ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ
PHAN HƯNG HÀ
TRÌNH DIỄN VÀ TƯƠNG TÁC MÔ HÌNH 3D MỘC BẢN TRÊN NỀN WEB
LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH
Hà Nội - 2021
ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ
PHAN HƯNG HÀ
TRÌNH DIỄN VÀ TƯƠNG TÁC MÔ HÌNH 3D MỘC BẢN TRÊN NỀN WEB
Ngành: Khoa học máy tính
Chuyên ngành: Khoa học máy tính Mã số: 8480101.01
LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH
NGƯỜI HƯỚNG DẪN KHOA HỌC:
PGS. TS. Lê Thanh Hà TS. Ngô Thị Duyên
Hà Nội - 2021
LỜI CAM ĐOAN
Tôi xin cam đoan luận văn thạc sĩ khoa học máy tính: “Trình diễn và tương tác mô hình 3D Mộc bản trên nền Web” là kết quả của quá trình học tập, nghiên cứu khoa học độc lập, nghiêm túc.
Các số liệu trong luận văn là trung thực, có nguồn gốc rõ ràng, được trích dẫn và có tính kế thừa, phát triển từ các sách, tài liệu, tạp chí, các công trình nghiên cứu đã được công bố, và các website,..
Các phương pháp nêu trong luận văn được rút ra từ những cơ sở lý luận và quá trình nghiên cứu tìm hiểu của tác giả.
TÁC GIẢ LUẬN VĂN
Phan Hưng Hà
LỜI CẢM ƠN
Lời đầu tiên tôi xin gửi lời cảm ơn chân thành tới thầy Lê Thanh Hà và cô Ngô Thị Duyên đã tận tình hướng dẫn tôi trong suốt thời gian học tập và nghiên cứu vừa qua, đặc biệt là định hướng nghiên cứu và tận tình hướng dẫn ngay cả những ngày cuối tuần trong suốt quá trình tôi làm luận văn tốt nghiệp. Nếu không có sự giúp đỡ tận tình của thầy cô, tôi khó có thể hoàn thành luận văn này.
Bên cạnh đó, tôi cũng gửi lời cảm ơn đến các thầy cô, các anh chị nghiên cứu viên, các bạn sinh viên trong lab HMI tại trường Đại học Công nghệ - Đại học Quốc gia Hà Nội, nơi tôi học tập, nghiên cứu đã tạo điều kiện, hỗ trợ và giúp đỡ tôi rất nhiều trong suốt thời gian qua.
Tôi cũng xin chân thành cảm ơn các thầy cô Khoa Công nghệ Thông tin trường Đại học Công nghệ - Đại học Quốc gia Hà Nội, đã tận tình giảng dạy, chỉ bảo và cung cấp cho tôi những kiến thức cần thiết trong suốt thời gian học và cũng xin gửi lời cảm ơn chân thành đến những người thân, bạn bè, đồng nghiệp và gia đình đã giúp đỡ và động viên tôi trong suốt thời gian học tập cũng như thời gian thực hiện luận văn này.
TÁC GIẢ LUẬN VĂN
Phan Hưng Hà
MỤC LỤC
LỜI CAM ĐOAN ...i
LỜI CẢM ƠN ... ii
Danh mục các ký hiệu và chữ viết tắt ... 3
Danh mục hình vẽ ... 4
Danh mục bảng ... 6
MỞ ĐẦU ... 7
TỔNG QUAN MỘC BẢN TRIỀU NGUYỄN VÀ SỐ HÓA 3D ... 10
Giới thiệu Mộc bản triều Nguyễn ... 10
1.1. 1.1.1. Nguồn gốc của Mộc bản triều Nguyễn ... 10
1.1.2. Tổng quan số lượng Mộc bản triều Nguyễn ... 11
1.1.3. Quá trình chế tác Mộc bản triều Nguyễn ... 14
Khảo sát hiện trạng ... 16
1.2. Yêu cầu của số hóa và biểu diễn Mộc bản ... 18
1.3. Kết luận ... 20
1.4. CHƯƠNG 1. TỔNG QUAN VỀ BIỂU DIỄN DỮ LIỆU 3D ... 21
Các công nghệ hiển thị 3D ... 21
1.1. 1.1.1. Các công nghệ hiển thị 3D trên nền Web ... 21
1.1.2. Các công nghệ hiển thị 3D trên Desktop ... 22
Tổng quan về render point cloud ... 22
1.2. Các phương pháp render point cloud ... 23
Công nghệ Potree ... 24
1.3. 1.3.1. Giới thiệu ... 24
1.3.2. Cấu trúc MNO (Modifiable Nested Octree) ... 24
1.3.3. Cấu trúc Potree’s Octree ... 25
1.3.4. Phương pháp lấy mẫu con Poisson – Disk ... 28
1.3.5. Quá trình render point cloud ... 31
Cloud Compare ... 32 1.4.
Kết luận ... 34
1.5. CHƯƠNG 2. HỆ THỐNG WEB BIỂU DIỄN DỮ LIỆU MỘC BẢN 3D ... 35
Tổng quan về hệ thống ... 35
2.1. Chuyển đổi định dạng tệp dữ liệu Mộc bản 3D ... 36
2.2. Tạo bóng cho Mộc bản 3D ... 38
2.3. 2.3.1. Tạo bóng cho Mộc bản 3D trong Cloud Compare ... 38
2.3.2. Nâng cao chất lượng tạo bóng cho Mộc bản 3D ... 39
Phủ mầu cho Mộc bản ... 42
2.4. Kết luận ... 43
2.5. CHƯƠNG 3. THỬ NGHIỆM VÀ KẾT QUẢ ... 45
Dữ liệu Mộc bản ... 45
3.1. Tương tác với Mộc bản trên nền Web ... 48
3.2. Đánh giá và kết quả ... 49
3.3. 3.3.1. Phương pháp đánh giá ... 50
3.3.2. Kết quả ... 55
Kết luận ... 59
3.4. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ... 61
Kết luận: ... 61
Hướng phát triển của luận văn: ... 61
TÀI LIỆU THAM KHẢO ... 63
PHỤ LỤC ... 66
Danh mục các ký hiệu và chữ viết tắt
2D Two dimensions – Không gian ba chiều 3D Three dimensions – Không gian ba chiều EDL Tính năng đổ bóng Eye-Dome-Lighting GB GigaByte đơn vị đo thông tin bộ nhớ GOM Inspect Phần mềm tương tác với đối tượng 3D
HMI Human Machine Interaction – Phòng thí nghiệm Tương tác Người máy
LAS (LIDAR Data Exchange) Định dạng tệp tin 3D dạng point cloud
Metadata Định dạng của tệp dữ liệu 3D biểu diễn trên nền Web
MNO Modifiable Nested Octree
Point cloud Đám mây điểm Render Kết xuất hình ảnh
STL (Standard Triangle Language) Định dạng tệp tin 3D dạng lưới tam giác
Triangle Mesh Định dạng lưới tam giác trong đồ họa 3D
Unesco Tổ chức giáo dục, khoa học và văn hóa Liên Hợp Quốc Voxel Volume Pixel – Khối điểm ảnh
Danh mục hình vẽ
Hình 1. 1. Mộc bản Bìa sách Đại Việt sử ký toàn thư ... 11
Hình 1. 2. Mộc bản bìa sách Đại Nam thư lục ... 13
Hình 1. 3. Mộc bản Bìa sách Hoàng Việt luật lệ ... 14
Hình 1. 4. Miêu tả quá trình khắc chữ lên tấm ván gỗ ... 15
Hình 1. 5. Miêu tả bản dập của Mộc bản năm mới của Trung Quốc ... 17
Hình 1. 6. Mộc bản cuối triều đại Joseon được số hóa thử nghiệm trong nghiên cứu. . 17
Hình 1. 7. Mộc bản được tái tạo từ công nghệ CNC và dữ liệu quét 3D ... 18
Hình 2. 1. Mô tả các nút cấp thấp chứa các điểm thưa thớt trên một vùng lớn, mỗi mức tiếp theo tăng số điểm theo cấp số nhân. ... 25
Hình 2. 2. Cấu trúc phân cấp hoàn chỉnh của MNO được lưu trữ trong một tệp tin. .... 25
Hình 2. 3. Mô tả hộp giới hạn được tính toán theo trục của vật thể 3D. ... 27
Hình 2. 4. Mô tả hộp giới hạn được tính toán biến đổi theo trục của vật thể 3D. ... 27
Hình 2. 5. Mô tả hệ thống phân cấp Octree được chia thành hai phần nhỏ hơn với hai cấp ở mỗi phần... 28
Hình 2. 6. Mô tả các phương pháp lấy mẫu trên cùng tập dữ liệu thô đầu vào. ... 29
Hình 2. 7. Lưới kiểm tra khoảng cách. ... 30
Hình 3. 1. Sơ đồ tổng quan cài đặt hệ thống Web biểu diễn dữ liệu Mộc bản 3D. ... 36 Hình 3. 2. Quá trình mã hóa cho các phân vùng octree. Error! Bookmark not defined.
Hình 3. 3. Chế độ wire biểu diễn trực quan dữ liệu dưới định dạng mesh... Error!
Bookmark not defined.
Hình 3. 4. Chế độ point biểu diễn trực quan dữ liệu dưới định dạng đám mây điểm.
... Error! Bookmark not defined.
Hình 3. 5. Chế độ plain cubes biểu diễn trực quan dữ liệu dưới định dạng phân vùng octree. ... Error! Bookmark not defined.
Hình 3. 6. So sánh Mộc bản áp dụng bộ lọc EDL trong Cloud Compare. ... 39
Hình 3. 7. Mô tả tổng quan về quy trình Eye-Dome-Lighting. ... 39
Hình 3. 8. Quá trình đổ bóng với giá trị Strength khác nhau với tham số mặc định... 41
Hình 3. 9. Quá trình đổ bóng với giá trị Strength khác nhau với hệ số 800. ... 41
Hình 3.10. Mộc bản 3D biểu diễn chưa được nâng cao chất lượng tạo bóng ... 41
Hình 3. 11. Mộc bản 3D biểu diễn đã được nâng cao chất lượng tạo bóng. ... 42
Hình 3. 12. Mộc bản 3D biểu diễn không mang giá trị mầu sắc. ... 42
Hình 3. 13. Bảng mã mầu hiển thị cho Mộc bản 3D. ... 43
Hình 3. 14. Mộc bản 3D biểu diễn mang giá trị mầu sắc mã HTML #555555. ... 43
Hình 4. 1. Giao diện trang chủ biểu diễn mô hình 3D Mộc bản. ... 47
Hình 4. 2. Mô hình Mộc bản 3D được biểu diễn trên trang web. ... 47
Hình 4. 3. Chi tiết nét đục, chạm trên mô hình Mộc bản 3D biểu diễn trên trang web.48 Hình 4. 4. Mô hình Mộc bản 3D được xoay một góc nghiêng theo trục x và y. ... 49
Hình 4. 5. So sánh dấu vết biến dạng của Mộc bản biểu diễn trên nền Web so với Mộc bản biểu diễn trên phần mềm. ... 52
Hình 4. 6. So sánh ký tự của Mộc bản được biểu diễn trên nền Web so với Mộc bản biểu diễn trên phần mềm. ... 53
Hình 4. 7. Biểu đồ mô tả độ lệch chuẩn trong đánh giá. ... 57
Hình 4. 8. Biểu đồ mô tả tốc độ hiển thị dữ liệu Mộc bản.. ... 59
Danh mục bảng
Bảng 1. 1. Bảng tổng hợp số lượng, lĩnh vực các tấm Mộc bản triểu Nguyễn được lưu
giữ tại Trung tâm Lưu trữ quốc gia IV [3] ... 12
Bảng 2. 1. Mô tả ưu điểm và nhược điểm với các giá trị khoảng cách trong mẫu…... 26
Bảng 3. 1. Bảng tổng hợp thông tin mô hình Mộc bản 3D. ... 37
Bảng 3. 2. Bảng tổng hợp kích thước lưới tam giác, point cloud và dung lượng tệp tin tương ứng. ... 38
Bảng 4. 1. Các đặc trưng của Mộc bản được thực hiện số hóa (nguồn: báo cáo của phòng thí nghiệm Tương tác Người –Máy). ... 46
Bảng 4. 2. Mô tả cấu hình máy tính, hệ điều hành và các phần mềm liên quan trong quá trình đánh giá tốc độ hiển thị hoàn toàn dữ liệu của Mộc bản 3D. ... 54
Bảng 4. 3. Kếta quả đánh giá tính tương quan từ các chuyên gia. ... 55
Bảng 4. 4. Kết quả đánh giá tính tương quan từ những người không chuyên. ... 56
Bảng 4. 5. Bảng tổng hợp kết quả đo. ... 58
MỞ ĐẦU
Mộc bản Triều Nguyễn được Unesco công nhận là di sản tư liệu thế giới từ năm 2009.
Việc bảo tồn và phát huy giá trị di sản tư liệu đóng vai trò quan trọng để gìn giữ tư liệu quá khứ nhằm kết nối tới hiện tại và tương lai. Số hóa 3D Mộc bản là một phương pháp hiệu quả nhất nhằm bảo tồn Mộc bản dưới dạng số để sau đó có thể tái tạo và dễ dàng truyền bá tới công chúng mà không ảnh hưởng đến Mộc bản nguyên mẫu.
Do Mộc bản thường chứa rất nhiều chi tiết nhỏ như nét chữ, nét khắc, nét đục của nghệ nhân thời xưa để lại và yêu cầu về chất lượng hình ảnh số hóa rất cao từ phía bảo tồn, do vậy Mộc bản cần được số hóa với độ phân giải hình ảnh rất cao. Thông thường, mỗi tấm Mộc bản khi số hóa 3D cần yêu cầu từ 1GB đến nhiều GB. Điều này gây thách thức cho việc truyền tải và trình diễn Mộc bản số trên nền tảng Internet hiện tại.
Mục đích nghiên cứu
Luận văn này nghiên cứu xây dựng hệ thống Web biểu diễn các dữ liệu 3D point cloud lớn của Mộc bản. Nó cho phép người dùng xem các tập dữ liệu với hàng tỷ điểm trong thời gian thực trên các trình duyệt Web tiêu chuẩn, một trong những ưu điểm chính của việc “trình diễn và tương tác với mô hình 3D Mộc bản trên nền Web” là giúp người xem không cần phải cài đặt phần mềm hiển thị 3D, giúp các nhà bảo tồn văn hóa đưa được các tư liệu quý giá đến cho công chúng một cách phổ biến hơn mà vẫn đảm bảo được an toàn an ninh cho dữ liệu gốc.
Đối tượng và phạm vi nghiên cứu
Trong khuôn khổ của luận văn, tác giả tập trung nghiên cứu các cách render point cloud phổ biến để biểu diễn dữ liệu 3D trên nền web. Dữ liệu 3D point cloud là mô hình ba chiều bao gồm các điểm chứ không phải được biểu diễn theo cấu trúc mô hình tam giác. Chúng được tạo ra bằng cách quét các vật thể thực thông qua các phương pháp quét khác nhau. Trong nhiều ứng dụng point cloud được coi là dữ liệu thô, sau đó được render thành các mô hình tam giác hoặc các ảnh 2D, do tính chất của dữ liệu điểm point cloud phải cần số lượng lớn các điểm để biểu diễn các mô hình đơn giản.
Ví dụ một bức tranh phẳng được thể hiện bằng một hình tứ giác và một họa tiết nhưng lại cần đến hàng nghìn hoặc hàng triệu điểm để biểu diễn trong khi đó với mô hình tam giác thì chỉ cần số lượng nhỏ hơn. Một trong những thách thức lớn của việc biểu diễn dữ liệu 3D point cloud là yêu cầu dung lượng bộ nhớ trong rất lớn khi render.
Tác giả tập trung nghiên cứu một số phương pháp render point cloud phù hợp với việc hiển thị và tương tác trên trình duyệt web, đáp ứng được thời gian hiển thị
Mộc bản 3D trong môi trường truyền tải dữ liệu kém và cấu hình tài nguyên máy thấp cho đa số người sử dụng phổ thông. Tìm hiểu phương pháp lấy mẫu con tạo ra các tập con có khoảng cách đều hơn, các kỹ thuật tạo bóng cho đối tượng 3D và các tham số tối ưu cho bài toán hiển thị mô hình Mộc bản trên nền Web.
Phương pháp nghiên cứu
Phương pháp nghiên cứu khi thực hiện luận văn là tìm hiểu từ cơ sở lý thuyết chung về các phương pháp render point cloud, các phương pháp lấy mẫu và sau đó tìm hiểu xây dựng hệ thống Web biểu diễn Mộc bản 3D từ các nghiên cứu đã được công bố và các kết quả đã đạt được. Từ đó cải tiến, đề xuất các kỹ thuật nhằm nâng cao hiệu quả trình diễn và tương tác với mô hình Mộc bản 3D trên nền Web.
Đóng góp mới của luận văn
Luận văn này đã nghiên cứu áp dụng và cải tiến một số kỹ thuật kết xuất point cloud, áp dụng một công cụ biểu diễn và nâng cao chất lượng hiển thị Mộc bản số hóa trên nền Web; cài đặt thành công hệ thống Web với kết quả rất khả quan với tốc độ hiển thị Mộc bản 3D phù hợp với môi trường đường truyền internet và cấu hình máy phổ thông của người sử dụng; đưa lên hệ thống website: http://mocban.disanso.vn/ 10 tấm Mộc bản. Chi tiết kỹ thuật sẽ được trình bày ở các mục tiếp theo.
Kết cấu luận văn
Ngoài phần mở đầu và phần tham khảo, luận văn này được tổ chức thành 5 chương với các nội dung chính như sau:
- Tổng quan về Mộc bản triều Nguyễn và số hóa 3D
• Giới thiệu Mộc bản triều Nguyễn.
• Khảo sát hiện trạng.
• Yêu cầu số hóa và biểu diễn Mộc bản số hóa.
- Chương 1: Tổng quan về biểu diễn dữ liệu 3D
• Tổng quan về các công nghệ biểu diễn dữ liệu 3D.
• Phương pháp lấy mẫu con.
• Công nghệ Potree.
- Chương 2: Hệ thống Web biểu diễn dữ liệu Mộc bản 3D
• Tổng quan về hệ thống.
• Định dạng tệp dữ liệu 3D Mộc bản.
• Tạo bóng cho Mộc bản 3D.
• Nâng cao chất lượng tạo bóng cho Mộc bản 3D.
• Phủ mầu cho Mộc bản 3D.
- Chương 3: Thử nghiệm, đánh giá và kết quả
• Dữ liệu Mộc bản số hóa dùng để biểu diễn và tương tác.
• Phương pháp đánh giá chất lượng của hệ thống Web
• Cài đặt hệ thống Web.
• Kết quả thử nghiệm, phân tích về kết quả thử nghiệm.
- Kết luận và hướng phát triển
TỔNG QUAN MỘC BẢN TRIỀU NGUYỄN VÀ SỐ HÓA 3D
Mộc bản triều Nguyễn là những tấm gỗ khắc ngược chữ Hán hoặc chữ Nôm dùng để in ra các sách, sử dụng phổ biến ở Việt Nam trong thời kỳ phong kiến và được lưu giữ đến ngày nay. Do nhu cầu phổ biến rộng rãi các chuẩn mực xã hội, các điều luật, ghi lại các sự kiện lịch sử và lưu truyền công danh sự nghiệp của các vua chúa, triều đình nhà Nguyễn đã cho biên soạn, khắc in nhiều bộ sách sử và các tác phẩm văn chương.
Để in được các cuốn sách đó đã sản sinh ra một tài liệu đặc biệt, đó là Mộc bản triều Nguyễn.
Giới thiệu Mộc bản triều Nguyễn 1.1.
1.1.1. Nguồn gốc của Mộc bản triều Nguyễn
Nhằm góp phần ổn định xã hội, củng cố, nâng cao vai trò của dòng tộc cũng như vị trí của vương triều, các vua nhà Nguyễn đã rất chú trọng đến việc biên soạn lịch sử. “Vào năm Nhâm Tuất (1802), sau khi chính thức thiết lập vương triều, các vua nhà Nguyễn đã đặc biệt chú trọng đến việc biên soạn lịch sử” [1]. Đến “Năm Tân Mùi (1811), Vua Gia Long đã cho thành lập Sử cục, cơ quan tiền thân của Quốc Sử quán”
[2]. Triều vua Gia Long, nhà Nguyễn cho soạn bộ Hoàng Việt luật lệ và cho khắc in, ban hành năm Gia Long thứ 12 (1813). Ở giai đoạn này, tuy đã có nhiều cố gắng nhưng những khó khăn của vị vua triều đầu khiến Gia Long chưa thể tổ chức Sử cục một cách quy mô.
Năm Canh Thìn (1820), mùa Hạ, tháng Sáu, Vua Minh Mạng ngay sau khi lên ngôi đã xuống chiếu cho tìm sách vở còn sót lại và thành lập Quốc Sử quán: “Nước nhà từ khi khai thác đến nay, lần lượt các Thánh cùng truyền nối trên hai trăm năm..., nếu chẳng có sử sách thì lấy gì truyền lại cho đời sau lâu dài. Trẫm muốn dựng Sử quán sai các bậc nho thần soạn tập bộ Quốc triều thực lục để nêu lên những công cuộc xây dựng nền tảng thịnh vượng để cho đời sau bắt chước vậy “[5]. Cơ quan này được giao trọng trách thực hiện việc biên soạn, khắc in và bảo quản các bộ chính sử, chính văn của triều đình. Tháng 8 năm 1820, Quốc sử quán được xây dựng xong, năm Tân Tị (1821) bắt đầu hoạt động, “Vua Minh Mạng sai quan soạn Thiệt thánh thực lục, cử chưởng hữu quân Nguyễn Văn Nhân làm Tổng tài, thượng thư Trịnh Hoài Đức và Phạm Đăng Hưng làm phó Tổng tài, các tham tri Trần Minh Nghĩa, Nguyễn Khoa Minh, Nguyễn Văn Hưng, Nguyễn Huy Trinh, Hàn Lâm chưởng viện học sĩ Hoàng Kim Hoan, Thái thường tự khanh Lê Đồng Lý, Lại bộ thiêm sự Lê Đăng Doanh, Đông các học sĩ Đinh Phiên, Hàn lâm thị giảng học sĩ Nguyễn Tuần Lý, Nguyễn Mậu Bách làm toản tu, đặt 25 người làm biên tu, 5 người khảo hiệu, 12 người thư chưởng, 8
người đằng lục” [4]. Ở thời kỳ Minh Mạng, Quốc sử quán đã có trụ sở riêng, biên chế số lượng sử quan lớn, cơ cấu tổ chức rất chặt chẽ. Điều đó chứng tỏ sự quan tâm của triều Nguyễn đối với lịch sử và người viết sử nước nhà.
Năm Đinh Mùi (1847), Tự Đức lên ngôi, hoạt động biên soạn sử sách được tiến hành rầm rộ, tài liệu sử dụng cũng như sách vở in ấn cũng nhiều hơn, nhà vua phải cho xây thêm nhà dài phía sau trụ sở Quốc sử quán để đựng đồ gỗ và Mộc bản in sách gọi là Tàng bản đường.
Như vậy, việc biên soạn và khắc in Mộc bản dưới Triều Nguyễn được các đời vua hết sức coi trọng. Trong hơn một thế kỷ tồn tại, Quốc sử quán cũng đã tạo ra một khối lượng lớn tài liệu Mộc bản, chủ yếu là ván khắc in những tác phẩm chính văn, chính sử của triều Nguyễn, trong số đó có nhiều bộ sách sử có giá trị như Đại Nam thực lục, Khâm định Đại Nam hội điển sự lệ; Đại Nam nhất thống chí; Khâm định Việt sử thông giám cương mục.
1.1.2. Tổng quan số lượng Mộc bản triều Nguyễn
Mộc bản triều Nguyễn được khắc vào thời kỳ Triều Nguyễn (1802-1945), “gồm 34.619 tấm, được tạm chia thành hơn 100 đầu sách với nhiều chủ đề như: lịch sử, địa lý, chính trị - xã hội, quân sự, pháp chế, văn hóa – giáo dục, tôn giáo - tư tưởng – triết học, ngôn ngữ - văn tự, văn thơ [1]; là những văn bản chữ Hán, Nôm được khắc ngược trên gỗ để in ra sách. Khối tài liệu này có nội dung rất phong phú, đa dạng, phản ánh mọi mặt của xã hội Việt Nam dưới triều Nguyễn.
Hình 1. 1. Mộc bản Bìa sách Đại Việt sử ký toàn thư.
Lĩnh vực Số lượng Nội dung Lịch sử 30 bộ sách-836
quyển
Ghi chép về lịch sử Việt Nam thời Hùng Vương dựng nước cho đến triều Nguyễn.
Địa lý 02 bộ sách gồm 20 quyển
Ghi chép về địa lý đã thống nhất ở Việt Nam và ghi chép về Hoàng thành Huế.
Chính trị- xã hội
05 bộ sách gồm 16 quyển
Ghi chép về sách lược của các triều đại phong kiến Việt Nam.
Quân sự 05 bộ sách
gồm 151
quyển
Ghi chép về sách lược của các triều đại phong kiến Việt Nam.
Pháp chế 12 bộ sách
gồm 500
quyển
Ghi chép về điển chế và pháp luật triều Nguyễn.
Văn hóa- Giáo dục
31 bộ sách gồm 93 quyển
Ghi chép về những nhân vật đỗ cử nhân và tiến sĩ triều Nguyễn.
Tôn giáo- Tư tưởng
13 bộ sách gồm 22 quyển
Ghi chép về phương pháp tiếp cận kinh điển Nho gia.
Văn thơ 39 bộ gồm 265 quyển
Ghi chép thơ văn của các bậc Đế vương và Nho gia nổi tiếng Việt Nam.
Ngôn ngữ văn tự
14 bộ sách gồm 50 quyển
Giải nghĩa luận ngữ bằng thơ Nôm”
Bảng 1. 1. Bảng tổng hợp số lượng, lĩnh vực các tấm Mộc bản triểu Nguyễn được lưu giữ tại Trung tâm Lưu trữ quốc gia IV [3].
Nhưng tấm Mộc bản triều Nguyễn đang bảo quản tại Trung tâm Lưu trữ quốc gia IV có những bộ ván khắc rất có giá trị như:
Đại Việt sử ký toàn thư, là bộ quốc sử viết theo thể biên niên, ghi chép lịch sử Việt Nam từ thời Kinh Dương Vương năm 2879 TCN đến đời vua Lê Gia Tông nhà Hậu Lê năm 1675. Bộ sử được khắc in và ban hành lần đầu tiên vào năm Đinh Sửu, niên hiệu Chính Hòa năm thứ 18 (1697), triều vua Lê Hy Tông hiện nay còn lưu trữ được 623 tấm Mộc bản thuộc bộ sách này.
Đại Nam thực lục là bộ quốc sử lớn nhất, quan trọng nhất của Triều Nguyễn do Quốc Sử quán biên soạn. Bộ sử này được các sử thần nối tiếp nhau biên soạn và khắc in trong gần 100 năm, từ năm Minh Mệnh thứ 2 (1821) đến đời vua Khải Định (1916- 1925). Bộ sách được chia làm nhiều kỷ, mỗi kỷ là một đời vua, hiện nay còn lưu trữ được 7.139 tấm Mộc bản thuộc bộ sách này.
Hình 1. 2. Mộc bản bìa sách Đại Nam thư lục.
Minh Mệnh chính yếu do Quốc Sử quán Triều Nguyễn biên soạn vào năm Minh Mệnh thứ 18 (1837); “Chính yếu” được hiểu là những “đại yếu của chính thể”. Đó là những chính sách lớn, cốt yếu được đưa ra thi hành. Năm Minh Mệnh thứ 21 (1840), sách biên soạn xong, sau đó tiến hành khảo duyệt. Về thể thức, sách được kết cấu theo trình tự từng mặt hoạt động, trong từng quyển có các thiên (chương). Về nội dung, sách ghi chép về các chính sách, những việc thiết yếu đã được đưa ra thi hành dưới triều vua Minh Mệnh trên nhiều lĩnh vực như: sinh hoạt cung đình, hình luật, lễ nhạc, ngoại giao, trị an, khai hoang khẩn hóa, sách được khắc in vào năm Thành Thái thứ 9 (1897).
Hiện nay còn lưu trữ được 403 tấm Mộc bản thuộc bộ sách này.
Hoàng Việt Luật lệ tức Bộ luật Gia Long. Đây là bộ luật lớn nhất triều Nguyễn được ban hành vào năm Gia Long thứ 12. Hiện nay còn giữ được 878 Mộc bản thuộc bộ sách này.
Hình 1. 3. Mộc bản Bìa sách Hoàng Việt luật lệ.
1.1.3. Quá trình chế tác Mộc bản triều Nguyễn
Trước khi chế tác ra các tấm Mộc bản, nhà Nguyễn tiến hành biên soạn các bộ quốc sử, thực lục các triều vua, các sách chuyên khảo về địa chí, văn hóa, giáo dục theo mệnh lệnh vua, triều đình đã thiết lập một bộ máy biên tập, đứng đầu chịu trách nhiệm thi hành là những bậc văn võ đại thần đầu triều, bên cạnh đó còn có hàng loạt những quy chế nghiêm ngặt trong việc soạn thảo, san khắc, in ấn và tuyển chọn phường khắc và thợ khắc.
Quốc sử quán là cơ sở văn hóa - giáo dục, hoạt động nằm trong cơ chế giám sát của bộ Lại, tuân thủ những nghi thức do bộ Lễ đặt ra và chịu sự chi phối trực tiếp của Nhà Vua. Làm việc dựa trên các sách cổ và những tài liệu được hình thành trong các hoạt động của triều đình và các bộ, nha, trấn và các chiếu, dụ, chỉ của nhà vua đã được đưa ra thi hành; các phiến, tấu, sớ, sách của các cơ quan và địa phương đã được vua phê duyệt và hầu bửu – bản chính của các văn bản trên được gọi là Châu bản. Theo lệ định Châu bản được giao cho Nội các để sao chép lời Ngự phê vào hai phó bản; khi sao chép và hầu bửu xong, Nội các gửi một phó bản cho Quốc sử quán để làm tài liệu biên soạn các sách.
Sau khi biên soạn thì tiến hành quy trình khắc in Mộc bản bao gồm các công đoạn như chuẩn bị vật liệu, dán nội dung bản thảo lên ván gỗ, tiến hành khắc ván và cuối cùng là in ván đóng sách.
Quá trình chuẩn bị vật liệu Hữu ty chịu trách nhiệm chuẩn bị gỗ và những nguyên vật liệu như ván, mực, giấy, dầu nước, chiếu vuông, chiếu dài, dùi, đục, chàng
với nhiều kích cỡ khác nhau. Trong đó, khâu chuẩn bị gỗ là khâu mất nhiều thời gian, công sức; gỗ được lựa chọn phải có sức bền, hút mực tốt và nhả mực tốt. Thông thường, những loại gỗ được lựa chọn gồm: lê, táo, tử, thị, lồng mực. Gỗ sau khi được chuyển từ các tỉnh thành về kinh sẽ được cưa, xẻ, ngâm tẩm để loại bỏ hết nhựa. Hong khô ngâm tẩm xong, ván được vớt lên, đặt ở những chỗ tránh ánh nắng mặt trời chiếu trực tiếp vào, thoáng gió để hong khô. Trong lúc chờ khô, thường phải lật lên để kiểm tra, xếp các ván bằng nhau để tránh việc cong không đồng đều hoặc nứt. Qua giai đoạn xử lý này thì Mộc bản dễ dàng khô hơn và tiện dụng để khắc. Những tấm ván được chọn sẽ được bào nhẵn bề mặt, tùy theo kích thước khổ khuôn in của các bộ sách, người thợ sẽ cắt ván khắc theo các kích cỡ thống nhất phục vụ cho việc chạm khắc, công đoạn này cần nhiều thợ xẻ có sức khỏe vì phải thực hiện việc khá nặng nhọc, từ một đến hai năm mới xong.
Sau khi có những tấm ván khắc của bộ sách, thợ sẽ phết một lớp hồ thật kỹ và nhuyễn lên ván, đồng thời dán bản thảo chữ ngược lên trên. Khi giấy khô, người ta bắt đầu bôi một lớp dầu thực vật để phần chữ viết nổi rõ. Và sau đó tiến hành khắc ván, người thợ bắt đầu khắc đường chỉ ngăn cách các dòng trước, sau đó tách dần thớ gỗ không dính chữ, cuối cùng là công đoạn chỉnh sửa lòng máng hoàn thiện mặt khắc.
Mỗi tấm Mộc bản sau khi khắc xong, được in lần đầu để kiểm tra những lỗi sai sót, nếu chỉ sai một hai chữ thì sẽ đục chữ đó đi để khắc chữ khác gắn vào, đây được gọi là hình thức điền bản. Ván khắc có nét chữ nổi lên thì gọi là “dương bản”, nếu chữ lõm xuống thì gọi là “âm bản”, thông thường các ván khắc Mộc bản là “dương bản”.
Hình 1. 4. Miêu tả quá trình khắc chữ lên tấm ván gỗ.
Công đoạn cuối cùng là in ván và đóng sách, mỗi mặt khắc gồm 2 trang sách, nên khi in dập xong, người ta sẽ gấp đôi lại, gáy trang xoay ra phía ngoài, vỗ thật đều rồi nẹp
các trang theo quyển, xén quyển theo khổ sách, cuối cùng là công đoạn tháo nẹp, khâu sách.
Khảo sát hiện trạng 1.2.
Cho tới nay thì chưa có nhiều công trình nghiên cứu về số hóa và biểu diễn Mộc bản trên nền Web, đặc biệt ở Việt Nam thì chưa từng có. Mộc bản là một loại hình lưu trữ đặc biệt, qua một vài nghiên cứu cho thấy Mộc bản chỉ được sản sinh ra tại một số nước Đông Á như Trung Quốc, Hàn Quốc, Nhật Bản và Việt Nam.
Tác giả đã tiến hành khảo sát các nghiên cứu về số hóa và biểu diễn Mộc bản trên nền Web của các nước nói trên và nhận thấy rất ít nghiên cứu về số hóa Mộc bản và cho tới thời điểm hiện tại thì chưa có công bố, nghiên cứu nào nói về biểu diễn và tương tác Mộc bản trên nền Web.
Số hóa Mộc bản tại Trung Quốc
Số hóa Mộc bản năm mới của Trung Quốc trong nghiên cứu của tác giả Hongyuan Lei [12], đây là một nghiên cứu khoa học, toàn diện và có hệ thống của tác giả và các nghệ nhân liên quan đến Mộc bản năm mới của Trung Quốc.
Mộc bản năm mới của Trung Quốc bắt nguồn vào cuối triều đại nhà Minh (1368-1644) tại thị trấn hàng nghìn năm tuổi Yangliuqing ở ngoại ô Thiên Tân, Mộc bản năm mới Yangliuqing in ra những bức tranh năm mới dân gian nổi tiếng của Trung Quốc miêu tả trong hình 1.5, và được áp dụng kỹ thuật giữa in khắc gỗ và vẽ mầu bằng tay để cho ra những bức tranh với những mảng mầu bắt mắt mang ý nghĩa vui tươi, tốt lành và may mắn.
Hình 1. 5. Miêu tả bản dập của Mộc bản năm mới của Trung Quốc.
Tác giả Hongyuan Lei đã đề xuất hai phương pháp bảo vệ cho Mộc bản năm mới của Trung Quốc dựa trên công nghệ số. Phương pháp thứ nhất là sử dụng máy quét 3D để tạo một bản sao kỹ thuật số của Mộc bản với định dạng dữ liệu đám mây điểm, và phương pháp thứ hai đó là kỹ thuật quét phẳng (flat scan) các Mộc bản, sau đó xử lý các hình ảnh để thu được các hình ảnh nghệ thuật được thể hiện trên Mộc bản số hóa.
Số hóa Mộc bản tại Hàn Quốc
Trong nghiên cứu về số hóa Mộc bản của Hàn Quốc tác giả Joo-Pyo Hong, Zongming Zhang và Jiho Han [13] đã tiến hành số hóa thử nghiệm một số một bản bằng phương pháp quét 3D và tái tạo bằng công nghệ điều khiển số máy tính (CNC). Mộc bản được chọn lựa thử nghiệm là tấm Mộc bản cuối triều đại Joseon được miêu tả trong hình 1.6.
Quá trình gia công và tái tạo khối Mộc bản đã quét là 50 giờ với máy CNC HiSupper 2 của tập đoàn Hwacheon, Mộc bản tái tạo được miêu tả trong hình 1.7.
Hình 1. 6. Mộc bản cuối triều đại Joseon được số hóa thử nghiệm trong nghiên cứu.. Sau khi tái tạo khối Mộc bản bằng phương pháp CNC nhóm nghiên cứu tiến hành đo đạc chênh lệch chiều sâu của nét khắc giữa hai khối Mộc bản gốc và Mộc bản tái tạo bằng phương pháp đo quang học. Theo kết quả được công bố, dữ liệu quét có sai số trung bình là 0,0015 mm; độ tin cậy của dữ liệu quét là khoảng 0,005 mm trong khoảng 95% của khoảng tin cậy.
Hình 1. 7. Mộc bản được tái tạo từ công nghệ CNC và dữ liệu quét 3D.
Yêu cầu của số hóa và biểu diễn Mộc bản 1.3.
Trong thời đại công nghiệp 4.0 hiện nay, công tác lưu trữ di sản văn hóa đã bước sang một thời kỳ mới với phương pháp lưu trữ và trưng bày biểu diễn các di sản đã số hóa.
Với hiện trạng ngày càng xuống cấp do đã tồn tại nhiều năm nên công việc số hóa Mộc bản là nhiệm vụ cấp bách được đặt ra trong những năm gần đây. Một số thuận lợi khó khăn khi số hóa và biểu diễn Mộc bản đã số hóa:
Thuận lợi đầu tiên là “lưu trữ”, như chúng ta đã biết lưu trữ, bảo quản là nhiệm vụ hàng đầu trong việc bảo vệ di sản văn hóa. Theo đó, di sản văn hóa phải được đảm bảo, bảo quản nguyên gốc trong hoàn cảnh tốt nhất, trên phương diện này số hóa di sản văn hóa có tính ưu việt đã giúp giảm tối đa các phương tiện lưu trữ và bảo quản vốn rất cồng kềnh và phiền toái.
Thuận lợi thứ hai là “tính phổ biến”, một số bảo tàng và các nhà sưu tập đã bắt đầu quan tâm đến việc số hóa những sưu tập của mình. Phương tiện internet đã cung cấp cho các nhà sưu tập, nhà nghiên cứu cơ hội tìm hiểu về các hiện vật, các di sản với chi phí thấp nhất. Đồng thời dễ dàng phổ biến cho công chúng chiêm ngưỡng không chỉ trong nước mà còn trên thế giới.
Thuận lợi thứ ba là dễ dàng trao đổi trong học thuật và nghiên cứu, với internet phương tiện cung cấp thông tin nhanh chóng và không giới hạn các di sản văn hóa
được số hóa dễ dàng nhận được sự đánh giá, so sánh với các nguồn dữ liệu di sản văn hóa khác, nhận được sự góp ý của nhiều chuyên gia tại nhiều nơi trong cùng một thời điểm, sự truyền đạt thông tin thuận lợi cũng góp phần thúc đẩy sự gia tăng giao lưu trao đổi nghiên cứu giữa các đơn vị bảo tồn văn hóa với nhau tạo ra sự hợp tác và phát triển.
Bên cạnh những thuận lợi thì còn những khó khăn rào cản khi thực hiện số hóa và biểu diễn số hóa di sản là về vấn đề bản quyền, an ninh an toàn cho dữ liệu khi được số hóa và trình diễn trên nền tảng Web. Các di sản số hóa sẽ được công bố, trưng bày và sử dụng rộng rãi với nhiều mục đích khác nhau, khó tránh khỏi việc sao chép nội dung và sử dụng trái phép từ các cá nhân và tổ chức.
Khó khăn tiếp theo là vấn đề tài chính, ngay đối với các nước phương Tây cũng không thể cung cấp đủ kinh phí để giữ gìn hoặc số hóa hết các di sản văn hóa, khó có thể tính toán được hết chi phí cho các dự án số hóa, trình diễn di sản văn hóa và duy trì chúng.
Khó khăn cuối cùng là tính chính xác và tính thẩm mỹ trong số hóa di sản văn hóa, không phải lúc nào công nghệ cũng đáp ứng được đầy đủ mong muốn của các nhà bảo tồn di sản văn hóa.
Từ những thách thức khó khăn đã nêu ở trên tác giả đã đề ra các nguyên tắc, tiêu chí khi xây dựng hệ thống Web biểu diễn và tương tác với dữ liệu Mộc bản 3D như sau:
Thứ nhất: Mộc bản số hóa được biểu diễn trên nền Web phải có tính thẩm mỹ và tính chính xác về các thông tin nội dung tương tự như bản số hiển thị trên phần mềm chuyên dụng. Ngoài nội dung nét chữ, nét họa tiết trên Mộc bản còn chứa đựng các phong cách điêu khắc của các nghệ nhân ngày xưa, dấu hiệu đặc trưng của các phường khắc, Mộc bản số hóa hiển thị trên nền Web cần phải hiển thị được đầy đủ các thông tin không chủ đích này.
Thứ hai: Mộc bản số hóa được biểu diễn trên nền Web phải đảm bảo tính truyền tải liên tục, hiển thị tổng thể bao quát toàn bộ khối Mộc bản chứ không phải hiển thị từng phần. Dữ liệu Mộc bản số hóa cần phải hiển thị chi tiết cho nên dung lượng tệp tin lưu trữ là khá lớn, hệ thống Web được xây dựng cần đảm bảo quá trình hiển thị không ngắt quãng, không mất dữ liệu khi người xem quan sát và tương tác với Mộc bản số hóa.
Thứ ba: Mộc bản số hóa được biểu diễn trên nền Web phải đảm bảo được độ chi tiết của từng nét chữ, nét đục chạm nhưng đồng thời phải đảm bảo được kích thước dung lượng tệp tin lưu trữ phù hợp với việc truyền tải trên môi trường internet.
Thứ tư: Về vấn đề bản quyền, an ninh an toàn cho dữ liệu, Mộc bản số hóa được biểu diễn trên nền Web phải đảm bảo an toàn cho các tệp tin dữ liệu gốc khi truyền tải và biểu diễn trên môi trường internet, dữ liệu được hiển thị không được khôi phục ngược lại thành dữ liệu gốc.
Kết luận 1.4.
Các tấm Mộc bản không chỉ là một trong những công cụ quan trọng để truyền bá văn hóa, mà còn là một loại hình nghệ thuật đặc thù, ở đó có sự kết hợp một cách hoàn hảo từ người viết sách tới những nghệ nhân điêu khắc.
Bên cạnh đó Mộc bản cũng là một dạng tài liệu lưu trữ đặc biệt là nguồn tư liệu lịch sử, hành chính và tư pháp , trong khối tài liệu quý giá này có những bản khắc Mộc bản mang nội dung khẳng định chủ quyền thiêng liêng của Việt Nam đối với quần đảo Hoàng Sa. Bản gốc sách Đại Nam thực lục tiền biên ghi chép về các sự kiện xảy ra từ thời chúa Nguyễn Hoàng đến Nguyễn Phúc Thuần, trải qua chín đời chúa (1558 - 1777), đã khẳng định: quần đảo Hoàng Sa (tục gọi là Vạn lý Hoàng Sa) thuộc địa phận tỉnh Quảng Ngãi, Việt Nam. Những tài liệu quý giá này giúp cho chúng ta có những căn cứ pháp lý để khẳng định chủ quyền thiêng liêng của đất nước.
Các tấm Mộc bản triều Nguyễn đang được sắp xếp, quản lý, bảo quản bởi Trung tâm Lưu trữ quốc gia IV với số lượng hơn 34.619 tấm, để trưng bày tự nhiên cho công chúng tham quan thường xuyên là một thách thức lớn. Cho nên việc số hóa và biểu diễn trên nền Web là phương án tối ưu để cho công chúng tham quan một cách dễ dàng và phổ biến hơn.
Qua khảo sát tìm hiểu về các dự án số hóa và biểu diễn số hóa tư liệu, di sản văn hóa trong những năm gần đây của các nước lân cận trong khu vực, tác giả thấy rằng chưa có dự án, hay nghiên cứu nào đã công bố về số hóa và biểu diễn số hóa Mộc bản trên nền Web, đồng thời cũng là khó khăn và thách thức trong trong nghiên cứu của luận văn này.
Trong chương này tác giả đã trình bày tổng quan về nguồn gốc và số lượng cũng như quá trình hình thành lên các tấm Mộc bản, những thuận lợi và khó khăn trong quá trình số hóa và biểu diễn các di sản văn hóa nói chung và Mộc bản nói riêng đồng thời cũng nêu nên các nguyên tắc và tiêu chí khi xây dựng hệ thống Website biểu diễn và tương tác với dữ liệu Mộc bản số hóa, các dữ liệu thu được sẽ được xử lý và đưa lên hệ thống website để dễ dàng truyền bá tới công chúng hơn.
CHƯƠNG 1.
TỔNG QUAN VỀ BIỂU DIỄN DỮ LIỆU 3D
Dữ liệu 3D định dạng đám mây điểm (point cloud) là mô hình ba chiều bao gồm các điểm trong không gian ba chiều kỹ thuật số khác với cấu trúc mô hình lưới đa giác (mesh) là các điểm trong không gian được kết nối bởi các đoạn thằng để tạo thành các đa giác biểu diễn vật thể 3D. Dữ liệu đám mây điểm được tạo ra bằng cách quét các vật thể thực thông qua các phương pháp quét khác nhau. Trong nhiều ứng dụng point cloud được coi là dữ liệu thô, sau đó được render thành các mô hình tam giác hoặc các ảnh 2D, do tính chất của dữ liệu điểm point cloud phải cần số lượng lớn các điểm để biểu diễn các mô hình đơn giản.
Ưu điểm của việc biểu diễn dữ liệu 3D dưới định dạng point cloud là có thể biểu diễn hiển thị nhiều mức độ chi tiết giúp người xem không phải chờ quá trình tải toàn bộ tập dữ liệu xuống khi xem ở mức độ chi tiết thấp hay một phần của đối tượng 3D, giúp cho việc hiển thị mô hình 3D trên môi trường internet trở nên thuận tiện hơn, người xem có thể sử dụng các trình duyệt phổ biến mà không phải cài đặt phần mềm chuyên dụng. Phần cơ sở lý thuyết sẽ trình bày tổng quan về các công nghệ hiển thị 3D trên nền Web và Desktop, các phương pháp render points clouds và công nghệ Potree.
Các công nghệ hiển thị 3D 1.1.
Phần này mô tả một số các nghiên cứu về render point cloud và biểu diễn đối tượng 3D trên nền web và trên desktop với nhiều phương pháp render point cloud và cách thức lấy mẫu khác nhau.
1.1.1. Các công nghệ hiển thị 3D trên nền Web
Entwine [11] là thư viện chuyên xây dựng các cấu trúc dữ liệu point cloud được tối ưu hóa để truyền trực tiếp. Greyhound là máy chủ web truyền dữ liệu point cloud tới máy khách theo yêu cầu, và Plasio [21] là chương trình render point cloud dựa trên WebGL có thể hiển thị point cloud ở định dạng las hoặc laz hoặc truyền trực tiếp point cloud từ một máy chủ có sẵn.
Máy chủ PointCloudViz [22] và ứng dụng cho máy trạm là một dịch vụ thương mại của hãng Mirage Technologies, hệ thống sử dụng cấu trúc đa phân giải để truyền dữ liệu và hiển thị trên trình duyệt Web bao gồm các tính năng như Splats, lighting, phủ vật liệu RGB,….
ShareLIDAR[24] là một dịch vụ lưu trữ với tính năng render point cloud đa độ phân giải, với các tính năng như chiếu sáng thông qua các điểm chuẩn, công cụ mặt cắt và điều chỉnh kích thước điểm.
UdWeb demo [25] là trình duyệt hiện thị 3D của hãng công nghệ Euclideons Unlimited Detail / Geoverse. Các vật thể 3D được render dưới dạng khối thay vì điểm, Euclideons sử dụng các phương pháp render dựa trên voxel chứ không phải point cloud, các khối biểu diễn ban đầu rất lớn thể hiện dữ liệu thô và thu nhỏ kích thước khi dữ liệu mới được truyền vào.
1.1.2. Các công nghệ hiển thị 3D trên Desktop
Scanopy [21] là một dự án của bộ phận đồ họa máy tính tại TU Wien và là một trong những trình Render point cloud đầu tiên có thể Render và cũng chỉnh sửa các point cloud với hàng tỷ điểm.
Arena4D của Veesus [17] bao gồm một chương trình Render máy tính để bàn và một máy chủ chứa point cloud cho phép để truyền các point cloud. Arena4D có thể hiển thị các tập dữ liệu point cloud khổng lồ và bao gồm các công cụ khác nhau để lựa chọn và chỉnh sửa các đám mây điểm.
Geoverse [22] là một chương trình xem point cloud của Euclideon, được đưa ra bởi công ty công nghệ Unlimited Detail technology, hỗ trợ Render các tập dữ liệu trong phạm vi terabyte. Mặc dù nó được quảng cáo là một trình Render point cloud nhưng bản chất Geoverse sử dụng kỹ thuật Render voxel.
Voxel Quest [26] là một dự án của GavanWoolery có thể tạo và hiển thị các môi trường voxel rất lớn. Tác giả đã thử nghiệm các kỹ thuật Render khác nhau trong suốt thời gian tồn tại của nó, bao gồm việc loại bỏ các trường khoảng cách được đánh dấu và sắp xếp các voxel dưới dạng point cloud gốc, xử lý hiệu quả tập dữ liệu voxel như một đám mây điểm.
Tổng quan về render point cloud 1.2.
Không như các lưới đa giác các point cloud không chứa thông tin kết nối và đại diện cho một tập hợp các điểm trên một bề mặt chứ không phải là một bề mặt khép kín. Các điểm thường được hiển thị dưới dạng hình chữ nhật, hình tròn hoặc pixel đơn trên màn hình. Những điểm dữ liệu thô này nhanh chóng được Render trên GPU, nhưng kết quả gặp phải các vấn đề như trùng lặp giữa các điểm chồng chéo và hiện tượng răng cưa.
Các phương pháp Render chất lượng cao cung cấp các phương tiện cải thiện chất
lượng Render point cloud mà không cần chuyển đổi chúng thành các meshes (mắt lưới).
Các phương pháp render point cloud
Phương pháp Surfels, viết tắt của các point cloud phần tử bề mặt, được đề xuất bởi Herman [9] và sau đó được Pfister và cộng sự đề xuất như một hình ảnh nguyên gốc [10]. Trong quá trình Render dựa trên point cloud, Surfel là một đĩa định hướng hoặc hình elip trong không gian ba chiều. Các hình elip định hướng của Surfel giúp tránh các khoảng trống giữa các mẫu liền kề.
Phương pháp Surface Splatting – (tách bề mặt) được đưa ra bởi Zwicker et al.
[17] mô tả một phương pháp lọc chất lượng cao, trong đó các pixel của một điểm chiếu được tính trọng số bởi một hàm lọc Gaussian. Các điểm ảnh ở gần tâm của một điểm có trọng số cao hơn các điểm ảnh ở xa hơn. Các giá trị trọng số của tất cả các điểm được tổng hợp và sau đó chuẩn hóa bằng tổng của tất cả các trọng số đảm bảo rằng chỉ các điểm thuộc cùng một bề mặt mới đóng góp vào kết quả hiển thị. Đây là phương pháp so sánh các giá trị độ sâu và chỉ chấp nhận khi chúng nằm trên cùng một độ sâu. Phương pháp này tạo ra kết quả chất lượng cao, khử răng cưa, và phụ hợp với khả năng render tại thời điểm đó.
Sau khi GPU được phát triển phổ biến, Botsch và công sự. [15] đã giới thiệu phương pháp Hight-Quality Surface Splatting tách bề mặt chất lượng cao trên GPU của Ngày nay, đây là sự xấp xỉ của phương pháp Surface Splatting ban đầu, giúp cho việc sử dụng GPU để Render point cloud chất lượng cao, chống răng cưa. Phương pháp của họ bao gồm depth pass, artribute pass và normalization pass. Depth pass đảm bảo rằng chỉ các điểm của bề mặt có thể nhìn thấy, tức là các điểm gần nhất với người xem cộng với độ chênh lệch bổ sung, mới được thể hiện. Artribute pass sử dụng thông số bổ sung để xác định các giá trị có trọng số của mỗi điểm, và quá trình normalization pass sẽ chuẩn hóa các giá trị thêm vào, có trọng số bằng tổng các trọng số. Và sử dụng các vòng tròn được căn chỉnh theo màn hình, đây cũng là phương pháp được thực hiện trong Potree.
Preiner và cộng sự. [23] sau đó đã phát triển Auto Splats, một phương pháp để tính toán các tiêu chuẩn và bán kính bị thiếu trong quá trình hiển thị, cho phép Surface Splatting chất lượng cao hơn với các vòng tròn được căn chỉnh trên màn hình.
Công nghệ Potree 1.3.
1.3.1. Giới thiệu
Potree [16] là một dự án mã nguồn mở render point cloud dựa trên WebGL cho phép biểu diễn mô hình 3D trên các trình duyệt Web phổ thông, nó là nghiên cứu của Markus Schütz trong các dự án của trung tâm nghiên cứu đồ họa máy tính TU Wien Scanopy tại Vienna nước Áo từ năm 2016, được cộng đồng quốc tế đóng góp phát triển qua nhiều phiên bản cho đến nay.
Số lượng lớn các point cloud yêu cầu bộ nhớ RAM rất lớn để render và do đó cần được xử lý bằng các thuật toán ngoài lõi. Một trong các lựa chọn của thuật toán ngoài lõi là chia dữ liệu thành nhiều ô và xử lý một hoặc một vài ô cùng một thời điểm nhưng đối với hình ảnh và các vật thể 3D thì người xem muốn hiển thị toàn bộ cả hình ảnh chứ không phải từng phần. Việc lưu trữ các mức độ chi tiết khác nhau của mô hình gốc vào các vùng phân cấp không gian dữ liệu cho phép render point cloud nhanh chóng tải và hiển thị các vật thể 3D, các vùng quan sát trực tiếp sẽ hiện thị mức độ chi tiết cao hơn các vùng ở xa và nằm ngoài chế độ xem sẽ bị loại bỏ hoàn toàn. Hai mô hình biến thể của Octrees (MNO) và kd-trees là hai cấu trúc phân vùng không gian phổ biến để render số lượng các point cloud lớn. Potree đã sử dụng biến thể MNO để lấy mẫu con cho dữ liêu thô point cloud, nó không tạo ra dữ liệu khiến tăng thêm dung lượng, đồng thời cho phép người sử dụng lựa chon các điểm dữ liệu gốc và tính toán trên dữ liệu gốc, không thay đổi ở các mức zoom (thu phóng) và không cần tải các nút lá.
1.3.2. Cấu trúc MNO (Modifiable Nested Octree)
Cấu trúc MNO lưu trữ các mẫu con của dữ liệu thô point cloud ban đầu trong mỗi nút, các nút cấp thấp chứa các mẫu con thưa thớt với kích thước lớn. Với mỗi cấp độ tiếp theo, kích thước của một nút thu nhỏ lại trong khi mật độ các điểm tăng lên và mỗi điểm của dữ liệu gốc sẽ được gắn cho một nút của Octree dẫn đến không có điểm mới hoặc điểm trùng lặp nào được tạo và khi kết hợp tất cả các điểm trong tất cả các nút sẽ trả về tập dữ liệu thô ban đầu.
Cấu trúc MNO ban đầu chia các mẫu con thông qua một lưới ba chiều bao gồm 1283 ô các ô này được tính là nút gốc, ban đầu mỗi điểm sẽ được thêm vào nút gốc và được xác định ở ô đầu tiên nó nằm trong lưới, nếu một điểm rơi vào ô đã chứa các điểm mà dưới một ngưỡng thì điểm đó vẫn được gán cho nút này nhưng thay vì lưu trữ vào lưới thì sẽ được lưu trữ trong một mảng đệm. Mảng đệm giữ các điểm ở xa hơn trong cùng một nút và bổ sung vào lưới để tránh phải tạo thêm nút mới lưu trữ các
điểm này, nút con mới sẽ được tạo thêm khi tích lũy đủ số điểm có khả năng nằm trong nó. Phương pháp lấy mẫu con này dẫn tới mật độ điểm khác nhau ở các nút Octree khác mức độ và nó tránh được hầu hết các nút trống vì các nút mới chỉ được tạo ra khi tích lũy số lượng điểm tối thiểu, tuy nhiên phương pháp này lại không đảm bảo khoảng trống tối thiểu nhất định giữa các điểm, các ô lưới liền kề có thể chứa các điểm nằm gần nhau.
Hình 2.1 minh họa một Point cloud hình cầu được phân vùng trong cấu trúc MNO.
Hình 2. 1. Mô tả các nút cấp thấp chứa các điểm thưa thớt trên một vùng lớn, mỗi mức tiếp theo tăng số điểm theo cấp số nhân.
Cấu trúc phân cấp hoàn chỉnh của MNO được lưu trữ trong một tệp tin duy nhất, mỗi nút được lưu trữ trong một tệp tin và được đặt tên theo mã định danh của nút tương ứng, tạo thành các chỉ số từ gốc cho đến nút đang được truy cập. Thư mục gốc không có chỉ mục nên ký tự r được thay thế. Ví dụ: tệp tin r0446 là viết tắt của nút root.children[0].childreen[4].children[4]. children[6]
Hình 2. 2. Cấu trúc phân cấp hoàn chỉnh của MNO được lưu trữ trong một tệp tin.
1.3.3. Cấu trúc Potree’s Octree
Cấu trúc Potree’s Octree là một biến thể của cấu trúc MNO với một phương pháp lấy mẫu con khác và phân vùng phân cấp thành các phần nhỏ hơn và có thể truyền dữ liệu
trực tuyến nhanh chóng. Trong cấu trúc Potree’s Octree số điểm trong một nút được xác định bởi thuộc tính khoảng cách, chỉ định khoảng cách tối thiểu giữa các điểm.
Khoảng cách ban đầu được tính cho nút gốc dựa trên kích thước của hộp giới hạn (hình 2.3), sau đó giảm một nửa ở mỗi cấp. Ví dụ: khoảng cách 1m được dùng cho tập dữ liệu với kích thước 200m ở mỗi chiều thì nút gốc chứa các điểm với độ phân giải thấp của dữ liệu thô ban đầu, trong đó mỗi điểm cách nhau 1m so với điểm tiếp theo.
Các nút con sẽ có khoảng cách là 0.5m giúp tăng gấp đôi độ phân giải lên một cách hiệu quả. Các giá trị khoảng cách ảnh hướng đến số điểm trong một nút, số lượng nút để lưu trữ và độ sâu của cây. Khoảng cách bé dẫn tới số lượng điểm cao hơn trong mỗi nút , tổng số nút thấp và độ sâu cây nông hơn, giá trị khoảng cách rất khó xác định tối ưu vì phụ thuộc vào các yếu tố khác nhau như tốc độ xử lý của CPU, GPU, băng thông phần cứng …Bảng 2.1 mô tả một số ưu điểm và nhược điểm của khoảng cách giữa các điểm.
Khoảng cách bé Khoảng cách lớn
• Mật độ các điểm dầy đặc
• Số nút ít
Mỗi nút mất nhiều thời gian hơn để tải xuống
Tốc độ truyền trên Octree nhanh hơn
Dữ liệu tải từ bộ nhớ ít hơn.
• Mật độ các điểm thưa thớt
• Số nút nhiều
Sinh ra nhiều tệp dữ liệu
Phân vùng không gian nhanh hơn
Các nút nhanh chóng được tải xuống
Tốc độ truyền trên Octree chậm hơn
Dữ liệu tải từ bộ nhớ nhiều hơn.
Bảng 2. 1. Mô tả ưu điểm và nhược điểm với các giá trị khoảng cách trong mẫu
Hình 2. 3. Mô tả hộp giới hạn được tính toán theo trục của vật thể 3D.
Hình 2. 4. Mô tả hộp giới hạn được tính toán biến đổi theo trục của vật thể 3D.
Cấu trúc Potree sử dụng giá trị của BoundingCubeWidth/128 cho khoảng cách điều đó có nghĩa là phân vùng cho các nút vào một lưới ba chiều có 1283 ô nó cung cấp sự cân bằng hợp lý cho các giá trị thấp và cao của khoảng cách. Như vậy một nút chỉ bị tách ra nếu có một số lượng điểm nhất định được thêm vào trong quá trình xây dựng.
Ngoài khoảng cách thì số lượng điểm thô ban đầu cũng là yếu tố ảnh hưởng đến độ sâu của cây Octree và số lượng nút trong đầu ra, ví dụ về sự chuyển đổi của AHN2 point cloud bao gồm 64 tỷ điểm, kết quả trong Octree là 13 cấp độ các nút và 33 triệu tệp tin [16], riêng hệ thống phân cấp Octree yêu cầu dung lượng là 190MB với mã hóa
5 byte cho mỗi nút. Việc gửi hàng trăm megabyte qua môi trường internet sẽ khiến độ trễ cao vì vậy máy trạm cần hệ thống phân cấp để tìm ra nút nào được tải và nút nào cần nhìn thấy trước, để giảm thời gian tải ban đầu hệ thống phân cấp được chia thành từng phần nhỏ hơn. Hình 2.5 Mô tả hệ thống phân cấp Octree được chia thành hai phần nhỏ hơn với hai cấp ở mỗi phần, về cơ bản tạo ra một Octree khác gọi là Potree, với cấp độ nông hơn được lưu trữ các nút và cấp độ sâu của Octree và cho phép tải nhanh hơn theo yêu cầu.
Hình 2. 5. Mô tả hệ thống phân cấp Octree được chia thành hai phần nhỏ hơn với hai cấp ở mỗi phần.
1.3.4. Phương pháp lấy mẫu con Poisson – Disk
Phương pháp lấy mẫu con Poisson-Disk trong Potree được sử dụng để tạo ra các mẫu con cách đều nhau với khoảng cách tối thiểu giữa các điểm, mỗi nút lưu trữ một tập hợp con các điểm có độ phân giải nhất định. Hình 2.6 mô tả một số phương pháp lấy mẫu khác nhau, cấu trúc MNO sử dụng lưới ba chiều để lữu trữ các điểm mà nó rơi vào các ô trong lưới, phương pháp này đơn giản và nhanh chóng nhưng có nhược điểm là không tính đến khoảng cách tối thiểu giữa các điểm khiến các điểm trong ô liền kề được chọn ngay cả khi chúng nằm gần nhau. Các phương pháp lấy mẫu chất lượng cao hơn thì có khoảng cách giữa các điểm. Ví dụ: phương pháp lấy mẫu dựa trên lưới đã cải tiến của Entwine [11] sử dụng các điểm gần với tâm của các ô và có thể hoán đổi một điểm đã được xác định với một điểm mới nếu điểm mới gần tâm của ô hơn.
Hình 2. 6. Mô tả các phương pháp lấy mẫu trên cùng tập dữ liệu thô đầu vào.
Trong Potree sử dụng phương pháp lấy mẫu Poisson-Disk, mỗi điểm sẽ có khoảng cách tối thiểu đến những điểm khác, dữ liệu được hiển thị trực quan hơn so với phương pháp lấy mẫu theo lưới và cung cấp khả năng bao phủ tốt với số lượng nhỏ các point cloud. Việc thiết lập khoảng cách tối thiểu giữa các điểm yêu cầu tính toán một cấu trúc phức tạp, Poisson-Disk dựa trên thuật toán ném phi tiêu, bằng cách tạo ngẫu nhiên ra các điểm rồi kiểm tra xem khoảng cách giữa các điểm vừa được tạo với các điểm được chấp nhận trước đó có đủ lớn không, nếu khoảng cách nhỏ sẽ bị loại bỏ.
Một số thuật toán ném phi tiêu cải tiến cách thức tạo ra các điểm, và vị trí của các điểm mẫu để nâng cao hiệu suất, trong việc lấy mẫu con cho point cloud, Potree sử dụng tập mẫu cố định và chỉ xử lý các điểm quá gần nhau. Để giảm số lần tính toán khoảng cách giữa các điểm, họ chia ra mỗi nút thành một lưới và chỉ tính toán khoảng cách đến các điểm bên trong các ô giống nhau và liền kề. Lưới mẫu được thiết kế dưới dạng mảng vì các point cloud thường mô tả bề mặt, do đó chỉ một phần nhỏ các ô lưới chứa các điểm và giảm đi đáng kể bộ nhớ khi tính toán. Thư viện C++ cung cấp một hash maps là: unordered_map được dùng như một mảng ba chiều, mỗi ô lưu trữ các điểm được xác định và được tham chiếu đến các ô liền kề, nhanh chóng tham chiếu đến các điểm trong ô lân cận và không cần truy cập hash maps.
Các điểm mới được xác định nếu có khoảng cách nhỏ nhất đến tất cả các điểm trong ô đó so với các điểm trong các ô liền kề. Trong quá trình tạo ô dữ liệu mới, các vùng xung quanh sẽ được kiểm tra, nếu có sẽ được thêm vào danh sách tham chiếu, và
các ô đã có cũng được bổ sung tham chiếu ô mới. Kích thước của một ô là bất kỳ giá trị nào giữa khoảng cách và kích thước của chính ô đó, kích thước của ô bằng hoặc lớn hơn khoảng cách mới đảm bảo các điểm được kiểm tra và lưu trữ trong cùng một ô hoặc liền kề. Ban đầu giá trị khoảng cách được lựa chọn phù hợp với kích thước của ô để giảm số lần kiểm tra xuống ít nhất nhưng sau đó Yin Fei [20] đã phát hiện ra rằng điều đó dẫn tới sử dụng nhiều bộ nhớ không cần thiết và hiệu suất thấp, họ đề xuất sử dụng kích thước ô lớn để thay thế vì việc tăng kích thước ô sẽ giảm số lượng ô và giảm dung lượng bộ nhớ cần lưu trữ khi xử lý tính toán.
Hình 2. 7. Lưới kiểm tra khoảng cách.
Hình 2.7 Mô tả lưới kiểm tra khoảng cách, việc kiểm tra được thực hiện đối với các điểm bên trong giống nhau và các điểm bên trong các ô lân cận. Hình (a) quá trình kiểm tra ít nhưng lại sử dụng dung lượng bộ nhớ lớn và tính toán nhiều hơn, hình (b) quá trình kiểm tra nhiều nhưng sử dụng ít bộ nhớ và tính toán ít hơn. Và đồng thời cho thấy ảnh hưởng của kích thước lưới khác nhau, khi bất cứ một điểm nào được thêm vào thì khoảng cách đến các điểm bên trong cùng một ô và các điểm tại ô lân cận được tính toán. Các điểm đạt khoảng cách tối thiểu thì sẽ được thêm vào lưới, và các điểm tiếp theo sẽ được kiểm tra khoảng cách với các điểm cũ đã được kiểm tra. Các ô chứa điểm được tạo và lưu trữ trong mảng, mỗi ô trong mảng chứa danh sách các điểm và danh sách các ô lân cận.
1.3.5. Quá trình render point cloud
Quá trình render (kết xuất) các điểm dữ liệu đầu vào, phân vùng các điểm thành cấu trúc cây Octree lưu trữ kết quả thành các file trên hệ thống, với mỗi file là một nút:
1- Ban đầu Octree chỉ có một nút duy nhất là nút gốc và nút này cũng đóng vai trò là nút lá.
2- Các điểm được thêm vào, từng điểm một vào nút gốc.
3- Các nút bên trong giữ một điểm nếu không có điểm nào khác nằm trong khoảng cách tối thiểu thì truyền xuống cho các nút con.
4- Giá trị khoảng cách sẽ giảm đi một nửa ở mỗi cấp độ.
5- Các nút lá ban đầu giữ nguyên tất cả các điểm.
6- Nếu quá trình thêm vào đạt đến ngưỡng điểm nhất định, thì một nút lá con được tạo sẽ chứa các điểm đã được lưu trữ. Các điểm có khoảng cách tối thiểu thì vẫn nằm ở nút lá gốc, và các điểm khác truyền xuống nút con mới tạo.
7- Dữ liệu thường xuyên được đẩy vào Poisson-Disk theo chu kỳ, Ví dụ: với mỗi lần 1000 điểm được xử lý sẽ đẩy vào một lần.
8- Nếu một nút chưa đủ số điểm để đẩy vào đĩa Poisson-Disk từ lần truyền dữ liệu trước thì dữ liệu của nút đó sẽ bị xóa khỏi bộ nhớ trong lần truyền dữ liệu tiếp theo.
9- Nếu một điểm sắp được thêm vào nút đã bị xóa bộ nhớ từ lần truyền dữ liệu trước thì dữ liệu sẽ được đọc ngược lại từ đĩa vào bộ nhớ.
Bước 3 và 4 tạo các mẫu con có độ phân giải thấp ở các nút thấp và cao hơn ở các nút cao hơn, các nút ở cấp độ thấp chứa các điểm có khoảng cách lớn và khoảng cách này giảm một nữa ở các nút có cấp độ tiếp theo và tăng dần độ phân giải.
Bước 5 và 6 cho phép hệ thống phân cấp Octree được mở rộng, hệ thống ban đầu nông và sẽ tăng dần theo chiều sâu khi các điểm mới được thêm vào. Các điểm bên trong các nút trên sẽ có khoảng cách nhất định và tại các nút lá cuối cùng sẽ lưu trữ các điểm còn lại.
Bước 7 cho phép người dùng xem ngay được trạng trái chuyển đổi góc nhìn trong Potree mà không cần phải chờ quá trình hoàn tất vì trình duyệt có xu hướng lưu bộ nhớ cache.
Bước 8 và bước 9 đảm bảo luôn sử dụng bộ nhớ lưu trữ ở mức thấp vì luôn xóa dữ liệu lâu không được sử dụng, bước này hoạt động hiệu quả cao khi các điểm tương đối gần nhau và rơi vào cùng một nút Octree giúp tăng khả năng một nút ở mức cao được xử lý hoàn toàn trong một chu kỳ đẩy dữ liệu vào đĩa Poisson. Scheiblauer [6-7] và Leimer [14] chỉ ra rằng thời gian xử lý sẽ được giảm bớt nếu các point cloud được xắp
sếp trước và trường hợp tốt nhất là tập dữ liệu có thứ tự Morton khi các điểm rơi vào một nút được lưu trữ cạnh nhau và các nút được xử lý hoàn toàn cùng một thời điểm và giải phóng bộ nhớ.
Cloud Compare 1.4.
Cloud Compare [8] là một chương trình xử lý point cloud, các lưới tam giác và các hình ảnh đã được hiệu chỉnh, tác giả là tiến sĩ Daniel Girardeau-Montaut trong dự án hợp tác giữa Telecom ParisTech và bộ phận R&D của EDF. Cloud Compare cung cấp những công cụ cơ bản để chỉnh sửa các point cloud và lưới tam giác với các thuật toán chuyên dụng như smoothing, gradient evaluation cùng với hệ thống kết xuất mầu sắc giúp người dùng dễ dàng trực quan hóa các đối tượng 3D đơn sắc.
Cloud Compare hỗ trợ các chuẩn đầu vào và đầu ra như: BIN, ASCII, PLY, OBJ, VTK, STL, E57, LAS/LAZ, FBX,….và cấu trúc Octree lưu trữ các mẫu con được sử dụng trong Cloud Compare, một octree tương ứng với phân vùng đệ quy của một thể tích không gian hình khối hộp. từ một hộp ban đầu các ô bát phân được hình thành bằng cách chia các hình lập phương thành tám hình lập phương con tương đương.
Cấu trúc octree trong Cloud Compare không giống cấu trúc cây, nó có dạng danh sách các giá trị, mỗi giá trị tương ứng với một point cloud và mã hóa vị trí tuyệt đối của một điểm tương ứng với cấp độ phân vùng octree, hai điểm trong cùng một ô trong từng phân vùng sẽ có cùng một đoạn mã liên kết gốc. Mã được tạo bằng cách ghép các bộ 3 số từ 0 đến 7 tương ứng với vị trí của ô cho mỗi cấp độ phân nhỏ, ô ở mức đầu tiên của phân vùng là các điểm quan trọng và các mức sâu hơn sẽ ít quan trọng hơn , các mã được sắp xếp để cho phép tìm kiếm nhị phân nhanh hơn (hình 3.2 mô tả quá trình mã hóa được gán cho các phân vùng).
Hình 3. 1. Quá trình mã hóa cho các phân vùng octree.
