সাম্প্রতিক বছরগুলিতে, 3D পুনর্গঠনের (3D reconstruction) জন্য Insta360 এবং DJI Osmo-এর মতো কনজিউমার-গ্রেড 360° ক্যামেরা ব্যবহার নিছক কোনো ল্যাবরেটরি পরীক্ষার চেয়ে অনেক বেশি কিছু হয়ে উঠেছে।

বিশ্বজুড়ে অসংখ্য প্রযুক্তিগত কাজের ক্ষেত্রে, কাজের ধারাটি (workflow) অনেকটাই একই রকম হয়ে দাঁড়িয়েছে: একজন অপারেটর প্যানোরামিক ছবি তোলার জন্য দৃশ্যের চারপাশে একটি 360° ক্যামেরা বহন করেন, ইকুইরেকট্যাঙ্গুলার (Equirectangular) ফরম্যাটে ছবিগুলি এক্সপোর্ট করেন এবং তারপর সেগুলিকে একাধিক পারসপেক্টিভ ভিউতে রূপান্তর করেন। প্রক্রিয়াজাত ছবিগুলি COLMAP-এ ইনপুট দেওয়া হয়, যেখানে স্ট্রাকচার-ফ্রম-মোশন (SfM) ব্যবহার করে ক্যামেরার পোজ অনুমান করা হয়। এর ফলে প্রাপ্ত ডেটা nerfstudio এবং gsplat-এর মতো ওপেন-সোর্স ফ্রেমওয়ার্ক ব্যবহার করে একটি 3D গাউসিয়ান স্প্ল্যাটিং (3DGS) মডেল প্রশিক্ষণের জন্য প্রক্রিয়াজাত করা হয়। সমৃদ্ধ টেক্সচার বৈশিষ্ট্য এবং সামঞ্জস্যপূর্ণ আলো সহ ছোট পরিবেশে, ফলস্বরূপ মডেলগুলি চমৎকার ভিজ্যুয়াল গুণমান সরবরাহ করতে পারে।

আরও উন্নত প্রযুক্তিগত পদ্ধতিও রয়েছে। উদাহরণস্বরূপ, কিছু ওয়ার্কফ্লো সরাসরি কাঁচা ডুয়াল-ফিশআই ফ্রেম ইনপুট হিসেবে ব্যবহার করে, আবার অন্যরা gsplat360 এবং PFGS360-এর মতো বিশেষায়িত প্যানোরামিক রাস্টারাইজেশন ফ্রেমওয়ার্কের উপর নির্ভর করে, যা কিউব-ম্যাপ রূপান্তরের প্রয়োজনীয়তা দূর করে। অত্যন্ত সক্রিয় ওপেন-সোর্স সম্প্রদায়ের সমর্থনে এই প্রযুক্তিগত পদ্ধতিগুলি ক্রমাগত বিকশিত হচ্ছে।

উপসংহারটি পরিষ্কার: কনজিউমার-গ্রেড 360° ক্যামেরা 3DGS মডেল তৈরি করতে সম্পূর্ণরূপে সক্ষম।

তাহলে সীমাবদ্ধতা কোথায়?

যখন উপরের 3D পুনর্গঠন প্রক্রিয়াটি ছোট অভ্যন্তরীণ কক্ষ থেকে বড় পরিবেশ যেমন পুরো ফ্লোর, বাইরের রাস্তা এবং বনাঞ্চলের বিস্তীর্ণ এলাকায় প্রসারিত করা হয়, তখন মূল চ্যালেঞ্জটি ধারাবাহিকভাবে একটি গুরুত্বপূর্ণ পর্যায়ে এসে পৌঁছায়: ক্যামেরা পোজ অনুমান (camera pose estimation) প্রয়োজন।

সম্পূর্ণরূপে ভিশন-ভিত্তিক SfM-এর বেশ কিছু অনিবার্য সীমাবদ্ধতা রয়েছে:

• টেক্সচারের ওপর নির্ভরতা: বনভূমি, তুষারাবৃত ভূখণ্ড, বড় সাদা দেয়াল এবং কাচের পর্দার দেয়ালের মতো দুর্বল টেক্সচারের পরিবেশে বৈশিষ্ট্যের পয়েন্ট মেলানো কঠিন হতে পারে। ক্যামেরার পোজ বিচ্যুত হতে পারে বা সম্পূর্ণরূপে গণনা করতে ব্যর্থ হতে পারে।
• আলোর ওপর নির্ভরতা: ভূগর্ভস্থ পার্কিং গ্যারেজ, কম আলোকিত অভ্যন্তরীণ এলাকা বা রাতের পরিবেশে ইমেজ সিগন্যাল-টু-নয়েজ অনুপাত কমে যাওয়ার ফলে পুনর্গঠনের গুণমান সরাসরি হ্রাস পেতে পারে।
• দীর্ঘ গতিপথে বিচ্যুতি (Drift): ডেটা সংগ্রহের রুট যত দীর্ঘ হবে এবং এতে যত বেশি লুপ ক্লোজার অন্তর্ভুক্ত থাকবে, পুঞ্জীভূত ত্রুটিগুলি তত বেশি তাৎপর্যপূর্ণ হয়ে উঠবে। অবশেষে, মডেলটি সঠিকভাবে সারিবদ্ধ বা একত্রিত হতে ব্যর্থ হতে পারে।
• কোনো বাস্তব শারীরিক স্কেল নেই: SfM শুধুমাত্র একটি সাদৃশ্য রূপান্তর (similarity transformation) পর্যন্ত একটি দৃশ্য পুনর্গঠন করে। ফলস্বরূপ মডেলটি প্রাকৃতিকভাবে জানে না যে এক মিটার কত দীর্ঘ। তাই মাত্রাগত পরিমাপের জন্য অতিরিক্ত স্কেল রেফারেন্স, ক্রমাঙ্কন বস্তু (calibration objects) বা নিয়ন্ত্রণ পয়েন্টের প্রয়োজন হয়।

আরেকটি ব্যবহারিক চ্যালেঞ্জ রয়েছে: যখন একটি বৃহৎ এলাকায় সংগৃহীত ডেটা ব্যর্থ হয়, তখন পুনরায় ফিল্ড সার্ভে করা ব্যয়বহুল হতে পারে। অনেক ওয়ার্কফ্লোতে, অপারেটররা তাৎক্ষণিকভাবে নির্ধারণ করতে পারেন না যে ক্যাপচার করা ছবিগুলি মডেল প্রশিক্ষণের জন্য উপযুক্ত কিনা। ডেটাসেটের নির্দিষ্ট অংশ ব্যবহার করা যাবে না—তা আবিষ্কার করার আগে তাদের প্রায়শই ওয়ার্কস্টেশনে ফিরে যেতে হয় এবং সম্পূর্ণ COLMAP ওয়ার্কফ্লো চালাতে হয়।

কনজিউমার-গ্রেড 360° ক্যামেরাগুলি ইতিমধ্যেই চমৎকার ইমেজিং পারফরম্যান্স প্রদান করে, এবং মূলধারার প্যানোরামিক ক্যামেরাগুলি খরচ এবং ছবির গুণমানের দিক থেকে অনেক স্ব-নির্মিত জরিপ ক্যামেরাকেও ছাড়িয়ে যেতে পারে।

সামগ্রিক সমাধানের দুর্বলতা ইমেজিং হার্ডওয়্যার নিজে নয়, বরং বাস্তব জগতের স্থানিক পরিমাপকে সমর্থন করতে সক্ষম একটি স্থিতিশীল পোজ-অনুমান সিস্টেমের অভাব।

সম্পূর্ণরূপে ভিজ্যুয়াল SfM পুনর্গঠনের মৌলিক সীমাবদ্ধতাগুলি—দুর্বল টেক্সচার পরিবেশে ব্যর্থতা, কম আলোতে মানের অবনতি, দীর্ঘ গতিপথে বিচ্যুতি এবং প্রকৃত পরিমাপ স্কেলের অভাব—সমাধান করতে TourPop একটি নতুন সমাধান প্রদান করে।

একটি হ্যান্ডহেল্ড LiDAR SLAM স্ক্যানিং ডিভাইস হিসেবে, TourPop প্রতি সেকেন্ডে ৪৮,০০০ পয়েন্টের পয়েন্ট রেট বিশিষ্ট একটি LiDAR সেন্সর এবং একটি সমন্বিত পাওয়ার হ্যান্ডেল, কন্ট্রোল ইউনিট ও ডেটা স্টোরেজ সিস্টেম দিয়ে সজ্জিত। ডিভাইসে কোনো অন্তর্নির্মিত প্যানোরামিক ইমেজিং মডিউল অন্তর্ভুক্ত নেই। পরিবর্তে, এটিতে একটি প্রমিত সার্বজনীন মাউন্টিং ইন্টারফেস রয়েছে যা বিভিন্ন ধরণের তৃতীয় পক্ষের 360° ক্যামেরা সমর্থন করে, যার ফলে ব্যবহারকারীরা তাদের বিদ্যমান ইমেজিং সরঞ্জামগুলি ব্যবহার অব্যাহত রাখতে পারেন।

দুটি সেন্সিং সিস্টেমের সুনির্দিষ্ট ভূমিকা রয়েছে এবং তারা একসাথে কাজ করে:

ডিভাইসের গতিপথ গণনা করার জন্য LiDAR পয়েন্ট ক্লাউড ব্যবহার করে, TourPop পোজ অনুমানের জন্য ইমেজ-ফিচার ম্যাচিংয়ের উপর নির্ভর করে না। এটি বন ও তুষারাবৃত এলাকার মতো দুর্বল টেক্সচারের পরিবেশের পাশাপাশি পার্কিং গ্যারেজ এবং রাতের দৃশ্যের মতো কম আলোর পরিবেশেও স্থিতিশীল অবস্থান বজায় রাখতে পারে। উল্লেখযোগ্য পুঞ্জীভূত বিচ্যুতি ছাড়াই ক্রমাগত দীর্ঘ-দূরত্বের ডেটা সংগ্রহ করা যেতে পারে।

LiDAR পর্যবেক্ষণ মডেলটিকে একটি বাস্তব শারীরিক স্কেলও প্রদান করে, যা নিশ্চিত করে যে স্থানিক মাত্রাগুলি বাস্তব জগতের পরিবেশের সাথে সরাসরি মিলে যায়। ব্যবহারকারীরা ক্যাপচার করা দৃশ্যের মধ্যেই সরাসরি দূরত্ব, প্রস্থ, উচ্চতা এবং অন্যান্য স্থানিক মাত্রার অন-সাইট পরিমাপ করতে পারেন।

3DGS-এর রেন্ডারিং গুণমান মূল ছবির গুণমানের ওপর অত্যন্ত নির্ভরশীল। একটি পরিপক্ক বাণিজ্যিক 360° ক্যামেরার সাথে যুক্ত করা হলে, TourPop অর্জনের খরচ, ইমেজিং পারফরম্যান্স এবং হার্ডওয়্যার নমনীয়তার দিক থেকে অল-ইন-ওয়ান স্প্যাশিয়াল ক্যামেরাগুলির তুলনায় উল্লেখযোগ্য সুবিধা প্রদান করে।

TourPop-এর সফ্টওয়্যার একটি হাইব্রিড 3DGS প্রশিক্ষণ আর্কিটেকচারকে একীভূত করে। শুধুমাত্র SfM-ভিত্তিক পোজ অনুমানের উপর নির্ভর করার পরিবর্তে, এটি LiDAR পয়েন্ট ক্লাউডকে প্রাথমিক স্থানিক রেফারেন্স হিসেবে ব্যবহার করে, যেখানে ইমেজ-ভিত্তিক SfM ছবি নির্বাচন এবং ফিল্টার করার জন্য একটি সহায়ক প্রক্রিয়া হিসেবে কাজ করে প্রয়োজন।

এর প্রধান সুবিধাগুলির মধ্যে রয়েছে:

• আরও সুষম এবং কাঠামোগত গাউসিয়ান পয়েন্ট বণ্টন, যা সম্পূর্ণরূপে ভিশন-ভিত্তিক সমাধানগুলিতে সাধারণত পাওয়া বিক্ষিপ্ত ফ্লোটিং-পয়েন্ট নয়েজ উল্লেখযোগ্যভাবে হ্রাস করে।
• দুর্বল টেক্সচার বা কম আলো সহ জটিল পরিবেশে স্থিতিশীল 3D পুনর্গঠন, যা মডেলিং প্রক্রিয়ায় পরিবেশগত অবস্থার প্রভাব কমিয়ে দেয়।

শিল্পের মধ্যে "স্প্যাশিয়াল ক্যামেরা" (Spatial Camera) ধারণাটি আবির্ভূত হয়েছে, যা একটি স্পষ্টভাবে সংজ্ঞায়িত প্রযুক্তিগত মূল্য প্রস্তাবকে উপস্থাপন করে। এর মূল ধারণাটি হলো ডিভাইসটি কেবল 360° প্যানোরামিক ছবি ক্যাপচার করে না। বরং, এটি সঠিক স্থানিক পোজ এবং একটি পরিমাপযোগ্য বাস্তব-বিশ্ব স্কেলের সাথে সম্পূর্ণ স্থানিক ডেটা রেকর্ড করে প্রয়োজন।

TourPop একটি ভিন্নধর্মী বাস্তবায়ন গ্রহণের পাশাপাশি একই প্রযুক্তিগত দিক অনুসরণ করে:

মূল পোজ-অনুমান প্রযুক্তি হিসেবে LiDAR SLAM-এর সাথে সংযুক্ত একটি উন্মুক্ত 360° ক্যামেরা আর্কিটেকচার।

• ব্যবহারকারীরা তাদের বিদ্যমান 360° ক্যামেরাগুলি সরাসরি TourPop-এ মাউন্ট করতে পারেন এবং সেগুলিকে ভিজ্যুয়াল ইমেজিং ইউনিট হিসেবে ব্যবহার করতে পারেন।
• LiDAR ডিভাইসের অবস্থান, অভিযোজন, চলাচলের দূরত্ব এবং পরিবেশের বাস্তব মাত্রাকে সঠিকভাবে নির্ধারণ করার পাশাপাশি একটি সম্পূর্ণ স্থানিক কাঠামো তৈরি করে।
• ডেটা সংগ্রহের পর, আউটপুটটি কেবল প্যানোরামিক চিত্রগুলির সংগ্রহ নয়, বরং সঠিক পোজের তথ্য সহ প্যানোরামার একটি ক্রম, যার সাথে পরিমাপযোগ্য LiDAR পয়েন্ট ক্লাউড এবং 3D গাউসিয়ান স্প্ল্যাটিং মডেল অন্তর্ভুক্ত থাকে।

সহজ কথায়, TourPop একটি কনজিউমার-গ্রেড ক্যামেরাকে—যা কেবল প্যানোরামিক ছবি তুলতে পারে—একটি পেশাদার স্থানিক ডেটা অধিগ্রহণ টার্মিনালে উন্নীত করে যা ত্রিমাত্রিক স্থানিক তথ্য ব্যাপকভাবে রেকর্ড করতে সক্ষম।

উন্মুক্ত, মডুলার ক্যামেরা আর্কিটেকচারটি দুটি ব্যবহারিক বিবেচনার ভিত্তিতে ডিজাইন করা হয়েছে।

প্রথমত, জরিপ এবং ম্যাপিং হার্ডওয়্যার সেক্টরের মধ্যে, কম খরচ এবং চমৎকার ছবির গুণমান উভয়কে একত্রিত করে এমন একটি প্যানোরামিক ইমেজিং সেন্সর স্বাধীনভাবে বিকাশ করা কঠিন।

দ্বিতীয়ত, 360° ক্যামেরা পণ্যগুলির তুলনামূলকভাবে স্বল্প পণ্য চক্র থাকে এবং তা দ্রুত বিকশিত হয়। একটি মডুলার সামঞ্জস্যপূর্ণ আর্কিটেকচার TourPop মূল ইউনিটকে বিস্তৃত ক্যামেরা মডেল সমর্থন করতে দেয়। যখন ব্যবহারকারীরা তাদের ক্যামেরা আপগ্রেড করেন বা বাজারে নতুন প্রজন্মের 360° ক্যামেরা আসে, তখন পুরো অধিগ্রহণ সিস্টেমটি প্রতিস্থাপন না করেই TourPop সিস্টেম ব্যবহার করা অব্যাহত রাখা যেতে পারে।

TourPop বিভিন্ন স্থানিক ডেটা পণ্য তৈরি করতে পারে:

• কালারাইজড পয়েন্ট ক্লাউড: বাস্তব শারীরিক স্কেল সহ, যা দূরত্ব, উচ্চতা, ক্ষেত্রফল এবং অন্যান্য স্থানিক মাত্রার পরিমাপ সক্ষম করে।
• 3DGS মডেল: ফটো-রিয়ালিস্টিক ভিজ্যুয়াল গুণমান সরবরাহ করে, সাথে ফ্রি-ভিউ পয়েন্ট অন্বেষণ এবং ট্র্যাজেক্টরি-ভিত্তিক নেভিগেশন সমর্থন করে।
• পোজ-ট্যাগযুক্ত প্যানোরামিক চিত্র: প্যানোরামাগুলি স্থানিকভাবে দেখা এবং নেভিগেট করা যায়, যেখানে প্রতিটি ছবিতে পরিবেশের মধ্যে তার সুনির্দিষ্ট অবস্থান অন্তর্ভুক্ত থাকে।
• মেশ মডেল: ভিজ্যুয়ালাইজেশন, সম্পাদনা এবং রেন্ডারিংয়ের জন্য তৃতীয় পক্ষের সফ্টওয়্যার ব্যবহার করে ছবি এবং/অথবা পয়েন্ট ক্লাউড থেকে তৈরি করা হয়।
• BIM মডেল: ইঞ্জিনিয়ারিং-ভিত্তিক তথ্য সরবরাহের জন্য তৃতীয় পক্ষের সফ্টওয়্যার ব্যবহার করে আরও বিকশিত করা হয়।

দ্রষ্টব্য: মেশ এবং BIM মডেলগুলির জন্য পেশাদার তৃতীয় পক্ষের সফ্টওয়্যার ব্যবহার করে অতিরিক্ত প্রক্রিয়াকরণের প্রয়োজন হয়।

1. যেসব ব্যবহারকারীর ইতিমধ্যেই 360° ইমেজিং সরঞ্জাম রয়েছে এবং তারা নিয়মিত 3DGS পুনর্গঠন বা বৃহৎ আকারের স্থানিক ডিজিটালাইজেশন সম্পাদন করেন।
2. ইনডোর এবং আউটডোর স্থানিক ডকুমেন্টেশন, সাংস্কৃতিক ও পর্যটন ডিজিটাল উপস্থাপনা এবং বাস্তব পরিবেশের দ্রুত 3D পুনর্গঠন সম্পর্কিত অ্যাপ্লিকেশন।
3. যেসব পরিস্থিতিতে স্থানিক মাত্রার সামগ্রিক উপস্থাপনা প্রয়োজন কিন্তু কঠোর মিলিমিটার-স্তরের জরিপ নির্ভুলতার প্রয়োজনীয়তা নেই, যার মধ্যে রয়েছে ট্র্যাফিক দুর্ঘটনার দৃশ্যের দ্রুত 3D পুনর্গঠন, বন এবং ল্যান্ডস্কেপ রিসোর্স জরিপ এবং অনুরূপ অ্যাপ্লিকেশন।

যেসব নির্ভুল জরিপ এবং ম্যাপিং প্রকল্পে মিলিমিটার-স্তরের পরিমাপের নির্ভুলতা প্রয়োজন।

TourPop একটি সেন্টিমিটার-স্তরের, দ্রুত বাস্তব-বিশ্বের স্থানিক ডেটা অর্জনের সরঞ্জাম হিসেবে ডিজাইন করা হয়েছে। এটি টোটাল স্টেশন বা পেশাদার-গ্রেডের 3D লেজার স্ক্যানারগুলির মতো উচ্চ-নির্ভুল জরিপ যন্ত্রগুলিকে প্রতিস্থাপন করার উদ্দেশ্যে তৈরি নয়।