Integracja naziemnego skanowania laserowego, generatywnej sztucznej inteligencji i rzeczywistości mieszanej dla cyfrowej rekonstrukcji dziedzictwa

Podsumowanie

Ten powtarzalny protokół demonstruje sposób pracy w cyfrowej rekonstrukcji dziedzictwa. Integruje Terrestrial Laser Scanning do rejestrowania geometrii miejsca, generatywną sztuczną inteligencję do rekonstrukcji utraconych elementów kulturowych ze źródeł archiwalnych oraz Mixed Reality do wizualizacji tych syntetycznych elementów na miejscu.

Streszczenie

Szybkie przyspieszenie urbanizacji w regionach rozwijających się wywołało podwójny kryzys dziedzictwa architektonicznego: fizyczną degradację konstrukcji oraz niematerialne rozpraszanie pamięci kulturowej. Tradycyjne metody konserwacji, które opierają się głównie na statycznej dokumentacji, takiej jak fotografia i ręczne pomiary, coraz bardziej nie wystarczają do uchwycenia złożonych wymiarów przestrzennych i czasowych tych historycznych miejsc. Niniejsze badanie wprowadza nowatorskie, kombinatoryczne ramy metodologiczne, zaprojektowane tak, by zniwelować lukę między rygorystycznym archiwizmem a dynamicznym zaangażowaniem społecznym. Szczegółowo przedstawiamy workflow łączący trzy odrębne technologie: Terrestrial Laser Scanning (TLS) do rejestrowania namacalnych cech geometrycznych budynku z dokładnością milimetrową; Warunkowa Generatywna Sztuczna Inteligencja (CGAI) do generowania historycznie udokumentowanych wizualnych reprezentacji utraconych elementów kulturowych (w szczególności tradycyjnych struktur jarmarków świątynnych) na podstawie odniesień archiwalnych; oraz rozszerzoną rzeczywistość (AR) za pomocą holograficznych zestawów, aby nałożyć te warstwy w jednolite doświadczenie Mixed Reality (MR). Protokół opisuje cały proces od strategii akwizycji danych i przetwarzania w chmurze punktowej po generowanie modeli oparte na AI i ostateczne wdrożenie. Takie podejście daje dynamiczny cyfrowy symulakrum, który skutecznie nakłada na precyzyjne dane przestrzenne interpretacyjne wizualizacje kulturowe, oferując technicznie wykonalny i skalowalny workflow dla cyfrowej ochrony i rozszerzonej ekspozycji miejskich zabytków.

Wprowadzenie

Zachowanie dziedzictwa architektonicznego stanowi krytyczny imperatyw w ramach współczesnego dyskursu dotyczącego planowania urbanistycznego i zrównoważonego rozwoju kultury^1,2. W miarę jak miasta przechodzą szybką modernizację i cyfryzację, napięcie między rozwojem a konserwacją staje się coraz bardziej dotkliwe³. Zjawisko to jest szczególnie widoczne na Środkowych Równinach Chin, w regionie będącym kolebką cywilizacji, który jednocześnie zmaga się z nieustanną presją ekspansji miejskiej^4,5. Ochrona dziedzictwa kulturowego wykracza poza zwykłe utrzymywanie fizycznych reliktów; obejmuje ona zabezpieczenie kontekstu historycznego, przekazywanie znaczenia kulturowego oraz zachowanie autentyczności miejsca dziedzictwa⁶. Konserwacja dziedzictwa nie jest pasywnym aktem archiwizacji, lecz aktywną strategią rewitalizacji kulturowej, kształtującą tożsamość narodów i regionów, jednocześnie umożliwiając przyszłym pokoleniom utrzymanie ciągłej więzi z duchowym światem przodków⁷. Ponadto efektywne zachowanie tych miejsc sprzyja tworzeniu wielowymiarowej ekologii kulturowej, która dynamicznie oddziałuje na gospodarkę światową, wzmacniając wizerunek regionu na arenie międzynarodowej⁸.

Pomimo uznanej wagi ochrony dziedzictwa, obecne badania i finansowanie często nieproporcjonalnie faworyzują znane, monumentalne obiekty, takie jak Świątynia Shaolin czy historyczne centra Luoyang i Kaifeng⁹. Powoduje to marginalizację obiektów o znaczeniu regionalnym, ale mniejszej widoczności w skali globalnej, takich jak Świątynia Boga Miasta w Zhengzhou¹⁰. Wzniesiona w czasach dynastii Ming Świątynia Boga Miasta, przedstawiona na Ryc. 1, stanowi jedyny przykład dobrze zachowanej architektury sakralnej w Zhengzhou. Historycznie nie pełniła ona wyłącznie roli sanktuarium religijnego, lecz była tętniącym życiem ośrodkiem działań społecznych, ekonomicznych i ludowych – przede wszystkim jarmarków świątynnych¹¹. Jarmarki te stanowiły o sile świątyni, integrując ofiary, handel i rozrywkę w spójny wyraz kulturowy¹². Jednakże ekspansja nowoczesnego komercjalizmu i urbanistyczne przekształcenia stref doprowadziły do zaprzestania tych tradycyjnych jarmarków, co stworzyło dylemat konserwatorski. Choć fizyczna struktura świątyni została zachowana, jej niematerialny duch – gwar, wizualna dynamika i interakcje społeczne – w dużej mierze zanikł. Ta utrata poczucia miejsca (przestrzeni wraz z funkcją społeczną) podkreśla pilną potrzebę opracowania metod konserwacji, które mogłyby przywrócić zarówno namacalną strukturę, jak i niematerialną atmosferę^13,14. W związku z tym protokół szczegółowo opisany w niniejszym badaniu został sformułowany i zaprojektowany specjalnie dla obiektów dziedzictwa charakteryzujących się taką specyficzną dychotomią: miejsc, w których fizyczne struktury architektoniczne pozostają nienaruszone, ale powiązany z nimi efemeryczny kontekst kulturowy i niematerialne artefakty zostały utracone.

Rycina 1. Fotografia Świątyni Boga Miasta w Zhengzhou przedstawiająca obecny stan fasady wejściowej. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Wdrożenie technologii cyfrowych w konserwacji dziedzictwa kulturowego oferuje transformacyjne rozwiązanie tego dylematu. Zasada konserwacji wymaga zachowania wartości chronologicznej materialnej ontologii⁶. Tradycyjne metody analogowe, takie jak pomiary ręczne i fotografia 2D, często nie pozwalają na kompleksowe udokumentowanie złożonej geometrii starożytnej architektury i są bezsilne w obliczu próby odtworzenia utraconych, efemerycznych scen. W konsekwencji dziedzina ta przesunęła się w stronę „Cyfrowych Bliźniaków” (Digital Twinning) – koncepcji wywodzącej się pierwotnie z inżynierii lotniczej i kosmicznej, która polega na tworzeniu wirtualnej repliki fizycznego obiektu obejmującej cały cykl jego życia¹⁵. W kontekście dziedzictwa cyfrowy bliźniak służy jako precyzyjne, niezmienne archiwum, które wspiera diagnostykę, prognozowanie oraz interakcję¹⁶.

Lądowe skanowanie laserowe (TLS) stało się fundamentalną technologią służącą do tworzenia warstwy geometrycznej tych cyfrowych bliźniaków. TLS wykorzystuje system LiDAR (Light Detection and Ranging) do przechwytywania milionów punktów danych na sekundę, tworząc gęstą chmurę punktów, która rejestruje każdą szczelinę, nachylenie i teksturę budynku z dokładnością do milimetrów¹⁷. Technologia ta jest bezkontaktowa, co czyni ją idealną dla kruchych konstrukcji, i wysoce wydajną w porównaniu z pomiarami za pomocą tachimetru. Niedawne zastosowania wykazały skuteczność TLS w złożonych scenariuszach: Marsella i wsp.¹⁸ wykorzystali TLS do oceny bezpieczeństwa konstrukcyjnego Bazyliki św. Piotra w Watykanie, identyfikując minimalne odkształcenia niewidoczne gołym okiem. Podobnie Barontini i wsp.¹⁹ opracowali ramy modelowania informacji o budynkach historycznych (HBIM), które integrują dane TLS w celu konserwacji zapobiegawczej. Zdolność TLS do diagnozowania stanów technicznych – takich jak pękanie ścian, osiadanie fundamentów i ugięcie stropów – dostarcza naukowej podstawy dla fizycznych interwencji konserwatorskich^20,21.

Jednakże, choć TLS doskonale radzi sobie z rejestracją istniejącej rzeczywistości fizycznej, nie jest w stanie przywrócić zanikłej rzeczywistości historycznej. Chmura punktów jest dokładna, lecz statyczna i pozbawiona kontekstu historycznego. Aby zrekonstruować brakujące sceny historyczne — takie jak gwarna atmosfera jarmarku świątynnego — niniejsze badanie odwołuje się do rozwijającej się dziedziny warunkowej generatywnej sztucznej inteligencji (Conditional Generative Artificial Intelligence, CGAI). W przeciwieństwie do tradycyjnego ręcznego modelowania 3D, które jest pracochłonne i w dużym stopniu opiera się na subiektywnej interpretacji modelarza, CGAI (np. Stable Diffusion lub Tencent Huiyuan 3D) wykorzystuje algorytmy głębokiego uczenia do generowania treści wizualnych na podstawie opisów tekstowych²². Poprzez analizę ogromnych zbiorów danych dotyczących historycznych stylów architektonicznych i tekstur, CGAI potrafi syntetyzować lub rekonstruować prawdopodobne elementy historyczne — lampiony, sztandary, tymczasowe stoiska — w oparciu o archiwalne teksty i dane wizualne. Stanowi to zmianę paradygmatu: z czystego rejestrowania tego, co istnieje, na symulowanie tego, co istniało historycznie, wykorzystując logikę opartą na danych do wypełnienia luk w archiwum fizycznym²³.

Ostatnim wyzwaniem jest upowszechnienie tego cyfrowego symulakrum. Cyfrowy bliźniak przechowywany na serwerze ma ograniczoną wartość społeczną, jeśli nie jest dostępny dla opinii publicznej. Technologie rzeczywistości rozszerzonej (AR) i rzeczywistości mieszanej (MR) łączą świat fizyczny z wirtualnym, umożliwiając nałożenie cyfrowego bliźniaka na fizyczną lokalizację²⁴. W przeciwieństwie do rzeczywistości wirtualnej (VR), która izoluje użytkownika w całkowicie syntetycznym środowisku, AR utrzymuje połączenie z fizycznym obiektem dziedzictwa, jednocześnie wzbogacając go o informacje cyfrowe. Platformy takie jak Fologram oraz urządzenia takie jak Microsoft HoloLens 2 umożliwiają projekcję wysokiej jakości modeli 3D w rzeczywistym układzie współrzędnych, co ułatwia bezpośredni dialog między zwiedzającym a zrekonstruowaną historią²⁵. Wykazano, że takie imersyjne podejście znacząco zwiększa zaangażowanie i zrozumienie zwiedzających, przekształcając pasywne oglądanie w aktywną eksplorację²⁶.

Podczas gdy aktualna literatura często traktuje technologie konserwacji cyfrowej w izolacji, zintegrowany protokół zaproponowany w niniejszym artykule oferuje wyraźną nowość metodologiczną. Po pierwsze, w przeciwieństwie do standardowych procesów dokumentacji TLS, które dostarczają wysoce dokładne, ale kulturowo jałowe archiwa geometryczne, nasza metoda wprowadza dynamiczny kontekst semantyczny. Po drugie, choć rekonstrukcje oparte na fotogrametrii doskonale radzą sobie z teksturowaniem istniejących powierzchni fizycznych, są one strukturalnie niezdolne do odtworzenia całkowicie utraconych artefaktów kulturowych, które nie posiadają pozostałości fizycznych. Wreszcie, w przeciwieństwie do istniejących systemów wizualizacji dziedzictwa AR, które często opierają się na ręcznie tworzonych, generycznych zasobach 3D lub izolują użytkowników w VR, ten proces wykorzystuje CGAI do generowania specyficznych dla danego miejsca, opartych na wiedzy historycznej wizualizacji, bezpośrednio zakotwiczonych w milimetrowo dokładnych danych TLS. Wypełnia to krytyczną lukę poprzez szczegółowe opisanie rygorystycznego, powtarzalnego protokołu. Aby rozstrzygnąć niejednoznaczności pojęciowe i ustanowić jasne uzasadnienie metodologiczne, jawnie definiujemy kluczowe komponenty tego procesu. Dokumentowana geometria odnosi się do wysoce precyzyjnej, statycznej przestrzennej repliki 3D istniejącej architektury fizycznej; TLS jest tutaj niezbędny do uchwycenia tej niezaprzeczalnej rzeczywistości empirycznej z precyzją bezkontaktową. W przeciwieństwie do niej, interpretacyjna rekonstrukcja generowana przez AI oznacza wizualne reprezentacje utraconych artefaktów kulturowych (np. dekoracji festiwalowych) wyprowadzone z tekstów archiwalnych; CGAI jest wymagane na tym etapie, ponieważ syntetyzuje ono probabilistyczne, oparte na historii interpretacje, a nie absolutne prawdy fizyczne. Wreszcie, MR jest niezbędny do wizualizacji in-situ, służąc jako medium doświadczalne, które płynnie nakłada interpretacyjne warstwy kulturowe na dokumentowaną geometrię fizyczną w świecie rzeczywistym. Strukturyzując nasze podejście wokół tych zdefiniowanych pojęć, ten kombinatoryczny proces nie tylko zapewnia techniczną ścieżkę cyfryzacji miejskiego dziedzictwa kulturowego na Równinie Środkowej, ale także oferuje nowy model teoretyczny definiowania „konserwacji” w erze cyfrowej — przechodząc od zachowania materii do rewitalizacji pamięci^27,28.

Protokół

1. Gromadzenie danych historycznych i analiza terenu

1. Rozpocznij projekt od przeprowadzenia kompleksowego przeglądu archiwalnego. Pozyskaj dokumentację historyczną, fotografie, rysunki architektoniczne oraz opisy tekstowe związane z badanym obiektem dziedzictwa (w tym przypadku Świątynią Boga Miasta w Zhengzhou) z lokalnych archiwów, biur zarządcy świątyni oraz odpowiednich urzędów ds. dziedzictwa kulturowego.
2. Przeanalizuj dane tekstowe w celu zidentyfikowania opisów utraconych elementów efemerycznych, takich jak dekoracje jarmarków świątynnych, tymczasowe stoiska, banery oraz specyficzne układy oświetlenia (np. „czerwone lampiony”, „tańce smoków”).
3. Przeprowadź wstępną wizję lokalną w ciągu dnia, aby zapoznać się z topografią terenu i udokumentować obecny stan zachowania architektury (Rycina 2). Udokumentuj układ kompleksu, odnotowując oś centralną, położenie Głównej Hali, Wieży Dzwonu i Wieży Bębnów oraz potencjalne przeszkody, takie jak stare drzewa lub wąskie korytarze, które mogą blokować linie widoczności skanera laserowego.

Rysunek 2. Aktualny widok dziedzińca świątyni utrwalony podczas wstępnego rozpoznania terenu. Aby zobaczyć większą wersję tego rysunku, kliknij tutaj.

4. Opracuj szczegółową strategię rozmieszczenia stacji skanowania / plan rozmieszczenia. Określ konkretne współrzędne lokalizacji dla naziemnego skanera laserowego (TLS), aby zapewnić pełne pokrycie (360°) wszystkich struktur. Zaplanuj minimum 12 stacji, z możliwością rozszerzenia do 18 stacji w zależności od złożoności terenu.
5. Uzyskaj niezbędne zgody administracyjne na dostęp do obiektu w godzinach poza dostępem dla osób trzecich (zazwyczaj wczesnym rankiem 07:00–08:30 lub późnym popołudniem 17:00–18:30), aby zminimalizować szum w danych spowodowany ruchem pieszych.

2. Pozyskiwanie danych za pomocą naziemnego skanowania laserowego (TLS)

1. Rozmieść wysokoprecyzyjny naziemny skaner laserowy z przesunięciem fazowym. Zweryfikuj, czy poziom naładowania baterii jest wystarczający na czas trwania skanowania oraz czy karta pamięci SD posiada odpowiednią pojemność.
2. Ustaw statyw skanera w pierwszym wyznaczonym punkcie pomiarowym (Zacznij od Głównej Hali/Strefy A). Dostosuj nogi statywu, aby zapewnić stabilność na kamiennym podłożu.
3. Wypoziomuj skaner, korzystając z wbudowanej poziomnicy bąbelkowej lub cyfrowego inklinometru w interfejsie urządzenia. Upewnij się, że nachylenie wynosi mniej niż 0,5°, aby zagwarantować pionowość danych chmury punktów.
4. Skonfiguruj parametry skanowania za pomocą wbudowanego interfejsu dotykowego:
   1. Ustaw Rozdzielczość na 1/4 lub 1/5 (w zależności od ograniczeń czasowych), zapewniając odstęp między punktami wynoszący około 6 mm przy 10 m.
   2. Ustaw Jakość na 3x lub 4x w celu redukcji szumów.
   3. Włącz przechwytywanie kolorów (Zintegrowana Kamera), aby nałożyć teksturę Red, Green, Blue (RGB) na geometrię.
   4. Upewnij się, że zakres skanowania obejmuje od 0,6 m do 120 m z dokładnością pomiaru ±2 mm.
5. Wykonaj skan próbny niewielkiego fragmentu (np. Wieży Dzwonnicy), aby zweryfikować warunki oświetlenia. Sprawdź podgląd pod kątem prześwietleń w obszarach zewnętrznych lub niedoświetleń w zacienionych okapach.
6. Przejdź do pełnej sekwencji skanowania. Dla każdej stacji uruchom skan i wycofaj się z pola widzenia skanera, aby uniknąć rzucania cieni lub pojawienia się w danych (tzw. ghosting).
7. Przenieś skaner do następnej stacji, zapewniając minimalną zakładkę 30–40% z poprzednią stacją. Nakładka ta jest kluczowa dla późniejszego procesu rejestracji chmury do chmury.
8. Wykonaj wysokorozdzielcze zdjęcia referencyjne za pomocą zewnętrznego aparatu cyfrowego lustrzanego (DSLR) w każdej stacji, aby uzupełnić dane z wewnętrznej kamery skanera, szczególnie w przypadku szczegółowych rzeźbień lub tablic kaligraficznych.

3. Przetwarzanie danych chmury punktów

1. Przenieś surowe dane ze skanowania (format .fls) z karty SD na wysokowydajną stację roboczą z zainstalowanym oprogramowaniem do przetwarzania danych.
2. Zaimportuj surowe skany do obszaru roboczego projektu w oprogramowaniu.
3. Zastosuj filtry wstępnego przetwarzania do surowych danych: użyj filtru punktów rozproszonych (Stray Point Filter), aby usunąć kurz i latające owady.
4. Użyj filtru ciemnych punktów skanowania (Dark Scan Point Filter), aby usunąć błędne dane pochodzące z powierzchni silnie odbijających lub absorbujących światło.
5. Wykonaj automatyczną rejestrację. Pozwól oprogramowaniu wyrównać skany na podstawie rozpoznawania cech geometrycznych i danych GPS.
6. Przejrzyj raport z rejestracji. Upewnij się, że średni błąd naprężenia (średnia odległość między odpowiadającymi sobie punktami) wynosi poniżej 4mm. Jeśli błąd przekracza tę wartość, wykonaj rejestrację ręczną. Wybierz trzy wyraźne punkty wspólne (np. narożniki budynku, filary) w dwóch nakładających się skanach, aby wymusić wyrównanie.
7. Zastosuj filtr obiektów ruchomych (Moving Object Filter), aby automatycznie wykryć i usunąć przejściowy szum, taki jak piesi lub ptaki, które przemieściły się przez scenę podczas skanowania.
8. Wykonaj balans kolorów (Color Balancing) (regulację wieloekspozycyjną), aby wyrównać jasność między jasnym niebem a ciemnym wnętrzem świątyni.
9. Utwórz chmurę punktów projektu i wyeksportuj końcowy model jako ustrukturyzowany plik .E57 lub .OBJ. Upewnij się, że rozmiar pliku jest zarządzalny (np. zmniejsz gęstość próbek do odstępów siatki 5mm, jeśli plik przekracza 10GB).

4. Modelowanie za pomocą warunkowej generatywnej sztucznej inteligencji (CGAI)

1. Zidentyfikuj konkretne elementy historyczne do zrekonstruowania na podstawie analizy przeprowadzonej w kroku 1.2 (np. tradycyjne stoiska jarmarku świątynnego, lampiony).
2. Wykorzystaj wybraną platformę CGAI.
3. Sformułuj precyzyjne podpowiedzi tekstowe (prompty), bezpośrednio tłumacząc deskryptory semantyczne i zapisy historyczne znalezione w źródłach archiwalnych (np. Roczniki powiatu Zheng) na parametry wizualne. Przykładowo, wprowadź: „Traditional Chinese Ming Dynasty red lantern, glowing, hanging from eaves, high detail” lub „Wooden market stall, ancient style, cloth banner, 3D texture”.
4. Uruchom proces generowania. Zazwyczaj należy przygotować partię 20–30 iteracji dla każdego elementu historycznego, aby zapewnić wystarczającą wielkość próby wariantów stylistycznych i możliwości strukturalnych.
5. Zwołaj formalny panel walidacyjny składający się z historyków dziedzictwa i ekspertów dziedzinowych przed zintegrowaniem wygenerowanych zasobów z końcową wizualizacją MR. Wybierz wyniki prawdopodobne historycznie poprzez zestawienie partii AI z zachowanymi archiwami wizualnymi i uznanym konsensusem historycznym.
6. Odrzuć wszystkie wyniki wykazujące cechy anachroniczne lub niemożliwości strukturalne. Modyfikuj podpowiedzi tekstowe na podstawie wyraźnych uwag panelu ekspertów, aby doprecyzować dokładność historyczną modeli.

5. Integracja i konstrukcja cyfrowego bliźniaka

1. Otwórz środowisko do modelowania 3D.
2. Zaimportuj przetworzoną chmurę punktów TLS (.OBJ) do oprogramowania do modelowania 3D.
3. Zaimportuj zasoby wygenerowane przez CGAI.
4. Ręcznie wyrównaj i rozmieść zasoby CGAI w środowisku chmury punktów. Umieść lampiony pod okapami, a stoiska w przestrzeni dziedzińca zgodnie z analizą historycznego układu.
5. Użyj narzędzi modelowania oprogramowania, aby usunąć przecięcia siatek lub niezgodności w skali między chmurą punktów a modelami AI.
6. Nałóż tekstury na połączony model. Przypisz obrazy o wysokiej rozpiętości tonalnej (HDR) z skanera do siatki chmury punktów i upewnij się, że zasoby AI mają odpowiednie właściwości materiałowe (szorstkość, metaliczność).
7. Wyeksportuj w pełni zintegrowany model Cyfrowego Bliźniaka (Digital Twin) jako plik .GLTF (Graphics Language Transmission Format). Format ten jest zoptymalizowany dla aplikacji internetowych i AR.

6. Wdrożenie rozszerzonej rzeczywistości (AR)

1. Zainstaluj wtyczkę do wdrażania MR dla oprogramowania do modelowania 3D na stacji roboczej.
2. Zainstaluj aplikację towarzyszącą w goglach Mixed Reality.
3. Podłącz zarówno stację roboczą, jak i gogle MR do tej samej lokalnej sieci Wi-Fi 5GHz, aby zapewnić niskie opóźnienia w transmisji danych.
4. Uruchom wtyczkę MR w oprogramowaniu do modelowania, aby wygenerować kod QR sesji.
5. Załóż gogle MR i uruchom aplikację towarzyszącą. Zeskanuj kod QR, aby zsynchronizować sesję.
6. Przed wdrożeniem oceń warunki środowiskowe na miejscu. Sesje wizualizacji MR należy ściśle planować na wczesny poranek lub późne popołudnie, aby uniknąć silnych zakłóceń podczerwieni wywołanych słońcem w zenicie, które drastycznie obniżają możliwości śledzenia przestrzennego gogli i powodują dryft modelu.
7. Wykonaj wyrównanie modelu na miejscu i ustal strategie rejestracji przestrzennej:
   1. Rozmieść fizyczne znaczniki śledzenia (np. znaczniki ArUco lub kody QR) w stabilnych punktach zakotwiczenia w świecie rzeczywistym, takich jak kamienna podstawa głównego kadzielnika. Wyraźnie zalecamy śledzenie oparte na znacznikach zamiast czystego mapowania środowiska przestrzennego, aby przeciwdziałać zakłóceniom podczerwieni z bezpośredniego światła słonecznego, co zapewni stabilność modelu w trudnych warunkach oświetlenia dziennego i posłuży jako niezawodna metoda zapasowa w przypadku awarii naturalnych kotwic przestrzennych.
   2. Wykorzystaj sensory optyczne gogli do wykrycia znaczników i automatycznego zablokowania modelu wirtualnego w odpowiednim układzie współrzędnych, używając gestów dłoni w goglach wyłącznie do drobnej korekty rotacji, aż cyfrowa chmura punktów idealnie nałoży się na strukturę fizyczną.
8. Zablokuj pozycję modelu.
9. Przejdź się po terenie, aby zweryfikować stabilność rejestracji. Upewnij się, że próg dokładności wyrównania jest ściśle zachowany, dopuszczając maksymalny dryft wizualny jedynie 2–5 cm podczas aktywnego ruchu użytkownika, aby zachować iluzję imersji.

Wyniki

Kampania naziemnego skanowania laserowego, przeprowadzona w listopadzie 2024 roku, wykorzystała 18 stacji skanowania w celu uzyskania kompleksowego pokrycia stref Głównej Sali, Placu Wejściowego oraz Absydy. Jak szczegółowo opisano w Tabeli 1, parametry skanowania zostały ściśle skalibrowane — konkretnie przy zastosowaniu ustawienia rozdzielczości 1/4 i ustawienia jakości 4x — aby uzyskać odległość między punktami wynoszącą około 6,1 mm w zasięgu 10 metrów. Ta specyficzna kalibracja była niezbędna, aby z...

Dyskusja

Niniejsze badanie z powodzeniem demonstruje kombinatoryczną strukturę metodologiczną służącą cyfrowemu odrodzeniu dziedzictwa architektonicznego. Poprzez integrację naziemnego skanowania laserowego (TLS), warunkowej sztucznej inteligencji generatywnej (CGAI) oraz rzeczywistości rozszerzonej (AR), opracowano schemat postępowania, który wykracza poza ograniczenia tradycyjnej statycznej konserwacji, co zostało podsumowane w strukturze metodologicznej (Rysunek 8).

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
Aparat DSLR	Fotografia referencyjna w wysokiej rozdzielczości	Nie ma
FARO Focus3D S120	Naziemny skaner laserowy (TLS)	FARO Technologies
FARO SCENE 2019	Oprogramowanie do przetwarzania danych w chmurze punktów	FARO Technologies
Fologram	Wtyczka do rozwoju MR i aplikacja do zestawów słuchawkowych	Fologram
Stacja robocza o wysokiej wydajności	Przetwarzanie i renderowanie danych	Nie ma
Microsoft HoloLens 2	Zestaw słuchawkowy Mixed Reality (MR)	Microsoft
Rhino 8	Środowisko modelowania 3D	Robert McNeel & Współpracownicy
Karta SD	Przechowywanie surowych danych skanowanych	Nie ma
Dyfuzja stabilna	Model warunkowej generatywnej sztucznej inteligencji (CGAI)	Stabilność AI
Tencent Huiyuan 3D	Platforma warunkowej generatywnej sztucznej inteligencji (CGAI)	Tencent