3D สร้างจากรูปภาพได้อย่างไร ? (ตอนที่ 3: การถ่ายภาพ)

กระบวนการแรกของการสร้าง 3D จากรูปภาพ คือ การถ่ายภาพ โดยอุปกรณ์ที่ใช้ คือ กล้อง Digital และอาจจะมีอุปกรณ์เสริมอื่น ๆ เช่น ขาตั้งกล้อง อุปกรณ์ GPS (Global Positioning System) เพื่อระบุตำแหน่งภาพ แสดงในรูปที่ 1 รูปที่ 1 อุปกรณ์ถ่ายภาพ กล้อง Digital และ อุปกรณ์เสริมต่าง ๆ เช่น …

3D สร้างจากรูปภาพได้อย่างไร? (ตอนที่ 2:ขั้นตอนการสร้าง 3D จากรูปภาพ)

การสร้าง 3D จากรูปภาพ หรือ Photogrammetry จะใช้เทคนิคการถ่ายภาพหลาย ๆ มุมมอง ซึ่งมีส่วนที่ซ้อนทับกัน และ การวัดเพื่อสร้างแบบจำลอง 3D ขึ้นมา โดยอาศัยหลักการของการเคลื่อนที่ตำแหน่งกล้องในปริภูมิ 3D(3D Space) เพื่อวัดและประมาณตำแหน่ง (X,Y,Z) ของแต่ละจุดภาพบนรูปภาพ และมีชื่อเรียกเฉพาะว่า Structure from Motion (SfM) ในรูปที่ 1 แสดงแนวคิดการสร้าง 3D จากรูปภาพหลาย ๆ …

3D สร้างจากรูปภาพได้อย่างไร? (ตอนที่ 1 บทนำ)

ข้อมูล 3D เป็นข้อมูลประเภทหนึ่ง ที่ถูกนำมาใช้ประโยชน์อย่างมาก คุณลักษณะเด่นของข้อมูล 3D คือ มีข้อมูลทาง Geometry เพิ่มขึ้นมา ทำให้เราสามารถระบุขนาดของวัตถุ ซึ่งกำลังพิจารณาได้อย่างถูกต้องมากยิ่งขึ้น นอกจากนี้ การนำเสนอยังมีความน่าสนใจมากกว่าข้อมูล 2D อีกด้วย   … ในรูปที่ 1 แสดงตัวอย่างการนำข้อมูล 3D ไปประยุกต์ใช้ในงานต่าง ๆ มากมาย เช่น ด้านโบราณคดี ด้านการแพทย์ เพื่อช่วยวินิจฉัยโรคอย่างมีประสิทธิภาพสูง ด้านบันเทิง ภาพยนตร์ …

Field Sever (ตอนที่ 9): เปรียบเทียบคุณลักษณะเฉพาะของข้อมูลดาวเทียม Landsat 8 และ Field Server

ในตอนที่ผ่านมา เราแสดงให้เห็นถึงการเปรียบเทียบกราฟชีพลักษณะพืชพรรณ (Vegetation Phenology) ระหว่าง ข้อมูล Landsat 8  กับ รูปภาพ Field Server ซึ่งทำให้เราทราบว่า กราฟชีพลักษณ์พืชพรรณที่ได้จาก ข้อมูล Landsat 8 จะต้องถูกประมวลผลเพื่อลดสัญญารบกวนจาก เมฆ ฝน ฯลฯ  หลังจากนั้น จึงนำไปเปรียบเทียบกับ กราฟชีพลักษณ์พืชพรรณที่ได้จาก Field Server โดยปกติแล้ว ในการประมวลผลข้อมูล (รูปภาพ) ใด …

Field Server (ตอนที่ 8):เปรียบเทียบกราฟชีพลักษณ์พืชพรรณ ระหว่าง Landsat 8 และ Field Server

ในตอนที่ผ่าน ๆ มา เราพูดถึงการคำนวณกราฟชีพลักษณ์พืชพรรณ จากรูปภาพ Field Server เพื่อหาวันเริ่มต้น/สิ้นสุด แต่ละรอบการเพาะปลูกข้าว  ซึ่งถือเป็นพารามิเตอร์อันหนึ่ง ที่สามารถใช้ติดตามรอบการเพาะปลูกได้  โดยความเป็นจริงแล้ว วัตถุประสงค์ของการติดตั้ง Field Server คือ เพื่อเก็บข้อมูลภาคสนามอย่างต่อเนื่อง ณ แปลงข้าว หรือ แปลงเกษตรอื่น ๆ    ข้อมูลนี้ จะถูกมานำเปรียบเทียบกับข้อมูลดาวเทียม สำหรับการสอบเทียบ (Calibration) อันจะเป็นประโยชน์ในการแปลภาพและติดตามการเพาะปลูกบริเวณกว้าง (ระดับจังหวัดหรือประเทศ) ต่อไป ในตอนนี้ …

Field Server (ตอนที่ 7): วันเริ่มต้น/สิ้นสุดของรอบการปลูกข้าว จากกราฟชีพลักษณ์พืชพรรณ

ในตอนที่ผ่านมา เราได้พูดถึงวิธีการวิเคราะห์กราฟชีพลักษณ์พืชพรรณ (Vegetation Phenology) เพื่อทราบถึงช่วงการเพาะปลูก (Cultivation period) แสดงในรูปที่ 1    สำหรับในตอนนี้ จะแสดงวิธีการนำ Sub curves ในช่วงที่เป็นช่วงการเพาะปลูกมากำหนดวันเริ่มต้น/สิ้นสุด (SoS/EoS)# ของแต่ละรอบเพาะปลูก  โดยวิธีการ คือ จะคำนวณพื้นที่ใต้กราฟที่ 5% และ 95% ของพื้นที่ทั้งหมด เพื่อใช้กำหนดวันเริ่มต้น/สิ้นสุดรอบการเพาะปลูกตามลำดับ และ อีกเงื่อนไขที่ใช้พิจารณาร่วมด้วย คือ ค่าระดับความเป็นสีเขียวต้อง มีค่าไม่น้อยกว่า 40% …

Field Server (ตอนที่ 6): การตรวจหาช่วงเวลาการเพาะปลูก (Cultivation) จากกราฟชีพลักษณ์พืชพรรณ

ในตอนที่ผ่านมา ได้พูดถึงวิธีการประมวลผลกราฟชีพลักษณ์พืชพรรณ (Vegetation Phenology) ขั้นตอนเบื้องต้น คือ การประมาณค่าในช่วง (Interpolation) และ การคำนวณกราฟชีพลักษณ์พืชพรรณแบบSmoothในตอนที่ 6 นี้ จะอธิบายถึงขั้นตอนถัดมา กระบวนการของ Curve fitting จะถูกนำมาใช้ประมวลผลกราฟ เพื่อลดความซับซ้อนของกราฟชีพลักษณ์พืชพรรณและสามารถนำไปหาช่วงเวลาเพาะปลูกข้าวแบบอัตโนมัติได้ ในรูปที่ 1 แสดงตัวอย่างของกราฟชีพลักษณ์พืชพรรณ และ Curve fitting ที่ประมาณได้โดยใช้อนุกรมฟูเรียร์ (Fourier series)อ้างอิงจากการวิจัยเบื้องต้นผลลัพธ์ในการตรวจหาช่วงเวลาการเพาะปลูก จะมีประสิทธิภาพสูงเมื่อถูกประมาณด้วยสมการอนุกรมฟูเรียร์[1] สำหรับกรณีที่นำสมการรูปแบบอื่นๆ มาใช้ก็อาจมีความเป็นไปได้ …

Field Server (ตอนที่ 5): การInterpolation และ การ Smooth กราฟชีพลักษณ์พืชพรรณ

Field Server ตอนที่แล้ว ได้อธิบายถึงวิธีการแยกส่วนบริเวณที่สนใจ (AOI: Area of Interest) ในที่นี้ คือ “แปลงข้าว” เมื่อได้บริเวณที่สนใจแล้ว จะถูกนำมาสร้างเป็น Binary mask เพื่อหา ค่าเฉลี่ยดัชนีแบบ Excessive Green (ExG) [1] ของทุกจุดภาพที่เป็นแปลงข้าวค่าเฉลี่ย ExGของรูปภาพอนุกรมเวลาแต่ละภาพจะถูกนำมาสร้างเป็นกราฟชีพลักษณ์พืชพรรณ (Vegetation phenology)แสดงในรูปที่ 1 รูปที่ 1การนำค่าเฉลี่ย ExGของบริเวณแปลงข้าวแต่ละรูปภาพ มาสร้างกราฟชีพลักษณ์พืชพรรณ …

Field Server (ตอนที่ 4): การแยกส่วนบริเวณที่สนใจ “แปลงข้าว” จากรูปภาพที่บันทึกด้วย Field Server

ในตอนที่ผ่านมา แสดงให้เห็นถึงวิธีการคำนวณชีพลักษณ์พืชพรรณ (Vegetation Phenology) ที่ได้จากแปลงข้าว ซึ่งทำให้เราทราบว่า ดัชนีพืชพรรณ (Vegetation Index) ที่ใช้ในการหาระดับความเขียวของแต่ละภาพ คือ ดัชนีแบบ Excessive Green (ExG) โดยสามารถคำนวณจากช่วงความยาวคลื่นที่มนุษย์มองเห็น (Visible wavelength) หรือ RGB นั่นเอง สำหรับในกระบวนการที่เราใช้คำนวณค่าดัชนีพืชพรรณของรูปภาพที่ได้จาก Field Server แต่ละภาพนั้น   เพื่อให้ค่าที่ได้ สามารถนำมาใช้ได้อย่างมีประสิทธิภาพ เราจำเป็นต้องเลือกเฉพาะบริเวณแปลงข้าว (แยกส่วนที่ไม่ใช่แปลงข้าวออกไป) เท่านั้น …