Luận văn Thạc sĩ Khoa học máy tính: Khôi phục depthmap từ bản in 2D mộc bản

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:60

Thêm vào BST

Báo xấu

21
lượt xem 3
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Luận văn "Khôi phục depthmap từ bản in 2D mộc bản" được hoàn thành với mục tiêu nhằm nghiên cứu này xây dựng phương pháp xử lý dữ liệu, đề xuất mô hình, quy trình thực hiện khôi phục lại mô hình depthmap từ bản in 2D mộc bản. Sau khi khôi phục lại depthmap từ bản in 2D, tiếp tục nghiên cứu cách đánh giá kết quả của mô hình đào tạo và kết luận kết quả của nghiên cứu.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Luận văn Thạc sĩ Khoa học máy tính: Khôi phục depthmap từ bản in 2D mộc bản

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TRƯƠNG NGỌC KIÊN KHÔI PHỤC DEPTHMAP TỪ BẢN IN 2D MỘC BẢN LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Hà Nội - 2022
ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TRƯƠNG NGỌC KIÊN KHÔI PHỤC DEPTHMAP TỪ BẢN IN 2D MỘC BẢN Ngành: Khoa học máy tính Chuyên ngành: Khoa học máy tính Mã số: LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS Lê Thanh Hà Hà Nội - 2022
i LỜI CẢM ƠN Em xin chân thành cảm ơn các thầy cô giáo trong trường Đại học Công nghệ - Đại học Quốc gia Hà Nội đã tận tình giúp đỡ và truyền đạt kiến thức cho em trong suốt 2 năm học qua để em có đủ kiến thức hoàn thành khóa luận này. Đặc biệt, em xin gửi lời cảm ơn sâu sắc tới thầy Lê Thanh Hà – người đã nhiệt tình động viên, giúp đỡ em trong quá trình định hình, nghiên cứu và hoàn thành luận văn này. Xin gửi lời cảm ơn thiết tha nhất tới những người thân trong gia đình đã tạo điều kiện và động viên cho con/em rất nhiều trong quá trình hoàn thành khóa luận này. Mặc dù đã rất cố gắng hoàn thành luận văn này với tất cả nỗ lực của bản thân, xong luận văn sẽ khó tránh khỏi những thiếu sót, kính mong quý thầy cô tận tình chỉ bảo cho em những sai lầm cần khắc phục của mình. Một lần nữa em xin gửi tới tất cả mọi người lời cảm ơn chân thành nhất. Hà Nội, tháng 06 năm 2022 Học viên Trương Ngọc Kiên
ii LỜI CAM ĐOAN Tôi xin cam đoan luận văn thạc sĩ khoa học máy tính: “Khôi phục depthmap từ bản in 2D mộc bản” là kết quả của quá trình học tập, nghiên cứu khoa học độc lập, nghiêm túc. Các số liệu trong luận văn là trung thực, có nguồn gốc rõ ràng, được trích dẫn và có tính kế thừa, phát triển từ các sách, tài liệu, tạp chí, các công trình nghiên cứu đã được công bố, và các website, … Các phương pháp nêu trong luận văn được rút ra từ những cơ sở lý luận và quá trình nghiên cứu tìm hiểu của tác giả. Hà Nội, tháng 06 năm 2022 Học viên Trương Ngọc Kiên
iii Mục lục LỜI CẢM ƠN .............................................................................................. i LỜI CAM ĐOAN ....................................................................................... ii Mục lục ...................................................................................................... iii Danh mục các ký hiệu và chữ viết tắt ......................................................... v Danh mục các hình vẽ ............................................................................... vii Danh mục các bảng .................................................................................... ix MỞ ĐẦU..................................................................................................... 1 CHƯƠNG 1. KIẾN THỨC NỀN TẢNG ...................................................... 4 1.1 Tổng quan mộc bản triều Nguyễn .................................................. 4 1.1.1 Giới thiệu mộc bản triều Nguyễn ............................................ 4 1.1.2 Hiện trạng của mộc bản triều Nguyễn ..................................... 4 1.1.3 Khôi phục mộc bản từ bản in .................................................. 5 1.2 Công nghệ số hóa 3D mộc bản ....................................................... 7 1.3 Tổng quan depthmap .................................................................... 11 1.4 Mô hình sinh depthmap từ ảnh 2D ............................................... 11 1.4.1 Mô hình pix2pix .................................................................... 14 1.4.2 Mô hình CLUT ...................................................................... 19 1.5 Độ đo Fréchet Inception Distance ................................................ 24 1.6 Tổng kết chương ........................................................................... 27 CHƯƠNG 2. KHÔI PHỤC DEPTHMAP TỪ BẢN IN 2D MỘC BẢN .... 28 2.1 Quy trình chuẩn bị tập dữ liệu huấn luyện ................................... 29 2.1.1 Xử lý dữ liệu thủ công ........................................................... 31 2.1.2 Xử lý dữ liệu bán tự động...................................................... 32 2.1.3 Sinh ảnh depthmap từ mô hình 3D ........................................ 37 2.1.4 Sinh thêm dữ liệu huấn luyện ................................................ 38 2.2 Sinh depthmap từ bản in 2D mộc bản........................................... 38 2.3 Tổng kết chương ........................................................................... 39
iv CHƯƠNG 3. THỬ NGHIỆM VÀ ĐÁNH GIÁ .......................................... 40 3.1 Bộ dữ liệu ...................................................................................... 40 3.2 Thử nghiệm ................................................................................... 40 3.2.1 Thử nghiệm CUT, Fast-Cut và pix2pix ................................ 40 3.2.2 Thử nghiệm pix2pix cho toàn bộ tập dữ liệu ........................ 43 3.3 Đánh giá ........................................................................................ 44 3.4 Tổng kết chương ........................................................................... 46 KẾT LUẬN ............................................................................................... 47 TÀI LIỆU THAM KHẢO ........................................................................ 48
v Danh mục các ký hiệu và chữ viết tắt STT Từ viết tắt Tiếng Anh Tiếng Việt Conditional Generative Ad- Mạng đối lập tạo sinh có 1 cGAN versarial Network điều kiện Học mâu thuẫn đối với Contrastive Learning for công việc dịch hình ảnh 2 CLUT Unpaired Image-to-Image sang hình ảnh không Translation ghép cặp Convolutional Neural Net- 3 CNN Mạng nơ-ron tích chập work Độ đo khoảng cách độ tương đồng của ảnh với 4 FID Fréchet Inception Distance ảnh dựa trên mô hình In- ception V3 Generative Adversarial Net- 5 GAN Mạng đối lập tạo sinh work Least Squares Generative Một loại hàm mất mát 6 LSGAN Adversarial Networks trong mô hình GAN Mạng nơ-ron truyền 7 MLP Multi-layer perceptron thẳng nhiều lớp Multivariate normal distri- Phân phối chuẩn nhiều 8 MND bution chiều Normalization Root Mean Chuẩn hóa sai số toàn 9 nrmse Square Error phương trung bình Image-to-Image Translation Trình dịch từ ảnh sang 10 pix2pix with Conditional Adversar- ảnh với mạng đối lập tạo ial Networks sinh có điều kiện
vi STT Từ viết tắt Tiếng Anh Tiếng Việt Sai số toàn phương trung 11 rmse Root Mean Square Error bình A Simple Framework for Một mô hình học mâu 12 SimCLR Contrastive Learning of thuẫn Visual Loại tệp được sử dụng để 13 stl Standard Triangle Language mô hình số hóa 3D dữ liệu về mộc bản
vii Danh mục các hình vẽ Hình 1.1 Mộc bản triều Nguyễn. ................................................................ 4 Hình 1.2 Những tấm mộc bản bị hư hại...................................................... 5 Hình 1.3 Mộc bản gốc, số hóa 3D và in từ bản số. ..................................... 6 Hình 1.4 Tổng quát xử lý khôi phục mộc bản ............................................ 7 Hình 1.5 Ảnh depthmap. ........................................................................... 11 Hình 1.6 Ảnh ghép cặp. ............................................................................ 12 Hình 1.7 Ảnh ghép cặp và không ghép cặp. ............................................. 13 Hình 1.8 Mô hình pix2pix. ........................................................................ 14 Hình 1.9 Encoder-decoder và U-Net. ....................................................... 15 Hình 1.10 PatchGan. ................................................................................. 16 Hình 1.11 Ảnh ngày – đêm. ...................................................................... 18 Hình 1.12 Ảnh phác thảo - tô màu. ........................................................... 18 Hình 1.13 Ảnh bản đồ - vệ tinh. ............................................................... 19 Hình 1.14 Mục đích học mâu thuẫn. ......................................................... 20 Hình 1.15 Mô hình SimCLR..................................................................... 20 Hình 1.16 Tổng quan mô hình CLUT....................................................... 22 Hình 1.17 Hàm mất mát mâu thuẫn patchwise. ........................................ 23 Hình 1.18 Phân phối chuẩn cho dữ liệu 2-chiều. ...................................... 25 Hình 1.19 Phân phối 2-chiều của các điểm dữ liệu 3-chiều. .................... 25 Hình 2.1 Toàn trình khôi phục Deptmap từ bản in 2D mộc bản. ............. 28 Hình 2.2 Quy trình xử lý dữ liệu huấn luyện mộc bản. ............................ 30 Hình 2.3 Dữ liệu ký tự trong mộc bản ghép cặp....................................... 31 Hình 2.4 Depthmap và bản in. .................................................................. 32 Hình 2.5 Lề khung của sách...................................................................... 33 Hình 2.6 Xoay và crop ảnh. ...................................................................... 34 Hình 2.7 Đường mức một. ........................................................................ 35 Hình 2.8 Ma trận cắt, đường màu trắng thể hiện các đường cắt............... 36
viii Hình 2.9 Kết quả công cụ trích xuất ký tự chữ bản in 2D. ....................... 36 Hình 2.10 Chữ 3D và depthmap. .............................................................. 38 Hình 2.11 Quy trình khôi phục deptmap từ bản in. .................................. 39
ix Danh mục các bảng Bảng 1.1 Đặc trưng của các kỹ thuật số hóa 3D ......................................... 8 Bảng 1.2 Thông số kỹ thuật thiết bị GOM ATOS III Triple Scan ............. 9 Bảng 1.3 Thông số kỹ thuật thiết bị PRINCE335 .................................... 10 Bảng 1.4 Chi tiết kích thước ma trận mạng Inception-V3........................ 26 Bảng 3.1 Tham số chạy thử nghiệm các mô hình GAN ........................... 41 Bảng 3.2 Kết quả thử nghiệm giữa các mô hình GAN ............................. 42 Bảng 3.3 Bộ tham số mô hình pix2pix ..................................................... 43 Bảng 3.4 Kết quả đầu ra của mô hình pix2pix ......................................... 44 Bảng 3.5 Chi tiết của các thông số đánh giá ............................................. 45 Bảng 3.6 Thống kê kết quả tất cả các mẫu kiểm thử ................................ 45
1 MỞ ĐẦU Mộc bản Triều Nguyễn được Unesco công nhận là di sản tư liệu thế giới từ năm 2009. Việc bảo tồn và phát huy giá trị di sản tư liệu đóng vai trò quan trọng để gìn giữ tư liệu quá khứ nhằm kết nối tới hiện tại và tương lai. Ngày nay chúng ta đã thu thập, bảo tồn và lưu trữ được khoảng gần 35.000 tấm mộc bản. Tuy nhiên tổng số lượng thực tế các tấm mộc bản triều Nguyễn theo ước lượng vào khoảng trên 50.000 tấm. Thêm vào đó, có một số lượng lớn những tấm mộc bản tuy vẫn được lưu trữ, bảo tồn nhưng không còn toàn vẹn, thậm chí có những tấm mộc bản chỉ còn lại một nửa hoặc một phần ba của nguyên bản. Những thư tịch liên quan về những tấm mộc bản bị mất hoặc không toàn vẹn (là bản in được in ra từ tấm mộc bản) hiện vẫn đang được bảo tồn. Cùng với sự phát triển về công nghệ hiển thị, số hóa 3D và máy quét phân giải cao chúng ta đã thành công lưu trữ và hiển thị các tấm mộc bản và thư tịch của chúng trong môi trường máy vi tính. Từ những tiền đề trên, nghiên cứu này tập trung vào việc khôi phục lại số hóa của những tấm mộc bản bị thất lạc hay không toàn vẹn kể trên. Mục tiêu tổng quan mà nghiên cứu hướng tới là khôi phục lại biểu diễn (mô hình) 3D của các tấm mộc bản bị thất lạc hoặc không toàn vẹn dựa trên những thư tịch (bản in) đã được số hóa 2D còn lưu trữ lại của các tấm mộc bản trên. Có hai hướng tiếp cận cho bài toán khôi phục biểu diễn 3D của một đối tượng nói chung và của tấm mộc bản nói riêng là cách trực tiếp hoặc cách gián tiếp. Cách trực tiếp chúng ta sẽ khôi phục lại mô hình 3D từ các điểm trong không gian dữ liệu 3D (point clouds); và cách gián tiếp là khôi phục lại đối tượng trung gian mà có thể phục dựng lại biểu diễn 3D từ chúng. Cách trực tiếp khôi phục một biểu diễn 3D từ một góc nhìn (single view) 2D là khó và các nghiên cứu hiện nay cũng cho thấy sự hạn chế của phương pháp này. Do vậy, nghiên cứu này lựa chọn cách tiếp cận gián tiếp và giới hạn lại phạm vi của bài toán từ việc khôi phục lại bản 3D của tấm mộc bản sang khôi phục lại ảnh độ sâu (depthmap) của tấm mộc bản. Mục đích nghiên cứu Nghiên cứu này xây dựng phương pháp xử lý dữ liệu, đề xuất mô hình, quy trình thực hiện khôi phục lại mô hình depthmap từ bản in 2D mộc bản. Sau khi khôi
2 phục lại depthmap từ bản in 2D, tiếp tục nghiên cứu cách đánh giá kết quả của mô hình đào tạo và kết luận kết quả của nghiên cứu. Phương pháp nghiên cứu Phương pháp nghiên cứu khi thực hiện luận văn là quan sát tấm mộc bản, bản số hóa 3D và bản in 2D của chúng để hình dung ra các đối tượng, đầu vào đầu ra của bài toán. Kế tiếp, tác giả phân tích các đối tượng kể trên từ nhiều mẫu đúc rút ra các đặc điểm, đặc tính và phân bố của vật thể mà từ đó thu được các thông tin để khảo sát và tham khảo các lý thuyết liên quan, cùng với các công cụ hiện có trong lĩnh vực để có thể ánh xạ vào bài toán của luận văn. Sau khi khảo sát, tham khảo tác giả tổng hợp lại kiến thức và đề xuất các quy trình trong xử lý dữ liệu và quy trình khôi phục lại depthmap cho mộc bản và thử nghiệm chúng. Cuối cùng, luận văn thực hiện đánh giá và đưa ra nhận xét cho kết quả của bài toán. Đóng góp mới của luận văn Luận văn này đã thiết lập được quy trình xây dựng tập dữ liệu huấn luyện là tập các ký tự được trích xuất từ tấm mộc bản 3D và bản in tương ứng của chúng. Thử nghiệm các mô hình học máy khác nhau và đề xuất mô hình học máy tốt nhất áp dụng trong bài toán khôi phục depthmap từ bản in 2D mộc bản. Đánh giá được kết quả của sau khi thực hiện khôi phục depthmap từ bản in 2D mộc bản. Kết quả đạt được Sau khi tập trung nghiên cứu đề tài, tôi đã giải quyết được các vấn đề mà trong phần mục tiêu đã đề ra. Luận văn đã trình bày một cách rõ ràng, chi tiết từ bước chuẩn bị dữ liệu cho đến các mô hình học máy và khôi phục lại mô hình depthmap từ bản in 2D mộc bản. Kết cấu luận văn Ngoài phần mở đầu và phần tham khảo, luận văn này được tổ chức thành 3 chương với các nội dung chính như sau: - Chương 1 Kiến thức nền tảng o Tổng quan mộc bản triều Nguyễn o Công nghệ số hóa 3D mộc bản o Tổng quan về depthmap o Mô hình sinh depthmap từ ảnh 2D
3 o Độ đo Fréchet Inception Distance dùng để đánh giá mô hình sinh depthmap từ ảnh 2D - Chương 2 Khôi phục depthmap từ bản in 2d mộc bản o Quy trình chuẩn bị tập dữ liệu huấn luyện o Sinh depthmap từ bản in 2D mộc bản - Chương 3 Thử nghiệm và đánh giá o Bộ dữ liệu huấn luyện dùng đề khôi phục depthmap o Thử nghiệm các mô hình khác nhau trên tập dữ liệu con và đề xuất áp dụng mô hình tốt nhất trong toàn bộ tập dữ liệu o Đánh giá kết quả - Phần kết luận, tác giả tổng kết lại những công việc đã hoàn thành, những vấn đề còn tồn tại và định hướng tương lai của bài toán khôi phục depthmap từ bản in 2D mộc bản
4 CHƯƠNG 1. KIẾN THỨC NỀN TẢNG Chương 1 trình bày các kiến thức nền tảng về mộc bản, công nghệ số hóa 3D mộc bản, tổng quan về depthmap và về các mô hình học máy, độ đo Fréchet Inception Distance là những kiến thức được tác giả sử dụng để giải quyết bài toán khôi phục depthmap từ bản in 2D mộc bản. 1.1 Tổng quan mộc bản triều Nguyễn 1.1.1 Giới thiệu mộc bản triều Nguyễn Mộc bản triều Nguyễn là những tấm gỗ khắc chữ Hán hoặc chữ Nôm ngược dùng để in ra các sách, sử dụng phổ biến ở Việt Nam trong thời kỳ phong kiến và được lưu giữ đến ngày nay. Do nhu cầu phổ biến rộng rãi các chuẩn mực xã hội, các điều luật, ghi lại các sự kiện lịch sử và lưu truyền công danh, sự nghiệp của các vua chúa triều đình nhà Nguyễn đã cho biên soạn, khắc in nhiều bộ sách sử và các tác phẩm văn chương. Để in được các cuốn sách đó đã sản sinh ra một tài liệu đặc biệt, đó là mộc bản triều Nguyễn. Hình 1.1 Mộc bản triều Nguyễn bên trái là tấm mộc bản được làm bằng gỗ, bên phải là nội dụng bản in được in từ tấm mộc bản. Hình 1.1 Mộc bản triều Nguyễn. 1.1.2 Hiện trạng của mộc bản triều Nguyễn Hiện tại, việc bảo tồn di sản mộc bản triều Nguyễn đang gặp phải nhiều vấn đề và đối mặt với nhiều thách thức. Trong đó có hai vấn đề lớn và nổi bật là mộc bản bị thất lạc trong quá trình bảo quản, vận chuyển hoặc do chiến tranh; và theo thời
5 gian, vật liệu gỗ tạo nên các mộc bản dần bị biến dạng, hư hỏng do các nguyên nhân như thời tiết, nấm mốc, mối, mọt, cháy nổ. Thực tế thống kê cho thấy, di sản mộc bản Triều Nguyễn để lại hơn 50.000 tấm nhưng hiện nay chỉ còn 34.619 tấm đang được lưu trữ và bảo tồn tại Trung tâm Lưu trữ quốc gia IV, trong đó nhiều tấm là chỉ là một phần còn lại của mộc bản và đối mặt với hiện trạng vật lý yếu, khó bảo tồn. Hình 1.2 Những tấm mộc bản bị hư hại, chúng ta có thể thấy có những tấm mộc bản đã bị mất hơn một nửa tấm hoặc chỉ còn lại một phần ba hay thậm chí còn lại một góc so với nguyên bản của tấm mộc bản. Hình 1.2 Những tấm mộc bản bị hư hại. Từ những vấn đề nêu trên, chúng ta cần có một phương án, cách thức lưu trữ bền vững và phục hồi lại những tấm mộc bản đã bị thất lạc, hư hỏng hoặc không toàn vẹn. 1.1.3 Khôi phục mộc bản từ bản in Vấn đề bảo tồn và lưu trữ mộc bản một cách có hiệu quả đã được nghiên cứu và công bố trong một vài tạp chí [3,5]. Năm 2019, nhóm nghiên cứu của PGS. TS. Lê Thanh Hà tại phòng thí nghiệm Tương tác Người máy, Trường Đại học Công nghệ, đã chủ trì và thực hiện thành công đề tài “Nghiên cứu, lựa chọn công nghệ
6 số hóa và in 3D tài liệu mộc bản Triều Nguyễn – Di sản tư liệu thế giới”. Nhóm nghiên cứu đã khảo sát hơn sáu trăm tấm mộc bản, số hóa 3D thử nghiệm mười mộc bản và in 3D thử nghiệm năm mộc bản và kết quả được đánh giá cao [10]. Đầu vào của quy trình này là các tấm mộc bản vật lý đang được lưu trữ tại Trung tâm Lưu trữ quốc gia IV, đầu ra là mô hình 3D của các tấm mộc bản kể trên. Hình 1.3 Mộc bản gốc, số hóa 3D và in từ bản số. Như đã đề cập ở Mục 1.1.2. số lượng mộc bản thực tế hơn 50.000 tấm nhưng hiện tại còn lưu trữ tại Trung tâm Lưu trữ quốc gia IV chỉ còn 34.619 hơn thế nữa có rất nhiều tấm không nguyên vẹn. Tuy nhiên, các bản in từ những tấm mộc bản bị thất lạc hư hỏng kể trên chúng ta vẫn đang lưu trữ lại. Qua đó, vấn đề của bài toán là tìm được phương thức có thể khôi phục lại các mộc bản bị thất lạc hoặc không nguyên vẹn từ những bản in còn lưu trữ lại. Hay nói cách khác, chúng ta đi tìm phương pháp khôi phục lại mô hình 3D của mộc bản (những tấm đã được số hóa thành mô hình 3D) từ ảnh 2D bản in tương ứng của mộc bản. Có hai hướng tiếp cận chính để giải quyết bài toán khôi phục mô hình 3D từ bản in 2D mộc bản. Cách thứ nhất là trực tiếp khôi phục các điểm dữ liệu trong miền dữ liệu 3D của mộc bản (point clouds), đầu vào của phương pháp này là bức ảnh 2D bản in của mộc bản và đầu ra là mô hình 3D mộc bản với các điểm point clouds cấu thành lên tấm mộc bản 3D, tuy nhiên cho tới nay kết quả của các nghiên cứu về việc khôi phục trực tiếp từ 2D sang 3D còn chưa được khả quan. Cách thứ hai là thực hiện khôi phục lại đối tượng trung gian đơn giản có thể hiện hơn và có khả năng tái tạo lại mô hình 3D của mộc bản. Ảnh độ sâu depthmap là một dạng trung gian như vậy, nó là một ảnh 2D nhưng thể hiện chiều sâu của ảnh và có khả năng thể hiện được các đặc trung 3D theo một góc nhìn cụ thể. Phương pháp tiếp
7 cận gián tiếp được tác giả áp dụng trong luận văn này. Giới hạn nghiên cứu của luận văn là khôi phục depthmap từ bản in 2D mộc bản. Hình 1.4 Tổng quát xử lý khôi phục mộc bản Hình 1.4 Tổng quát xử lý khôi phục mộc bản khi khôi phục lại một tấm mộc bản đã bị thất lạc hoặc không toàn vẹn (đã mất). Trong đó phương pháp tiếp cận mà tác giả sử dụng là khôi phục lại ở mức ký tự của tấm mộc bản đã mất, do vậy trong luận này sẽ giới hạn khôi phục lại tấm mộc bản ở mức ký tự depthmap. 1.2 Công nghệ số hóa 3D mộc bản Việc số hóa 3D mộc bản là công việc cần thiết và tiên quyết trong quá trình khôi phục Deptmap cho mộc bản. Nó vừa trợ giúp cho việc bảo tồn, trưng bày, triển lãm tốt hơn khi không ảnh hưởng đến các tấm mộc bản gốc mà còn là đầu vào cho quá trình khôi phục depthmap của mộc bản. Hiện nay có nhiều công nghệ có thể được sử dụng để số hóa 3D các đối tượng thể khối bao gồm mộc bản. Những công nghệ số hóa phổ biến bao gồm: công nghệ quét 3D có tiếp xúc (contact – based); công nghệ quét 3D sử dụng ảnh chụp từ các góc của vật (photogrammetry); công nghệ quét 3D sử dụng ánh sáng la-de (laser); công nghệ quét 3D sử dụng ánh sáng có cấu trúc (structed light); công nghệ quét sử dụng xung laser (LASER pulse-based). Các đặc trưng được mô tả trong Bảng 1.1
8 Bảng 1.1 Đặc trưng của các kỹ thuật số hóa 3D Vật Vật trung STT Kĩ thuật số hoá 3D Vật to Ghi chú nhỏ bình Công nghệ sử dụng sẽ chạm liên tục vào Kỹ thuật số hoá 3D 1 X X vật quét, không phù contact-based hợp sử dụng trên mộc bản. Công nghệ cần có Kỹ thuật số hoá 3D 2 X X thiết bị máy tính hiệu photogrammetry năng cực mạnh. Kỹ thuật số hoá 3D Quét được các bề 3 LASER triangula- X X mặt khó như bóng, tion tối màu, … Đa dụng, có nhiều Kỹ thuật số hoá 3D ống kính để quét các 4 sử dụng ánh sáng X X chi tiết nhỏ tới lớn có cấu trúc trong cùng vật quét. Kỹ thuật số hoá 3D Độ chi tiết không 5 LASER pulse- X cao, phù hợp để quét based các vật thể lớn. Kỹ thuật quét 3D dựa trên tiếp xúc sử dụng một vật mềm nhỏ hoặc một đầu dò để áp vào bề mặt vật cần quét, kỹ thuật sử dụng phần mềm hỗ trợ để tính toán vị trí vật trong môi trường 3D. Kỹ thuật quét 3D sử dụng ảnh chụp sẽ dùng các ảnh chụp từ các góc của vật, áp dụng các thuật toán tính toán hình học phức tạp và thị giác máy để xác định các điểm của vật tương đương trên ảnh, các thông số đo của vật trong ảnh để tính toán và xây dựng mô hình 3D số của vật. Kỹ thuật quét 3D sử dụng xung laser là các kỹ thuật quét tầm xa, phù hợp cho những vật to như toà nhà, máy bay, … Các cảm biến và phần mềm hỗ trợ có thể dựa vào thời gian phản xạ của tia laser hoặc dựa vào góc thay đổi của tia laser để tính toán và
9 số hoá vật được quét. Kỹ thuật quét 3D sử dụng ánh sáng có cấu trúc chiếu mô hình ánh sáng gồm các hình thanh và khối sáng lên vật được quét. Kỹ thuật bao gồm một hoặc nhiều cảm biến “nhìn” vào góc, cạnh của thanh/khối sáng để xác định hình dạng 3D của vật. Kỹ thuật quét 3D LASER triangulation cũng tương tự như kỹ thuật sử dụng ánh sáng có cấu trúc đó là dựa vào góc thay đổi của tia sáng để tính toán hình dạng bề mặt của vật thể. Qua thảo luận và khảo sát hiện trạng của mộc bản về kích thước và khối lượng; màu sắc; nội dung tấm và tình trạng mộc bản nhằm lựa chọn công nghệ quét cũng như thực hiện qui trình quét hợp lý. Nhận thấy hai dòng thiết bị quét 3D GOM ATOS và PRINCE có kỹ thuật quét ánh sáng sử dụng cấu trúc và công nghệ quét la-de tương ứng là phù hợp với việc quét mộc bản, vì yêu cầu kỹ thuật quét các tấm mộc bản đỏi hỏi độ chính xác cao đồng thời cần hạn chế tiếp xúc với mộc bản để tránh tác động không mong muốn vào mộc bản. Với những ưu điểm trên, Phòng thí nghiệm Tương tác Người - Máy, Khoa CNTT, Trường ĐHCN, ĐHQG HN đã sử dụng 2 máy quét cụ thể GOM ATOS III Triple Scan và PRINCE335 với thông số kỹ thuật tương được mô tả trong (Bảng 1.2 và Bảng 1.3) để thực hiện quét thử nghiệm. Bảng 1.2 Thông số kỹ thuật thiết bị GOM ATOS III Triple Scan Chỉ số Giá trị Số lượng điểm ảnh 2 x 8.000.000 pixel Diện tích vùng đo 38 x 29 - 2000 x 1500 mm Độ phân giải (Tùy theo cửa sổ đo 0.01 - 0.61 mm và khoảng cách tới vật đo) Khoảng cách đo 490 – 2.000 mm Bộ điều khiển sensor Tích hợp Độ dài cáp nối Lên tới 30m Cảm biến định vị Cảm biến công nghiệp tự động