se.moevm.info

User Tools

Site Tools

You are here: МОЭВМ Вики » Курсы » Пространственный искусственный интеллект

Sidebar

Old

courses:spatial_ai

Table of Contents

Пространственный искусственный интеллект

Общая информация

Практика

Общая идея - строим модели / облака точек по датасетам с дронов (через OpenDroneMap) и анализируем / обрабатываем результат.

Инструменты:

Общая постановка задачи:

  1. Создайте программу, которая для указанного датасета выполняет последовательно несколько операций (перечислены ниже в списке вариантов).
  2. Работа программы обернута в Docker.
  3. Результат загружаем отдельной веткой и PR в репозиторий.
  4. Промежуточные и итоговые модели / облака точек загрузите на https://sketchfab.com
  5. Примеры работы вашего задания, инструкцию по запуску и иллюстрации работы каждого из этапов необходим собрать в отчет (docx/odt + pdf)

Варианты заданий.

Номер Для кого Датасет Что делать с датасетом Как обработать результаты
1 Индивидуально banana Построить облако точек и 3d модель Сделать параметризованное загрубление модели (понизить количество полигонов в зависимости от значения параметра - степени)
Зашить отверстия в подставке и бананах, обрезать подставку
Сделать зашумление подставки
Вычислить объем бананов
2 Индивидуально Conch Построить облако точек и 3d модель Зашить отверстия в модели
Перетекстурировать модель (цвета полигонов пропорциональны их относительному размеру, от зеленого до красного)
Сделать модуль, который по модели находит все полигоны размером больше Н, группирует и находит координаты + id всех снимков, между которыми находятся эти проблемные участки
Зашумить модель
3 Индивидуально boruszyn Построить облако точек и 3d модель, сделать привязку к координатам Идентифицировать и вычислить площадь отверстий в модели
Зашить отверстия
Используя данные геопривязки, перетекстурировать модель (цвета полигонов пропорциональны их высоте над уровнем моря, от зеленого до красного)
Загрубить области полигонов, где модель ниже определенной высоты
4 Индивидуально seneca Построить облако точек и 3d модель, сделать привязку к координатам Загрубить все области, которые не являются полями (использовать данные по текстурам)
Посчитать площадь полей
С помощью RANSAC идентифицировать дороги
Зашить край модели
5 Группа aukerman Построить облако точек и 3d модель, сделать привязку к координатам Зашить отверстия
Идентифицировать лес, посчитать его объем
Зашить край модели
Построить маршрут облета вокруг леса так, чтобы воображаемый дрон сумел достаточно подробно его сфотографировать
6 Группа caliterra Построить облако точек и 3d модель, сделать привязку к координатам Зашить отверстия
Идентифицировать через RANSAC все тюки
Идентифицировать деревья
Реализовать вычисление площади всех областей, которые лежат ниже определенной высоты
7 Группа sance Построить облако точек и 3d модель, сделать привязку к координатам Зашить отверстия
Загрубить модель
Идентифицировать ров
Вычислить длину и объем рва
8 Группа toledo Построить облако точек и 3d модель, сделать привязку к координатам Идентифицировать деревья
Идентифицировать дома
Идентифицировать дороги
Посчитать объемы домов и деревьев
9 Индивидуально https://github.com/OpenDroneMap/odm_data_copr/tree/master Построить облако точек и 3d модель, сделать привязку к координатам Зашить отверстия, Загрубить модель, Зашумить модель, Перетекститурировать модель (цвет пропорционален площади полигона)

Оценка

Балльная система 0-10 баллов.

Задание оценивается следующим образом:

  • 2 балла Создан корректный PR, есть dockerfile, отчет
  • 2 балла Приложение запускается через докер, выполняет построение облака точек и 3d-модели
  • 2 балла Выполнена половина заданий из “Обработки результатов”
  • 2 балла Выполнена вторая половина заданий из “Обработки результатов”
  • 2 балла Решение “Обработки результатов” сделано в обобщенной форме (минимальный хардкод)

Всем, кто выполнить первые два пункта из списка выше до 01.12.2022, +1 балл к рейтингу

Дедлайн последней отправки - 10:00 по Москве 20.12.2022. Всем, кто присылает позднее -1 балл к рейтингу

Критерии выставления оценок

  • Отлично >= 9 баллов
  • Хорошо >= 7 баллов
  • Удовлетворительно >= 4 баллов
courses/spatial_ai.txt · Last modified: 2022/12/10 09:08 (external edit)