18,99 €
Bachelorarbeit aus dem Jahr 2024 im Fachbereich Informatik - Angewandte Informatik, Note: 2.0, Bauhaus-Universität Weimar, Sprache: Deutsch, Abstract: Die vorliegende Arbeit verfolgt das übergeordnete Ziel Photogrammetrie und Laser Scans für die neuronalen Strahlenfelder zu kombinieren. Dabei liegt der Fokus auf der Untersuchung, wie die Einbettung von Tiefeninformationen Möglichkeiten erschafft, präzisere und detailreichere dreidimensionale Modelle zu erzeugen. Um dieses Ziel zu verwirklichen, werden drei spezifische Schwerpunkte gesetzt. Der erste Schwerpunkt liegt auf dem Vergleich der 3D-Rekonstruktion der-selben Szenen durch NeRF, sowohl mit als auch ohne Einbeziehung von Tiefenwerten. Diese Gegenüberstellung erfolgt durch die Anwendung quantitativer Metriken wie Peak Signal-to-Noise Ratio (PSNR), Structural Similarity Index (SSIM) und Learned Perceptual Image Patch Similarity (LPIPS), um qualitative Unterschiede zu quantifizieren. Auf diese Weise wird eine detaillierte Analyse ermöglicht, und die Qualität der Rekonstruktionen kann anhand objektiver Maßstäbe verglichen werden. Inwiefern kann die Verwendung von Tiefeninformationen den Rekonstruktionsprozess mit NeRFs verbessern? Der zweite Schwerpunkt liegt darauf, synthetische Laserscans zu erstellen, welche keine perfekten Tiefeninformationen für alle Pixel im Bild liefern können. Inwiefern verändern sich die Ergebnisse, wenn wir simuliert schlechtere, aber realistischere Tiefeninformationen für den Rekonstruktionsprozess verwenden? Der dritte und finale Schwerpunkt liegt auf der Anwendung von real aufgenommenen Daten. Vorher wurden alle Szenen in der 3D-Modellierungssoftware Blender erstellt. Inwiefern können die Laserscan-Daten mit den aufgenommenen Bilddaten kombiniert werden, um ein besseres Rekonstruktionsergebnis zu erzeugen? Alle diese Schwerpunkte zusammen sollen die zentrale Frage beantworten: Ob und inwiefern kann der Rekonstruktionsprozess von neuronalen Strahlenfeldern mit Hilfe von Tiefenkarten verbessert werden?
Das E-Book können Sie in einer beliebigen App lesen, die das folgende Format unterstützt: