Aproximace 3D modelu stromu z obrazových dat: Metody a Aplikace

Abstract

Tato bakalářská práce se zabývá možnými přístupy pro tvorbu ϥD modelů stromů, využitím fotogrammetrie a neuronových sítí. Teoretická část popisuje základní principy fotogrammetrie a neuronových sítí, se zaměřením na konvoluční neuronové sítě, které se využívají k analýze obrazových dat. Praktická část obsahuje postup pro aproximaci modelů stromů využitím metody fotogrammetrie v programech Regard ϥD a Reality Capture, a neuronových sítí aplikací modelů MiDaS. Výsledky ukazují, že metodou fotogrammetrie lze dosáhnou velmi kvalitních modelů obsahující většinu důležitých prvků stromu. Pokud tyto detailní prvky daná aplikace nevyžaduje, je možné v rámci úspory času použít k modelování model MiDaS.

This bachelor's thesis describes possible approaches for creating ϥD models of trees using photogrammetry and neural networks. The theoretical part is focused on the basic principles of photogrammetry and neural networks and is mainly focused on convolutional neural networks used for analyzing data from image. The practical part talks about results of approximated tree models using photogrammetry methods in the programs Regard ϥD and Reality Capture, as well as neural networks using MiDaS models. The results show that photogrammetry methods can achieve high-quality models containing most of the important elements of a tree. If these small details are not required for the specific application, the MiDaS model can be used for model approximation to save time.