Name: Artırılmış Gerçeklik için Fotogerçekçi Öğrenilmiş Manzaralar (Video) | JoVE Journal
Uploaded: 2025-06-27T13:20:00.000+00:00
Duration: 6 min 54 s
Description: Öğrenin, 360 derece görüntülerden fotogerçekçi 3D yeniden yapılandırma ile artırılmış gerçeklik ortamları oluşturmayı. Bu yöntem, terapi ve eğitim uygulamaları için sürükleyici sanal deneyimler sunar.

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. Görüntü yakalama
<ol>
	<li>360° kamerayı yüksekliği ayarlanabilir bir tripoda yerleştirin. Taranacak ortamda, her bir kenarın 1,5 m aralıklı olduğu kare bir ağ desenini takip ederek bir dizi konum seçin.</li>
	<li>Ağın seçilen her noktasında üç farklı yükseklikte görüntü yakalayın: yaklaşık 0,4 m, 1,2 m ve 2 m.</li>
	<li>360° görüntüleri eşdikdörtgen formatlı görüntülere dönüştürün. Örneğin Ista360 uygulamasını kullanın. Görüntüyü seçin, Dışa Aktar düğmesine basın, 360 fotoğraf modunu dışa aktar'ı seçin ve 2:1 oranında görüntü olarak dışa aktarın.</li>
	<li>90° yatay görüş alanına sahip her eşdikdörtgen görüntüden 16:9 formatında perspektif görüntüler ayıklayın. Tüm görüntüler için şu yatay açıları kullanın: 0, 45, 90, 135, 180, 225, 270, 315. 0,4 m yükseklikte çekilen görüntüler için 0, 50 dikey açıları kullanın. 1,2 m yükseklikte çekilen görüntüler için -50, 0, 50 dikey açıları kullanın. 2 m yükseklikte çekilen görüntüler için -50, 0 dikey açıları kullanın. Ayıklama işlemi için Equi2Pers.py Python betiğini kullanın (Ek Kodlama Dosyası 1; Şekil 2).</li>
</ol>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/68386/68386fig2.jpg"> 
Şekil 2: Projeksiyonlara eşdikdörtgensel görüntüler. Eşdikdörtgensel bir görüntünün küp harita projeksiyonuna nasıl dönüştürüldüğünün diyagramı. <a href="https://www.jove.com/files/ftp_upload/68386/68386fig2large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
2. COLMAP ile kamera pozu tahmini
<ol>
	<li>Dosya &gt; Yeni Proje'ye tıklayarak yeni bir COLMAP projesi oluşturun, ardından görüntülerin yolunu belirtin ve yeni bir veritabanı oluşturun.</li>
	<li>İşleme &gt; Unsur Ayıklama'ya tıklayarak, kamera modeli olarak PINHOLE'u seçerek ve tüm görüntüler için paylaşarak her görüntü için özellikleri ayıklayın. Kalan parametreleri varsayılan olarak bırakın. Çok fazla dokuya sahip alanlarda, yöntemin verimliliğini artırmak için max_num_features azaltılabilir.</li>
	<li>Varsayılan parametreleri kullanarak İşleme &gt; Özellik Eşleştirme'ye tıklayarak özellik eşleştirmesi gerçekleştirin.</li>
	<li>Varsayılan COLMAP parametrelerini kullanarak kamera konumlarını ve yönlerini elde etmek için Yeniden Yapılandırma'ya &gt; Yeniden Yapılandırmayı Başlat'a tıklayarak SfM'yi hesaplayın.</li>
	<li>Paket Ayarlama'yı tıklatarak Paket Ayarlama'yı kullanarak yeniden oluşturma &gt;hatalarını en aza indirin.</li>
	<li>Yeniden Yapılandırma &gt; Yoğun Yeniden Yapılandırma'ya tıklayarak sahnenin yoğun bir 3B temsilini oluşturun, kamera pozları ve yeniden yapılandırılmış noktalar dahil olmak üzere çıktılarla.</li>
</ol>
3. Gauss sıçraması (GS) kullanarak fotogerçekçi 3D sahne rekonstrüksiyonu
<ol>
	<li>train.py dosyasını -s, -m ve -r parametreleriyle yürütün, burada -s COLMAP proje yolunu belirtir, -m Gauss Yayma için çıkış yolunu tanımlar (belirtilmezse, varsayılan bir yol oluşturulur) ve -r görüntüleri yeniden ölçeklendirir, genellikle 2 ile 4 arasında ayarlanır. NOT: Dosya train.py Gauss Sıçratma resmi deposunda https://github.com/graphdeco-inria/gaussian-splatting.</li>
	<li>Unity'de daha sonra kullanmak üzere çıkış yolunda Gaussian Splatting tarafından oluşturulan .ply dosyasını bulun.</li>
</ol>
4. Unity ve Gauss sıçraması ile sanal gerçeklikte render alma
<ol>
	<li>VR gözlüğünü bilgisayara bağlayın. Bu yöntem, kullanılan VR başlığına bağlıdır.</li>
	<li>2022.3.44f1 sürümüne sahip bir 3B proje oluşturmak için Unity Hub'ı kullanın. Gerekirse Unity 2022.3.44f1 sürümünü yükleyin. Projeler &gt; Yeni Proje'ye gidin, 2022.3.44f1 sürümünü ve 3B (Çekirdek) şablonunu seçin, bir proje adı ve konumu ayarlayın ve varsayılan ayarlarla oluşturmak için Proje Oluştur'a tıklayın.</li>
	<li>VR kulaklığını yönetmek ve joystick'e erişim ve göz takibi gibi görevler de dahil olmak üzere uygulama geliştirmeyi basitleştirmek için bir eklenti yükleyin. Bunu, Pencere &gt; Paket Yöneticisi'ne tıklayarak Paket Yöneticisi'ni kullanarak Unity Varlık Deposu aracılığıyla yapın.</li>
	<li>Gauss Sıçratma çıktısından bir varlık oluşturmak için UnityGaussianSplatting eklentisini kullanın. Bunu, Paket Yöneticisi'ni kullanarak Unity Varlık Deposu aracılığıyla yapın. Bu varlığı oluşturmak için GaussianSplats &gt; Araçlar &gt; GaussianSplatAsset Oluştur'a gidin ve Gaussian Splatting tarafından oluşturulan .ply dosyasını sağlayın.</li>
	<li>El algılamayı iyileştirmek ve kullanıcı etkileşimini geliştirmek için UltraLeap eklentisini kullanın. Bunu yüklemek için Unity Asset Store &gt; Paket Yöneticisi'ne gidin ve Pencere &gt; Paket Yöneticisi'ne tıklayın.</li>
	<li>VR başlığının mikrofonu tarafından yakalanan sesi yazıya dökmek için whisper.unity eklentisini kullanın. Bunu adım 4.5'te açıklandığı gibi yükleyin.</li>
	<li>Yanıtlar oluşturmak için bir LLM modeli kullanın. Bu LLM'nin kullanımını etkinleştirmek için LLMUnity eklentisini yükleyin. Bunu adım 4.5'te açıklandığı gibi yükleyin.<ol>
		<li>Boş bir GameObject oluşturun ve bir LLM komut dosyası ekleyin, ardından varsayılan bir model seçmek için modeli indir düğmesine tıklayın. Karakterler için boş bir nesne ekleyin ve ad ve rolün belirtilebileceği LLMCharacter komut dosyasını bu nesneye ekleyin.</li>
	</ol>
	</li>
	<li>LLM tarafından üretilen yanıttan ses oluşturmak için Meta - Voice SDK'yı kullanın. Bunu başarmak için, Pencere &gt; Paket Yöneticisi'ne tıklayarak Paket Yöneticisi'ni kullanarak Unity Asset Store aracılığıyla bir Metin Okuma eklentisi yükleyin.</li>
	<li>Sürükleyici etkileşim sağlamak için VR kulaklıklarını kullanın.</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>

3B manzaraları yeniden oluşturma ve bunlarla etkileşim kurma yeteneği, modern teknoloji uygulamalarının birçok farklı alanında kritik hale geldi. Gerçek konumların sanal temsillerini oluşturmak için geleneksel teknikler bazen emek yoğun, katı modellere ve manuel ölçümlere dayanır1. Gelişmiş bilgisayarla görme teknikleri, bu sınırlamaların üstesinden gelmek için otomatik 3D yeniden yapılandırma ve etkileşim için uygun seçenekler olarak ortaya çıkmıştır2.
360 derecelik fotoğraflardan karmaşık 3D modellerin geliştirilmesi, bu ilerlemenin dikkate değer bir özelliğidir. COLMAP3 gibi son teknoloji araçlar kullanılarak fotoğrafların çekildiği alanların tam olarak belirlenmesiyle doğru mekansal bilgiler elde edilebilir. İşlem, karmaşık ayarların 3D olarak iyi kalitede yeniden oluşturulmasına olanak tanıyan Gauss Püskürtme4 ile daha da geliştirilmiştir.
Bu 3B modelleri Sanal Gerçeklik (VR) sistemlerine dahil etmek, yeniden yapılanmanın ötesinde keşif ve katılım için yeni yollar açar. Etkileşimi artırmak için kullanıcılar, kapılar ve masalar gibi gerçek dünyadaki nesneleri ölçebilir, sanal alanda hareket edebilir ve hatta dijital nesneler ve avatarlar ekleyebilir. Bu avatarlar, Büyük Dil Modellerini (LLM'ler) kullanarak dinamik ve etkileşimli yanıtlar üretebilir ve bu da sürükleyici deneyimler sağlar5.
Bu çalışma, normal renkli görüntüleri kullanarak gerçek dünya ortamının üç boyutlu temsillerini oluşturmak ve bunları bir sanal gerçeklik kurulumu içinde sergilemek için bir metodoloji sunmaktadır. Sistem, genel amaçlı hareketten yapı ve Gauss sıçrama boru hatlarına dayanır. Sistem, inşaat veya sağlık hizmetlerinde daha fazla uygulamanın oluşturulması için uygundur.
Önerilen boru hattı, ana avantajı olan gerçek ortamların görsel olarak gerçekçi ve çekici üç boyutlu temsillerini üretir. Ek olarak, LiDAR'lar veya yapılandırılmış ışık kameraları gibi maliyetli sensörler gerektiren diğer yaklaşımlara kıyasla çok uygun olan renkli görüntüler kullanır6. Teklifin arkasındaki mantık, görsel olarak çekici üç boyutlu temsilleri kolayca oluşturma yeteneğinin birçok uygulamaya sahip olmasıdır. Kalite kontrol için inşaatta, sağlık hizmetlerinde otistik insanları bilinen ve kontrollü bir ortamda tedavi etmek için veya bir video oyununda gerçek bir konumun doğru bir temsilini dahil etmek için eğlencede kullanılabilir.
3D rekonstrüksiyon ve sanal ortamlarla etkileşim için sistemlerin geliştirilmesi, bilgisayarla görme, makine öğrenimi ve sanal gerçeklik teknolojilerinin entegrasyonu ile son yıllarda önemli ölçüde ilerlemiştir2. Bu çalışmayla ilgili temel bileşenler ve metodolojiler aşağıda özetlenmiştir.
Doğru 3D rekonstrüksiyon, uzamsal ve geometrik bilgileri çıkarmak için görüntü işlemeye dayanır. Hareketten Yapı (SfM)7 ve Çoklu Görüntülü Stereo (MVS)8 gibi geleneksel yöntemler, kamera pozlarını tahmin etmek ve yoğun nokta bulutları oluşturmak için yaygın olarak kullanılmaktadır. COLMAP gibi araçlar, görüntü veri kümelerinden son derece hassas 3B modeller üretmek için SfM ve MVS'yi birleştirerek bu görevleri yerine getirmedeki sağlamlıklarıyla tanınırlar. Bununla birlikte, karmaşık aydınlatma, dokular ve son derece dinamik ortamlarla başa çıkmada sınırlamalar devam etmektedir.
Son gelişmeler arasında, geleneksel ağ tabanlı yöntemlerden daha yüksek verimlilikle fotogerçekçi rekonstrüksiyonlar üretmek için nokta tabanlı bir temsil kullanan Gaussian Splatting9 yer alıyor. Gauss Sıçraması, özellikle karmaşık ayrıntılara sahip sahnelerde daha akıcı görselleştirme ve daha doğru uzamsal temsil sağlar.
3B modeller yeniden oluşturulduktan sonra, bunları VR uyumlu formatlara dönüştürmek, sürükleyici etkileşim için çok önemlidir. VR sistemlerinin kullanımı eğlencenin ötesine geçerek eğitim, sağlık10 ve endüstriyel tasarım gibi alanlara yayılmıştır. Modern VR çerçeveleri, sorunsuz gezinme, dijital nesnelerle etkileşim ve gelişmiş gerçekçilik sağlayarak onları yüksek kullanıcı katılımı gerektiren uygulamalar için uygun hale getirir.
Sanal nesneler ve avatarlar gibi etkileşimli özelliklerin entegrasyonu, sanal gerçeklik (VR) sistemlerinin işlevselliğini ve derinliğini önemli ölçüde artırır. Büyük Dil Modelleri (LLM'ler) tarafından desteklenen avatarlar, gerçekçi konuşma etkileşimlerini kolaylaştırarak dinamik ve uyarlanabilir kullanıcı deneyimleri sağlar. Özellikle, bu teknolojiler, kullanıcı davranışına veya duygusal duruma dayalı olarak özel etkileşimler sağlayarak terapötik bağlamlarda potansiyel göstermiştir. Örneğin, bu çalışma11 , otistik bireyleri mesleki iletişim becerileri konusunda eğitmek için LLM'ler tarafından desteklenen sohbet robotları olarak avatarları kullanan bir VR uygulaması geliştirdi ve LLM destekli avatarların terapiye uyarlanabilirliğini vurguladı. Buna ek olarak, LLM'ler, kapsayıcılığı ve katılımı teşvik etmek için artırılmış gerçeklik ortamlarına yerleştirildi ve LLM odaklı avatarların terapötik potansiyelini daha da destekledi.
Sanal ortamlar, özellikle Otizm Spektrum Bozukluğu (ASD) olan bireyler için terapötik ortamlarda giderek daha fazla kullanılmaktadır. Araştırmalar, tanıdık ve kontrollü sanal alanların terapi seansları sırasında kaygıyı azaltabileceğini ve katılımı artırabileceğini gösteriyor11. Bu ortamlardaki avatarlar, terapiyi hasta için güvenli ve erişilebilir hissettirecek şekilde sunarak kolaylaştırıcı olarak hareket edebilir.
İlerlemeye rağmen, 3D rekonstrüksiyonun hesaplama maliyeti, sanal ortamlarda yüksek doğruluğun korunması ve sistemler arasında sorunsuz entegrasyonun sağlanması gibi zorluklar devam etmektedir. Bununla birlikte, daha verimli algoritmaların ve donanımların sürekli geliştirilmesinin yanı sıra yapay zeka odaklı araçlardaki ilerlemeler, bu alanda daha fazla yenilik için fırsatlar sunmaktadır. Bu makale, 360 derecelik görüntüleri kullanarak 3D rekonstrüksiyon ve sanal ortamlarla etkileşim için yeni bir sistem sunmaktadır. Yaklaşım, COLMAP kullanarak görüntü yerelleştirme, Gauss sıçraması kullanarak yüksek kaliteli yeniden yapılandırma ve sürükleyici keşif için VR uyumluluğu gibi teknikleri bütünleştirir. Sistem, LLM'ler tarafından desteklenen dijital nesneleri ve etkileşimli avatarları bir araya getirerek, ASD ve inşaat projesi doğrulaması olan bireyler için kişiselleştirilmiş terapide uygulamalara olanak tanır. Bu araçlar, hem terapötik hem de endüstriyel uygulamaları geliştiren uyarlanabilir sanal ortamlar oluşturmak için kapsamlı bir çerçeve sağlar. Şekil 1'de teklif boru hattı gösterilmektedir.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/68386/68386fig1.jpg"> 
Şekil 1: Sistem boru hattı. Gerçek ortam, 360° görüntüler, elde edilen projeksiyonlar, SfM süreci, Gauss Sıçrama süreci ve Sanal Gerçeklik ile entegrasyondan oluşan ortamın fotogerçekçi yeniden inşası için önerilen boru hattının diyagramı. <a href="https://www.jove.com/files/ftp_upload/68386/68386fig1large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>

<table><tbody><tr><td>GPU'lar NVIDIA GeForce RTX 2080</td><td>NVIDIA</td><td>TU104-400A</td><td>Görüntü işleme ve yeniden yapılandırma için cihaz&nbsp;</td></tr><tr><td>Insta360 X4</td><td>Insta360 Serisi</td><td>CINSABMA-H</td><td>Yeniden yapılandırma için veri toplama cihazı</td></tr><tr><td>Meta Görev III</td><td>Meta</td><td>899-00582-01</td><td>Rekonstrüksiyonu görselleştirmek ve onunla etkileşim kurmak için cihaz</td></tr><tr><td>Hafıza Kartı Evo Plus 128 GB</td><td>Samsung</td><td>MB-MC128KA/AB</td><td>360&deg için hafıza kartı; Fotoğraf depolama</td></tr></tbody></table>

artırılmış gerçeklik için fotogerçekçi Öğrenilmiş manzaralar

Photorealistic Learned Landscapes for Augmented Reality

Bu bölümde, önerilen boru hattının temsili sonuçları, güçlü noktaları ve sınırlamaları tartışılmaktadır. Önerilen yöntemin uygulanmasının sonuçları aşağıdaki gibidir. Şekil 3 , kamera konumunu (kırmızı renkte) ve yoğun nokta bulutunu göstermektedir. Ortak kökenlere sahip kamera grupları, aynı eşdikdörtgensel görüntüden gelen projeksiyonları temsil eder.
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/68386/6838...

Artırılmış Gerçeklik için Fotogerçekçi Öğrenilmiş Manzaralar

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

JoVE Journal

Engineering

Mühendislik

Bu videoda, 3D taranmış bir tümör örneğinin başa takılan bir ekranda hologram olarak görselleştirildiği tümör rezeksiyonu için artırılmış gerçeklik (AR) kullanımı gösterilmektedir. Cerrahlar, tümörün hassas bir şekilde çıkarılmasını sağlamak için hologramı manipüle edebilir ve yerine kilitleyebilir.

Rezeke Edilmiş Bir Tümör Örneğinin Artırılmış Gerçeklik Tabanlı Görselleştirilmesi

Bu çalışma, öznel ve nesnel değerlendirmeleri birleştiren bir kullanılabilirlik testi için deneysel bir paradigma sunmaktadır. Objektif değerlendirmede Nöro-Bilgi-Sistemleri (NeuroIS) yöntemleri, öznel değerlendirme ise kullanılabilirlik anketi ve NASA-Görev Yükü İndeksi (NASA-TLX) ölçeği benimsenmiştir.

Artırılmış Gerçekliğin Kullanılabilirlik Değerlendirmesi: Bir Nöro-Bilgi-Sistemleri Çalışması

Bu makale, artırılmış gerçeklik (AR) tabanlı 3D rekonstrüksiyona dayalı bir otomatik cerrahi modülünün tasarımını ve uygulanmasını sunmaktadır. Sistem, cerrahların yeniden yapılandırılmış özellikleri incelemesine ve cerrahi el hareketlerini ameliyatı yakın bir yerde yapıyormuş gibi tekrarlamasına olanak tanıyarak uzaktan ameliyatı mümkün kılar.

Artırılmış Gerçeklik Kullanılarak Transkateter Aort Kapak Replasmanında Otomatik Cerrahi

Bu protokol, serbest hareket eden hayaletler (örneğin organlar) için kızılötesi işaretleyici izleme ve Artırılmış Gerçeklik kullanarak holografik görselleştirme uygulamak için bir kılavuz sunar. Ek olarak, serbest hareket eden fantomlar üzerinde elektromanyetik izleme kullanan holografik navigasyon sistemlerinin klinik öncesi doğrulaması için bir kurulumun ana hatlarını çizer.

Holografik Başa Takılan Ekran ve Klinik Öncesi Doğrulama ile Yumuşak Doku Navigasyonu için Kızılötesi İzleme için Teknik Yaklaşım

Organik fotovoltaik (OPV) malzemeler nanometre ölçeğinde doğal homojen olmayan vardır. OPV malzemelerin Nanoseviye inhomojenlik fotovoltaik cihazların performansını etkiler. Bu yazıda, alt-100 nm çözünürlükte OPV malzemelerin elektriksel ve mekanik özelliklerinin kantitatif ölçümler için bir protokol açıklar.

Eşzamanlı Sayısal İletkenlik ve AFM kullanarak Organik Fotovoltaik Malzemeler Mekanik Özellikleri Ölçümleri

Biz HF yerinde değişiklik 2 O 2 / H2O çözeltisi (% 0.01% -0.5) ya da metanol solüsyonları H dolu mikroakışkan odaları örnekleri ışınlanması ile hidrofilik veya hidrofobik duruma Si (001) yüzeyi ile tedavi edilmiş bir süreci rapor göreceli düşük nabız akıcılığa darbeli UV lazer kullanarak.

Sıvı Ortamda Darbeli UV Lazer Radyasyonla Silikon Yüzey Islanabilirliği Seçici Alan Değişikliği

Çünkü paladyum, altın ve kobaltın önemi ve yaygın kullanımı   yüksek teknoloji ekipman metaller, onların kazanımı ve geri dönüştürülmesi önemli bir sanayi sorun oluşturmaktadır. Burada tarif edilen metal geri kazanım sistemi basit, düşük maliyetli, kentsel madeninden bu metallerin etkin algılama, kaldırma ve geri kazanımı için anlamına gelir.

Algılama ve Palladium Kurtarma Kentsel Madeninde Altın ve Kobalt Metal Nano Wagon tekerlekli şeklindeki Porların ile Belirlenmiş Yeni Sensörler / adsorbanlar kullanma

Çok çekirdekli bir fiberin her bir çekirdeğine aynı fiber Bragg ızgaralarını yazmak için bir teknik açıklıyoruz. Bu, fiber kaplamanın kavisli yüzeyi tarafından merceklenmeyi azaltmak için optik yola ek bir yüzey eklenerek elde edilir.

Çok çekirdekli Fibers Bragg Izgaralar Yazma

Şekil Hafızalı Alaşımların (SMA) katı hal soğutma işlemlerinin incelenmesi ve elastokalorik malzeme özelliklerinin karakterizasyonu için deneysel yöntemler sunulmaktadır. Elastokalorik soğutma proseslerinin kontrolü ve kapsamlı bir şekilde izlenmesi için özel olarak üretilmiş bir test donanımı tasarlanmıştır. Ayrıca, termomekanik olarak birleştirilmiş modelleme yaklaşımları için bir doğrulama platformu sağlar.

Şekil Bellek İncelenmesi Tabanlı Elastocaloric Soğutma Süreçler ve Model Doğrulama için Deneysel Yöntemler

Deneycinin eliyle 3D olarak sürülen bir tarama probu mikroskobunun ucuyla, bir hareket yakalama sistemi ve tamamen sürükleyici sanal gerçeklik gözlükleri kullanarak, metal bir yüzey üzerindeki tek tek organik moleküllerin hassas manipülasyonunu gösteriyoruz.

El 3D Sanal Gerçeklik Arayüzü ile bir Tarama Prob Mikroskobu üzerinden Tek Moleküllerin Manipülasyon Kontrollü

Öğrenin, 360 derece görüntülerden fotogerçekçi 3D yeniden yapılandırma ile artırılmış gerçeklik ortamları oluşturmayı. Bu yöntem, terapi ve eğitim uygulamaları için sürükleyici sanal deneyimler sunar.

Artırılmış Gerçeklik için Fotogerçekçi Öğrenilmiş Manzaralar

Daha fazla video keşfet