Name: Paesaggi appresi fotorealistici per la realtà aumentata (Video) | JoVE Journal
Uploaded: 2025-06-27T13:20:00.000+00:00
Duration: 6 min 54 s
Description: Impara a creare ricostruzioni 3D fotorealistiche da immagini a 360 gradi per ambienti virtuali immersivi. Questo metodo supporta terapia, educazione e validazione industriale con strumenti come COLMAP e Gaussian splatting.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

1. Acquisizione dell'immagine
<ol>
	<li>Posiziona la fotocamera a 360° su un treppiede con altezza regolabile. Selezionare una serie di posizioni all'interno dell'ambiente da scansionare, seguendo uno schema a maglie quadrate in cui ogni bordo è distanziato di 1,5 m l'uno dall'altro.</li>
	<li>Acquisisci immagini a tre diverse altezze in ogni punto selezionato della mesh: circa 0,4 m, 1,2 m e 2 m.</li>
	<li>Converti le immagini a 360° in immagini in formato equirettangolare. Usa l'app Ista360, per esempio. Seleziona l'immagine, premi il pulsante Esporta , scegli la modalità foto Esporta 360 ed esportala come immagine con rapporto 2:1.</li>
	<li>Estrai immagini prospettiche in formato 16:9 da ogni immagine equirettangolare con un campo visivo orizzontale di 90°. Utilizzare i seguenti angoli orizzontali per tutte le immagini: 0, 45, 90, 135, 180, 225, 270, 315. Per le immagini scattate a un'altezza di 0,4 m, utilizzare gli angoli verticali 0, 50. Per le immagini scattate a un'altezza di 1,2 m, utilizzare gli angoli verticali -50, 0, 50. Per le immagini scattate a un'altezza di 2 m, utilizzare gli angoli verticali -50, 0. Per il processo di estrazione, utilizzare lo script Python Equi2Pers.py (File di codifica supplementare 1; Figura 2).</li>
</ol>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/68386/68386fig2.jpg"> 
Figura 2: Immagini equirettangolari a proiezioni. Diagramma di come un'immagine equirettangolare viene convertita in una proiezione su mappa cubica. <a href="https://www.jove.com/files/ftp_upload/68386/68386fig2large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
2. Stima della posa della fotocamera con COLMAP
<ol>
	<li>Creare un nuovo progetto COLMAP facendo clic su File &gt; nuovo progetto, quindi specificare il percorso delle immagini e creare un nuovo database.</li>
	<li>Estrai le caratteristiche per ogni immagine facendo clic su Elaborazione &gt; Estrazione funzionalità, selezionando PINHOLE come modello di fotocamera e condividendo per tutte le immagini. Lasciate i parametri rimanenti come predefiniti. Nelle aree con molta consistenza, max_num_features possono essere ridotte per aumentare l'efficienza del metodo.</li>
	<li>Per eseguire la corrispondenza delle funzionalità, fare clic su Elaborazione &gt; Corrispondenza funzionalità utilizzando i parametri predefiniti.</li>
	<li>Calcola SfM facendo clic su Ricostruzione &gt; Avvia ricostruzione per ottenere le posizioni e gli orientamenti della telecamera, utilizzando i parametri COLMAP predefiniti.</li>
	<li>Ridurre al minimo gli errori di riproiezione utilizzando la regolazione del bundle facendo clic su Ricostruzione &gt; Regolazione bundle.</li>
	<li>Genera una rappresentazione 3D densa della scena facendo clic su Ricostruzione &gt; Ricostruzione densa, con output che includono pose della fotocamera e punti ricostruiti.</li>
</ol>
3. Ricostruzione fotorealistica di scene 3D mediante splatting gaussiano (GS)
<ol>
	<li>Esegue il file train.py con i parametri -s, -m e -r, dove -s specifica il percorso del progetto COLMAP, -m definisce il percorso di output per lo splatting gaussiano (se non specificato, ne viene generato uno predefinito) e -r ridimensiona le immagini, tipicamente impostato tra 2 e 4. NOTA: Il file train.py si trova nel repository ufficiale di Gaussian Splatting https://github.com/graphdeco-inria/gaussian-splatting.</li>
	<li>Individuare il file con estensione ply generato da Gaussian Splatting nel percorso di output per un uso successivo in Unity.</li>
</ol>
4. Rendering in realtà virtuale con Unity e splatting gaussiano
<ol>
	<li>Collegare il visore VR al computer. Questo metodo dipende dal visore VR utilizzato.</li>
	<li>Usare Unity Hub per creare un progetto 3D con la versione 2022.3.44f1. Installa Unity versione 2022.3.44f1 se necessario. Vai su Progetti &gt; Nuovo progetto, seleziona la versione 2022.3.44f1 e il modello 3D (Core), imposta un nome e una posizione per il progetto e fai clic su Crea progetto per generarlo con le impostazioni predefinite.</li>
	<li>Installa un plug-in per gestire il visore VR e semplificare lo sviluppo delle applicazioni, comprese attività come l'accesso al joystick e il tracciamento oculare. A tale scopo, eseguire questa operazione tramite l'archivio di asset di Unity utilizzando Gestione pacchetti facendo clic su Finestra &gt; Gestione pacchetti.</li>
	<li>Utilizza il plug-in UnityGaussianSplatting per generare un asset dall'output di Gaussian Splatting. A tale scopo, eseguire questa operazione tramite l'archivio di risorse di Unity utilizzando Gestione pacchetti. Per generare questo asset, passare a Strumenti &gt; GaussianSplats &gt; Crea GaussianSplatAsset e fornire il file .ply generato da Gaussian Splatting.</li>
	<li>Utilizza il plug-in UltraLeap per migliorare il rilevamento delle mani, migliorando l'interazione con l'utente. Per installarlo, vai su Unity Asset Store &gt; Package Manager e fai clic su Window &gt; Package Manager.</li>
	<li>Utilizza il plug-in whisper.unity per trascrivere l'audio acquisito dal microfono del visore VR. Installarlo come descritto nel passaggio 4.5.</li>
	<li>Utilizza un modello LLM per generare risposte. Installa il plug-in LLMUnity per abilitare l'uso di questo LLM. Installarlo come descritto nel passaggio 4.5.<ol>
		<li>Crea un GameObject vuoto e aggiungi uno script LLM, quindi fai clic sul pulsante Scarica modello per selezionare un modello predefinito. Per i caratteri, aggiungere un oggetto vuoto e allegare lo script LLMCharacter ad esso, dove è possibile specificare il nome e il ruolo.</li>
	</ol>
	</li>
	<li>Usa l'SDK Meta - Voice per generare l'audio dalla risposta prodotta da LLM. A tale scopo, installare un plug-in Text-to-Speech tramite l'Unity Asset Store utilizzando Gestione pacchetti facendo clic su Finestra &gt; Gestione pacchetti.</li>
	<li>Usa i visori VR per consentire un'interazione coinvolgente.</li>
</ol>

<ol><li>Zollmann, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Augmented+Reality+for+Construction+Site+Monitoring+and+Documentation%5BTitle%5D)+AND+%22Proceedings+IEEE%22%5BJournal%5D)">Augmented Reality for Construction Site Monitoring and Documentation.</a> Proceedings IEEE. 102 (2), 137-154 (2012).</li>
<li>Zhou, L., Wu, G., Zuo, Y., Chen, X., Hu, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comprehensive+review+of+vision-based+3d+reconstruction+methods%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">A comprehensive review of vision-based 3d reconstruction methods.</a> Sensors. 24 (7), 2314(2024).</li>
<li>Structure-from-motion revisited. Schonberger, J. L., Frahm, J. M. IEEE Conf Comp Vis Pattern Recog, , 4104-4113 (2016).</li>
<li>Kerbl, B., Kopanas, G., Leimkühler, T., Drettakis, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((3d+gaussian+splatting+for+real-time+radiance+field+rendering%5BTitle%5D)+AND+%22ACM+Trans.+Graph%22%5BJournal%5D)">3d gaussian splatting for real-time radiance field rendering.</a> ACM Trans. Graph. 42 (4), 139-141 (2023).</li>
<li>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).</li>
<li>Remondino, F., El-Hakim, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Image-based+3D+modelling%3A+A+review%5BTitle%5D)+AND+%22Photogrammet+Record%22%5BJournal%5D)">Image-based 3D modelling: A review.</a> Photogrammet Record. 21 (115), 269-291 (2006).</li>
<li>Özyeşil, O., Voroninski, V., Basri, R., Singer, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+survey+of+structure+from+motion%5BTitle%5D)+AND+%22Acta+Numerica%22%5BJournal%5D)">A survey of structure from motion.</a> Acta Numerica. 26, 305-364 (2017).</li>
<li>Structure from motion using full spherical panoramic cameras. Pagani, A., Stricker, D. IEEE Int Conf Comp Vision Workshops, , 375-382 (2011).</li>
<li>Dalal, A., Hagen, D., Robbersmyr, K. G., Knausgård, K. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gaussian+Splatting%3A+3D+Reconstruction+and+Novel+View+Synthesis%3A+A+Review%5BTitle%5D)+AND+%22IEEE+Access%22%5BJournal%5D)">Gaussian Splatting: 3D Reconstruction and Novel View Synthesis: A Review.</a> IEEE Access. 12, 96797-96820 (2024).</li>
<li>Zhang, M., Ding, H., Naumceska, M., Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Virtual+Reality+Technology+as+an+Educational+and+Intervention+Tool+for+Children+with+Autism+Spectrum+Disorder%3A+Current+Perspectives+and+Future+Directions%5BTitle%5D)+AND+%22Behav+Sci%22%5BJournal%5D)">Virtual Reality Technology as an Educational and Intervention Tool for Children with Autism Spectrum Disorder: Current Perspectives and Future Directions.</a> Behav Sci. 12 (5), 138(2023).</li>
<li>Failla, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Virtual+reality+for+autism%3A+unlocking+learning+and+growth%5BTitle%5D)+AND+%22Front+Psychol%22%5BJournal%5D)">Virtual reality for autism: unlocking learning and growth.</a> Front Psychol. 15, 1417717(2024).</li>
<li>Huang, B., Yu, Z., Chen, A., Geiger, A., Gao, S. 2D Gaussian Splatting for Geometrically Accurate Radiance. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHuang%2C+B+%22arXiv%22">arXiv</a>. , (2024).</li>
<li>Zhang, Y., et al. Evaluating Human Perception of Novel View Synthesis: Subjective Quality Assessment of Gaussian Splatting and NeRF in Dynamic Scenes. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aZhang%2C+Y+%22arXiv%22">arXiv</a>. , (2025).</li>
</ol>

La capacità di ricreare e interagire con i paesaggi 3D è diventata fondamentale in molte aree diverse delle applicazioni tecnologiche moderne. Le tecniche tradizionali per la creazione di rappresentazioni virtuali di luoghi reali a volte si basano su modelli rigidi e ad alta intensità di lavoro e misurazioni manuali1. Le tecniche avanzate di visione artificiale sono emerse come opzioni praticabili per la ricostruzione e l'interazione 3D automatizzate al fine di superare queste limitazioni2.
Lo sviluppo di modelli 3D complessi a partire da fotografie a 360 gradi è una caratteristica notevole di questo progresso. È possibile ottenere informazioni spaziali accurate individuando le aree esatte in cui sono state scattate le foto utilizzando strumenti all'avanguardia come COLMAP3. Il processo è ulteriormente migliorato da Gaussian Splatting4, che consente di ricreare impostazioni complicate in 3D con una buona qualità.
L'integrazione di questi modelli 3D nei sistemi di realtà virtuale (VR) apre nuove strade per l'esplorazione e il coinvolgimento oltre la ricostruzione. Per aumentare il coinvolgimento, gli utenti possono misurare oggetti del mondo reale come porte e tavoli, muoversi nello spazio virtuale e persino aggiungere oggetti digitali e avatar. Questi avatar possono produrre risposte dinamiche e interattive utilizzando modelli linguistici di grandi dimensioni (LLM), dando vita a esperienze immersive5.
Questo lavoro presenta una metodologia per creare rappresentazioni tridimensionali di un ambiente del mondo reale utilizzando immagini a colori regolari e visualizzarle all'interno di una configurazione di realtà virtuale. Il sistema si basa su tubazioni di splatting gaussiane e structure-from-motion per uso generale. Il sistema è adatto per la creazione di ulteriori applicazioni nell'edilizia o nella sanità.
La pipeline proposta produce rappresentazioni tridimensionali visivamente realistiche e accattivanti di ambienti reali, che è il suo principale vantaggio. Inoltre, utilizza immagini a colori, che sono molto convenienti rispetto ad altri approcci che richiedono sensori costosi come LiDAR o telecamere a luce strutturata6. La logica alla base della proposta è che la capacità di creare facilmente rappresentazioni tridimensionali visivamente accattivanti ha molte applicazioni. Può essere utilizzato nell'edilizia per il controllo di qualità, nell'assistenza sanitaria per trattare le persone autistiche in un ambiente noto e controllato o nell'intrattenimento per includere una rappresentazione accurata di un luogo reale in un videogioco.
Lo sviluppo di sistemi per la ricostruzione 3D e l'interazione con ambienti virtuali è progredito in modo significativo negli ultimi anni, guidato dall'integrazione delle tecnologie di visione artificiale, apprendimento automatico e realtà virtuale2. I componenti chiave e le metodologie rilevanti per questo lavoro sono descritti di seguito.
La ricostruzione 3D accurata si basa sull'elaborazione delle immagini per estrarre informazioni spaziali e geometriche. I metodi tradizionali come Structure from Motion (SfM)7 e Multi-View Stereo (MVS)8 sono stati ampiamente utilizzati per stimare le pose della telecamera e generare nuvole di punti dense. Strumenti come COLMAP sono riconosciuti per la loro robustezza nell'esecuzione di queste attività, combinando SfM e MVS per produrre modelli 3D altamente accurati da set di dati di immagini. Tuttavia, permangono limitazioni nella gestione di illuminazione complessa, texture e ambienti altamente dinamici.
I recenti progressi includono Gaussian Splatting9, che utilizza una rappresentazione basata su punti per produrre ricostruzioni fotorealistiche con maggiore efficienza rispetto ai tradizionali metodi basati su mesh. Lo splatting gaussiano consente una visualizzazione più fluida e una rappresentazione spaziale più accurata, in particolare nelle scene con dettagli complessi.
Una volta ricostruiti i modelli 3D, trasformarli in formati compatibili con la realtà virtuale è fondamentale per un'interazione immersiva. L'uso dei sistemi VR si è esteso oltre l'intrattenimento in aree come l'istruzione, la sanitàe il design industriale. I moderni framework VR consentono una navigazione senza interruzioni, l'interazione con gli oggetti digitali e un maggiore realismo, rendendoli adatti per applicazioni che richiedono un elevato coinvolgimento degli utenti.
L'integrazione di funzionalità interattive come oggetti virtuali e avatar migliora significativamente la funzionalità e la profondità dei sistemi di realtà virtuale (VR). Gli avatar basati su Large Language Models (LLM) facilitano interazioni conversazionali realistiche, consentendo esperienze utente dinamiche e adattive. In particolare, queste tecnologie hanno mostrato potenzialità in contesti terapeutici, consentendo interazioni su misura in base al comportamento dell'utente o allo stato emotivo. Ad esempio, questo studio11 ha sviluppato un'applicazione VR che utilizza avatar come chatbot alimentati da LLM per formare le persone autistiche nelle abilità di comunicazione professionale, evidenziando l'adattabilità degli avatar alimentati da LLM in terapia. Inoltre, gli LLM sono stati incorporati in ambienti di realtà aumentata per promuovere l'inclusione e il coinvolgimento, supportando ulteriormente il potenziale terapeutico degli avatar basati su LLM.
Gli ambienti virtuali sono sempre più utilizzati in contesti terapeutici, in particolare per le persone con disturbo dello spettro autistico (ASD). Gli studi dimostrano che gli spazi virtuali familiari e controllati possono ridurre l'ansia e aumentare il coinvolgimento durante le sessioni di terapia11. Gli avatar in questi ambienti possono fungere da facilitatori, fornendo la terapia in un modo che si senta sicuro e accessibile al paziente.
Nonostante i progressi, permangono delle sfide, tra cui il costo computazionale della ricostruzione 3D, il mantenimento dell'alta fedeltà negli ambienti virtuali e la garanzia di un'integrazione fluida tra i sistemi. Tuttavia, il continuo sviluppo di algoritmi e hardware più efficienti, nonché i progressi negli strumenti basati sull'intelligenza artificiale, offrono opportunità per ulteriori innovazioni in questo settore. Questo articolo presenta un nuovo sistema per la ricostruzione 3D e l'interazione con ambienti virtuali utilizzando immagini a 360 gradi. L'approccio integra tecniche come la localizzazione delle immagini tramite COLMAP, la ricostruzione di alta qualità tramite splatting gaussiano e la compatibilità VR per l'esplorazione immersiva. Incorporando oggetti digitali e avatar interattivi alimentati da LLM, il sistema consente applicazioni di terapia personalizzata per individui con ASD e verifica del progetto di costruzione. Questi strumenti forniscono un quadro completo per la creazione di ambienti virtuali adattivi che migliorano sia le pratiche terapeutiche che quelle industriali. La Figura 1 mostra la pipeline della proposta.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/68386/68386fig1.jpg"> 
Figura 1: Pipeline di sistema. Schema della pipeline proposta per la ricostruzione fotorealistica dell'ambiente composto dall'ambiente reale, dalle immagini a 360°, dalle proiezioni ottenute, dal processo SfM, dal processo di Splatting gaussiano e dall'integrazione con la Realtà Virtuale. <a href="https://www.jove.com/files/ftp_upload/68386/68386fig1large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>

<table><tbody><tr><td>Schede grafiche NVIDIA GeForce RTX 2080</td><td>NVIDIA</td><td>TU104-400A</td><td>Dispositivo per l'elaborazione e la ricostruzione delle immagini&nbsp;</td></tr><tr><td>Insta360 X4</td><td>Insta360</td><td>CINSABMA-H</td><td>Dispositivo di acquisizione dati per la ricostruzione</td></tr><tr><td>Meta Quest III</td><td>Meta</td><td>899-00582-01</td><td>Dispositivo per la visualizzazione e l'interazione con la ricostruzione</td></tr><tr><td>Scheda di Memoria Evo Plus 128 GB</td><td>S.r.</td><td>MB-MC128KA/UE</td><td>Scheda di memoria per 360 gradi Archiviazione foto</td></tr></tbody></table>

paesaggi appresi fotorealistici per la realtà aumentata

Photorealistic Learned Landscapes for Augmented Reality

In questa sezione vengono discussi i risultati rappresentativi, i punti di forza e i limiti della pipeline proposta. I risultati dell'applicazione del metodo proposto sono i seguenti. La Figura 3 mostra la posizione della telecamera (in rosso) e la nuvola di punti densa. Gruppi di fotocamere con origini comuni rappresentano proiezioni dalla stessa immagine equirettangolare.
<img alt="Figure 3" class="xfigimg" src="/files/...

Paesaggi appresi fotorealistici per la realtà aumentata

The ability to create photorealistic 3D reconstructions of real-world environments from standard color images has numerous applications in fields such as ...

photorealistic-learned-landscapes-for-augmented-reality

Research

Ricerca

JoVE Journal

Engineering

Ingegneria

Questo video dimostra l'utilizzo della realtà aumentata (AR) per la resezione del tumore, in cui un campione di tumore scansionato in 3D viene visualizzato come un ologramma su un display montato sulla testa. I chirurghi possono manipolare e bloccare l'ologramma in posizione per garantire una rimozione precisa del tumore.

Visualizzazione basata sulla realtà aumentata di un campione tumorale resecato

Questo studio presenta un paradigma sperimentale per un test di usabilità che combina valutazioni soggettive e oggettive. La valutazione oggettiva ha adottato metodi Neuro-Information-Systems (NeuroIS) e la valutazione soggettiva ha adottato un questionario di usabilità e una scala NASA-Task Load Index (NASA-TLX).

Valutazione dell'usabilità della realtà aumentata: uno studio sui sistemi neuro-informativi

Questo articolo presenta la progettazione e l'implementazione di un modulo di chirurgia automatica basato sulla ricostruzione 3D basata sulla realtà aumentata (AR). Il sistema consente la chirurgia remota consentendo ai chirurghi di ispezionare le caratteristiche ricostruite e replicare i movimenti chirurgici della mano come se stessero eseguendo l'intervento chirurgico nelle immediate vicinanze.

Chirurgia automatica nella sostituzione transcatetere della valvola aortica utilizzando la realtà aumentata

Questo protocollo offre una guida per implementare il tracciamento dei marcatori a infrarossi per fantocci in movimento libero (ad esempio, organi) e la visualizzazione olografica utilizzando la realtà aumentata. Inoltre, delinea una configurazione per la convalida preclinica di sistemi di navigazione olografica che utilizzano il tracciamento elettromagnetico su fantocci in movimento libero.

Approccio tecnico per il tracciamento a infrarossi per la navigazione dei tessuti molli con un display olografico montato sulla testa e convalida preclinica

Organici fotovoltaici (OPV) i materiali sono per loro natura non omogenea su scala nanometrica. Nanoscale disomogeneità dei materiali OPV influisce sulle prestazioni dei dispositivi fotovoltaici. In questo articolo, si descrive un protocollo per la misurazione quantitativa di proprietà elettriche e meccaniche dei materiali OPV con sub-risoluzione di 100 nm.

Concurrent conducibilità quantitativa e meccaniche Misure Proprietà dei materiali organici fotovoltaici utilizzando AFM

Riportiamo un processo di alterazione in situ di HF trattata Si (001) superficie in uno stato idrofilo o idrofobo irradiando campioni in camere microfluidica riempiti con H 2 O 2 / H 2 O soluzione (0,01% -0,5%) o soluzioni di metanolo per mezzo del laser pulsato UV di un parente a bassa fluenza impulso.

Area selettiva Modifica della Silicon bagnabilità della superficie da impulsi laser UV irradiazione in ambiente liquido

Data l'importanza e ampio uso di palladio, oro e cobalto   metalli in attrezzature ad alta tecnologia, il loro recupero e riciclaggio costituiscono un importante sfida industriale. Il sistema di recupero di metallo qui descritto è un semplice, a basso costo mezzi per un'efficace individuazione, rimozione e recupero di questi metalli dalla miniera urbana.

Rilevamento e recupero di palladio, oro e metalli di cobalto dalla miniera urbana Utilizzando novelli Sensori / Adsorbenti designate con nanoscala Wagon a forma di ruote pori

Descriviamo una tecnica per inscrivere reticoli di Bragg in fibra identica in ogni nucleo di una fibra multicore. Ciò si ottiene introducendo una superficie aggiuntiva nel percorso ottico per mitigare la lente dovuta alla superficie curva del rivestimento in fibra.

Scrivendo di Bragg in fibra Multicore

Vengono presentati metodi sperimentali per lo studio dei processi di raffreddamento allo stato solido e la caratterizzazione delle proprietà dei materiali elastocalorici delle leghe a memoria di forma (SMA). Un banco di prova su misura è stato progettato per il controllo e il monitoraggio completo dei processi di raffreddamento elastocalorico. Inoltre, fornisce una piattaforma di convalida per approcci di modellazione termomeccanicamente accoppiati.

Metodi sperimentali per le indagini di memoria di forma a base processi di raffreddamento Elastocaloric e validazione del modello

Dimostriamo la manipolazione precisa di singole molecole organiche su una superficie metallica con la punta di un microscopio a scansione di sonda guidato in 3D dalla mano dello sperimentatore utilizzando un sistema di motion capture e occhiali per realtà virtuale completamente immersiva.

A mano controllata manipolazione di singole molecole attraverso un microscopio a scansione di sonda con una realtà virtuale 3D

Impara a creare ricostruzioni 3D fotorealistiche da immagini a 360 gradi per ambienti virtuali immersivi. Questo metodo supporta terapia, educazione e validazione industriale con strumenti come COLMAP e Gaussian splatting.

Paesaggi appresi fotorealistici per la realtà aumentata

Esplora altri video