دانلود رایگان سوالات دکتری مهندسی نقشه برداری - فتوگرامتری 1399
دانلود دفترچه سوالات کنکور دکتری مهندسی نقشهبرداری - فتوگرامتری سال ۱۳۹۹ به همراه کلید رسمی سازمان سنجش
مقطع دکتری تخصصی مهندسی نقشهبرداری گرایش فتوگرامتری (Photogrammetry)، عالیترین مرجع علمی در حوزه بازسازی سهبعدی هندسی، معنایی و متریک دنیای پیرامون با استفاده از تصاویر اپتیکال، ابر نقاط لیدار و دادههای برد کوتاه، پهپادی و فضایی است. این گرایش تخصصی با تلفیق ریاضیات هندسه تصویری، بینایی ماشین (Computer Vision)، تئوری تخمین و سرشکنی، و سیستمهای موقعیتیابی، زیرساخت اصلی فناوریهای نوین نظیر دوقلوهای دیجیتال (Digital Twins)، ناوبری دیداری رباتها و خودروهای خودران (Visual SLAM)، و مدلسازی اطلاعات ساختمان (BIM) را شکل میدهد.
آزمون دکتری مهندسی نقشهبرداری - فتوگرامتری ۱۳۹۹ با تمرکز بر سنجش مبانی ریاضی توجیهات داخلی، نسبی، مطلق و معادلات پایه همخطی (Collinearity) و همصفحهای (Coplanarity)، الگوریتمهای پیشرفته سرشکنی دستهاشعه خودکالیبره (Self-Calibrating Bundle Adjustment)، هندسه چنددیدی و ساختار برآمده از حرکت (Structure from Motion - SfM)، تناظریابی چگال تصاویر (Dense Image Matching) و کالیبراسیون هندسی سنسورها طراحی شده است. پژوهشگران و داوطلبان گرامی میتوانند دفترچه سوالات استاندارد به همراه کلید رسمی سازمان سنجش را از جدول زیر دریافت نمایند.
مشاهده نمونه دفترچه
سال : 1399
گروه : ---
مشخصات فایل : 1.46MB / PDF
قیمت : 50,000 ريال
آزمون های برگزار شده
تحلیل تخصصی سرفصلهای آزمون دکتری مهندسی نقشهبرداری - فتوگرامتری ۱۳۹۹
تحلیل عمیق پرسشهای آزمون دکتری سال ۱۳۹۹ نشاندهنده تاکید چشمگیر بر هندسه تحلیلی، فرمولاسیون معادلات نامتعامد خطی و غیرخطی، و مبانی مدرن فتوگرامتری رقومی و بینایی تصویر است:
- معادلات بنیادین و سرشکنی دستهاشعه (Bundle Adjustment): فرمولبندی معادلات همخطی و خطیسازی آنها به روش سری تیلور، پارامترهای توجیه داخلی (فاصله کانونی، مختصات نقطه اصلی و ضرایب اعوجاج شعاعی و مماسی براون-کانرادی)، پارامترهای توجیه خارجی ($X, Y, Z, omega, phi, kappa$) با ماتریسهای دوران متعامد ($R_{3 imes3}$)، سرشکنی کمترین مربعات وزندار (Weighted Least Squares) و معادلات نرمال ماتریسی اسپارس (Sparse Block-Levenberg-Marquardt).
- هندسه چنددیدی و فتوگرامتری رقومی (Multi-View Geometry & SfM): هندسه اپیپولار (Epipolar Geometry)، ماتریس اساسی (Fundamental Matrix) و ماتریس ضروری (Essential Matrix)، الگوریتمهای استخراج ویژگی و توصیفگرهای محلی (SIFT, SURF, ORB)، تناظریابی مقاوم با الگوریتمهای حذف نقاط پرت نظیر RANSAC، بازسازی سهبعدی به روشهای افزایشی و سراسری (Incremental and Global SfM)، و الگوریتمهای MVS مانند Semi-Global Matching (SGM).
- فتوگرامتری برد کوتاه و کالیبراسیون دقیق دوربین: طراحی شبکه تصویربرداری بهینه جهت دستیابی به حداکثر دقت بازسازی، تحلیل قدرت و پیکربندی هندسی تقاطع پرتوها (Geometric Dilution of Precision - GDOP)، شبکههای همگرا (Convergent Imagery)، سیستمهای تارگتگذاری خودکار کدشده، و کالیبراسیون درجا و آزمایشگاهی دوربینهای غیرمتریک.
- فتوگرامتری پهپادپایه و ادغام با دادههای لیزراسکنر (LiDAR): طراحی پرواز و پوششهای طولی و عرضی بهینه، پردازش دادههای ژئورفرنس مستقیم (Direct Georeferencing) با ترکیب RTK/PPK GNSS و IMU، تولید ارتوفتوی حقیقی (True Orthophoto) بدون اثر انسداد دید ناشی از ساختمانها (Occlusion Handling)، و ادغام هندسی-طیفی ابر نقاط متراکم فتوگرامتری با لیدار زمینی/هوایی (TLS/ALS).
جدول ساختار و ضرایب آزمون دکتری مهندسی نقشهبرداری - فتوگرامتری
ترکیب مواد امتحانی و ضرایب دروس کنکور دکتری فتوگرامتری بر اساس ساختار رسمی سازمان سنجش آموزش کشور به شرح زیر است:
| ردیف | مجموعه امتحانی | سرفصلهای تخصصی ارزیابی | ضریب | مدت زمان |
|---|---|---|---|---|
| ۱ | مجموعه دروس تخصصی | فتوگرامتری رقومی، فتوگرامتری تحلیلی و پیشرفته، تئوری خطاها و سرشکنی، پردازش تصویر رقومی، ریاضیات مهندسی | ۴ | ۱۲۰ دقیقه |
| ۲ | استعداد تحصیلی | توانمندی تحلیلی، استدلال منطقی، هوش بصری و فضایی و کفایت اطلاعات | ۱ | ۶۰ دقیقه |
| ۳ | زبان عمومی و تخصصی | واژگان و درک مطلب مقالات ISI در ژورنالهای ISPRS Journal و Photogrammetric Engineering & Remote Sensing | ۱ | ۳۰ دقیقه |
راهکارهای موفقیت در مصاحبه دکتری مهندسی نقشهبرداری - فتوگرامتری
در مصاحبههای دکتری قطبهای اصلی کشور (دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشگاه تهران، صنعتی امیرکبیر و دانشگاه تربیت مدرس)، توانایی برنامهنویسی الگوریتمهای بینایی سهبعدی و تسلط بر پارادایمهای نوین پردازش اهمیت کلیدی دارد:
- تسلط بر توسعه نرمافزاری و کتابخانههای بینایی ماشین: ارائه نمونه کدهای کاربردی با
PythonوC++مبتنی بر کتابخانههای قدرتمندی نظیرOpenCV،Open3D،PCL (Point Cloud Library)، و محیطهای توسعه بهینهسازی نظیرCeres Solverبرای پیادهسازی سرشکنیهای مقیاس بزرگ. - مهارت در ابزارهای تولید صنعتی و تحقیقاتی مدل سهبعدی: تسلط بر نرمافزارهای تجاری و متنباز مطرح شامل
Agisoft Metashape،Bentley ContextCapture،COLMAPو نرمافزارهای پردازش لیدار نظیرCloudCompare. - طراحی پروپوزالهای پژوهشی همگام با مرزهای دانش:
- کاربرد روشهای رندرینگ ممتد نور نظیر میدانهای تابش عصبی (Neural Radiance Fields - NeRF) و پرتاب گاوسی سهبعدی (3D Gaussian Splatting) در مدلسازی شهری فتوگرامتری با نرخ فریم بالا.
- سیستمهای SLAM دیداری و ادغام سنسوری برخط (Visual-Inertial Odometry - VIO) برای هدایت رباتها در محیطهای فاقد سیگنال ماه
- تسلط بر توسعه نرمافزاری و کتابخانههای بینایی ماشین: ارائه نمونه کدهای کاربردی با
PythonوC++مبتنی بر کتابخانههای قدرتمندی نظیرOpenCV،Open3D،PCL (Point Cloud Library)، و محیطهای توسعه بهینهسازی نظیرCeres Solverبرای پیادهسازی سرشکنیهای مقیاس بزرگ. - مهارت در ابزارهای تولید صنعتی و تحقیقاتی مدل سهبعدی: تسلط بر نرمافزارهای تجاری و متنباز مطرح شامل
Agisoft Metashape،Bentley ContextCapture،COLMAPو نرمافزارهای پردازش لیدار نظیرCloudCompare. - طراحی پروپوزالهای پژوهشی همگام با مرزهای دانش:
- کاربرد روشهای رندرینگ ممتد نور نظیر میدانهای تابش عصبی (Neural Radiance Fields - NeRF) و پرتاب گاوسی سهبعدی (3D Gaussian Splatting) در مدلسازی شهری فتوگرامتری با نرخ فریم بالا.
- سیستمهای SLAM دیداری و ادغام سنسوری برخط (Visual-Inertial Odometry - VIO) برای هدایت رباتها در محیطهای فاقد سیگنال ماه همچنین تصاویر باید با ترتیب و همپوشانیهای هندسی استاندارد ثبت شده باشند. در مقابل، الگوریتمهای SfM با بهرهگیری از مفاهیم بینایی ماشین، موقعیت، چرخش سنسور و هندسه سهبعدی صحنه را از مجموعهای از تصاویر ثبتشده با دوربینهای غیرمتریک مختلف، با فواصل و زوایای نامنظم و بدون نیاز به اطلاعات اولیه موقعیتی، با استخراج و تناظریابی خودکار صدها هزار ویژگی محلی بازسازی میکنند.
تکنولوژی 3D Gaussian Splatting چگونه بازسازی سهبعدی فتوگرامتری را متحول کرده است؟
تکنیک پرتاب گاوسی سهبعدی (3D Gaussian Splatting) رویکردی نوین در بازنمایی صحنههای سهبعدی است که صحنه را به جای شبکههای مثلثی (Meshes) یا شبکههای عصبی متراکم NeRF، با میلیونها بیضیگون گاوسی سهبعدی با قابلیت جابهجایی، چرخش، شفافیت (Opacity) و رنگ توصیف میکند. مزیت بینظیر این روش در ادغام با خطوط لوله متداول فتوگرامتری، دستیابی به کیفیت بصری خارقالعاده، رندر بلادرنگ (بالای ۶۰ فریم در ثانیه) و همگرایی بسیار سریعتر فرآیند آموزش نسبت به NeRFها بوده که در صنعت دوقلوی رقومی تحولی چشمگیر پدید آورده است.
سوالات و پاسخ سوالات دکتری - بخش صد و هشتاد و سوم ( بیشتر ... )