سود:
- توانایی توضیح سهم هوش مصنوعی در فرآیند تولید مدل های سه بعدی مقیاس شده، ابرهای نقطه ای و عکس های ارتوگرامتری با فتوگرامتری و اینکه چرا نوار مقیاس ضروری است.
- تشخیص خطر سطوح جعلی ایجاد شده با پر کردن داده های از دست رفته و توانایی جداسازی بصری شواهد از تکمیل پیش بینی.
- درک اینکه مدل یک اندازه گیری است و تفسیر زمینه و قضاوت کارشناسی است، مانند اینکه دیوار چیست و سنگ طبیعی چیست.
در باستان شناسی، حفاری یک عمل مخرب است: وقتی لایه ای را حفاری می کنید، آن را برای همیشه از بین می برید و دیگر هرگز آن را به همان شکل نخواهید دید. از این رو، مستندسازی (ثبت ثبت دائمی هر مرحله از کاوش با اندازه گیری، نقشه، عکس و مدل) یکی از مقدس ترین وظایف باستان شناسی است. در این بخش، خواهیم دید که چگونه فتوگرامتری (تکنیکی که با تطبیق نقاط مشترک از چندین عکس از یک شیء گرفته شده از زوایای مختلف، یک مدل سهبعدی مقیاسشده تولید میکند) و چگونه هوش مصنوعی اسناد سه بعدی را تسریع میکند، اما چرا تصمیمگیری در مقیاس و تفسیر با انسانها باقی میماند.
اصل اساسی: هوش مصنوعی به تولید یک مدل مقیاس، عکسهای ارتو و اندازهگیری کمک میکند. اما اینکه چه چیزی مستند شود، کدام خط دیوار و کدام سنگ طبیعی است و چگونه مدل را تفسیر کنیم، تصمیمات کارشناسی است. مدل سه بعدی یک اثبات است. خواندن آن یک تفسیر است.
مراحل فتوگرامتری و مستندسازی سه بعدی
1. عکاسی شی یا ناحیه با همپوشانی کافی (هر نقطه در حداقل سه عکس) و در نور خوب گرفته می شود. نوار مقیاس و فواصل شناخته شده (نقاط کنترل) در کنار آن قرار می گیرد. بدون مقیاس مدل بدون بعد است.
2. تراز و ابر نقطه. این نرم افزار نقاط مشترک عکس ها را مطابقت می دهد و یک ابر نقطه (داده های متشکل از میلیون ها نقطه سه بعدی که سطح جسم را نشان می دهد) تولید می کند. هوش مصنوعی این تطابق و تمیز کردن نویز را سرعت می بخشد.
3. مش و بافت. نقاط به یک سطح (مش) تبدیل می شوند و یک بافت عکس در بالا اعمال می شود. مدل سه بعدی واقع گرایانه ظاهر می شود.
4. ارتفتو و اندازه گیری. یک ارتفتو مقیاسبندی شده (نمای بالا با هر نقطه در مقیاس صحیح) با حذف اعوجاج پرسپکتیو از مدل استخراج میشود. نقشه های نظرسنجی در این مورد ساخته شده است.
5. بررسی و تفسیر. نقشه برداری (نقشه فنی مقیاس شده و تفسیر شده از یک ساختمان یا خرابه) مرحله ای است که در آن کارشناس مدل را می خواند و تشخیص می دهد که چه چیزی دیوار است، چه ملات است و چه چیزی اضافه شده است. هوش مصنوعی می تواند لبه ها را پیشنهاد کند، اما متخصص تمایز را ایجاد می کند.
نکته: هرگز نوار مقیاس و نقاط کنترل را نادیده نگیرید. هوش مصنوعی یک مدل «زیبا» از عکسهای بدون مقیاس تولید میکند، اما این مدل از نظر علمی بیارزش است، زیرا نمیتوان اندازهگیریهای واقعی را از آن گرفت. ارزش اسناد در اندازه گیری آن است.
سهم و محدودیت های هوش مصنوعی
هوش مصنوعی در تراز کردن عکس، حذف نویز، پر کردن سطح از دست رفته (درون یابی) و مقایسه تعداد زیادی مدل قدرتمند است. اما دو محدودیت حیاتی وجود دارد:
- خطر سطح ساخته شده هوش مصنوعی میتواند دادههای از دست رفته را به گونهای پر کند که «قابل قبول» به نظر برسد. یعنی ممکن است سطحی تولید کند که واقعاً در مدل مشاهده نشده است. این در اسناد خطرناک است: جزئیاتی که در واقع وجود ندارد به عنوان مدرک ظاهر می شود. مناطق پر/پیش بینی شده همیشه باید علامت گذاری شوند.
- اندازه گیری، نه اظهار نظر. مدل نمی گوید چیست چیست. گودال گور باشد یا زبالهدان، ردیف سنگ دیوار باشد یا جاده، برگرفته از زمینه و قضاوت کارشناسی است، نه از روی مدل.
احتیاط: هر قطعه ای که هوش مصنوعی هنگام "بازیابی" یا "تکمیل" یک مدل سه بعدی اضافه می کند یک فرض است. اگر شواهد (سطح اندازهگیری شده واقعی) و بازسازی (تکمیل تخمینی) به صورت بصری از هم جدا نشوند، بیننده این فرض را با حقیقت اشتباه میگیرد. این جدی ترین خطای اخلاقی مستندات است.
سه کیف کوچک
مورد 1 - اسناد سریع ذخیره می شود. در یک حفاری نجات (حفاری اضطراری به دلیل ساخت و ساز)، تیم فقط چند ساعت فرصت داشت تا یک لایه را مستند کند. پهپاد و فوتوگرامتری با شتاب هوش مصنوعی یک رکورد سه بعدی میلی متری از لایه را در 45 دقیقه ایجاد کردند. روز بعد لایه برداشته شد اما الگوی دائمی باقی ماند. طراحی با دست در این مدت غیرممکن بود.
مورد 2 - سطح ساخته شده گیر کرده است. دانشآموزی در گزارش مینویسد که سطح صافی که توسط هوش مصنوعی در مدلی که او با چند عکس ایجاد کرده است، یک "پایه جامد" است. مشاور نشان داد که عکس های کافی در آن منطقه وجود ندارد و سطح یک درون یابی است. این مدل با جداسازی مناطق «اندازهگیریشده» و «پیشبینیشده» دوباره سازماندهی شد.
مورد 3 - مدل بدون مقیاس کار نکرد. یک تیم یک مدل ساختمانی را تحویل داد که زیبا به نظر می رسید اما بدون نوار مقیاس عکسبرداری شد. هیچ اندازه گیری واقعی از آن نمی توان گرفت و هیچ نقشه پیمایشی نمی توانست انجام داد. تیراندازی با پست های بازرسی تکرار شد. درس: مقیاس ارزش علمی مدل است.
چهار قالب قابل کپی
1) کنترل طرح تیراندازی:
نقش شما: دستیار مستندات فتوگرامتری. من شی / ناحیه زیر را مستند خواهم کرد: [توضیح]. یک چک لیست تیراندازی برای همخوانی، تعداد زوایا، نور، نوار مقیاس و محل قرارگیری نقطه کنترل به من بدهید. نقاط مهم را برای مقیاس پذیری و پوشش کامل برجسته کنید.
2) بازرسی کیفیت مدل:
در زیر پارامترها/آمار تولید مدل سه بعدی خود را (تعداد عکس ها، همپوشانی، منطقه تحت پوشش) ارائه خواهم داد. در چه مناطقی از مدل، دادهها ممکن است ضعیف باشند و احتمالاً توسط هوش مصنوعی پر (پیشبینی شده) شوند؟ به من بگویید چگونه باید اینها را علامت گذاری کنم.
3) تمایز شواهد/داستان:
من در حال آماده سازی یک بازسازی/تکمیل سه بعدی هستم. یک طرح علامتگذاری (رنگ/لایه/برچسب) پیشنهاد کنید تا تشخیص دهید کدام بخشهای مدل شواهد MEASURED هستند و کدامها تکمیل تخمینی هستند. همچنین یک متن بیانیه تهیه کنید که بیننده را از اشتباه گرفتن این فرض به عنوان واقعیت جلوگیری کند.
4) آمادگی برای نظرسنجی:
من یک نظرسنجی از ارتفوتو خواهم کشید. عناصری را که باید در این سازه متمایز کنم (دیوار / ملات / افزودن / تعمیر / سنگ طبیعی) و سرنخهای بصری که باید به آنها توجه کنم را فهرست کنید. من نظر قطعی را خواهم داد. شما معیارها را می دهید تا بررسی شود.
اعلان ضعیف / اعلان قوی
اعلان ضعیف:
از این عکس ها یک مدل سه بعدی از ساختمان بسازید و قسمت های از دست رفته را پر کنید.
«پر کردن قسمتهای از دست رفته» به هوش مصنوعی اجازه میدهد یک سطح مناسب تولید کند. نتیجه یک مدل گمراه کننده است که در آن شواهد و داستان با هم اشتباه گرفته می شوند.
اعلان قدرتمند:
هنگام ایجاد یک مدل سه بعدی در مقیاس از این عکس ها، فقط سطوح پوشیده شده توسط عکس را به اندازه کافی مدل کنید. پر کردن اطلاعات مناطق ضعیف. آنها را به عنوان "داده های از دست رفته" علامت گذاری کنید. تعداد عکسهای پشتیبانی از هر منطقه را در آمار مدل گزارش دهید. بررسی ابعاد بر اساس نوار مقیاس.
تفاوت: اولی یک کل زیبا اما نادرست تولید می کند. دومی یک سند صادقانه با شکاف های قابل مشاهده تولید می کند.
چرا مستندات سه بعدی به طور کامل جایگزین طراحی سنتی نمی شود؟
مدل سهبعدی قدرتمند است، اما دفترچه طراحی سنتی و مشاهده دستی را کاملاً باطل نمیکند. این دو مکمل یکدیگر هستند. نقشه نقشه برداری یا لایه ای حاوی تفسیر کارشناس در زمان حفاری است: کدام سنگ متعلق به دیوار است که بعداً نورد شده است، چه خط یک مرز واقعی باشد یا یک سایه. این تفسیر در ذهن تصویرگر اتفاق می افتد و به طور خودکار در مدل سه بعدی ظاهر نمی شود. مدل "هر چه که باشد" را اندازه گیری می کند. اما تمایز بین «کدام یک از اینها معنادار است» مشاهده انسان است.
علاوه بر این، مدل سه بعدی یک مشکل فرمت آرشیو دارد: فایل مدلی که امروز تولید می کنید ممکن است ده سال بعد باز نباشد. نرم افزار و فرمت منسوخ می شود. به همین دلیل است که عکسهای خام، اندازهگیریهای نقطه کنترل و یک نقاشی/اورتوعکس استاندارد همیشه با هم ذخیره میشوند. این مدل تنها پایه اسناد بلندمدت نیست، بلکه غنی ترین پایه است.
یکی دیگر از مسائل کاربردی مختصات و جهت گیری است: یک مدل فقط یک شکل "در هوا" است اگر در یک سیستم مختصات دنیای واقعی (ژئوارفرانس) زمین نباشد. او از دست می دهد که به کدام نقطه از کاوش و در کدام جهت نگاه می کند. اندازهگیری نقاط کنترل با مختصات واقعی، مدل را به طرح حفاری پیوند میدهد و مدلهای فصول مختلف را قادر میسازد تا روی هم قرار گیرند.
نکته: فقط مدل سه بعدی را تولید نکنید و آن را رها نکنید. شامل عکسهای خام، مختصات نقطه کنترل، اطلاعات مقیاس، و یک نقاشی مشروح. محقق آینده باید بتواند کار شما را با این اسناد اضافی درک کند، حتی اگر نتوانند مدل را باز کنند.
جدول روش اسناد سه بعدی
مرحله
سهم هوش مصنوعی
تصمیم انسانی
تایید
تیراندازی
توصیه طرح/پوشش
ترازو، ایست بازرسی
کنترل مستعار
ابر نقطه
جفت شدن، حذف نویز
آستانه کیفیت
اندازه نقطه کنترل
سطح/بافت
مش اتوماتیک
محدودیت پر کردن
علامت منطقه ضعیف
ارتفتو/اندازه گیری
تولید در مقیاس
تأیید مقیاس
فاصله شناخته شده
نظرسنجی
پیشنهاد لبه
جداسازی دیوار / ملات / ضمیمه
زمینه، متخصص
اشتباهات رایج
- از نوار مقیاس بگذرید. مدل بدون مقیاس از نظر علمی قابل اندازه گیری نیست.
- پر کردن اطلاعات از دست رفته هوش مصنوعی سطح مناسب تولید می کند. شکاف ها باید مشخص شوند.
- جدا نکردن شواهد از داستان. اگر مناطق تکمیل شده به صورت بصری از هم جدا نباشند گمراه کننده است.
- اشتباه گرفتن مدل با تفسیر متر مدل نمی گوید چیست. تفسیر یک امر زمینه ای و کار کارشناسی است.
- ایجاد یک مدل با چند عکس. همپوشانی ناکافی یک مدل تحریف شده و شکاف ایجاد می کند.
به طور خلاصه
هوش مصنوعی در مستندات سه بعدی و فتوگرامتری؛ ضبط سریع، میلی متری و تکرارپذیر ایجاد می کند و به ویژه در حفاری های نجات تحت فشار زمان بسیار ارزشمند است. اما نوار مقیاس ضروری است، دادههای از دست رفته پر نمیشوند، بلکه علامتگذاری میشوند، شواهد از داستان جدا میشوند، و تفسیر مدل (چه چیزی چیست) متعلق به متخصص است. مدل اثبات است. خواندن یک مسئولیت است.
وظیفه کاربردی
یک یافته کوچک یا گوشه ای از یک ساختمان با نوار مقیاس بگیرید، حداقل 20 عکس روی هم قرار گرفته اند. مدلی با جریان فتوگرامتری ایجاد کنید و با الگوی "بررسی کیفیت مدل" مناطق ضعیف/پر را شناسایی کنید. سپس نموداری با الگوی «تمایز شواهد/داستان» ایجاد کنید و مشخص کنید کدام مناطق شواهد اندازه گیری شده و کدام حدس است.
چک لیست
- [ ] من از نوار مقیاس و نقاط کنترل در عکس استفاده کردم.
- [ ] من آن را با همپوشانی کافی (3+ عکس در هر نقطه) گرفتم.
- [ ] مناطق ضعیف/پر را علامت زدم، سطح جعلی باقی نگذاشتم.
- [ ] من به صورت بصری اثبات را از تکمیل پیش بینی جدا کردم.
- [ ] من مدل را با استفاده از زمینه و قضاوت متخصص تفسیر کردم.