Rejestracja chmur punktów Jiandu z wykorzystaniem danych wysokiej rozdzielczości i uogólnionego jądra t-Studenta

Starożytne zapisy spotykają nowoczesną technologię

Paski z bambusa i drewna znane jako Jiandu należą do najważniejszych świadectw wczesnej historii Chin, zachowując wszystko, od rejestrów podatkowych po klasyczną literaturę. Jednak większość tych wąskich, podniszczonych pasków przetrwała tylko jako połamane i kruche fragmenty, które są ryzykowne w obsłudze i żmudne do ręcznego złożenia. W tym badaniu przedstawiono nową technikę cyfrową, która wykorzystuje szczegółowe skany 3D i zaawansowane metody matematyczne, aby wirtualnie „złączyć” te kawałki z dużo większą precyzją i niezawodnością, pomagając chronić oryginały i jednocześnie odtwarzać dawno utracone teksty i informacje.

Wyzwanie naprawy kruchej historii

Rekonstrukcja Jiandu jest znacznie trudniejsza niż zwykłe układanie puzzli. Każdy pasek jest cienki, nieznacznie wygięty wskutek wieków spędzonych pod ziemią i często nadgryziony na krawędziach. Powierzchnie złamań są nieregularne i zdarte, a oryginalny tusz i słój drewna są wyblakłe lub zaburzone. Nowoczesne skanery 3D potrafią uchwycić te obiekty jako gęste chmury punktów w przestrzeni, ale istniejące oprogramowanie ma trudności z ich dopasowaniem. Musi osiągnąć dokładność submilimetrową, poradzić sobie z brakującymi fragmentami i nierównymi krawędziami oraz zignorować losowy szum pochodzący od oświetlenia, czujników i otoczenia. Wiele popularnych algorytmów gubi się, gdy powierzchnie są niekompletne, albo myli się wskutek zaszumionych pomiarów, prowadząc do błędnych połączeń lub niestabilnych wyników.

Inteligentniejsze odczytywanie kształtu i tekstury

Aby pokonać te przeszkody, autorzy zaprojektowali ramy rejestracji traktujące każdy fragment nie tylko jako surową geometrię, lecz jako bogate połączenie kształtu i wyglądu powierzchni. Najpierw analizują drobne orientacje lokalnych płatów powierzchni na wielu skalach, efektywnie budując dopracowaną mapę tego, jak każde pole złamania się załamuje i skręca. Następnie wykorzystują sposób, w jaki sąsiadujące regiony łączą się ze sobą, by zachować spójność topologiczną tego opisu, zmniejszając ryzyko błędnego dopasowania cech z uszkodzonych obszarów. Jednocześnie metoda konwertuje dane kolorów do przestrzeni lepiej odpowiadającej postrzeganiu człowieka i używa zarówno odległości 3D, jak i podobieństwa kolorów przy proponowaniu, jak dwa fragmenty mogą do siebie pasować.

Pozwolenie kierunkowi tekstury kierować dopasowaniem

Wyróżniającym wkładem pracy jest traktowanie tekstury powierzchni jako wskazówki kierunkowej, a nie jedynie ozdoby. Powierzchnie Jiandu często wykazują uporządkowane włókna bambusa i wydłużone pociągnięcia tuszu, których orientacja zwykle płynnie ciągnie się przez złamanie. Algorytm mierzy kierunek tych gradientów tekstury z obrazów RGB-D powiązanych z punktami 3D i następnie narzuca ścisłą regułę: dwa kandydackie punkty można parować tylko wtedy, gdy ich kierunki tekstury zgadzają się w małym kącie. To odrzuca dopasowania, które mogłyby wydawać się geometrycznie bliskie, lecz przerwałyby naturalny przebieg pisma lub słoju drewna. W rezultacie łączenia są bardziej wierne nie tylko pod względem kształtu, lecz także przebiegu wzorców wizualnych na zrekonstruowanym pasku.

Odporność na szum i uszkodzenia

Prawdziwe fragmenty rzadko odpowiadają schludnym założeniom matematyki podręcznikowej. Punkty odstające pojawiają się z pękniętych krawędzi, brakujących obszarów i zakłóceń pomiarowych, tworząc rozkład błędów o „ciężkich ogonach”. Standardowe metody najmniejszych kwadratów zakładają łagodniejszy rozkład szumu i łatwo zostają wypchnięte w bok przez takie odchylenia. Autorzy natomiast zapożyczają narzędzie z odpornej statystyki znane jako uogólnione jądro rozkładu Student’a t. W praktyce oznacza to, że w miarę jak niezgodność między dwoma punktami rośnie, algorytm automatycznie zmniejsza jej wpływ, zapobiegając temu, by kilka złych korespondencji wywróciło całą rejestrację. W połączeniu z przesłankami geometrycznymi i teksturowymi sprawia to, że iteracyjny proces dopasowywania jest znacznie stabilniejszy w złożonych warunkach typowych dla danych archeologicznych.

Testy metody

Zespół ocenia swoje ramy na wielu zestawach danych Jiandu pozyskanych przy użyciu przemysłowego skanera 3D i kamery wysokiej rozdzielczości, rejestrując zarówno drobny kształt, jak i subtelne detale powierzchni. Porównują swoje podejście z klasycznymi metodami dopasowywania punktów oraz nowszymi technikami opartymi na uczeniu, które polegają na sieciach neuronowych trenowanych na dużych zbiorach danych. W testach z różnymi orientacjami początkowymi fragmentów i z dodanym sztucznym szumem nowa metoda konsekwentnie osiąga mniejsze błędy zarówno w obrocie, jak i przesunięciu, przy zachowaniu rozsądnych czasów obliczeń. Eksperymenty ablaacyjne, w których poszczególne komponenty są selektywnie usuwane, pokazują, że każda część — normalne powierzchni, kontrole kierunku tekstury i odporne jądro — przyczynia się do końcowego wzrostu dokładności, a pełne połączenie działa najlepiej.

Cyfrowe układanki dla ochrony przeszłości

W prostych słowach, praca ta oferuje naukowcom zajmującym się dziedzictwem ostrzejsze narzędzie cyfrowe do składania kruchych zapisów pisanych bez dotykania ich. Poprzez łączenie starannych opisów kształtu, płynności tekstur powierzchni i strategii optymalizacyjnej odpornej na zakłócenia, metoda potrafi bardziej niezawodnie określić, jak połamane fragmenty Jiandu do siebie pasują. To oznacza wyraźniejsze rekonstrukcje dawnych dokumentów, mniejsze ryzyko uszkodzenia bezcennych artefaktów i bardziej skalowalną drogę do obsługi setek tysięcy już wydobytych pasków. Chociaż zaprojektowano ją z myślą o Jiandu, te same pomysły można zaadaptować do innych pękniętych reliktów, przynosząc precyzyjne obliczenia 3D do szerszego zadania odczytywania i zachowywania materialnych śladów przeszłości.

Cytowanie: Zhang, Q., Wang, C., Qi, Y. et al. Jiandu point cloud registration using high-resolution data and generalized t-student kernel. npj Herit. Sci. 14, 267 (2026). https://doi.org/10.1038/s40494-026-02533-4

Słowa kluczowe: rekonstrukcja Jiandu, rejestracja chmury punktów 3D, cyfrowe dziedzictwo kulturowe, wyrównanie kierowane teksturą, optymalizacja odporna na zakłócenia