خلاصه
کلید واژه ها:
تحصیلات مهندسی ; دوخت تصویر ؛ فناوری اطلاعات ؛ چند رسانه ای ؛ پانوراما
1. معرفی
2. آثار مرتبط
2.1. پانوراما
2.2. واقعیت مجازی (VR)
2.3. آموزش با فناوری اطلاعات
2.4. خلاصه
3. مواد و روشها
3.1. تصویربرداری
3.2. دوخت تصویر
3.2.1. هموگرافی
Kolor Autopano با استفاده از الگوریتم تبدیل ویژگی تغییرناپذیر مقیاس (SIFT) نقاط ویژگی را استخراج، مطابقت و تبدیل می کند [ 10]]. ویژگی های استخراج شده با استفاده از این تکنیک نسبت به چرخش و مقیاس بندی تصویر و همچنین تغییرات در مقادیر خاکستری تغییر نمی کند. چهار مرحله اصلی وجود دارد، از جمله (الف) تشخیص افراطی در مقیاس، (ب) محلی سازی نقطه کلید، (ج) تخصیص جهت و (د) توصیف کننده نقطه کلید. نتایج تشخیص نقاط مورد علاقه به عنوان کاندیدای نقطه کلیدی در مرحله تشخیص افراطی فضای مقیاس نامیده می شود. از فیلتر گاوسی برای انحراف در مقیاس های مختلف استفاده شد و تفاوت تصاویر گاوسی تار به دست آمد. نقاط کلیدی حداکثر و حداقل تفاوت گاوسی ها (DoG) بیشتر در مقیاس های چندگانه استخراج می شوند. یک تصویر DoG (D) با معادله (1) ارائه می شود، که در آن L نشان دهنده پیچیدگی تصویر اصلی (x,y) با تاری گاوسی در مقیاس kσ است. k و σ به ترتیب ضریب مقیاس و انحراف معیار تاری گاوسی را نشان می دهند. مرحله دوم، بومی سازی نقاط کلیدی است. تشخیص اکسترمای فضایی مقیاس ممکن است تعداد زیادی کاندیدای نقطه کلیدی ناپایدار ایجاد کند. این مرحله برازش داده های نزدیک برای مکان دقیق با در نظر گرفتن مقیاس و نسبت انحناهای اصلی است. برای تخصیص جهت نقاط کلیدی، جهتهای گرادیان تصویر محلی در دستیابی به تغییرناپذیری به چرخش با معادلات (2) و (3) تعیین شدند، که در آن θ و m به ترتیب جهتگیری و بزرگی گرادیان را نشان میدهند. در نهایت، تغییر ناپذیری به مکان، مقیاس، و چرخش تصویر توسط همسایگی پیکسل و آمار مبتنی بر هیستوگرام بررسی شد. جزئیات مربوطه در تحقیق Lowe [ تشخیص اکسترمای فضایی مقیاس ممکن است تعداد زیادی کاندیدای نقطه کلیدی ناپایدار ایجاد کند. این مرحله برازش داده های نزدیک برای مکان دقیق با در نظر گرفتن مقیاس و نسبت انحناهای اصلی است. برای تخصیص جهت نقاط کلیدی، جهتهای گرادیان تصویر محلی در دستیابی به تغییرناپذیری به چرخش با معادلات (2) و (3) تعیین شدند، که در آن θ و m به ترتیب جهتگیری و بزرگی گرادیان را نشان میدهند. در نهایت، تغییر ناپذیری به مکان، مقیاس، و چرخش تصویر توسط همسایگی پیکسل و آمار مبتنی بر هیستوگرام بررسی شد. جزئیات مربوطه در تحقیق Lowe [ تشخیص اکسترمای فضایی مقیاس ممکن است تعداد زیادی کاندیدای نقطه کلیدی ناپایدار ایجاد کند. این مرحله برازش داده های نزدیک برای مکان دقیق با در نظر گرفتن مقیاس و نسبت انحناهای اصلی است. برای تخصیص جهت نقاط کلیدی، جهتهای گرادیان تصویر محلی در دستیابی به تغییرناپذیری به چرخش با معادلات (2) و (3) تعیین شدند، که در آن θ و m به ترتیب جهتگیری و بزرگی گرادیان را نشان میدهند. در نهایت، تغییر ناپذیری به مکان، مقیاس، و چرخش تصویر توسط همسایگی پیکسل و آمار مبتنی بر هیستوگرام بررسی شد. جزئیات مربوطه در تحقیق Lowe [ جهتهای گرادیان تصویر محلی در دستیابی به تغییر ناپذیری چرخش با معادلات (2) و (3) تعیین شدند، که در آن θ و m به ترتیب جهتگیری و بزرگی گرادیان را نشان میدهند. در نهایت، تغییر ناپذیری به مکان، مقیاس، و چرخش تصویر توسط همسایگی پیکسل و آمار مبتنی بر هیستوگرام بررسی شد. جزئیات مربوطه در تحقیق Lowe [ جهتهای گرادیان تصویر محلی در دستیابی به تغییر ناپذیری چرخش با معادلات (2) و (3) تعیین شدند، که در آن θ و m به ترتیب جهتگیری و بزرگی گرادیان را نشان میدهند. در نهایت، تغییر ناپذیری به مکان تصویر، مقیاس و چرخش توسط همسایگی پیکسل و آمار مبتنی بر هیستوگرام بررسی شد. جزئیات مربوطه در تحقیق Lowe [34 ].
پس از تعیین نقاط اتصال، مختصات همگن برای تولید یک ماتریس 3 × 3 (H) استفاده شد که ترجمه فضایی، مقیاسبندی و چرخش نقاط ویژگی را در تصاویر مختلف توصیف میکند. اگر مجموعه نقاط مشخصه یک تصویر (x,y,1) و تصویر دیگری (x’,y’,1) باشد، رابطه نگاشت بین نقاط پیوند دو تصویر H است. این رابطه را می توان با استفاده از معادله (4)، که در آن H باید محاسبه شود. حداقل چهار جفت نقطه تساوی برای محاسبه H [ 35] مورد نیاز است]. با این حال، درجه آزادی باید صفر و یک راه حل منحصر به فرد باشد. در عمل، اغلب از بیش از چهار جفت نقطه تساوی استفاده می شود که منجر به درجه آزادی > 0 می شود. بنابراین، مسابقه با حداقل خطا باید مشخص شود. این فرآیند به بهینه سازی معروف است. Kolor Autopano از الگوریتم تصادفی نمونه تصادفی (RANSAC) استفاده می کند، همانطور که در رابطه (5) نشان داده شده است، تا خطاهای بین H و تمام نقاط پیوند را به حداقل برساند [ 10]]. به طور خاص، اجماع نمونه تصادفی بهطور تصادفی نقاط پیوند را بهعنوان موارد درونی برای محاسبه ماتریس H و ارزیابی خطاهای بین ماتریس و سایر نقاط پیوند انتخاب میکند. متعاقباً، این نقاط کراوات قبل از تجدید اینلیگرها به دو قسمت داخلی و پرت تقسیم می شوند. فرآیند مذکور تا زمانی که ماتریس H با حداقل خطا به دست آید تکرار می شود و به عنوان راه حل بهینه عمل می کند. تعداد تکرار (N) در رابطه (5) برای اطمینان از اینکه احتمال p (معمولاً 0.99 تنظیم میشود) و حداقل یکی از مجموعههای نمونههای تصادفی، خروجی را حذف میکنند، انتخاب میشود. اجازه دهید u احتمال اینکه نقطه داده انتخابی یک عدد درونی است، و v = 1 – u احتمال مشاهده نقطه پرت را نشان دهید. N تکرار از حداقل تعداد نقاط نشان می دهد که m مورد نیاز است.
3.2.2. تاب برداشتن و ترکیب تصویر
مختصات یک تصویر (x,y) و مختصات پیش بینی شده روی یک کره (x,y,f) باشد. سیستم مختصات کروی به صورت (r,θ,φ) نمایش داده میشود، جایی که r نشاندهنده فاصله بین مرکز کره و هدف است، θ زاویه موجود بین r و نقطه اوج (محدوده = [0، π]) و φ است. نشان دهنده زاویه موجود بین خط طرح ریزی صفحه r و محور X (محدوده = [0, 2π]). سیستم مختصات کروی نیز می تواند به یک سیستم مختصات دکارتی تبدیل شود. بر این اساس، تبدیل بین تصویر و سیستم مختصات کروی را می توان با استفاده از رابطه (6) توصیف کرد. با تبدیل سیستم مختصات کروی به سیستم دکارتی و اجرای هموگرافی، به تاب برداشتن تصویر رسیدیم.
3.2.3. ارزیابی دقت
سپس از Kolor Autopano برای محاسبه ریشه میانگین مربعات خطا (RMSEs) تصاویر پانورامای دوخته شده استفاده شد، همانطور که در معادله (7) نشان داده شده است، که در آن N تعداد نقاط پیوند را نشان می دهد. مقدار RMSE حاصل در این مطالعه نشان دهنده فاصله پیکسلی (Diff) بین نقاط اتصال [ 37 ] است. مقدار کمتر از 5 پیکسل نشان دهنده کیفیت مطلوب دوخت است. برعکس، مقدار ≥ 5 نشان دهنده کیفیت نامطلوب و احتمال عدم تطابق است. در چنین مواقعی باید نقاط تساوی بررسی شود.
3.3. تور مجازی با VR
3.4. پرسشنامه طراحی شده
- Q1.
-
پس از استفاده از صفحات وب تور مجازی، در مقایسه با سناریویی که فقط یک مقدمه توسط مدرس ارائه می شود، آیا می توانید اهداف نقشه برداری در محوطه دانشگاه را راحت تر شناسایی کنید؟
- Q2.
-
آیا از طراحی کلی صفحه وب راضی هستید؟
- Q3.
-
آیا به تحقیق در مورد دوره های عملی نقشه برداری که از فناوری پانوراما و VR استفاده می کنند علاقه مند هستید؟
- Q4.
-
آیا دوره هایی را دوست دارید که فناوری اطلاعات را در خود جای دهند (مثلاً آموزش الکترونیکی)؟
4. نتایج
4.1. تنظیمات دوربین
4.2. سایت و مسیرهای مطالعه
4.3. پلتفرم توسعه یافته
4.3.1. دوخت تصویر
4.3.2. صفحه وب و تور مجازی
4.3.3. تظاهرات
4.4. نتایج مبتنی بر پرسشنامه
5. بحث
5.1. حالت های گرفتن
5.2. مشارکت ها، مقایسه و محدودیت ها
-
طراحی نمونه برای آزمون های آماری:
- –
-
آزمون تفاوت نمرات نهایی بین گروه های دانش آموزی با روش مبتنی بر فناوری اطلاعات (فناوری اطلاعات) و بدون روش مبتنی بر فناوری اطلاعات.
- –
-
گروه بندی نمونه ها بر اساس پیشینه دانش آموزان نمونه.
-
درخواست جنبه های بیشتر برای ارزیابی جامع:
- –
-
“آیا این را به دوستان و همکاران خود توصیه می کنید؟” به دنبال آن “چه نکاتی را توصیه می کنید/توصیه نمی کنید؟”
- –
-
“چه مدت طول کشید تا برنامه مبتنی بر فناوری اطلاعات را تکمیل کنید؟”
- –
-
“آیا تور مجازی یکپارچه/راحتی شما را راهنمایی می کند؟”
- –
-
“آیا تور مجازی به اندازه کافی دنیای واقعی را نشان می دهد؟”
-
مقایسه و بررسی مشکلات یادگیری مبتنی بر فناوری اطلاعات و سنتی.
6. نتیجه گیری
منابع
- AIR-360. در دسترس آنلاین: https://www.youtube.com/watch?v=W3OWKEtVtUY (در 30 سپتامبر 2020 قابل دسترسی است).
- Super 720. موجود آنلاین: https://super720.com/?page_id=8603 (در 30 سپتامبر 2020 قابل دسترسی است).
- لورک، دی. Horbinski, T. نقشه وب تعاملی توسعه تقاطع آزادراه اروپایی A1/A4 با استفاده از منبع نقشهبرداری آرشیوی. ISPRS Int. J. GeoInf. 2020 ، 9 ، 438. [ Google Scholar ] [ CrossRef ]
- سیبولسکی، پ. Horbinski, T. تجربه کاربر در استفاده از رابط های گرافیکی کاربر نقشه های وب. ISPRS Int. J. GeoInf. 2020 ، 9 ، 412. [ Google Scholar ] [ CrossRef ]
- کاتو، ی. Yamamoto, K. یک سیستم توصیه مکان دیدنی که تعداد بازدید کاربران را در نظر می گیرد. ISPRS Int. J. GeoInf. 2020 ، 9 ، 411. [ Google Scholar ] [ CrossRef ]
- ویلبسکی، ال. مدینسکا-گولیج، بی. هالیک، ال. دیکمن، اف. ویژگیهای زمانی، فضایی و توصیفی مسیرهای عابر پیاده در مجموعه تجسمها. ISPRS Int. J. GeoInf. 2020 ، 9 ، 348. [ Google Scholar ] [ CrossRef ]
- مدینسکا-گولیج، بی. ویلبسکی، ال. هالیک، ال. Smaczynski، M. سطح پیچیدگی افراد در حال جمع آوری ارائه بر روی نقشه متحرک – اثربخشی هدف در مقابل نظر متخصص. ISPRS Int. J. GeoInf. 2020 ، 9 ، 117. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- لو، سی.-سی. مطالعه ای در مورد دستورالعمل های کامپیوتری برای تمرین نقشه برداری مهندسی. پایان نامه کارشناسی ارشد، دانشگاه ملی تایوان، تایپه، تایوان، 2009. [ Google Scholar ]
- پانوس. در دسترس آنلاین: https://www.panosensing.com.tw/2018/03/28/faq6/ (در 30 سپتامبر 2020 قابل دسترسی است).
- ژنگ، جی. ژانگ، ز. تائو، کیو. شن، ک. Wang, Y. تولید پانورامای چند ردیفی دقیق با استفاده از دوخت مشترک چند نقطه. دسترسی IEEE 2018 ، 6 ، 27827–27839. [ Google Scholar ] [ CrossRef ]
- چن، P.-Y. Tseng، Y.-T. جستجوی خودکار نقطه مزدوج تصاویر پانورامای کروی. J. Photogram. Remote Sens. 2019 , 24 , 147–159. [ Google Scholar ]
- تئو، T.-A. چانگ، سی.-ای. تولید ابرهای نقطه سه بعدی از تصاویر پانورامای کروی و استوانه ای. J. Photogram. Remote Sens. 2018 , 23 , 273–284. [ Google Scholar ]
- Laliberte، AS; زمستان، سی. Rango، A. روشی برای تصحیح تصویر با وضوح زیر دسی متری به دست آمده با یک وسیله نقلیه هوایی بدون سرنشین (UAV). در مجموعه مقالات کنفرانس سالانه ASPRS، پورتلند، OR، ایالات متحده آمریکا، 28 آوریل تا 2 مه 2008. [ Google Scholar ]
- وروزینسکی، آر. پیزنی، ک. Sojka، M. ارزیابی کمی منظر با استفاده از LiDAR و تصاویر پانوراما 360 درجه ارائه شده است. Remote Sens. 2020 , 12 , 386. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- هوانگ، تی سی؛ Tseng، Y.-H. موقعیت یابی داخلی و ناوبری بر اساس کنترل تصاویر پانورامای کروی. J. Photogram. Remote Sens. 2017 , 22 , 105–115. [ Google Scholar ]
- کوهل، م. Brigand، N. ترکیبی از تورهای مجازی، مدل سه بعدی و داده های دیجیتال در یک دانش باستان شناسی سه بعدی و سیستم اطلاعاتی. در مجموعه مقالات کنگره XXII ISPRS، ملبورن، استرالیا، 25 اوت تا 1 سپتامبر 2012. [ Google Scholar ]
- لی، آی.-سی. Tsai, F. کاربردهای تصاویر پانوراما: از پانورامای 720 درجه تا مدل های داخلی سه بعدی واقعیت افزوده. در مجموعه مقالات مدلسازی، نقشهبرداری و ناوبری بدون درز داخلی و خارجی، توکیو، ژاپن، 21 تا 22 مه 2015. [ Google Scholar ]
- کوسادا، ای. هارمن، جی. قدمی فراتر در ارتقای دیجیتال هنر سنگ. DStretch در تصویربرداری گیگاپیکسلی. رقم. Appl. آرکائول. فرقه Heritage 2019 , 13 , e00098. [ Google Scholar ] [ CrossRef ]
- بکر، ن. دشموک، ع. ساپالیگا، پ. Doulatramani، Y. تور مجازی پردیس. IJARCET 2017 ، 6 ، 444-448. [ Google Scholar ]
- دنیس، جی آر. Kansky, RJ Electronic Slices of Reality: نقش آموزشی شبیه سازی های کامپیوتری. در محاسبات آموزشی: راهنمای بازیگری برای مربیان ؛ Foresman: Glenview, IL, USA, 1984; 256p. [ Google Scholar ]
- Burdea, G. سیستم ها و برنامه های واقعیت مجازی. در Electro/93 رکورد کنفرانس بین المللی ; ادیسون: میدلسکس، نیوجرسی، ایالات متحده آمریکا، 1993; 504p. [ Google Scholar ]
- گوپتا، آر. گوشت بره.؛ هنگ، جی.-ای. Ong، Z.-T. گان، W.-S. چونگ، SH. تنظیم ضبط و بازتولید صوتی VR/AR سه بعدی Feng, J. برای شنیدن صداها. در مجموعه مقالات بیست و چهارمین کنگره بین المللی صدا و ارتعاش، لندن، بریتانیا، 23 تا 27 ژوئیه 2017. [ Google Scholar ]
- شامبور، ق. فراهات، س. حورانی، م. پیادهسازی فناوریهای موبایل در آموزش عالی: اپلیکیشن موبایلی برای مشاوره دورههای دانشگاهی. J. فناوری اینترنت. 2018 ، 19 ، 1327–1337. [ Google Scholar ]
- وو، ز.-اچ. زو، ز.-ت. Chang, M. مسائل طراحی مجموعه ابرداده های چندرسانه ای آموزشی بر اساس ویژگی ها و نیازهای آموزشی. J. فناوری اینترنت. 2011 ، 12 ، 685-698. [ Google Scholar ]
- حسیه، م.-سی. چن، اس.-اچ. سیستم آموزشی واقعیت افزوده هوش برای آموزش و یادگیری ریاضیات. J. فناوری اینترنت. 2019 ، 20 ، 1673-1681. [ Google Scholar ]
- لین، سی.-ال. چیانگ، JK استفاده از مدل 6E در فعالیتهای آموزشی STEAM برای بهبود رضایت از یادگیری دانشجویان دانشگاه: موردی از طراحی خلاقانه عصای هوشمند IoT در سالمندان توسعه. J. فناوری اینترنت. 2019 ، 20 ، 2109–2116. [ Google Scholar ]
- لی، جی. اثربخشی شبیه سازی آموزش مبتنی بر کامپیوتر: یک متاآنالیز. بین المللی J. دستور دهید. رسانه 1999 ، 26 ، 71-85. [ Google Scholar ]
- برنتون، اچ. هرناندز، جی. بلو، اف. استراتون، پی. پورکایااستا، س. فرث، تی. درزی، ع. استفاده از چند رسانه ای و وب سه بعدی برای تقویت آموزش آناتومی. محاسبه کنید. آموزش. 2007 ، 49 ، 32-53. [ Google Scholar ] [ CrossRef ]
- Vlahakis، V. یوآنیدیس، ن. کاریگیانیس، ج. تسوتروس، م. گوناریس، م. استریکر، دی. گلیو، تی. داهنه، پ. Almeida, L. Archeoguide: راهنمای واقعیت افزوده برای مکانهای باستانشناسی. محاسبات IEEE. نمودار. Appl. 2002 ، 22 ، 52-60. [ Google Scholar ] [ CrossRef ]
- امپراتور هنر. در دسترس آنلاین: https://www.eettaiwan.com/news/article/20161226NT22-MIC-Top-10-technology-trends-for-2017 (در 30 سپتامبر 2020 قابل دسترسی است).
- چائو، تی.-ف. مطالعه کاربرد واقعیت مجازی در آموزش آموزش – نمونه ای از آزمایش علمی VR. پایان نامه کارشناسی ارشد، اولین دانشگاه ملی علم و فناوری Kaohsiung، Kaohsiung، تایوان، 2009. [ Google Scholar ]
- چانگ، اس.-ای. تحقیق در مورد تاثیرات آموزش زبان انگلیسی با برنامه مهارت کامپیوتری پانورامیک سه بعدی. پایان نامه کارشناسی ارشد، دانشگاه ملی تاینان، تاینان، تایوان، 2018. [ Google Scholar ]
- لیائو، Y.-C. تحقیق در مورد استفاده از واقعیت مجازی برای افزایش عملکرد و انگیزه یادگیری دانش آموزان حرفه ای. پایان نامه کارشناسی ارشد، دانشگاه ملی علم و صنعت تایوان، تایپه، تایوان، 2019. [ Google Scholar ]
- Lowe، DG تشخیص شیء از ویژگیهای تغییرناپذیر مقیاس محلی. در مجموعه مقالات هفتمین کنفرانس بین المللی IEEE در بینایی کامپیوتری، کرکیرا، یونان، 20 تا 27 سپتامبر 1999. [ Google Scholar ]
- وانگ، جی. وو، QMJ؛ کالیبراسیون دوربین مبتنی بر معادله ژانگ، دبلیو کروپا از هموگرافی القا شده توسط هواپیما از راه دور. تشخیص الگو Lett. 2008 ، 29 ، 2137-2144. [ Google Scholar ] [ CrossRef ]
- ساخارکار، VS; تکنیکهای دوخت تصویر گوپتا، SR – یک مرور کلی. بین المللی جی. کامپیوتر. علمی Appl. 2013 ، 6 ، 324-330. [ Google Scholar ]
- زنگ، بی. هوانگ، Q. Saddik, AE; لی، اچ. جیانگ، اس. فن، X. پیشرفت در پردازش اطلاعات چند رسانه ای. در مجموعه مقالات نوزدهمین کنفرانس حاشیه اقیانوس آرام در چند رسانه ای، هفی، چین، 21 تا 22 سپتامبر 2018. [ Google Scholar ]
- Busch, DD Mastering Digital SLR Photography ; فناوری دوره: بوستون، MA، ایالات متحده آمریکا، 2005; 254p. [ Google Scholar ]
- وانگ، Y.-C. Shyu, MJ مطالعه روش تصحیح روشنایی برای نوردهی مختلف در بازسازی روشنایی صحنه. J. CAGST 2015 ، 271-284. [ Google Scholar ]
- لی، دی. شیائو، بی جی؛ Xia, JY عکاسی فول فریم با وضوح بالا از EAST برای تحقق نمایش پانورامای همهجانبه. مهندس فیوژن دس 2020 , 155 , 111545. [ Google Scholar ] [ CrossRef ]
- Ekpar، FE چارچوبی برای تورهای مجازی تعاملی. EJECE 2019 , 3 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- پردانا، د. ایران، هوش مصنوعی؛ منادی، ر. اجرای تور مجازی پردیس تحت وب جهت معرفی ساختمان دانشگاه تلکام. IJJSSST 2019 ، 20 ، 1-6. [ Google Scholar ] [ CrossRef ]
- تور پردیس مجازی سووارنو، NPM (ادراک دانشجو از محیط مجازی دانشگاه). جی. کریت. Rev. 2020 , 7 , 4964–4969. [ Google Scholar ]
- Walmsley، AP; Kersten، TP کلیسای جامع امپراتوری در Konigslutter (آلمان) به عنوان یک تجربه همه جانبه در واقعیت مجازی با عکاسی پانوراما 360 درجه یکپارچه. Appl. علمی 2020 ، 10 ، 1517. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- ماه، OBP; یان، ی. تان، JSY؛ تان، Y.-X. Tay، GQY; چیام، دی جی; وانگ، Y.-C. دین، ک. فنگ، سی.-سی. ایجاد یک تور مجازی برای حفظ میراث فرهنگی (غیر) ملموس معبد چینی تامپینز در سنگاپور. J. Cult. میراث. 2019 ، 39 ، 202-211. [ Google Scholar ] [ CrossRef ]















بدون دیدگاه