Capture and Analysis of Microgeometry for Virtual Environments

EN : Surface microgeometry and roughness are modeled by many computer graphics applications. For instance, reflectance calculations for photorealistic rendering use roughness to render visually rich surface texture. Similarly, geometric asperities between surfaces result in friction, which is a material property used by physics simulations.

This goal of this project is to capture the microgeometry of various materials for use in computer graphics and interactive VR applications. By using a specialized imaging system that is capable of measuring the height of a surface with micron resolution, the student will scan and assemble a high quality database of real-world materials (metals, woods, plastics, etc) and their microgeometry. Then, a robotic apparatus will be used to measure the Coulomb friction of each sample, and the student will evaluate the ability of machine learning techniques to discern frictional properties from the microgeometry.

The student will work alongside a PhD student later in the project to develop advanced machine learning techniques based using the data

FR: La microgéométrie de surface et la rugosité sont modélisées par de nombreuses applications d'infographie. Par exemple, les calculs de réflectance photoréaliste utilisent la rugosité pour rendre la texture de surface visuellement riche. De même, les aspérités géométriques entre les surfaces causent un frottement, qui est une propriété la matière utilisée par les simulations physiques.

L'objectif de ce projet est de capturer la microgéométrie de divers matériaux pour les utiliser en infographie et en applications VR interactives. En utilisant un système d'imagerie spécialisé capable de mesurer la hauteur d'une surface avec une résolution au micron, l'étudiant numérisera et créer une base de données de haute qualité de matériaux du monde réel (métaux, bois, plastiques, etc.) et de leur microgéométrie. Ensuite, un appareil robotique sera utilisé pour mesurer le frottement de Coulomb de chaque échantillon, et l'étudiant évaluera la capacité des techniques d'apprentissage automatique à discerner les propriétés de frottement de la microgéométrie.

L'étudiant travaillera avec un doctorant plus tard dans le projet pour développer des techniques avancées d'apprentissage automatique basées sur les données

 

Connaissances requises

EN : Experience with computer graphics and multibody simulation. Knowledge of MATLAB, numpy, or a similar numerical software package.
FR : Expérience avec l'infographie et la simulation multicorps. Connaissance de MATLAB, numpy ou d'un logiciel numérique.

Programme d'études visé

Maîtrise avec projet, Maîtrise avec mémoire

Domaines de recherche

Technologies de l'information et des communications

Financement

Une bourse de professeur est disponible 

Autres informations

Starting : Winter 2020 (February)

Personne à contacter

Sheldon Andrews | sheldon.andrews@etsmtl.ca