APCRS-2023-002
AUTHOR(S):
Bartosz Lewandowski, Łukasz Wilk, Paulina Zachar
TITLE:
APPLICATION OF NEURAL NETWORK MODELS IN THE MAPPING OF TELECOMMUNICATIONS INFRASTRUCTURE OBJECTS
ABSTRACT:
Neural Radiance Fields (NeRF) is another 3D reconstruction method developed in recent years using artificial intelligence. This paper focuses on the study of object reconstruction using NeRF in the representation of objects such as telecommunication masts. Experiments were conducted using the Mega-NeRF model and two models (Nerfacto and Nerfacto-big) provided by the Nerfstudio framework on a UAV dataset. Various models and training parameters were tested, and the results were compared with reference data obtained from UAV photogrammetry and TLS laser scanning. The final analysis of the accuracy of the point clouds generated by the NeRF models indicated that they were of similar quality to the reference data, with slight differences in density and accuracy for different models and settings. The potential of NeRF methods for reconstructing 3D objects was demonstrated, especially in the context of mapping telecommunications masts, while noting the challenges associated with training parameters and the specifics of the analyzed object.
KEY WORDS: NeRF, neural networks, artificial intelligence, telecommunications masts, 3D models
DOI: http://doi.org/10.14681/apcrs-2023-002
AUTORZY:
Bartosz Lewandowski, Łukasz Wilk, Paulina Zachar
TYTUŁ:
ZASTOSOWANIE MODELI SIECI NEURONOWYCH W ODWZOROWANIU OBIEKTÓW INFRASTRUKTURY TELEKOMUNIKACYJNEJ
STRESZCZENIE:
Neural Radiance Fields (NeRF) to kolejna rozwijana w ostatnich latach metoda rekonstrukcji 3D wykorzystująca sztuczną inteligencję. W artykule skupiono się na badaniach odwzorowania obiektów za pomocą NeRF w reprezentacji obiektów takich jak maszty telekomunikacyjne. Przeprowadzono eksperymenty z wykorzystaniem modelu Mega-NeRF oraz dwóch modeli (Nerfacto i Nerfacto-big) udostępnionych przez Nerfstudio na zbiorze danych UAV. Przetestowano różne modele i parametry treningowe, a wyniki były porównywane z danymi referencyjnymi pozyskanymi z fotogrametrii UAV oraz skaningu laserowego TLS. Ostateczna analiza dokładności chmur punktów wygenerowanych przez modele NeRF wskazała na ich zbliżoną jakość do danych referencyjnych, z niewielkimi różnicami gęstości i dokładności dla różnych modeli i ustawień. Wykazano potencjał metod NeRF do rekonstrukcji obiektów 3D, zwłaszcza w kontekście odwzorowania masztów telekomunikacyjnych, jednocześnie zauważając wyzwania związane z parametrami treningowymi i specyfiką analizowanego obiektu.
SŁOWA KLUCZOWE: NeRF, sieci neuronowe, sztuczna inteligencja, maszty telekomunikacyjne, modele 3D