此类预先存在的数据集的 DAP 可以成为具有成本效益的大规模 3D 数据源。在森林特征描述方面，当有高质量的数字地形模型 (DTM) 时，DAP 可以生成描述树冠高度的摄影测量冠层高度模型 (pCHM)。虽然这种潜力似乎非常明显，但很少有研究调查过基于标准官方航空调查获得的航空立体图像的区域 pCHM 质量。我们的研究建议使用参考测量的树高数据库，根据按照此类协议获取的原始图像评估 pCHM 单个树高估计的质量。为了进一步确保该方法的可复制性，pCHM 树高估计基准仅依赖于公共森林清单 (FI) 信息，而摄影测量协议则基于低成本且广泛使用的摄影测量软件。此外，我们的研究调查了基于 FI 程序提供的邻近森林参数的 pCHM 树高估计之间的关系。我们的结果强调了使用 DAP 的 pCHM 提供的树高估计与现场测量和 ALS 树高数据具有良好的一致性。在树高建模方面，我们的 pCHM 方法与应用于 ALS 树高估计的相同建模策略得到的结果相似。我们的研究还确定了 pCHM 树高估计误差的一些驱动因素，并发现树木大小（胸高直径）和树木类型（常绿/落叶）等森林参数以及地形地貌（坡度）比图像调查参数（如重叠变化或数据集中的日照条件）更重要。结合 pCHM 树高估计，地形坡度、胸高直径 (DBH) 和常绿因子用于拟合预测实地测量树高的多元模型。文献中很少涉及这些方面，进一步的研究应侧重于如何将 pCHM 方法整合起来，以改进使用 DAP 和 pCHM 的森林表征。在 r²（0.90 VS 0.87）和均方根误差（RMSE，1.78 VS 2.01 m）方面，该模型比将 pCHM 估计值与实地树高估计值联系起来的模型表现出更好的性能。我们的有希望的结果可用于鼓励使用区域航空正射影像调查档案以非常低的额外成本生成大规模优质树高数据，特别是在更新国家森林资源清查计划的背景下。
来自正射影像调查的区域航空图像能否产生高质量的摄影测量冠层高度模型？西欧的单树方法
需要森林监测工具来促进有效的、数据驱动的森林管理和森林政策。遥感技术可以提高森林监测的速度和成本效益，以及大规模森林属性制图（墙到墙方法）。数字航空摄影测量 (DAP) 是一种常见的、具有成本效益的机载激光扫描 (ALS) 替代方案，它可以基于常规获取的用于一般基础地图的航空照片。基于此类预先存在的数据集的 DAP 可以成为具有成本效益的大规模 3D 数据源。在森林特征描述方面，当有高质量的数字地形模型 (DTM) 时，DAP 可以生成描述树冠高度的摄影测量冠层高度模型 (pCHM)。虽然这种潜力似乎非常明显，但很少有研究调查过基于标准官方航空调查获得的航空立体图像的区域 pCHM 质量。我们的研究建议使用参考测量的树高数据库，根据按照此类协议获取的原始图像评估 pCHM 单个树高估计的质量。为了进一步确保该方法的可复制性，pCHM 树高估计基准仅依赖于公共森林清单 (FI) 信息，而摄影测量协议则基于低成本且广泛使用的摄影测量软件。此外，我们的研究调查了基于 FI 程序提供的邻近森林参数的 pCHM 树高估计之间的关系。我们的结果强调了使用 DAP 的 pCHM 提供的树高估计与现场测量和 ALS 树高数据具有良好的一致性。在树高建模方面，我们的 pCHM 方法与应用于 ALS 树高估计的相同建模策略得到的结果相似。我们的研究还确定了 pCHM 树高估计误差的一些驱动因素，并发现树木大小（胸高直径）和树木类型（常绿/落叶）等森林参数以及地形地貌（坡度）比图像调查参数（如重叠变化或数据集中的日照条件）更重要。结合 pCHM 树高估计，地形坡度、胸高直径 (DBH) 和常绿因子用于拟合预测实地测量树高的多元模型。文献中很少涉及这些方面，进一步的研究应侧重于如何将 pCHM 方法整合起来，以改进使用 DAP 和 pCHM 的森林表征。该模型在 r²（0.90 VS 0.87）和均方根误差（RMSE，1.78 VS 2.01 m）方面比将 pCHM 估计值与实地树高估计值联系起来的模型表现出更好的性能。我们的有希望的结果可用于鼓励使用区域航空正射影像调查档案以非常低的额外成本生成大规模优质树高数据，特别是在更新国家森林资源清查计划的背景下。
2020 年 5 月 20 日项目 188-1504-R0520 授权授予 Jeffrey Braun 计算机科学名誉教授称号 - 蒙大拿理工学院
Jeff Braun 在科罗拉多州长大，在科罗拉多矿业学院学习地球物理工程，因为这门课程结合了他两个主要的兴趣——地质学和计算机——他于 1986 年在该学院获得学士学位。1989 年在犹他大学获得地球物理学硕士学位后，他在加利福尼亚州和路易斯安那州的石油行业工作了五年多。1995 年，他回到落基山地区，开始攻读第二个硕士学位，这次是在蒙大拿大学攻读计算机科学专业。他于 1998 年获得计算机科学硕士学位，并于 1998 年开始在蒙大拿理工大学担任研究助理，并于 2001 年开始全职教授计算机科学。2002 年，Jeff 成为计算机科学系的终身教职教员。Jeff 的研究兴趣包括科学数据可视化、高性能计算、数据结构、算法和系统。 2001 年，在加入蒙大拿理工学院并开发 OpendDX 软件后不久，他与 David Thompson 和 Ray Ford 共同编写了该软件的用户手册 / 文本《OpenDX：可视化之路》。OpenDX 可以对机械齿轮或人脑等复杂领域进行 3D 可视化。Jeff 参与了落基山超级计算中心的建立和运营，并从 2009 年开始担任州长经济发展办公室超级计算研究的首席研究员。从那时起，2012 年，他和 David Hobbs 在蒙大拿理工学院建立了高性能计算集群，这是一个拥有 20 节点和 25 TB 存储空间的计算集群。整个蒙大拿理工学院的研究人员都在使用这种高性能系统，Jeff 指导应用科学家 Bowen Deng，后者负责协助研究人员利用计算设施。Jeff 还在设置可视化墙方面发挥了重要作用，可视化墙允许用户通过立体图像进行虚拟现实交互。当 Jeff 自愿成为该部门的 MUS 可转移性计划代表时，他帮助我们与全州的机构标准化课程设置和数量。他仍然是课程等效问题的专家。Jeff 于 2011 年秋季接任计算机科学系系主任，并一直担任该职位直到 2015 年秋季。在他担任系主任期间，CS 系在他的领导下取得了长足的发展。当 Greg Gianforte 宣布 CodeMontana 计划时，Jeff 与当时的校长 Don Blackketter 合作在蒙大拿理工学院设立了 CodeMontana 奖学金。结果，系教职员工提出了一项提案，让 Gianforte 家族基金会为该部门资助一个外展职位，该提案得到了资助，并成功增加了该部门的入学人数。