Tesselation

Erzeugung von Displacement Maps aus 3D-Laserscandaten zur Tesselierung

Das Las Vegas Reconstruction Toolkit (LVR) erzeugt aus Laserscandaten eine digitale 3D-Umgebungsrepräsentation in Form eines Polygonnetzes. Um eine effiziente Echtzeitvisualisierung zu ermöglichen, werden dabei feine Details ausgeblendet und eine Repräsentation geringen bis mittleren Detailgrades erstellt. Dies führt beispielsweise dazu, dass eine auf diese Weise digitalisierte Steinmauer als ebene Fläche dargestellt wird, obwohl der ursprüngliche Laserscan genauere geometrische Informationen (Fugen, Struktur, etc.) enthält. Das Ziel dieser Bachelorarbeit ist es, diese Detailinformationen, welche sich zusätzlich zum digitalen 3D-Modell als stückweise diskrete Höhenkarte (Detail Map) repräsentieren lassen, durch Echtzeitverfeinerung des Polygonnetzes während der Visualisierung wieder einzufügen.

Generalisierung des Motorcycle-Graphen auf hexaedrische Volumennetze

In verschiedenen Anwendungsfällen im Bereich der Computergrafik und der Simulation besteht der Bedarf, semi-reguläre Vierecksnetze von 3D-Objektoberflächen in voll-reguläre Teile zu partitionieren. Idealerweise sollte diese Partition so simpel wie möglich, d.h. die Anzahl der Teile so gering wie möglich, sein. Der sogenannte Motorcycle-Graph approximiert diese Idealpartition in effizienter Weise. Gerade im Bereich aufwendiger Simulationen, z.B. mittels der Finite Elemente Methode, werden jedoch häufig auch Hexaedernetzrepräsentationen des gesamten Volumens von 3D-Objekten verwendet.

Development of a declarative drone control system using Computer Vision and an Augmented Reality UI

3D Projection Mapping

Implementation einer adaptiven Oberflächenrekonstruktion mittels Dual Marching Cubes

Mittels der universitätseigenen Bibliothek Las Vegas Reconstruction (kurz LVR) ist es möglich, Polygonnetze aus 3D-Punktwolken zu generieren. Diese Bibliothek wird mit dem Dual Marching Cubes Algorithmus um eine weitere Variante der Oberflächenrekonstruktion erweitert. Besonderer Fokus liegt dabei auf der Adaptivität der Rekonstruktion. D.h. das rekonstruierte Polygonnetz besteht aus verschieden großen Polygonen. Dabei sind die einzelnen Polygone in Bereichen mit hohem Detailreichtum sehr klein, um diese Details gut approximieren zu können. In Bereichen, die weit weniger Details enthalten sind die Polygone hingegen deutlich größer.