Opis zadania
Parametry i Wymagania
Wyniki: I kwartał projektu
Wyniki: II kwartał projektu
Wyniki: III kwartał projektu
Wyniki: IV kwartał projektu
Wyniki: V kwartał projektu
Wyniki: VI kwartał projektu
Wyniki: VII kwartał projektu
Wyniki: VIII kwartał projektu
Wizualizacje wyników
Opis wyników uzyskanych w III kwartale

Opis wyników uzyskanych w I kwartale 2011 roku (VI kwartale projektu)

W kolejnym szóstym etapie projektu kontynuowane były prace związane z digitalizacją biskwitów. Równocześnie prowadzone były badania związane z rozszerzeniem funkcjonalności oraz optymalizacją dotychczas zaproponowanych algorytmów przetwarzania danych pomiarowych. Ponadto w odpowiedzi na zapotrzebowanie wynikające bezpośrednio z prowadzonych prac przygotowane zostały kolejne rozwiązania programowe umożliwiające sprostanie zadaniom postawionym w projekcie.

W tym etapie zmierzonych zostało 8 eksponatów - biskwitów. Pomiary prowadzone były z zachowaniem założonej rozdzielczości pomiarowej - 1um oraz z niepewnością pomiarową - 5um.

Wykorzystanie w pełni możliwości oferowanych przez 64 bitowe systemy operacyjne wymagało przystosowania części z opracowywanych i stosowanych przez nas aplikacji do tego środowiska. W praktyce wiązało się to z implementacją wybranych algorytmów w 64 bitowym środowisku. Wybór padł na MS Visual Studio 2008R. Przy okazji migracji do tego środowiska gruntownemu przeglądowi uległ znaczny zakres opracowanego do tej pory oprogramowania. Zmieniona została w dużej mierze sama architektura oprogramowania. Obecnie składa się ono z modułów przygotowanych w postaci bibliotek DLL, które komunikują się za pośrednictwem formatu XML, co znacznie rozszerza możliwości przyszłej rozbudowy oprogramowania bez konieczności ingerencji w już zaimplementowane moduły, a ponadto daje łatwą możliwość implementacji przetwarzania danych z wykorzystaniem wielu komputerów połączonych w sieć.

Algorytmy opracowane do tej pory zostały zoptymalizowane i w wielu przypadkach zmodyfikowane lub wręcz zaimplementowane od nowa w celu umożliwienia ich pracy z wykorzystaniem komputerów wyposażonych w wielordzeniowe procesory. W konsekwencji udało się zredukować czas przetwarzania danych pomiarowych do około 30% czasu potrzebnego do analogicznych obliczeń z wykorzystaniem wcześniej proponowanych rozwiązań.

Jednym z nowych opracowań w tym etapie jest algorytm iteracyjnego dopasowania kolejno pozyskiwanych chmur punktów. Wykorzystuje on informacje o barwie przechowywanej w kierunkowych chmurach punktów - cICP (ang. color Iterative Closest Point). Zastosowanie algorytmów dopasowania iteracyjnego ma na celu eliminację ewentualnych błędów pozycjonowania kierunkowych chmur punktów. Błędy takie mogą występować z uwagi na skończoną dokładność pozycjonowania głowicy pomiarowej względem obiektu mierzonego. Stosowane do tej pory algorytmy iteracyjne bazowały jedynie na informacji o geometrii obiektu. Proponowane rozwiązanie jest szczególnie przydatne w przypadku obiektów o wolnozmiennym kształcie. Dobrym przykładem tego typu obiektu są powierzchnie ścian w Gabinecie Chińskim mierzone na początku projektu.

Rys. 1. Przykładowe pomiary z Gabinetu Chińskiego.

Rys. 2. Widoczne błędy pozycjonowania chmur punktów.

Rys. 3. Widoczne błędy pozycjonowania chmur punktów (powiększenie środkowej części rysunku 2).

W przypadku tego typu obiektów znacznie cenniejszą informację o właściwym pozycjonowaniu obiektu w przestrzeni daje wzajemne korelowanie informacji o jego barwie niż jego geometrii, która posiada relatywnie mało cech charakterystycznych.

Rys. 4. Dopasowane chmury punktów (obszar prezentowany na rys. 3).

Dla pomiarów prezentowanych na rysunku 1 zastosowanie typowego algorytmu dopasowania iteracyjnego wykorzystującego tylko informację o geometrii, jak i algorytmu korzystającego z wartości barwy obiektu doprowadzą do pożądanego rezultatu, jednakże efektywność algorytmu opartego na relacjach barwnych jest znacznie wyższa niż typowego rozwiązania.

W VI kwartale projektu opracowano dokumentację wieczystą dla 8 biskwitów. Dla jednego obiektu wykonano od 600 do 1400 pomiarów kierunkowych, a liczba punktów dla jednego obiektu wyniosła około 4-10 miliardów punktów. Poniżej przedstawiono obiekty, które zdigitalizowano w bieżącym etapie.

Rys. 5. Przykładowy obiekt pomiarowy.

Rys. 6. Przykładowy obiekt pomiarowy.

Rys. 7. Przykładowy obiekt pomiarowy.