Atomic Vision: Dati nucleari in 3D

Video: https://video.linux.it/w/3cnKaZqmSLtpEgkYc8jAFq?start=27m15&stop=41m

Ma quanta magia c'è nel trasformare una lista di dati un'immagine sensata?

In questo intervento descriverò e mostrerò come sono uscito da una situazione scomoda, utilizzando Python per aiutarmi a creare dei modelli 3D visualizzabili in un ambiente virtuale da una lunga, lunghissima, serie di dati nucleari

In un periodo storico nella quale i dati sono fondamentali per ogni azienda, la loro visualizzazione aiuta gli analisti a tirare fuori dei report più dettagliato ed interessanti. Ora che però è entrato in gioco il mondo della Realtà Virtuale, mi pare più che giusto utilizzarla per portare l'analisi dei dati su un livello superiore

Mostrerò quindi il percorso, i risultati e, soprattutto, gli errori che ho affrontato per aumentare le mie skills tecniche e responsabilizzarmi come professionista

Andrea Marchese — Perito informatico, studente del corso di Realtà Virtuale all'ITS ICT Piemonte e tirocinante presso newcleo

Transcript

1. Atomic Vision: Dati nucleari in 3D Cavarsela a 20 anni nel mondo del lavoro grazie a Python Preparare i dati alla realtà virtuale
2. Chi sono Sono Andrea Marchese, perito informatico, studente del corso di Realtà Virtuale all'ITS ICT Piemonte e tirocinante presso newcleo Presentazione Cosa Faccio Sviluppo ambienti virtuali fruibili tramite visore
3. Problema Mi è stato fornito un Dataset in CSV contenente un ingente numero di punti. All’interno del file si trovavano delle colonne con le coordinate dei punti e diverse colonne che rappresentavano il valore di una specifica grandezza fisica in quel preciso punto. Il mio obbiettivo era riuscire a trovare un modo per ottimizzare la visualizzazione di queste informazioni all’interno di un’applicazione Unity in via di sviluppo.
4. Soluzione -Leggere il file -Convertirlo in DataFrame Per ogni grandezza fisica • Creare lista di colori univoci • Ordinare il DataFrame • Creare la nuova lista di colori • Creare DataFrame per i valori rgb • Assegnare punti e colori alla nuvola di punti • Salvare la nuvola di punti Processo Processo di assegnazione dei punti e dei colori alla nuvola Librerie principali: • Numpy • Pandas • Open3D • Pyarrow
5. Gli output del codice Python sono diversi file PLY, uno per ogni caratteristica fisica contenuta all’interno del Dataset colorati con una scala diversa. Ogni scala collegata univocamente ad una caratteristica fisica Risultato Gli output Visualizzazione di Open3D con due scale di colore diversi
6. • Divisione dei dati: ⚬ Divisione delle responsabilità. ⚬ Più leggerezza. ⚬ Accesso per caratteristica. • Ottimizzazione del numero di vertici calcolati. • Ottimizzazione del numero di triangoli calcolati. • Scrittura semplificata di filtri nelle Shaders Utilità Performance
7. Creazione di una lista lunga tanto quanto la lista dei valori ⚬ Tantissimo tempo usato per calcolare la lista dei colori ⚬ Valori uguali potevano avere colori (leggermente) diversi Calcolo Colori Vecchio sistema Creazione di una lista lunga tanto quanto il numero di valori unici. Assegnazione dello stesso colore allo stesso valore. ⚬ Dimezzato il tempo usato per calcolare la lista dei colori ⚬ Valori uguali hanno lo stesso Nuovo sistema Schematizzazione nuovo sistema di calcolo dei colori
8. Chiusura • Domande • Chiarimenti • Consigli
9. Grazie per l’attenzione Contatti Email marcheseandrea003@gmail.com LinkedIn andrea-marchese03 Instagram @marche.barche