Os pesquisadores da Concordia desenvolveram uma nova técnica que pode ajudar a criar modelos 3D precisos e de alta qualidade de paisagens em grande escala – essencialmente, réplicas digitais do mundo real.
Embora mais trabalho seja necessário antes que os pesquisadores atinjam seu objetivo, eles recentemente delinearam seu novo método automatizado na revista Nature. Relatórios Científicos. A estrutura reconstrói a geometria, a estrutura e a aparência de uma área usando imagens altamente detalhadas tiradas por aeronaves que voam normalmente a mais de 30.000 pés. Essas imagens aéreas de grande escala – geralmente com mais de 200 megapixels cada – são processadas para produzir modelos 3D precisos de paisagens urbanas, paisagens ou áreas mistas. Eles podem modelar sua aparência até as cores das estruturas.
A estrutura, chamada HybridFlow, foi desenvolvida por Charalambos Poullis, professor associado de ciência da computação e engenharia de software na Escola de Engenharia e Ciência da Computação Gina Cody, e pelo aluno de doutorado Qiao Chen.
“Este gêmeo digital pode ser usado em aplicações típicas para navegar e explorar diferentes áreas, bem como turismo virtual, jogos, filmes e assim por diante”, diz Poullis. “Mais importante ainda, existem aplicações de grande impacto que podem simular processos de forma segura e digital. Assim, pode ser usado por partes interessadas e autoridades para simular cenários hipotéticos em casos de inundações ou outros desastres naturais. Isso nos permite para tomar decisões informadas e avaliar vários fatores de mitigação de risco.”
Não há necessidade de aprendizado profundo
Os métodos de reconstrução atuais dependem de encontrar semelhanças visuais entre imagens para construir modelos 3D. No entanto, como as imagens são muito grandes, problemas como oclusão e repetição podem afetar adversamente a precisão de um modelo.
As técnicas tradicionais de modelagem 3D dependem da identificação de pontos-chave em uma imagem, combinando-os em outra imagem e, em seguida, propagando essas correspondências em uma área específica. Com HybridFlow, as imagens são agrupadas em seções que são perceptivamente semelhantes e, em seguida, no nível de pixel. Por exemplo, um segmento de imagem mostrando céu azul será combinado com outro segmento mostrando o mesmo, assim como um cluster mostrando uma área densamente construída será combinado com um cluster mostrando um padrão semelhante com base na análise de nível de pixel. Isso torna o modelo mais robusto, pois os pontos são mais fáceis de rastrear nas imagens e o tempo de processamento é acelerado para triangular esses pontos, resultando em uma reprodução precisa.
“Também elimina a necessidade de qualquer técnica de aprendizado profundo, que exigiria muito treinamento e recursos”, comenta Poullis. “Este é um método baseado em dados que pode lidar com um conjunto de imagens arbitrariamente grande.”
Ele acrescenta que os dados são salvos em disco, não na memória, o que otimiza o pipeline de dados. Com um computador remoto fazendo o processamento, observa ele, um modelo de tamanho médio de uma área urbana pode ser criado em menos de 30 minutos.
Poullis conta que já está trabalhando com autoridades na cidade de Terrebonne, propensa a inundações, a nordeste de Montreal. Juntos, eles estão trabalhando na modelagem de sua cidade e na simulação de inundações para ajudar a planejar e avaliar medidas de mitigação.
“Eles sabem que não podem evitar as enchentes, mas podemos fornecer ferramentas para que tomem decisões informadas”, comenta. “Permitimos que eles mudem o ambiente introduzindo barreiras como sacos de areia e, em seguida, fazemos simulações para ver como o fluxo de água da enchente é afetado.”
Este projeto recebeu o apoio da Conselho de Pesquisa em Ciências Naturais e Engenharia do Canadá (NSERC) e um subsídio do Departamento de Defesa Nacional.
Com informações de Science Daily.