Διδακτορικές Διατριβές / Doctoral Theses

Μόνιμο URI για αυτήν τη συλλογή

https://apothesis.hmu.gr/handle/123456789/10967

Περιηγούμαι

Πλοήγηση Διδακτορικές Διατριβές / Doctoral Theses ανά Θέμα "CH"

Τώρα δείχνει 1 - 1 of 1
  • Μικρογραφία εικόνας
    Τεκμήριο
    Αντίστροφη μηχανική στην Μοντελοποίηση Πληροφοριών Ιστορικών Κτιρίων. Πολυδιάστατη ανάλυση, μηχανική μάθηση και μοντέλα θεμελίωσης για την αναγνώριση και εξαγωγή δομικών στοιχείων.
    (ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), Τμήμα Ηλεκτρονικών Μηχανικών, 2025-03-21) Γαλανάκης Δημήτριος; Galanakis Dimitrios; Μαραβελάκης Εμμανουήλ; Maravelakis Emmanouil
    Ο στόχος της παρούσας μελέτης είναι να παρουσιάσει έναν ολοκληρωμένο χάρτη πορείας για την κατάτμηση 3Δ δεδομένων για Μοντελοποίηση Πληροφοριών Ιστορικών Κτιρίων (ΜΠΙΚ), ο οποίος διευκολύνει την ενσωμάτωση διαφόρων μεθοδολογιών, ενώ παράλληλα επιτρέπει τη διαφανή κατανόηση των βημάτων που εμπλέκονται στον κατάτμηση του νέφους σημείων. Για να επιτευχθεί ο ανωτέρω στόχος, αρχικά τεκμηριώνεται η σημασία της υιοθέτησης μιας μεικτής ερευνητικής στρατηγικής, με ενσωμάτωση τόσο ποιοτικών όσο και ποσοτικών προσεγγίσεων και της ανάπτυξης εργαλείων τμηματοποίησης που δεν απαιτούν εκ των προτέρων γνώση της σκηνής, ενώ παράλληλα ενστερνίζονται την ιδέα του ανοικτού κώδικα. Οι προκλήσεις που θέτει το HBIM απορρέουν από την εγγενή πολυπλοκότητά του, η οποία σχετίζεται κυρίως με τις διαφοροποιήσεις στο επίπεδο της φέρουσας αναπαραστατικής λεπτομέρειας (Level of detail ή Level of Development LOD) των τελικών εφαρμογών. Ως αποτέλεσμα, η παρούσα εργασία στοχεύει να εμπλέξει ερευνητές και επαγγελματίες προσφέροντας καλά δοκιμασμένα εργαλεία και μεθοδολογίες που υποστηρίζουν την αποτελεσματική κατάτμηση προσαρμοσμένη στις ειδικές ανάγκες των αντικειμένων Πολιτιστικής Κληρονομιάς (ΠΚ). Στο κεφάλαιο δύο εντοπίζεται η βιβλιογραφική επισκόπηση η οποία αρχικά εντοπίζει και παραθέτει τις βασικές Εφαρμογές Πολιτιστικής Κληρονομίας (ΕΠΚ) των συστημάτων Μοντελοποίησης Πληροφοριών Ιστορικών Κτηρίων (ΜΠΙΚ) και στην συνέχεια εστιάζει στους αλγορίθμους αυτοματοποίησης για την εξαγωγή και την κατηγοριοποίηση των δομικών αντικειμένων εντός του νέφους σημείων. Τέλος, κλείνοντας με τα εισαγωγικά κεφάλαια, το κεφάλαιο τρία επισημαίνει το ερευνητικό κενό και θέτει με σαφήνεια τα ερευνητικά ερωτήματα που καθοδηγούν την παρούσα διατριβή. Μεταξύ άλλων τα βασικά ερωτήματα αφορούν στις επιμένουσες προκλήσεις στον χώρο της μοντελοποίησης για ΕΠΚ καθώς και στις βασικές δυσκολίες που αντιμετωπίζει η περαιτέρω ενσωμάτωση του κλάδου. Στο κεφάλαιο τέσσερα, η Ανάλυση των Αντιστοιχιών (Correspondence Analysis) και η ιεραρχική ομαδοποίηση (Hierarchical Clustering) χρησιμοποιούνται σε συνδυασμό με τη θεματική ανάλυση (Thematic Analysis) για την ανάλυση και ταξινόμηση των μοναδικών χαρακτηριστικών των διαφόρων εφαρμογών ΜΠΙΚ. Μέσω αυτού του πλαισίου μεικτών μεθόδων, διερευνούμε συστηματικά τις παραμέτρους κατάτμησης που σχετίζονται με το HBIM, συμπεριλαμβανομένης της τεχνολογίας συλλογής δεδομένων, του τύπου εισόδου, της ενσωμάτωσης μηχανικής μάθησης (ML) ή βαθιάς μάθησης (DL) και του επιπέδου Πληρότητας Πληροφορίας (LOD) ή του επιπέδου ωριμότητας (LoM)). Σκιαγραφούμε ένα δομημένο, από άκρη σε άκρη, μεθοδολογικό πλαίσιο που όχι μόνο αντιμετωπίζει τις τυπικές προκλήσεις που αντιμετωπίζουν οι υλοποιήσεις HBIM, αλλά και διασφαλίζει έναν βαθμό μεταφερσιμότητας και ιχνηλασιμότητας σε διάφορα έργα. Προς επίρρωση της διαφάνειας και της ιχνηλασιμότητας (traceabliity), στην στατιστική ανάλυση χρησιμοποιείται η γλώσσα R, ένα στατιστικό πακέτο λογισμικού ανοικτού κώδικα, το οποίο έπαιξε καθοριστικό ρόλο στη διεξαγωγή της ανάλυσης αντιστοιχίας και της ιεραρχικής ομαδοποίησης. Χρησιμοποιώντας πακέτα όπως το FactoMineR, κατέστη δυνατή η διεξοδική ανάλυση επί μεικτών δεδομένων αποκαλύπτοντας πληροφορίες σχετικά με τις σχέσεις και τα χαρακτηριστικά που ενυπάρχουν σε διαφορετικές εφαρμογές HBIM. Τα βασικά ευρήματα της σύγχρονης βιβλιογραφίας αποκαλύπτουν σημαντικά εμπόδια που εμποδίζουν την ευρεία επέκταση της ιδέας των μοντέλων HBIM στον τομέα της πολιτιστικής κληρονομιάς (CH). Πολλές υπάρχουσες μελέτες τείνουν να εξετάζουν συγκεκριμένες πτυχές του HBIM χωρίς να αντιμετωπίζουν ολιστικά την εικόνα που απαιτείται για την αποτελεσματική ενσωμάτωση της συγκεκριμένης τεχνολογίας. Ως αποτέλεσμα, τα ευρήματά μας υποδηλώνουν ότι υπάρχει κρίσιμη ανάγκη για τυποποιημένες ροές εργασίας και πρωτόκολλα που ενοποιούν τους διαφορετικούς ορισμούς και προσεγγίσεις που υπάρχουν σε αυτόν τον τομέα, όπως χαρακτηριστικά η περίπτωση του επιπέδου Πληρότητας Πληροφορίας – ΠΠ (LOD) που σήμερα είναι πλήρως ορισμένο μόνο στις εφαρμογές ΒΙΜ, αλλά ποικίλλει στο τοπίο της Πολιτιστικής Κληρονομίας. Στο κεφάλαιο πέντε, το Segment Anything Model (SAM), που προτείνεται από την META AI, παρουσιάζεται ως ένα ζωτικής σημασίας εργαλείο τμηματοποίησης πολλαπλών χρήσεων για εφαρμογές πολιτιστικής κληρονομιάς (CH). Οι προηγμένες δυνατότητες του SAM στην τμηματοποίηση μηδενικών λήψεων (Zero-Shot) έχουν τη δυνατότητα να βελτιώσουν την ανάλυση από τη σάρωση στη δομή, επιτυγχάνοντας ακρίβεια επιπέδου ξεχωριστών δομικών στοιχείων (λίθων) σε πολύπλοκες σκηνές, αντιμετωπίζοντας έτσι τις εγγενείς δυσκολίες που σχετίζονται με τα αντικείμενα πολιτιστικής κληρονομιάς. Η ερευνητική μεθοδολογία χρησιμοποιεί το SAM για εργασίες κατάτμησης και σημασιολογικού εμπλουτισμού σε διάφορα σενάρια πολιτιστικής κληρονομιάς, τυπικά στο πλαίσιο της ΠΚ. Το προτεινόμενο πλαίσιο που αναπτύχθηκε διευκολύνει τη μετάβαση από τα ακατέργαστα δεδομένα σε δομημένες, παραμετρικές αναπαραστάσεις σε περιβάλλοντα BIM. Τα βασικά ευρήματα της έρευνας υπογραμμίζουν τις αρκετά ικανοποιητικές επιδόσεις του SAM στην κατανόηση σύνθετων σκηνών και την ικανότητα τμηματοποίησης με μηδενική λήψη, επιβεβαιώνοντας την αξία του στην αυτοματοποίηση της ανίχνευσης, είτε για την τμηματοποίηση είτε για άλλες αυτοματοποιημένες εργασίες, όπως η ανίχνευση ελαττωμάτων και η ταξινόμηση των φθορών σε Εφαρμογές διαχείρισης της Πολιτιστικής Κληρονομίας (ΕΠΚ). Η τάση του μοντέλου να εστιάζει σε μικρά αντικείμενα υπόσχεται πολλά για τον εντοπισμό λεπτών χαρακτηριστικών σε αντικείμενα ΠΚ που διαφορετικά μπορεί να περάσουν απαρατήρητα με τη χρήση συμβατικών μεθόδων. Επιπλέον, η μελέτη αναδεικνύει την προσαρμοστικότητα και τη γενικευσιμότητα του μοντέλου σε διαφορετικές χωρικές αναλύσεις, επιτρέποντας τον αποτελεσματικό διαχωρισμό του φόντου και τα ακριβή αποτελέσματα τμηματοποίησης. Τέλος, στο έκτο κεφάλαιο, η Ανάλυση ή Παραγοντοποίηση Ιδιαζουσών Τιμών (Singular Value Decomposition - SVD), ένα καθιερωμένο μαθηματικό εργαλείο, χρησιμοποιείται για την κατάτμηση λίθο-προς-λίθο (Stone-by-stone) στην περίπτωση του ναού του Απόλλωνα στους Δελφούς. Αυτή η προσέγγιση αναλύει σχολαστικά τα δεδομένα νέφους σημείων από ένα τρισδιάστατο μοντέλο ναού με υφή, επιτρέποντας την ταξινόμηση των επιμέρους στοιχείων σε επίπεδο ξεχωριστής λίθου - απαραίτητη για την ακριβή αναπαράσταση σύνθετων πολιτιστικών τεχνουργημάτων σε βελτιστοποιημένη (optimized) και διαχειρίσιιμη (manageable) υπολογιστικά μορφή. Στη φάση της ανάλυσης, χρησιμοποιήθηκαν προηγμένα εργαλεία λογισμικού για να βοηθήσουν στην εφαρμογή των διαδικασιών τμηματοποίησης και ανακατασκευής. Η προτεινόμενη μέθοδος περιλαμβάνει έναν πειραματικό σχεδιασμό δύο βημάτων: πρώτα, η τμηματοποίηση των κιόνων (Instance Segmentation) η οποία και εξάγει κυκλικά όλα τα παρόμοια αρχιτεκτονικά στοιχεία και στην συνέχεια, η SVD η οποία και αποσυνθέτει αυτά τα στοιχεία για να επιτευχθεί ακρίβεια σε επίπεδο λίθων. Το πρόγραμμα υλοποιείται στην γλώσσα Python, χρησιμοποιώντας διάφορα πακέτα, συμπεριλαμβανομένου του TensorFlow για την ανάπτυξη μοντέλων και του Open3D για την επεξεργασία νέφους σημείων. Η έρευνα ενσωματώνει μια προσέγγιση της μεθόδου πεπερασμένων στοιχείων (FEM) για τη δημιουργία υδατοστεγών, συμπυκνωμένων με FEM πλεγμάτων, επιτρέποντας ακριβείς αναπαραστάσεις της τοπολογίας της δομής. Τα βασικά ευρήματα, που παρουσιάζονται και αναλύονται στα κεφάλαια επτά και οκτώ, δείχνουν ότι το πλαίσιο τμηματοποίησης που αναπτύχθηκε βελτιώνει τη μοντελοποίηση σύνθετων ιστορικών χώρων και μειώνει σημαντικά τους υπολογιστικούς πόρους που απαιτούνται για τον σχολιασμό, ενώ παράλληλα προωθεί πιο ευέλικτες ενσωματώσεις με λογισμικό FEM, αντιμετωπίζοντας τελικά τις υφιστάμενες δυσχέρειες στην τρισδιάστατη τοπογραφία και τη μοντελοποίηση πληροφοριών κτιρίων (HBIM) που εντοπίστηκαν στη βιβλιογραφική ανασκόπηση. Συνολικά, η παρούσα εργασία, ως ενιαίο σύνολο, συμβάλλει τόσο στην ψηφιακή διατήρηση της πολιτιστικής κληρονομιάς όσο και στη βελτιστοποίηση των εργασιών τμηματοποίησης και κατάτμησης 3Δ αντικειμένων ενσωματώνοντας εφαρμογές από τον χώρο της μηχανικής μάθησης (ML) και της βαθέως μάθησης (DL).