13. Térinforrás Meetup

Várunk Titeket az NJSZT TérTáv szakosztály 2026-os évnyitó térinformatikai és távérzékelési meetupján, a 13. Térinforráson!
A meetup tématerülete ezúttal a számítógépes grafika, a gépi látás, a virtuális valóság és a térinformatika, távérzékelés határterületei.

📅 Időpont: 2026. február 25. szerda 18:00
📍 Helyszín: Shapr3D (1054 Budapest, Akadémia utca 6.)

👨‍🏫 Előadók és témák:
1) Hajder Levente (ELTE IK): Többet látni, mint a szem: a szenzorfúzió rejtelmei önvezető járművekben és azokon túl
2) Vaitkus Márton (BME VIK): Új módszerek a 3D gépi látásban: inverz renderelés és MI
3) Boros Bence (Shapr3D): Spatial CAD élmény: Shapr3D Vision Pro-n

🎟️🙋A meetupon való részvétel az NJSZT tagoknak és Shapr3D munkatársaknak, valamint az egyetemi hallgatók számára ingyenes, de regisztrációhoz kötött. További résztvevőinktől egy jelképes, 2000 Ft-os hozzájárulást kérünk.

🍺🥪 A meetup szünetében résztvevőink vendégeink egy italra és némi sörkorcsolyára. A rendezvénynek az érdekes előadások mellett a networking, szakmai kapcsolatépítés is fontos része, így aki teheti, maradjon velünk az előadások utáni kötetlenebb beszélgetésen is!

💼 Szervező: NJSZT Térinformatikai és Távérzékelési Szakosztály (https://njszt.hu/)

************

Absztraktok

Hajder Levente (ELTE IK): Többet látni, mint a szem: a szenzorfúzió rejtelmei önvezető járművekben és azokon túl
Napjaink technológiai forradalmában az önvezető rendszerek már nem csupán a látható fényt „látják”, hanem az elektromágneses spektrum és a fizikai mérések sokaságát ötvözik. Az előadás rávilágít, hogy miért nem elegendőek a hagyományos kamerák a biztonságos közlekedéshez, és hogyan válik a LiDAR, a GPS, a radar, az ultrahang, vagy éppen mikrofonok sokasága egyetlen koherens modellé. A szenzorfúzió lényege éppen ez az információs szinergia: a zajos, olykor egymásnak ellentmondó mérésekből a számítástechnika segítségével egy olyan megbízható valóságkép alkotható, amely túlmutathat az emberi érzékelés biológiai korlátain.
A technológiai keretrendszer nem lenne teljes a mérések tér- és időbeli összehangolása nélkül, hiszen a fúzió sikere a precíz szinkronizáción és a pontos pózbecslésen múlik. Az előadás során részletesen tárgyaljuk, hogyan kezelhetők a különböző mintavételezési időből adódó különbségek, valamint bemutatjuk a szenzorok egymáshoz viszonyított térbeli helyzetének és orientációjának meghatározására szolgáló kalibrációs eljárásokat. Zárásként saját kutatási eredményeinken és vizuális esettanulmányainkon keresztül demonstráljuk, hogy milyen geometria alapú algoritmusokat lehet készíteni a kalibrációs problémák megoldására.

Vaitkus Márton (BME VIK): Új módszerek a 3D gépi látásban: inverz renderelés és MI
A 3D gépi látás egy számos alkalmazás számára kulcsfontosságú technológia, amely háromdimenziós számítógépes modelleket (pl. környezeti térképeket) hoz létre kamerákkal készített képek/videók, vagy egyéb szenzor adatok alapján. A gépi látás területén az elmúlt években komoly áttörést hoztak az úgynevezett inverz grafikán alapuló módszerek. A számítógépes grafika rohamos fejlődése által ma már akár fotorealisztikus képek szintetizálása ("renderelése") is lehetséges, ahogy azt a filmekben, vagy a számítógépes játékokban láthatjuk. Az inverz grafikai módszerek ezt a folyamatot próbálják megfordítani, azaz olyan 3D modelleket rekonstruálni, amelyekből renderelés után a célként kitűzött képi látvány áll elő. A modern inverz rendering technológiák, mint a Neural Radiance Fields (NeRF), vagy a 3D Gaussian Splatting (3DGS), igen részletgazdag rekonstrukcióra képesek és több alkalmazási területen is kiválthatják a fotogrammetria és 3D rekonstrukció klasszikus algoritmusait. További fontos előrelépést jelentett a 3D gépi látás területén a mesterséges intelligencia (MI) fejlődése. Egy nagyméretű adathalmazon betanított neurális hálózat segítségével lehetséges bemeneti képek alapján közvetlenül 3D modelleket (pl. pontfelhőket) generálni, korábban példátlan hatékonysággal és robusztussággal. Az előadás célja áttekintést adni a 3D gépi látás kapcsolódó új eredményeiről és ezek potenciális alkalmazásairól a digitális alakzatrekonstrukció és a robotika területén.

Boros Bence (Shapr3D): Spatial CAD élmény: Shapr3D Vision Pro-n
A CAD világ egyik legfontosabb 21. századi iránya a modellezés egyszerűbbé, felhasználóbaráttá és költséghatékonyabbá tétele. A VR és AR technológiák jelentősen csökkenthetik a prototipizálási költségeket, ugyanakkor ezek az eszközök önmagukban többnyire nem alkalmasak kompromisszumok nélkül egy teljes értékű CAD rendszer működtetésére.
A Shapr3D azonban teljes funkcionalitással elérhető Apple Vision Pro-n, emellett lehetővé teszi a 3D modellek valós idejű, térbeli szerkesztését, az azonnali többszereplős kollaborációt AR térben, valamint a modellek PBR anyagokkal történő megjelenítését.
Előadásomban részletesen bemutatom az Apple Vision Pro működésének alapjait: hogyan érzékeli és értelmezi a környezetet, milyen technológiákat használ a tér leképezésére, illetve a felhasználói gesztusok és interakciók követésére. Kitérek arra is, miként válik lehetővé egy komplex CAD modell valós idejű szerkesztése ilyen környezetben, és hogyan építi fel az eszköz a modell megvilágítását és környezeti megjelenítését a térben. Az előadás során az eszközön, valós időben demonstrálom egy debug build segítségével, hogy mit „látnak” a szenzorok, milyen adatokat szolgáltatnak a térérzékeléshez, és milyen hardveres limitációk befolyásolják a rendszer működését.