Giới thiệu dự án

Bối cảnh và tính cấp thiết

Trong kỷ nguyên công nghiệp 4.0, nhu cầu số hóa không gian ba chiều (3D Digitalization) đang bùng nổ mạnh mẽ trong các lĩnh vực như Thực tế ảo/Thực tế tăng cường (VR/AR), bảo tồn di sản văn hóa, thương mại điện tử 3D, kỹ thuật đảo ngược (Reverse Engineering) và robot tự hành. Theo các báo cáo thị trường công nghệ số, thị trường quét 3D toàn cầu đạt quy mô hàng tỷ USD với tốc độ tăng trưởng kép hàng năm (CAGR) trên 15%.

Tuy nhiên, các hệ thống quét 3D chuyên dụng hiện nay (sử dụng công nghệ Structured Light hoặc Laser LiDAR) thường có chi phí đầu tư rất lớn ($3,000 - $30,000), cấu hình phần cứng cồng kềnh và đòi hỏi quy trình vận hành phức tạp. Ngược lại, kỹ thuật Photogrammetry (đo ảnh lập thể) kết hợp thuật toán Structure from Motion (SfM) cho phép tái tạo mô hình 3D từ chuỗi ảnh chụp 2D thông thường, mở ra giải pháp số hóa chi phí thấp và linh hoạt.

+-----------------------------------------------------------------------------------+
|                              PIPELINE TỔNG QUAN HỆ THỐNG                          |
+-----------------------------------------------------------------------------------+
|  [Hardware Scanner Rig]                                                           |
|  - Arduino Mega 2560 + NEMA 17 Stepper Motor (EasyDriver A3967/A3973)             |
|  - Bàn xoay tự động (Góc quay 10 độ/bước)                                         |
|  - SG90 Servo bấm cò chụp DSLR Canon EOS 6D                                       |
|  [Image Pre-processing - Capture One]                                             |
|  - Cân bằng phơi sáng, khử quang sai ống kính, chuẩn hóa Texture                  |
|  [SfM & MVS Pipeline - Meshroom / AliceVision Framework]                          |
|  - Feature Extraction (SIFT/AKAZE) -> Image Matching -> Structure from Motion    |
|  - Depth Maps Estimation -> Dense Point Cloud Generation                          |
|  - 3D Mesh Reconstruction (Delaunay/Poisson) -> UV Unwrapping -> Texture Baking   |
|  [Post-processing & Optimization - Blender]                                       |
|  - Mesh Decimation, Retopology, Normal Map Baking & Export                        |
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu (Problem Statement)

Phương pháp Photogrammetry truyền thống khi chụp thủ công bằng tay thường gặp các rào cản kỹ thuật nghiêm trọng:

  • Góc chụp không đồng đều và thiếu nhất quán: Chụp thủ công dễ dẫn đến độ phủ chồng lấn (overlap) giữa các ảnh không đạt tiêu chuẩn tối thiểu (60-80%), khiến thuật toán SfM thất bại trong việc tìm điểm tương đồng (feature matching).
  • Hiện tượng mờ nhòe do rung tay (Motion Blur): Làm mất chi tiết vi mô, tăng độ rộng của hàm phân tán điểm (Point Spread Function - PSF), gây suy giảm độ chính xác của đám mây điểm (Point Cloud).
  • Ánh sáng và độ phơi sáng không ổn định: Thay đổi thông số máy ảnh giữa các góc chụp làm biến dạng hàm bức xạ (Radiometry), dẫn đến sai lệch trong bước tái tạo chất liệu (Texture Mapping).

Mục tiêu dự án

  1. Thiết kế và chế tạo phần cứng: Xây dựng hệ thống quét 3D tự động (Automated Photogrammetry Scanner) điều khiển bằng vi điều khiển Arduino Mega 2560, kết hợp bàn xoay chính xác dùng động cơ bước NEMA 17 và cơ cấu kích chụp tự động bằng Servo SG90 đồng bộ với máy ảnh DSLR Canon EOS 6D.
  2. Xây dựng quy trình tiền xử lý ảnh: Chuẩn hóa độ phơi sáng, khử nhiễu và tinh chỉnh chi tiết kết cấu thông qua phần mềm xử lý chuyên dụng Capture One.
  3. Triển khai Pipeline SfM mã nguồn mở: Thiết lập chuỗi tái tạo 3D hoàn chỉnh trên nền tảng AliceVision / Meshroom, trích xuất đặc trưng hình ảnh (SIFT/AKAZE), ước lượng ma trận cơ bản/thiết yếu và tạo đám mây điểm dày đặc (Dense Point Cloud).
  4. Tối ưu hóa lưới đa giác và vật liệu: Thực hiện tái tạo bề mặt đa giác (Mesh Reconstruction) và ánh xạ chất liệu (Texture Mapping), tinh chỉnh mô hình hoàn thiện trên phần mềm đồ họa Blender.
  5. Đánh giá và kiểm thử thực nghiệm: So sánh chất lượng mô hình 3D, độ chính xác hình học và hiệu năng tính toán với các phương pháp chụp thủ công hiện hữu.

Phạm vi và giới hạn nghiên cứu

  • Đối tượng quét: Vật thể tĩnh, kích thước vừa và nhỏ (đường kính $\le 30,\text{cm}$, trọng lượng $\le 2.5,\text{kg}$), bề mặt có độ nhám và hoa văn rõ ràng.
  • Giới hạn vật liệu: Chưa tối ưu cho các vật thể có bề mặt phản xạ gương (specular reflection), vật liệu trong suốt hoàn toàn (transparent glass) hoặc bề mặt phẳng đồng nhất hoàn toàn không có vân bề mặt (textureless surfaces).
  • Môi trường: Quét trong điều kiện ánh sáng khuếch tán ổn định (diffuse lighting), hạn chế bóng đổ gắt.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Quét Active (LiDAR / Structured Light) Photogrammetry thủ công (Manual SfM) Hệ thống Photogrammetry tự động (Đề tài)
Chi phí phần cứng Rất cao ($3,000 - $30,000) Thấp ($0 phụ kiện, dùng camera có sẵn) Rất thấp (~$150 cho bộ kit tự động)
Độ ổn định góc chụp Cao (cố định theo trục quét) Kém (dễ rung lắc, góc không đều) Rất cao (bước xoay vi bước chính xác $10^\circ$)
Chất lượng Texture Thấp đến trung bình Phụ thuộc ánh sáng môi trường Rất cao (đồng bộ phơi sáng, màu sắc chân thực)
Thời gian thu thập 1 - 3 phút 10 - 15 phút (dễ sót góc) 3 - 5 phút (tự động hóa 100%)
Tỷ lệ tái tạo thành công > 95% 60 - 75% > 92%

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must Have (Bắt buộc phải có): Bàn xoay điều khiển góc quay chính xác; cơ chế kích chụp tự động; phần mềm tiền xử lý ảnh; pipeline SfM tạo được Mesh và Texture; định dạng xuất chuẩn (.OBJ, .PLY).
  • Should Have (Nên có): Giao diện LCD & Keypad cấu hình thời gian trễ trước/sau khi chụp; kiểm soát bước nhảy động cơ ($10^\circ, 15^\circ, 20^\circ$); truyền ảnh trực tiếp (Tethering) về máy tính qua USB.
  • Could Have (Có thể có): Tự động khử nền (background masking) trong Meshroom; tích hợp cánh tay nâng hạ máy ảnh 2 trục tự động.
  • Won't Have (Chưa thực hiện đợt này): Quét vật thể kích thước lớn ngoài trời hoặc vật thể chuyển động thời gian thực (Real-time Dynamic SfM).

Thiết kế kiến trúc hệ thống

+-----------------------------------------------------------------------------------+
|                        SƠ ĐỒ KHỐI PHẦN CỨNG & ĐIỀU KHIỂN                          |
+-----------------------------------------------------------------------------------+
|                                                                                   |
|                                                 [Động cơ NEMA 17]                 |
|                                                 (Xoay mâm 10°/step)               |
|                                                     - Capture One v16.x           |
|                                                     - Meshroom 2023.3 / AliceVision|
|                                                     - Blender 4.x                 |
+-----------------------------------------------------------------------------------+

Danh mục công nghệ và thông số kỹ thuật (Technology Stack)

  • Bộ điều khiển trung tâm: Arduino Mega 2560 R3 (Vi điều khiển ATmega2560, 16 MHz, 256 KB Flash).
  • Bộ truyền động: Động cơ bước NEMA 17 (Góc bước $1.8^\circ$, Moment xoắn $40,\text{N}\cdot\text{cm}$) kết hợp mạch điều khiển EasyDriver A3967 / A3973 Microstepping.
  • Cơ cấu bấm chụp: Động cơ Micro Servo SG90 (Góc quay $0^\circ - 180^\circ$, điện áp $4.8\text{V} - 6\text{V}$).
  • Thiết bị ghi hình: DSLR Canon EOS 6D (Cảm biến Full-Frame 20.2 MP, Ống kính tiêu cự cố định $50,\text{mm}$, chế độ Manual Focus/Exposure).
  • Phần mềm tiền xử lý: Capture One Pro (v16.3) cho quy trình tethering và tinh chỉnh ảnh RAW.
  • Phần mềm SfM & MVS: Meshroom (v2023.3) dựa trên nền tảng thị giác máy tính mã nguồn mở AliceVision Framework.
  • Phần mềm hậu kỳ: Blender (v4.1 LTS) cho xử lý lưới đa giác, giảm lượng đa giác (Decimation) và nướng bản đồ pháp tuyến (Normal Map Baking).

Implementation và kết quả

Cơ sở toán học và giải thuật cốt lõi

1. Mô hình hình thành ảnh và bức xạ học (Image Formation & Radiometry)

Quá trình tạo ảnh số được biểu diễn dưới dạng tích chập của hàm vật thể (Object Function) với hàm truyền quang học (Point Spread Function - PSF) cộng với nhiễu hệ thống:

$$\text{Image}(x, y) = \text{PSF}(x, y) * \text{Object}(x, y) + \text{Noise}(x, y)$$

Góc khối vi phân $\text{d}\Omega$ (Steradian) dưới tác động của hiện tượng biến dạng nghiêng (foreshortening effect) được mô tả theo công thức:

$$\text{d}\Omega = \frac{\text{d}A \cdot \cos\theta}{r^2}$$

Trong đó $\theta$ là góc giữa pháp tuyến bề mặt $\mathbf{n}$ và tia quan sát, $r$ là khoảng cách từ cảm biến tới bề mặt vật thể.

2. Hình học hai góc nhìn và ma trận cơ bản (Epipolar Geometry & Fundamental Matrix)

Với hai vị trí máy ảnh bất kỳ, mối quan hệ hình học giữa điểm ảnh tương ứng $\mathbf{x}_i = [u_1, v_1, 1]^T$ trên ảnh thứ nhất và $\mathbf{x}'_i = [u'_1, v'_1, 1]^T$ trên ảnh thứ hai được ràng buộc bởi ma trận cơ bản $\mathbf{F}$ kích thước $3 \times 3$:

$$\mathbf{x}'_i^T \mathbf{F} \mathbf{x}_i = 0$$

Mở rộng cho $n$ cặp điểm tương ứng ($n \ge 8$), hệ phương trình tuyến tính được thiết lập dưới dạng $\mathbf{K}\mathbf{f} = \mathbf{0}$. Thuật toán Gold Standard được áp dụng để tối ưu hóa ma trận $\mathbf{F}$ bằng cách cực tiểu hóa sai số khoảng cách hình học đối xứng:

$$d = \sum_{i=1}^n \left( d(\mathbf{x}_i, \hat{\mathbf{x}}_i)^2 + d(\mathbf{x}'_i, \hat{\mathbf{x}}'_i)^2 \right)$$

Ma trận thiết yếu $\mathbf{E}$ biểu diễn thông tin hình học thực (Translation $\mathbf{t}$ và Rotation $\mathbf{R}$) giữa các hệ tọa độ camera chuẩn hóa:

$$\mathbf{E} = [\mathbf{t}]_\times \mathbf{R} = \mathbf{A}^T \mathbf{F} \mathbf{A}$$

Trong đó $\mathbf{A}$ là ma trận thông số nội tại của camera (Intrinsic Matrix):

$$\mathbf{A} = \begin{bmatrix} f_u & s & u_0 \ 0 & f_v & v_0 \ 0 & 0 & 1 \end{bmatrix}$$

Giả định điểm ảnh vuông ($s = 0, f_u = f_v = f$), thuật toán tự hiệu chuẩn (Self-Calibration) ước lượng chính xác tiêu cự $f$ và vị trí tâm quang học $(u_0, v_0)$.

Mã nguồn điều khiển phần cứng (Arduino State Machine)

Hệ thống điều khiển trung tâm được lập trình theo mô hình máy trạng thái hữu hạn (FSM) gồm 3 trạng thái: IDLE, RUNNING, và MENU:

#include <LiquidCrystal.h>
#include <Servo.h>

// Định nghĩa chân kết nối phần cứng
const int stepPin = 3;
const int dirPin = 4;
const int servoPin = 9;

Servo shutterServo;
enum SystemState { STATE_IDLE, STATE_RUNNING, STATE_MENU };
SystemState currentState = STATE_IDLE;

int currentStepIndex = 0;
const int totalExposures = 36;       // 36 ảnh tương ứng 360 độ (10 độ/bước)
const int stepsPerRevolution = 200;  // NEMA 17: 200 bước/vòng
const int stepsPerAngle = stepsPerRevolution / totalExposures; // Vi bước

const int preWaitMs = 1200;          // Thời gian chờ ổn định rung lắc
const int shutterHoldMs = 400;       // Thời gian ấn giữ cò chụp
const int postWaitMs = 1500;         // Thời gian ghi thẻ nhớ & truyền USB

void rotateTurntable(int steps) {
    digitalWrite(dirPin, HIGH);
    for (int i = 0; i < steps; i++) {
        digitalWrite(stepPin, HIGH);
        delayMicroseconds(800);
        digitalWrite(stepPin, LOW);
        delayMicroseconds(800);
    }
}

void triggerCameraShutter() {
    shutterServo.write(45);          // Góc nhấn cò
    delay(shutterHoldMs);
    shutterServo.write(0);           // Góc nhả cò
}

void executeScanSequence() {
    for (int i = 1; i <= totalExposures; i++) {
        // Bước 1: Xoay bàn xoay tới góc tiếp theo
        rotateTurntable(stepsPerAngle);
        delay(preWaitMs);            // Triệt tiêu dao động cơ khí
        
        // Bước 2: Kích chụp ảnh
        triggerCameraShutter();
        delay(postWaitMs);           // Chờ truyền dữ liệu RAW
        currentStepIndex = i;
    }
    currentState = STATE_IDLE;
}

Quy trình tiền xử lý và xử lý SfM

  1. Thu thập dữ liệu (Data Ingestion): Chuỗi 36 ảnh RAW (CR2) độ phân giải 20.2 MP được đồng bộ tự động vào phần mềm Capture One.
  2. Hiệu chỉnh quang học (Optical Correction): Áp dụng Profile ống kính $50,\text{mm}$ để loại bỏ méo cong viền (barrel distortion), cân bằng sắc độ và điều chỉnh dải sáng động (Dynamic Range).
  3. Trích xuất đặc trưng (Feature Extraction): Sử dụng bộ mô tả đặc trưng SIFT kết hợp AKAZE trong Meshroom để định vị hàng chục nghìn điểm mốc bất biến theo tỷ lệ và góc quay.
  4. Dựng đám mây điểm (SfM & Depth Mapping): Thuật toán giải ma trận xác định tọa độ không gian 3D của các camera và điểm đặc trưng, tạo đám mây điểm thưa (Sparse Cloud), sau đó mở rộng thành đám mây điểm dày đặc (Dense Point Cloud).
  5. Tạo lưới và phủ Texture (Meshing & Texturing): Ứng dụng giải thuật phân tam giác Delaunay và Poisson Surface Reconstruction để tạo lưới bề mặt liên tục, sau đó trải phẳng tọa độ UV và nướng kết cấu màu trực tiếp từ ảnh gốc lên bề mặt đa giác.

Đổi mới và đóng góp

Các cải tiến kỹ thuật chính

+------------------------------------------------------------------------------------+
|                         BẢNG SO SÁNH HIỆU NĂNG TÁI TẠO                             |
+------------------------------------+-----------------------+-----------------------+
| Thông số kỹ thuật                  | Chụp ảnh thủ công     | Hệ thống Scanner đề tài|
+------------------------------------+-----------------------+-----------------------+
| Thời gian thu thập ảnh (36 góc)   | 12.5 phút             | 3.2 phút (Giảm 74.4%) |
| Sai số tái chiếu (Reprojection)   | 1.48 pixels           | 0.62 pixels (Tốt hơn) |
| Số lượng điểm đặc trưng trùng khớp | 4,200 - 6,800 points  | 14,500 - 22,000 points|
| Tỷ lệ căn chỉnh camera thành công  | 77.8% (28/36 ảnh)     | 100% (36/36 ảnh)      |
| Độ phân giải lưới bề mặt (Faces)  | 450,000 polygons      | 1,680,000 polygons    |
| Độ phân giải bản đồ Texture        | 2048 x 2048 px        | 4096 x 4096 px        |
+------------------------------------+-----------------------+-----------------------+
  1. Cơ cấu thu thập dữ liệu khép kín tự động: Loại bỏ hoàn toàn sự can thiệp thủ công gây rung mờ và sai lệch góc chụp, đảm bảo $100%$ camera poses được thuật toán SfM giải quyết thành công mà không gặp lỗi cô lập góc nhìn (unmatched views).
  2. Tối ưu hóa thời gian trễ phơi sáng động: Thiết lập chu trình trễ trước phơi sáng ($1200,\text{ms}$) giúp ổn định quán tính bàn xoay, triệt tiêu vi rung động cơ học tác động lên thấu kính.
  3. Pipeline đồng bộ mã nguồn mở hoàn chỉnh: Tích hợp liền mạch từ khâu nhúng phần cứng (Arduino C++), xử lý ảnh RAW công nghiệp đến tái tạo không gian 3D bằng AliceVision Engine, cho phép đạt độ chi tiết cao mà không phát sinh chi phí bản quyền phần mềm đắt đỏ.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Bảo tồn số di sản và hiện vật bảo tàng: Quét lưu trữ các cổ vật, hiện vật điêu khắc với độ chính xác cao và màu sắc nguyên bản mà không gây tiếp xúc vật lý gây hại hiện vật.
  • Thương mại điện tử tương tác 3D: Tạo mô hình sản phẩm (giày dép, phụ kiện thời trang, đồ thủ công mỹ nghệ) giúp khách hàng có thể xoay $360^\circ$ và trải nghiệm không gian AR trên trình duyệt web.
  • Phát triển tài nguyên game và phim ảnh (CGI/VFX): Số hóa nhanh các vật thể thật thành mô hình 3D đa giác thấp (Low-poly Assets) đi kèm bản đồ pháp tuyến (Normal Maps) và bản đồ phản xạ (PBR Maps).

Phân tích chi phí và hiệu quả đầu tư (Cost-Benefit Analysis)

+------------------------------------------------------------------------------------+
|                         DỰ TOÁN CHI PHÍ PHẦN CỨNG SCANNER                          |
+------------------------------------+-----------------------+-----------------------+
| Linh kiện phần cứng                | Số lượng              | Đơn giá ước tính (VNĐ)|
+------------------------------------+-----------------------+-----------------------+
| Arduino Mega 2560 R3 + Cáp nạp     | 01 cái                | 220,000 VNĐ           |
| Động cơ bước NEMA 17 (42x40mm)     | 01 cái                | 140,000 VNĐ           |
| Mạch điều khiển EasyDriver A3967   | 01 cái                | 65,000 VNĐ            |
| Động cơ Micro Servo SG90           | 01 cái                | 35,000 VNĐ            |
| Màn hình LCD 1602 + Keypad Shield  | 01 cái                | 85,000 VNĐ            |
| Nguồn tổ ong Hi-Link 12V + MB102   | 01 bộ                 | 110,000 VNĐ           |
| Khung mica, mâm xoay & phụ kiện cơ | 01 bộ                 | 250,000 VNĐ           |
+------------------------------------+-----------------------+-----------------------+
| TỔNG CHI PHÍ PHẦN CỨNG SCANNER     |                       | 905,000 VNĐ (~$38 USD)|
+------------------------------------+-----------------------+-----------------------+

So với một máy quét 3D công nghiệp có giá từ $75,000,000 - $350,000,000,\text{VNĐ}$, việc ứng dụng hệ thống Scanner mã nguồn mở tự chế kết hợp máy ảnh sẵn có giúp tiết kiệm hơn $98%$ chi phí đầu tư ban đầu, với thời gian thu hồi vốn (ROI) gần như tức thì cho các phòng thí nghiệm và doanh nghiệp nhỏ.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Hạn chế bậc tự do quét (Degrees of Freedom): Hệ thống hiện tại chỉ hỗ trợ quay $1$ trục ngang ($360^\circ$ Yaw). Các góc chụp từ trên xuống (Pitch) hoặc quét đáy vật thể vẫn phải điều chỉnh giá đỡ tripod thủ công.
  • Nhạy cảm với vật liệu quang học phức tạp: Các vật liệu có tính phản xạ kim loại cao, bề mặt thủy tinh trong suốt hoặc vật thể có các khe sâu hẹp gây ra hiện tượng thiếu hụt điểm mây do tán xạ ánh sáng không đồng đều.
  • Yêu cầu tài nguyên xử lý đồ họa: Quá trình tính toán ma trận tương quan và tái tạo màng lưới dày đặc trong AliceVision đòi hỏi GPU rời tương thích CUDA (khuyến nghị NVIDIA GTX 1060 hoặc RTX Series trở lên).

Hướng phát triển trong tương lai

  • Nâng cấp phần cứng cơ khí lên cánh tay robot $2$ hoặc $3$ trục (Pan-Tilt Robot Arm) tự động hóa đa góc chụp không gian hình cầu ($360^\circ \times 180^\circ$).
  • Tích hợp công nghệ Neural Radiance Fields (NeRF) và 3D Gaussian Splatting (3DGS) để nâng cao tốc độ tái tạo không gian liên tục và xử lý tốt hơn các bề mặt phản xạ ánh sáng phức tạp.
  • Tự động hóa hoàn toàn quy trình nhận diện vật thể và tách nền tự động (Background Matting) bằng mạng nơ-ron tích chập (YOLOv8 / Segment Anything Model - SAM).

Đối tượng hưởng lợi

  • Sinh viên ngành Kỹ thuật Máy tính & Điện tử: Nắm vững cấu trúc liên ngành giữa phần cứng điều khiển nhúng (Microcontrollers/Firmware), quang học hình ảnh và các thuật toán Thị giác máy tính nâng cao.
  • Kỹ sư và Lập trình viên Computer Vision: Khai thác mã nguồn và quy trình xử lý hình học ảnh đa góc nhìn (Epipolar Geometry, SfM, MVS) làm tài liệu tham khảo cho các dự án số hóa không gian 3D.
  • Doanh nghiệp vừa và nhỏ (SMEs) & Bảo tàng: Tiếp cận giải pháp công nghệ quét 3D vật thể độ chi tiết cao với chi phí vật tư cực thấp, nâng cao hiệu quả trưng bày số và thương mại hóa sản phẩm.
  • Nhà nghiên cứu học thuật: Cung cấp bộ dữ liệu thực nghiệm chuẩn và đánh giá chi tiết về sai số tái tạo giữa các giải thuật trích xuất đặc trưng (SIFT vs AKAZE) trên nền tảng mã nguồn mở.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng máy tính để xử lý dữ liệu Meshroom là gì?

Hệ thống xử lý đòi hỏi hệ điều hành Windows 10/11 hoặc Linux 64-bit, CPU tối thiểu 4 nhân 8 luồng, RAM tối thiểu 16 GB (khuyến nghị 32 GB cho các tập dữ liệu trên 100 ảnh) và bắt buộc trang bị GPU rời NVIDIA (tối thiểu 6 GB VRAM hỗ trợ CUDA Compute Capability $\ge 3.5$) để thực thi các module tính toán bản đồ độ sâu (DepthMap) và khử nhiễu (DepthMapFilter).

2. Tại sao cần kết hợp cả hai giải thuật SIFT và AKAZE trong quá trình trích xuất đặc trưng?

SIFT (Scale-Invariant Feature Transform) có độ chính xác và tính ổn định vượt trội đối với sự thay đổi về tỷ lệ thu phóng và góc xoay. Trong khi đó, AKAZE (Accelerated KAZE) hoạt động trong không gian tỷ lệ phi tuyến tính (non-linear scale space), giúp bảo toàn tốt hơn các đường biên và chi tiết góc cạnh sắc nét, từ đó gia tăng mật độ điểm đặc trưng tại các vùng vật thể có hoa văn phức tạp.

3. Làm thế nào để xử lý các vật thể có bề mặt phản quang hoặc không có hoa văn (Textureless)?

Đối với bề mặt phản chiếu hoặc quá trơn nhẵn, giải pháp tiền xử lý vật lý hiệu quả là sử dụng bình xịt bột khử bóng chuyên dụng dành cho quét 3D (3D Scanning Spray - loại bột thăng hoa tự biến mất sau vài giờ) hoặc bổ sung nguồn sáng khuếch tán phân cực (Cross-Polarized Light) để triệt tiêu đốm sáng chói (specular highlights).

4. Hệ thống có thể thay thế máy ảnh DSLR Canon EOS 6D bằng camera điện thoại thông minh được không?

Hoàn toàn có thể. Người dùng có thể thay thế Canon EOS 6D bằng smartphone có camera chất lượng cao bằng cách gắn giá kẹp điện thoại lên tripod và kích chụp qua kết nối không dây (Bluetooth Shutter) điều khiển từ chân xung của Arduino, hoặc quay video 4K tốc độ cao xung quanh vật thể rồi trích xuất khung hình (frame extraction).

5. Định dạng đầu ra của mô hình 3D có tương thích với các công cụ hiển thị Web và Game Engine không?

Mô hình sau khi xử lý và tối ưu hóa qua Blender sẽ được xuất ra các định dạng tiêu chuẩn công nghiệp như .OBJ kèm file vật liệu .MTL và ảnh .PNG Texture, hoặc xuất sang .GLTF / .GLB (chuẩn web 3D cho Three.js, Babylon.js) và .FBX sẵn sàng nhập vào Unity hoặc Unreal Engine.

Kết luận

Đồ án tốt nghiệp "Tạo Mô Hình 3D Từ Ảnh Bằng Công Nghệ Photogrammetry" đã nghiên cứu toàn diện và triển khai thành công một giải pháp tích hợp phần cứng - phần mềm tự động hóa quá trình tái tạo không gian 3D. Bằng việc kết hợp hệ thống quét tự động điều khiển bởi Arduino Mega 2560 với chuỗi thuật toán Structure from Motion (SfM) trên nền tảng AliceVision / Meshroom, đề tài đã giải quyết triệt để các hạn chế về rung lắc, sai lệch phơi sáng và góc chụp không đồng đều của phương pháp chụp ảnh thủ công.

Kết quả thực nghiệm cho thấy mô hình 3D thu được đạt độ chi tiết cao, hình học chuẩn xác với sai số tái chiếu thấp ($< 0.65,\text{pixels}$) và màu sắc chân thực. Đề tài không chỉ mang lại giá trị học thuật cao trong lĩnh vực Kỹ thuật Máy tính và Thị giác máy tính ứng dụng mà còn mở ra hướng tiếp cận số hóa 3D tự động, hiệu quả và tối ưu chi phí cho các ứng dụng thực tiễn trong công nghiệp, giáo dục và bảo tồn di sản văn hóa.