Hand-tracked 3D data selection of point clouds in XR
Lade...
Autor:innen
Autor:in (Körperschaft)
Publikationsdatum
01.09.2024
Typ der Arbeit
Master
Studiengang
Master of Science FHNW in Engineering
Typ
11 - Studentische Arbeit
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Themenheft
DOI der Originalpublikation
Link
Zugehörige Forschungsdaten
Reihe / Serie
Reihennummer
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
Patentnummer
Verlag / Herausgebende Institution
Institut für Interaktive Technologien, Hochschule für Informatik FHNW
Verlagsort / Veranstaltungsort
Windisch
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
Three-dimensional data is crucial in fields like scientific visualization, medical imaging, and astronomy, yet effective 3D selection remains a challenging and unsolved problem. Traditional methods, primarily limited by 2D interfaces, often lack the precision and flexibility required for accurate 3D selection. Additionally, existing 3D techniques are limited to simple selection volumes and must be optimized for point clouds, further complicating the process. This project addresses these challenges by developing a GPU-based selection approach using Signed Distance Fields (SDFs). This approach enables efficient, real-time selection of near-arbitrary subsets of point clouds in XR environments. The solution is implemented in Unity and integrates novel and existing selection techniques, validated through a user experiment. Results revealed significant performance differences between selection techniques, task complexities, and point clouds. Participants favoured brushing modes over direct selection methods, a preference confirmed by quantitative data. This research bridges the gap between traditional 2D methods and XR, offering a robust and efficient approach to 3D data selection.
Schlagwörter
Extended reality, Point clouds, Signed distance fields, Hand-tracking
Veranstaltung
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
Enddatum der Konferenz
Datum der letzten Prüfung
ISBN
ISSN
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Publikationsstatus
Begutachtung
Open Access-Status
Lizenz
Zitation
Fluri, L. (2024). Hand-tracked 3D data selection of point clouds in XR [Institut für Interaktive Technologien, Hochschule für Informatik FHNW]. https://doi.org/10.26041/fhnw-17278