Höhenkarte: Erforschung der Geländedarstellung durch Computer Vision
Von Fouad Sabry
()
Über dieses E-Book
Was ist Heightmap
In der Computergrafik ist eine Heightmap oder ein Heightfield ein Rasterbild, das hauptsächlich als diskretes globales Raster bei der sekundären Höhenmodellierung verwendet wird. Jedes Pixel speichert Werte, wie z. B. Oberflächenhöhendaten, zur Anzeige in 3D-Computergrafiken. Eine Höhenkarte kann beim Bump-Mapping verwendet werden, um zu berechnen, wo diese 3D-Daten Schatten in einem Material erzeugen würden, beim Displacement-Mapping, um die tatsächliche geometrische Position von Punkten über der strukturierten Oberfläche zu verschieben, oder für Gelände, bei dem die Höhenkarte in ein 3D-Netz umgewandelt wird.
Wie Sie profitieren
(I) Einblicke und Validierungen zu den folgenden Themen:
Kapitel 1: Heightmap
Kapitel 2: Digitales Höhenmodell
Kapitel 3: Texturkartierung
Kapitel 4: Punktwolke
Kapitel 5: Bump-Mapping
Kapitel 6: Voxel
Kapitel 7: Normalkartierung
Kapitel 8: Raycasting
Kapitel 9: Terragen
Kapitel 10: Displacement Mapping
(II) Beantwortung der häufigsten öffentlichen Fragen zu Heightmap.
(III) Beispiele aus der Praxis für die Verwendung von Heightmap in vielen Bereichen.
Für wen sich dieses Buch eignet
Profis, Studenten und Doktoranden, Enthusiasten, Hobbyisten und diejenigen, die für jede Art von Höhenkarte über das Grundwissen oder die Informationen hinausgehen möchten.
Mehr von Fouad Sabry lesen
Neue Technologien Im Militär [German]
Ähnlich wie Höhenkarte
Titel in dieser Serie (100)
Histogrammausgleich: Verbesserung des Bildkontrasts für eine verbesserte visuelle Wahrnehmung Bewertung: 0 von 5 Sternen0 BewertungenComputer Vision: Erkundung der Tiefen des Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenLärmminderung: Verbesserung der Klarheit, fortschrittliche Techniken zur Rauschunterdrückung in der Bildverarbeitung Bewertung: 0 von 5 Sternen0 BewertungenRadon-Transformation: Aufdecken verborgener Muster in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenTonzuordnung: Tone Mapping: Erhellende Perspektiven in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAnisotrope Diffusion: Verbesserung der Bildanalyse durch anisotrope Diffusion Bewertung: 0 von 5 Sternen0 BewertungenRetinex: Enthüllen Sie die Geheimnisse des computergestützten Sehens mit Retinex Bewertung: 0 von 5 Sternen0 BewertungenHough-Transformation: Enthüllung der Magie der Hough-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarberscheinungsmodell: Wahrnehmung und Darstellung in Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenUnterwasser-Computervision: Erkundung der Tiefen der Computer Vision unter den Wellen Bewertung: 0 von 5 Sternen0 BewertungenGamma-Korrektur: Verbesserung der visuellen Klarheit in der Computer Vision: Die Gammakorrekturtechnik Bewertung: 0 von 5 Sternen0 BewertungenFarbraum: Erkundung des Spektrums von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenHomographie: Homographie: Transformationen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenComputer-Stereo-Vision: Erforschung der Tiefenwahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenPartikelfilter: Erforschung von Partikelfiltern in der Bildverarbeitung Bewertung: 0 von 5 Sternen0 BewertungenGemeinsame Fotoexpertengruppe: Erschließen Sie das Potenzial visueller Daten mit dem JPEG-Standard Bewertung: 0 von 5 Sternen0 BewertungenModell des menschlichen visuellen Systems: Wahrnehmung und Verarbeitung verstehen Bewertung: 0 von 5 Sternen0 BewertungenInpainting: Überbrückung von Lücken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBildhistogramm: Visuelle Einblicke enthüllen und die Tiefen von Bildhistogrammen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenOrientiertes Gradienten-Histogramm: Enthüllung des visuellen Bereichs: Erkundung des Histogramms mit orientierten Farbverläufen in der Bildverarbeitung Bewertung: 0 von 5 Sternen0 BewertungenBlob-Erkennung: Aufdecken von Mustern in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenFarbzuordnung: Erforschung der visuellen Wahrnehmung und Analyse in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarbanpassungsfunktion: Spektrale Empfindlichkeit in Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenBündelanpassung: Optimieren visueller Daten für eine präzise Rekonstruktion Bewertung: 0 von 5 Sternen0 BewertungenFarbmanagementsystem: Optimierung der visuellen Wahrnehmung in digitalen Umgebungen Bewertung: 0 von 5 Sternen0 BewertungenKantenerkennung: Grenzen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenAktive Kontur: Weiterentwicklung der Computer Vision mit aktiven Konturtechniken Bewertung: 0 von 5 Sternen0 BewertungenBildkompression: Effiziente Techniken zur visuellen Datenoptimierung Bewertung: 0 von 5 Sternen0 BewertungenFarbmodell: Das Spektrum des Computer Vision verstehen: Farbmodelle erkunden Bewertung: 0 von 5 Sternen0 BewertungenAffine Transformation: Visuelle Perspektiven freischalten: Erforschung der affinen Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 Bewertungen
Ähnliche E-Books
Mobile Kartierung: Erschließung räumlicher Intelligenz mit Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBump-Mapping: Bump Mapping: Erforschung der Tiefe der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenVertex-Computergrafik: Erkundung der Schnittstelle zwischen Vertex Computer Graphics und Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenDigitale Rastergrafik: Enthüllung der Leistungsfähigkeit digitaler Rastergrafiken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRastergrafiken: Die Grundlagen der Rastergrafik in der Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenVektorgrafiken: Beherrschung von Vektorgrafiken in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRastergrafik-Editor: Visuelle Realitäten transformieren: Rastergrafik-Editoren in Computer Vision beherrschen Bewertung: 0 von 5 Sternen0 BewertungenVektorgrafik-Editor: Ermöglichen Sie die visuelle Erstellung mit fortschrittlichen Algorithmen Bewertung: 0 von 5 Sternen0 BewertungenGlobale Beleuchtung: Vision voranbringen, Einblicke in die globale Beleuchtung Bewertung: 0 von 5 Sternen0 BewertungenGeometrisches Primitiv: Erkundung der Grundlagen und Anwendungen der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRaytracing-Grafiken: Erforschung des fotorealistischen Renderings in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenPolygon-Computergrafik: Erkundung der Schnittstelle zwischen Polygon-Computergrafik und Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarbzuordnung: Erforschung der visuellen Wahrnehmung und Analyse in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenDistanznebel: Erkundung der visuellen Grenze: Einblicke in den Distanznebel der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenComputer-Vision-Grafikschnitte: Erforschung von Graphschnitten in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenGeometrische Modellierung: Erforschung der geometrischen Modellierung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBestimmung verdeckter Oberflächen: Enthüllung der Geheimnisse des Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenTechnische Zeichnung: Erschließung der visuellen Wahrnehmung beim technischen Zeichnen Bewertung: 0 von 5 Sternen0 BewertungenBewegungsschätzung: Fortschritte und Anwendungen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenErfolgreiche Spieleentwicklung: Minecraft-Welten erschaffen Teil 2 Bewertung: 0 von 5 Sternen0 BewertungenFarbprofil: Erforschung der visuellen Wahrnehmung und Analyse in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenStrichzeichnungsalgorithmus: Beherrschen von Techniken zur präzisen Bildwiedergabe Bewertung: 0 von 5 Sternen0 BewertungenBildkompression: Effiziente Techniken zur visuellen Datenoptimierung Bewertung: 0 von 5 Sternen0 BewertungenBildbasierte Modellierung und Rendering: Erforschung des visuellen Realismus: Techniken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenTerraingenerierung mit Unity: Technische Realisierung von Landschaften Bewertung: 0 von 5 Sternen0 BewertungenTechnische Zeichnung: Erschließung von Computer Vision durch technisches Zeichnen Bewertung: 0 von 5 Sternen0 BewertungenZweidimensionale Computergrafik: Erkundung des visuellen Bereichs: Zweidimensionale Computergrafiken in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenModell des menschlichen visuellen Systems: Wahrnehmung und Verarbeitung verstehen Bewertung: 0 von 5 Sternen0 BewertungenTonzuordnung: Tone Mapping: Erhellende Perspektiven in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarbmanagementsystem: Optimierung der visuellen Wahrnehmung in digitalen Umgebungen Bewertung: 0 von 5 Sternen0 Bewertungen
Künstliche Intelligenz (KI) & Semantik für Sie
Chatbotische Medien-Gestaltung leicht gemacht: Von der Idee zum viralen Hit Bewertung: 0 von 5 Sternen0 BewertungenChatGPT: Begegnung mit einer neuen Welt: Lernen Sie Künstliche Intelligenz mit der Gratisversion ChatGPT 3.5 Bewertung: 0 von 5 Sternen0 BewertungenRoboter im Alltag: Maschinen (beinahe) wie Menschen Bewertung: 0 von 5 Sternen0 BewertungenEinstieg ins Machine Learning: Grundlagen, Prinzipien, erste Schritte Bewertung: 0 von 5 Sternen0 BewertungenChatGPT – Für Einsteiger: Schreibprofi mit KI, Zeit und Geld sparen ohne peinliche Fehler Bewertung: 0 von 5 Sternen0 BewertungenDie KI Bibel, mit künstlicher Intelligenz Geld verdienen: Echte Fallbeispiele und Anleitungen zum Umsetzen Bewertung: 1 von 5 Sternen1/5Künstliche Intelligenz: Die vierte industrielle Revolution Bewertung: 0 von 5 Sternen0 BewertungenPsychologie des Sozialismus Bewertung: 0 von 5 Sternen0 BewertungenMenschlicher Geist und Künstliche Intelligenz: Die Entwicklung des Humanen inmitten einer digitalen Welt Bewertung: 0 von 5 Sternen0 BewertungenWissen statt Glauben!: Das Weltbild des neuen Humanismus Bewertung: 0 von 5 Sternen0 BewertungenKI-Innovationen: Wie die Technologie die Grenzen verschiebt Künstliche Intelligenz verstehen und nutzen: Ein AI-Buch Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Landingpages: Wie du deine Konkurrenz in den digitalen Staub schicken Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz in Sozialen Medien Bewertung: 0 von 5 Sternen0 BewertungenMeistern von ChatGPT: Entriegeln Sie die Kraft der KI für verbesserte Kommunikation und Beziehungen: German Bewertung: 0 von 5 Sternen0 BewertungenChatGPT: Epische Reise des Erfolgs - 'Steigern Sie Ihren Reichtum': Mit Screenshots aus dem echten Leben - Erreichen Sie finanzielle Höhen Bewertung: 0 von 5 Sternen0 BewertungenAufstieg der Roboter: Wie unsere Arbeitswelt gerade auf den Kopf gestellt wird - und wie wir darauf reagieren müssen Bewertung: 0 von 5 Sternen0 BewertungenDigitalotopia: Sind wir bereit für die (R)Evolution der Wirklichkeit? Bewertung: 0 von 5 Sternen0 BewertungenDie Zukunft der Arbeit: Digitalisierung, Automatisierung, KI Bewertung: 0 von 5 Sternen0 Bewertungen
Rezensionen für Höhenkarte
0 Bewertungen0 Rezensionen
Buchvorschau
Höhenkarte - Fouad Sabry
Kapitel 1: Heightmap
Eine Höhenkarte oder ein Höhenfeld ist ein Rasterbild, das hauptsächlich als diskretes globales Gitter in der sekundären Höhenmodellierung in der Computergrafik verwendet wird. In der 3D-Computergrafik enthält jedes Pixel Werte für die Anzeige, z. B. Oberflächenhöhendaten. Eine Heightmap kann im Bump-Mapping verwendet werden, um zu bestimmen, wo 3D-Daten Schatten in ein Material werfen würden, im Verschiebungs-Mapping, um die tatsächliche geometrische Position von Punkten über eine texturierte Oberfläche zu verschieben, oder in Terrain, in dem die Heightmap in ein 3D-Netz umgewandelt wird.
Eine Heightmap verfügt über einen Kanal, der als Distanz oder Höhe
vom Boden
einer Oberfläche gelesen wird und manchmal als Luma eines Graustufenbildes angezeigt wird, das die minimale Höhe in Schwarz und die maximale Höhe in Weiß darstellt.
Sobald die Karte gerendert wurde, kann jede Einheit des Höhenkanals vom Designer ihre Verschiebung vorgeben, die dem Kontrast
des Bildes entspricht.
Heightmaps können unabhängig von spezialisierten Metadaten in bestehenden Graustufenbildformaten oder in bestimmten Dateiformaten wie Daylon Leveller, GenesisIV und Terragen aufgezeichnet werden.
Darüber hinaus kann die Verwendung unterschiedlicher Farbkanäle genutzt werden, um Details zu verbessern.
Ein normales RGB-8-Bit-Bild kann beispielsweise nur 256 Graustufenwerte und 256 Höhen anzeigen.
Durch die Verwendung von Farbtönen können mehr Höhenwerte gespeichert werden (für ein 24-Bit-Bild), 2563 = 16.777.216 Höhen können dargestellt werden (2564 = 4.294.967.296, wenn auch der Alphakanal verwendet wird)).
Diese Methode ist besonders vorteilhaft bei großen Flächen mit geringen Höhenunterschieden.
Nur mit Graustufenwerten, da Höhen auf maximal 256 Werte abgebildet werden müssen, Die geografische Darstellung erscheint flach, mit Stufen
an bestimmten Stellen.
In Geoinformationssystemen werden Höhenkarten in der Regel als digitale Höhenmodelle bezeichnet.
Heightmaps können manuell mit einer Standard-Malanwendung oder einem Terrain-Editor erstellt werden. Diese Editoren rendern das Terrain dreidimensional und ermöglichen es dem Benutzer, die Oberfläche zu ändern. In der Regel gibt es Werkzeuge zum Anheben, Absenken, Glätten und Erodieren der Landschaft. Ein Terrain kann auch mit einem Terrain-Generierungsalgorithmus generiert werden. Beispiele hierfür sind eine 2D-Simplex-Rauschfunktion
Heightmaps werden in großem Umfang in Terrain-Rendering-Software und modernen Videospielen verwendet. Heightmaps sind die optimale Methode zum Speichern von digitalen Geländehöhen, da sie im Vergleich zu einem regulären polygonalen Netz deutlich weniger Speicher für eine bestimmte Informationsebene benötigen. Die meisten modernen 3D-Computermodellierungsanwendungen sind in der Lage, Daten aus Höhenkarten in Form von Bump-, Normal- oder Displacement-Karten zu verwenden, um schnell und präzise komplexes Gelände und andere Oberflächen zu generieren.
In den frühen Spielen, die Software-Rendering verwendeten, stellten Elemente häufig die Höhen von Voxelspalten dar, die mit Raycasting erzeugt wurden. In der überwiegenden Mehrheit der modernen Videospiele geben die Elemente die Höhenkoordinate von Polygonen in einem Mesh an.
Der Terrain-Renderer Terragen
Picogen ist ein Terrain-Renderer und eine Anwendung zur Generierung von Höhenkarten.
Kostenloses PBR-Erstellungstool (Physically Based Rendering).
Obwohl die Ausdrücke heightmap und heightfield manchmal austauschbar sind, gibt es einen kleinen Unterschied zwischen ihnen. Heightmap leitet sich vom mathematischen Begriff map
ab, während heightfield von vector field
abgeleitet ist. Heightmap ist der treffendere Begriff, da mathematisch gesehen die meisten Höhenfelder keine (Vektor-)Felder sind, sondern Karten (sowohl in mathematischer Hinsicht als auch in der visuellen Darstellung).
{Ende Kapitel 1}
Kapitel 2: Digitales Höhenmodell
Ein digitales Höhenmodell (DEM) oder digitales Oberflächenmodell (DSM) ist eine 3D-Computergrafikdarstellung von Höhendaten, die zur Darstellung von Gelände oder darüber liegenden Objekten verwendet wird, in der Regel von einem Planeten, Mond oder Asteroiden. Der Begriff globales DEM
bezieht sich auf ein globales diskretes Gitter. DEMs werden häufig in Geographischen Informationssystemen (GIS) eingesetzt und dienen als beliebteste Grundlage für digital generierte Reliefkarten. Ein digitales Geländemodell (DGM) erfasst die Bodenoberfläche explizit, während DEM und DSM Baumkronen oder Gebäudedächer darstellen können.
Ein DSM kann für Landschaftsmodellierungs-, Stadtmodellierungs- und Visualisierungsanwendungen nützlich sein, aber ein DTM ist in der Regel für die Modellierung von Überschwemmungen oder Entwässerungen, die Landnutzungsforschung und die Planetenforschung erforderlich.
In der wissenschaftlichen Literatur gibt es keine einheitliche Verwendung der Begriffe digitales Höhenmodell (DEM), digitales Geländemodell (DGM) und digitales Oberflächenmodell (DSM). In den meisten Fällen bezieht sich der Begriff digitales Oberflächenmodell auf die Erdoberfläche und alle Objekte darauf. Im Gegensatz zu einem digitalen Oberflächenmodell (DSM) bildet ein digitales Geländemodell (DGM) die Bodenoberfläche ohne Dinge wie Pflanzen oder Gebäude ab (siehe Abbildung rechts). Andere Versionen setzen DEM und DTM gleich und definieren DEM als Teilmenge von DTM, die zusätzliche morphologische Elemente darstellt. Die meisten Datenlieferanten (USGS, ERSDAC, CGIAR und Spot Image) bezeichnen DSMs und DTMs als DEMs. Einige Datensätze, wie z. B. SRTM oder das ASTER GDEM, waren ursprünglich DSMs (in bewaldeten Gebieten reicht SRTM jedoch bis in die Baumkronen,