====== Пространственный искусственный интеллект ======

===== Общая информация =====


  * [[https://docs.google.com/spreadsheets/d/1jIyijVOxg-P6qQe0fT-0a-zfNXJtYo-YrHPR4SjiV_E/edit#gid=0|Таблица успехов]]
  * [[https://drive.google.com/drive/folders/1sfFbpPmzOVJlzlfpXZMbThqLkfO7m7aT|Лекции]]
  * [[https://www.youtube.com/playlist?list=PLplYTvoIyfoqBKhjD316ncDHxs-2jnlNT|Записи лекций 2023]]
  * [[https://www.youtube.com/playlist?list=PLplYTvoIyforO_GC4wJWgx-_Arkf6SSSU|Записи лекций 2022]]
  * [[https://www.youtube.com/playlist?list=PLplYTvoIyfool4oRmF3wRj21SnoFT-oi2|Записи лекций 2021]]

===== Практика =====

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

Инструменты:
  * https://github.com/OpenDroneMap/ODM - инструмент для построения облаков / моделей и их привязки по координатам
  * https://github.com/OpenDroneMap/ODMdata - датасеты
  * https://github.com/leomariga/pyRANSAC-3D - поиск объектов


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



Варианты заданий.
^ Номер  ^ Датасет                                                    | **Что делать с датасетом**                                          | **Как обработать результаты**                                                                                                                                                                                                                                                                  |
| 1      | 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  |
| 2      | 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                                                                                                                 |
| 3      | 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                                                                                           |
| 4      | 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                                                                                                                    |
| 5      | sance                                                      | Построить облако точек и 3d модель, сделать привязку к координатам  | Зашить отверстия\\ Загрубить модель\\ Идентифицировать ров\\ Вычислить длину и объем рва                                                                                                                                                                                                       |
| 6      | toledo                                                     | Построить облако точек и 3d модель, сделать привязку к координатам  | Идентифицировать деревья\\ Идентифицировать дома\\ Идентифицировать дороги\\ Посчитать объемы домов и деревьев                                                                                                                                                                                 |
| 7      | 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.

<note important>Важно! в 2023 году оценка по Пространственному ИИ будет считаться оценка за проект по предмету "Нейронные сети в компьютерном зрении"([[https://se.moevm.info/doku.php/courses:cvai|ссылка]])</note>

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 01.12.2023, +1 балл к рейтингу

Дедлайн последней отправки - 10:00 по Москве 20.12.2023. Всем, кто присылает позднее -1 балл к рейтингу 
<note warning>В 2023 актуальные дедлайны написаны в разделе [[https://se.moevm.info/doku.php/courses:cvai|Компьютерное Зрение]]</note>

Критерии выставления оценок
  * Отлично		>= 9 баллов
  * Хорошо  		>= 7 баллов
  * Удовлетворительно 	>= 5 баллов