يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة منهجية

المناظر الطبيعية المكتسبة الواقعية للواقع المعزز

1K مشاهدات

⸱

DOI:

10.3791/68386

⸱

يونيو 27, 2025

 ,  ,  , 
1University Institute for Computer Research, University of Alicante

* These authors contributed equally

في هذه المقالة

ملخص

تقدم هذه الورقة نظاما لإعادة بناء ثلاثية الأبعاد واقعية باستخدام صور بزاوية 360 درجة ، وتقسيم غاوسي ، وتكامل الواقع الافتراضي. يمكن تطبيق هذا النهج على تطبيقات مختلفة مثل التعليم ومحاكاة بيئات التعلم. البناء ، لمحاكاة الأعمال خارج المواقع واسترداد المقاييس ؛ أو الرعاية الصحية ، لتدريب المصابين بالتوحد على مهام الحياة اليومية.

الملخص

القدرة على إنشاء عمليات إعادة بناء ثلاثية الأبعاد واقعية لبيئات العالم الحقيقي من الصور الملونة القياسية لها العديد من التطبيقات في مجالات مثل الرعاية الصحية والتعليم والصناعة. تقدم هذه الورقة نظاما جديدا يدمج التقنيات المتقدمة مثل الهيكل من الحركة ، وتسجيل المشهد التدريجي ، و Gaussian Splatting لإعادة بناء نماذج ثلاثية الأبعاد التفصيلية. يتم دمج هذه النماذج بسلاسة في بيئات الواقع الافتراضي لتمكين التفاعل الغامر. يبدأ خط الأنابيب بالتقاط صور بزاوية 360 درجة باستخدام نمط قائم على المصفوفة لتغطية شاملة. تتم معالجة الصور باستخدام COLMAP لتقدير أوضاع الكاميرا وإنشاء سحابة نقطة متفرقة. يعمل Gaussian Splatting على تحسين إعادة الإعمار من خلال تحسين المواضع والأشكال ومظهر النقاط لإنتاج بيئات ثلاثية الأبعاد واقعية للغاية. ثم يتم عرض هذه النماذج في Unity ، مما يتيح التفاعل بواسطة سماعات رأس VR ودعم ميزات إضافية مثل الصور الرمزية التي تقودها نماذج لغات كبيرة. توضح حالة استخدام واحدة تعدد استخدامات النظام. في مجال الرعاية الصحية ، يخلق النهج مساحات افتراضية مألوفة وخاضعة للرقابة للعلاج ، وهي مفيدة بشكل خاص للأشخاص الذين يعانون من اضطرابات طيف التوحد. توفر البيئات الغامرة والصور الرمزية التفاعلية بيئة آمنة ومريحة للعلاج الشخصي. يوفر هذا النظام مزايا كبيرة ، بما في ذلك الدقة البصرية العالية ، وسهولة الحصول على الصور ، وتجارب المستخدم الغامرة. ومع ذلك ، لا تزال هناك تحديات ، مثل التكلفة الحسابية ل Gaussian Splatting واعتمادها على تقدير دقيق لوضعية الكاميرا. من خلال التغلب على هذه القيود ، فإن هذه الطريقة لديها القدرة على تحويل التطبيقات في مختلف المجالات ، بدءا من التدخلات العلاجية إلى التصميم الصناعي والحفاظ على الثقافة.

المقدمة

أصبحت القدرة على إعادة إنشاء المناظر الطبيعية ثلاثية الأبعاد والتفاعل معها أمرا بالغ الأهمية في العديد من المجالات المختلفة لتطبيقات التكنولوجيا الحديثة. تعتمد التقنيات التقليدية لإنشاء تمثيلات افتراضية للمواقع الحقيقية أحيانا على نماذج جامدة كثيفة العمالة وقياسات يدوية1. ظهرت تقنيات الرؤية الحاسوبية المتقدمة كخيارات قابلة للتطبيق لإعادة البناء والتفاعل ثلاثي الأبعاد الآلي من أجل التغلب على هذهالقيود 2.

يعد تطوير نماذج ثلاثية الأبعاد معقدة من الصور الفوتوغرافية بزاوية 360 درجة سمة بارزة لهذا التقدم. يمكن الحصول على معلومات مكانية دقيقة من خلال تحديد المناطق الدقيقة التي التقطت فيها الصور باستخدام أحدث الأدوات مثل COLMAP3. تم تعزيز العملية بشكل أكبر من خلال Gaussian Splatting4 ، مما يسمح بإعادة إنشاء الإعدادات المعقدة ثلاثية الأبعاد بجودة جيدة.

إن دمج هذه النماذج ثلاثية الأبعاد في أنظمة الواقع الافتراضي (VR) يفتح طرقا جديدة للاستكشاف والمشاركة بما يتجاوز إعادة الإعمار. لزيادة المشاركة ، يمكن للمستخدمين قياس كائنات العالم الحقيقي مثل الأبواب والطاولات ، والتحرك في الفضاء الافتراضي ، وحتى إضافة كائنات رقمية وصور رمزية. يمكن أن تنتج هذه الصور الرمزية استجابات ديناميكية وتفاعلية باستخدام نماذج اللغة الكبيرة (LLMs) ، مما يؤدي إلى تجارب غامرة5.

يقدم هذا العمل منهجية لإنشاء تمثيلات ثلاثية الأبعاد لبيئة العالم الحقيقي باستخدام صور ملونة عادية وعرضها ضمن إعداد الواقع الافتراضي. يعتمد النظام على الهيكل للأغراض العامة من الحركة وخطوط أنابيب الطلاء الغوسية. النظام مناسب لإنشاء المزيد من التطبيقات في البناء أو الرعاية الصحية.

ينتج خط الأنابيب المقترح تمثيلات ثلاثية الأبعاد واقعية بصريا وجذابة للبيئات الحقيقية ، وهي ميزته الرئيسية. بالإضافة إلى ذلك ، فإنه يستخدم صورا ملونة ، وهي مريحة للغاية مقارنة بالأساليب الأخرى التي تتطلب أجهزة استشعار باهظة الثمن مثل LiDARs أو كاميرات الإضاءة الهيكلية6. الأساس المنطقي وراء الاقتراح هو أن القدرة على إنشاء تمثيلات ثلاثية الأبعاد جذابة بصريا بسهولة لها العديد من التطبيقات. يمكن استخدامه في البناء لمراقبة الجودة ، أو في الرعاية الصحية لعلاج المصابين بالتوحد في بيئة معروفة وخاضعة للرقابة ، أو في الترفيه لتضمين تمثيل دقيق لموقع حقيقي في لعبة فيديو.

تقدم تطوير أنظمة إعادة بناء 3D والتفاعل مع البيئات الافتراضية بشكل كبير في السنوات الأخيرة ، مدفوعا بتكامل رؤية الكمبيوتر والتعلم الآلي وتقنيات الواقعالافتراضي 2. وترد أدناه موجز للمكونات والمنهجيات الرئيسية ذات الصلة بهذا العمل.

تعتمد إعادة البناء ثلاثية الأبعاد الدقيقة على معالجة الصور لاستخراج المعلومات المكانية والهندسية. تم استخدام الطرق التقليدية مثل الهيكل من الحركة (SfM) 7 و Multi-View Stereo (MVS) على نطاق واسع لتقدير أوضاع الكاميرا وتوليد سحب نقطية كثيفة. يتم التعرف على أدوات مثل COLMAP لقوتها في أداء هذه المهام ، حيث تجمع بين SfM و MVS لإنتاج نماذج ثلاثية الأبعاد عالية الدقة من مجموعات بيانات الصور. ومع ذلك ، لا تزال هناك قيود في التعامل مع الإضاءة المعقدة والقوام والبيئات الديناميكية للغاية.

تشمل التطورات الحديثة Gaussian Splatting9 ، والتي تستخدم تمثيلا قائما على النقاط لإنتاج عمليات إعادة بناء واقعية بكفاءة أكبر من الطرق التقليدية القائمة على الشبكة. يتيح Gaussian Splatting تصورا أكثر سلاسة وتمثيلا مكانيا أكثر دقة ، لا سيما في المشاهد ذات التفاصيل المعقدة.

بمجرد إعادة بناء النماذج ثلاثية الأبعاد ، يعد تحويلها إلى تنسيقات متوافقة مع الواقع الافتراضي أمرا بالغ الأهمية للتفاعل الغامر. توسع استخدام أنظمة الواقع الافتراضي إلى ما هو أبعد من الترفيه ليشمل مجالات مثل التعليم والرعاية الصحية10 والتصميم الصناعي. تتيح أطر عمل الواقع الافتراضي الحديثة التنقل السلس والتفاعل مع الكائنات الرقمية والواقعية المحسنة ، مما يجعلها مناسبة للتطبيقات التي تتطلب تفاعلا عاليا من المستخدم.

يعمل دمج الميزات التفاعلية مثل الكائنات الافتراضية والصور الرمزية على تحسين وظائف وعمق أنظمة الواقع الافتراضي (VR) بشكل كبير. تسهل الصور الرمزية المدعومة بنماذج اللغات الكبيرة (LLMs) تفاعلات محادثة واقعية ، مما يتيح تجارب مستخدم ديناميكية وتكيفية. على وجه الخصوص ، أظهرت هذه التقنيات إمكانات في السياقات العلاجية ، مما يتيح تفاعلات مصممة خصيصا بناء على سلوك المستخدم أو الحالة العاطفية. على سبيل المثال ، طورت هذه الدراسة11 تطبيقا للواقع الافتراضي باستخدام الصور الرمزية كروبوتات محادثة مدعومة من LLMs لتدريب الأفراد المصابين بالتوحد على مهارات الاتصال المهني ، مما يسلط الضوء على قدرة الصور الرمزية التي تعمل بنظام LLM على التكيف في العلاج. بالإضافة إلى ذلك ، تم تضمين LLMs في بيئات الواقع المعزز لتعزيز الإدماج والمشاركة ، مما يدعم الإمكانات العلاجية للصور الرمزية التي يحركها LLM.

يتم استخدام البيئات الافتراضية بشكل متزايد في البيئات العلاجية ، خاصة للأفراد الذين يعانون من اضطراب طيف التوحد (ASD). تشير الدراسات إلى أن المساحات الافتراضية المألوفة والخاضعة للرقابة يمكن أن تقلل من القلق وتزيد من المشاركة أثناء جلسات العلاج11. يمكن أن تعمل الصور الرمزية في هذه البيئات كميسرين ، وتقديم العلاج بطريقة تشعر بالأمان وفي متناول المريض.

على الرغم من التقدم المحرز، لا تزال هناك تحديات، بما في ذلك التكلفة الحسابية لإعادة البناء ثلاثي الأبعاد، والحفاظ على الدقة العالية في البيئات الافتراضية، وضمان التكامل السلس بين الأنظمة. ومع ذلك ، فإن التطوير المستمر لخوارزميات وأجهزة أكثر كفاءة ، فضلا عن التقدم في الأدوات القائمة على الذكاء الاصطناعي ، يوفر فرصا لمزيد من الابتكار في هذا المجال. تقدم هذه الورقة نظاما جديدا لإعادة بناء 3D والتفاعل مع البيئات الافتراضية باستخدام صور 360 درجة. يدمج هذا النهج تقنيات مثل توطين الصور باستخدام COLMAP ، وإعادة البناء عالية الجودة باستخدام الطلاء الغوسي ، وتوافق الواقع الافتراضي للاستكشاف الغامر. من خلال دمج الكائنات الرقمية والصور الرمزية التفاعلية المدعومة من LLMs ، يتيح النظام التطبيقات في العلاج الشخصي للأفراد الذين يعانون من ASD والتحقق من مشروع البناء. توفر هذه الأدوات إطارا شاملا لإنشاء بيئات افتراضية قابلة للتكيف تعزز الممارسات العلاجية والصناعية. يوضح الشكل 1 خط أنابيب الاقتراح.

figure-introduction-1
الشكل 1: خط أنابيب النظام. رسم تخطيطي لخط الأنابيب المقترح لإعادة بناء واقعية للبيئة المكونة من البيئة الحقيقية ، والصور بزاوية 360 درجة ، والإسقاطات التي تم الحصول عليها ، وعملية SfM ، وعملية Splatting Gaussian ، والتكامل مع الواقع الافتراضي. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

1. التقاط الصور

  1. ضع الكاميرا بزاوية 360 درجة على حامل ثلاثي القوائم يتميز بارتفاع قابل للتعديل. حدد سلسلة من المواضع داخل البيئة المراد مسحها ضوئيا ، باتباع نمط شبكي مربع حيث تكون كل حافة متباعدة بمقدار 1.5 متر.
  2. التقط صورا بثلاثة ارتفاعات مختلفة في كل نقطة محددة من الشبكة: حوالي 0.4 متر و 1.2 متر و 2 متر.
  3. قم بتحويل الصور بزاوية 360 درجة إلى صور بتنسيق متساوي المستطيلات. استخدم تطبيق Ista360 ، على سبيل المثال. حدد الصورة ، واضغط على الزر تصدير ، واختر وضع تصدير الصورة بزاوية 360 درجة ، وقم بتصديرها كصورة بنسبة 2: 1.
  4. استخرج صور منظور بتنسيق 16: 9 من كل صورة متساوية المستطيلات مع مجال رؤية أفقي 90 درجة. استخدم الزوايا الأفقية التالية لجميع الصور: 0 و45 و90 و135 و180 و225 و270 و315. بالنسبة للصور الملتقطة على ارتفاع 0.4 متر، استخدم الزوايا الرأسية 0، 50. بالنسبة للصور الملتقطة على ارتفاع 1.2 متر ، استخدم الزوايا الرأسية -50 ، 0 ، 50. بالنسبة للصور الملتقطة على ارتفاع 2 متر ، استخدم الزوايا الرأسية -50 ، 0. لعملية الاستخراج ، استخدم البرنامج النصي Equi2Pers.py Python (ملف الترميز التكميلي 1 ؛ الشكل 2).

figure-protocol-1
الشكل 2: صور متساوية المستطيلات للإسقاطات. رسم تخطيطي لكيفية تحويل صورة متساوية المستطيلات إلى إسقاط خريطة مكعبة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

2. تقدير وضعية الكاميرا باستخدام COLMAP

  1. قم بإنشاء مشروع COLMAP جديد بالنقر فوق ملف > مشروع جديد، ثم حدد المسار إلى الصور وقم بإنشاء قاعدة بيانات جديدة.
  2. استخرج الميزات لكل صورة بالنقر فوق معالجة > استخراج الميزات، وتحديد PINHOLE كنموذج كاميرا، والمشاركة لجميع الصور. اترك المعلمات المتبقية كإعداد افتراضي. في المناطق ذات الملمس الكبير ، يمكن تقليل max_num_features لزيادة كفاءة الطريقة.
  3. قم بإجراء مطابقة الميزات بالنقر فوق معالجة > مطابقة الميزات، باستخدام المعلمات الافتراضية.
  4. احسب SfM بالنقر فوق إعادة بناء > بدء إعادة البناء للحصول على مواضع الكاميرا واتجاهاتها، باستخدام معلمات COLMAP الافتراضية.
  5. قلل أخطاء إعادة الإسقاط باستخدام ضبط الحزمة بالنقر فوق إعادة بناء > تعديل الحزمة.
  6. قم بإنشاء تمثيل ثلاثي الأبعاد كثيف للمشهد بالنقر فوق إعادة بناء > إعادة بناء كثيفة ، مع المخرجات بما في ذلك أوضاع الكاميرا والنقاط المعاد بناؤها.

3. إعادة بناء المشهد ثلاثي الأبعاد الواقعية باستخدام القفز الغوسي (GS)

  1. قم بتنفيذ الملف train.py باستخدام المعلمات -s و -m و -r ، حيث يحدد -s مسار مشروع COLMAP ، ويحدد -m مسار الإخراج ل Gaussian Splatting (إذا لم يتم تحديده ، يتم إنشاء مسار افتراضي) ، و -r يعيد قياس الصور ، وعادة ما يتم تعيينها بين 2 و 4.
    ملاحظة: train.py الملف موجود في المستودع الرسمي ل Gaussian Splatting https://github.com/graphdeco-inria/gaussian-splatting.
  2. حدد موقع ملف .ply الذي تم إنشاؤه بواسطة Gaussian Splatting في مسار الإخراج لاستخدامه لاحقا في Unity.

4. التقديم في الواقع الافتراضي مع الوحدة والغاوسية splatting

  1. قم بتوصيل سماعة رأس الواقع الافتراضي بالكمبيوتر. تعتمد هذه الطريقة على سماعة رأس VR المستخدمة.
  2. استخدم Unity Hub لإنشاء مشروع ثلاثي الأبعاد بالإصدار 2022.3.44f1. قم بتثبيت الإصدار 2022.3.44f1 من Unity إذا لزم الأمر. انتقل إلى المشاريع > مشروع جديد، وحدد الإصدار 2022.3.44f1 والقالب ثلاثي الأبعاد (الأساسي)، وقم بتعيين اسم المشروع وموقعه، وانقر فوق إنشاء مشروع لإنشائه باستخدام الإعدادات الافتراضية.
  3. قم بتثبيت مكون إضافي لإدارة سماعة رأس VR وتبسيط تطوير التطبيقات ، بما في ذلك مهام مثل الوصول إلى عصا التحكم وتتبع العين. قم بذلك من خلال Unity Asset Store باستخدام "إدارة الحزم" بالنقر فوق "نافذة > "إدارة الحزم".
  4. استخدم المكون الإضافي UnityGaussianSplatting لإنشاء أصل من إخراج Gaussian Splatting. قم بذلك من خلال Unity Asset Store باستخدام Package Manager. لإنشاء هذا الأصل، انتقل إلى أدوات > GaussianSplats > Create GaussianSplatAsset وقم بتوفير ملف .ply الذي تم إنشاؤه بواسطة Gaussian Splatting.
  5. استخدم المكون الإضافي UltraLeap لتحسين اكتشاف اليد ، مما يعزز تفاعل المستخدم. لتثبيت هذا ، انتقل إلى Unity Asset Store > Package Manager وانقر فوق Window > Package Manager.
  6. استخدم المكون الإضافي whisper.unity لنسخ الصوت الذي تم التقاطه بواسطة ميكروفون سماعة رأس VR. قم بتثبيت هذا كما هو موضح في الخطوة 4.5.
  7. استخدم نموذج LLM لإنشاء استجابات. قم بتثبيت المكون الإضافي LLMUnity لتمكين استخدام LLM هذا. قم بتثبيت هذا كما هو موضح في الخطوة 4.5.
    1. قم بإنشاء GameObject فارغ وأضف نصا برمجيا LLM ، ثم انقر فوق زر تنزيل النموذج لتحديد نموذج افتراضي. بالنسبة للأحرف، أضف كائنا فارغا وأرفق البرنامج النصي LLMCharacter به، حيث يمكن تحديد الاسم والدور.
  8. استخدم Meta - Voice SDK لإنشاء صوت من الاستجابة التي تنتجها LLM. لتحقيق ذلك ، قم بتثبيت مكون إضافي لتحويل النص إلى كلام من خلال Unity Asset Store باستخدام Package Manager بالنقر فوق Window > Package Manager.
  9. استخدم سماعات رأس الواقع الافتراضي لتمكين التفاعل الغامر.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

في هذا القسم ، تتم مناقشة النتائج التمثيلية والنقاط القوية والقيود المفروضة على خط الأنابيب المقترح. نتائج تطبيق الطريقة المقترحة هي كما يلي. يوضح الشكل 3 موضع الكاميرا (باللون الأحمر) وسحابة النقطة الكثيفة. تمثل مجموعات الكاميرات ذات الأصول المشتركة إسقاطات من نفس الصورة متساوية المستطيلات.

figure-results-1
الشكل 3: ...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

تقدم هذه الدراسة منهجية جديدة لإعادة بناء ثلاثية الأبعاد واقعية وتفاعل البيئة الافتراضية باستخدام صور بزاوية 360 درجة وتقنيات عرض متقدمة. تتم مناقشة الخطوات الحاسمة والتحديات والآثار المترتبة على النظام المقترح أدناه.

الخطوات الحاسمة
إحدى الخطوات الرئيسية في خط الأنابيب المقترح هي التقاط الصور. باستخدام كاميرا بزاوية 360 درجة موضوعة على ارتفاعات ومواقع مختلفة ، يتم إنشاء مجموعة بيانات شاملة لزيادة تغطية البيئة إلى أقصى حد. تضمن هذه الخطوة د...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

يعلن المؤلفون أنه ليس لديهم مصالح مالية متنافسة معروفة أو علاقات شخصية يمكن أن يبدو أنها تؤثر على العمل المبلغ عنه في هذه الورقة.

شكر وتقدير

هذه الورقة جزء من المنحة PID2022-138453OB-I00 الممولة من MICIU / AEI / 10.13039 / 501100011033 و ERDF طريقة لجعل أوروبا.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
وحدات معالجة الرسومات NVIDIA GeForce RTX 2080نفيدياTU104-400Aجهاز لمعالجة الصور وإعادة بنائها   ؛
إنستا 360 × 4إنستا 360سينسابما-إتشجهاز الحصول على البيانات لإعادة الإعمار
ميتا كويست IIIميتا899-00582-01جهاز للتصور والتفاعل مع إعادة الإعمار
بطاقة الذاكرة Evo Plus 128 جيجابايتسامسونجميغابايت MC128KA / الاتحاد الأوروبيبطاقة ذاكرة ل 360 درجة ؛ تخزين الصور

المراجع

  1. Zollmann, S., et al. Augmented Reality for Construction Site Monitoring and Documentation. Proceedings IEEE. 102 (2), 137-154 (2012).
  2. Zhou, L., Wu, G., Zuo, Y., Chen, X., Hu, H. A comprehensive review of vision-based 3d reconstruction methods. Sensors. 24 (7), 2314(2024).
  3. Structure-from-motion revisited. Schonberger, J. L., Frahm, J. M. IEEE Conf Comp Vis Pattern Recog, , 4104-4113 (2016).
  4. Kerbl, B., Kopanas, G., Leimkühler, T., Drettakis, G. 3d gaussian splatting for real-time radiance field rendering. ACM Trans. Graph. 42 (4), 139-141 (2023).
  5. Embedding large language models into extended reality: Opportunities and challenges for inclusion, engagement, and privacy. Bozkir, E., et al. Proc 6th ACM Conf Conversat User Interf, , 1-7 (2024).
  6. Remondino, F., El-Hakim, S. Image-based 3D modelling: A review. Photogrammet Record. 21 (115), 269-291 (2006).
  7. Özyeşil, O., Voroninski, V., Basri, R., Singer, A. A survey of structure from motion. Acta Numerica. 26, 305-364 (2017).
  8. Structure from motion using full spherical panoramic cameras. Pagani, A., Stricker, D. IEEE Int Conf Comp Vision Workshops, , 375-382 (2011).
  9. Dalal, A., Hagen, D., Robbersmyr, K. G., Knausgård, K. M. Gaussian Splatting: 3D Reconstruction and Novel View Synthesis: A Review. IEEE Access. 12, 96797-96820 (2024).
  10. Zhang, M., Ding, H., Naumceska, M., Zhang, Y. Virtual Reality Technology as an Educational and Intervention Tool for Children with Autism Spectrum Disorder: Current Perspectives and Future Directions. Behav Sci. 12 (5), 138(2023).
  11. Failla, C., et al. Virtual reality for autism: unlocking learning and growth. Front Psychol. 15, 1417717(2024).
  12. Huang, B., Yu, Z., Chen, A., Geiger, A., Gao, S. 2D Gaussian Splatting for Geometrically Accurate Radiance. arXiv. , (2024).
  13. Zhang, Y., et al. Evaluating Human Perception of Novel View Synthesis: Subjective Quality Assessment of Gaussian Splatting and NeRF in Dynamic Scenes. arXiv. , (2025).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

الوسوم

360 COLMAP Unity
المناظر الطبيعية المكتسبة الواقعية للواقع المعزز
اتصل بنا
أوصِ بها للمكتبة

الخصوصية

شروط الاستخدام

السياسات

2026 © حقوق الطبع والنشر MyJoVE Corporation. جميع الحقوق محفوظة.