  |
Dienstleistungen zur Gewinnung und Verarbeitung von 3D-Daten
|
 |
Dienstleistungen zur Gewinnung und Verarbeitung von 3d-Daten |
 |
Services in 3d aquisition and processing |
|
Softwaremodule zur Verarbeitung von 3D-Daten |
|
Software modules for 3D processing |
|
Softwarebibliothek zum Fitting von 3d-Regelgeometrien |
|
Für die Lösung der nachfolgend dargestellten Problemstellungen nutzen wir POINTWORK, dass durch seine skriptbasierte Arbeitsweise und seinen umfangreichen Funktionspool zudem auch Rahmen individuell zugeschnittener Kundenapplikationen sein kann.
|
|
|
| Motivation: |
|
Die Qualität einer Roh-Punktwolke hängt vom Meßsystem, den Aufnahmebedingungen und den Objekt-, d.h
Oberflächen- eigenschaften ab. Ausreißer können hierbei prinzipbedingt in vielen Fällen nicht vermieden
werden. Die erfolgreiche Weiterverarbeitung setzt daher eine Beseitigung aller Ausreißer voraus.
|
| Anforderungen: |
| Im Rahmen der Ausreißerbehandlung wird solchen Verfahren der Vorzug gegeben, die weitestgehend
automatisch arbeiten. |
| Probleme: |
- inhomogene Punktwolken
- Cluster von Ausreißern
|
| Lösungansätze: |
| Schwellwertvergleich des Punktabstandes zur Objektoberfläche (Schwellwertschätzung, Rekonstruktion
korrespondierender Oberflächenbereiche, Abstandsberechnung und -auswertung) |
| Beispiel: |
| Kopfmodellierung, System Kolibri, IOF Jena
|
|
 Originalpunktwolke |
 Punktwolke mit detektierten Ausreissern |
 Punktwolke mit detektierten Ausreissern |
|
|
|
|
| Motivation: |
|
Infolge von Fehlmessungen und Ausreißern sind die erzeugten Rohdaten zur unmittelbaren Weiterverwendung
nicht geeignet. Darüberhinaus schwankt die lokale Punktdichte prinzipbedingt in Abhängigkeit von der
Gestalt der Oberfläche, genauer des Oberflächengradienten in Bezug zur Beobachtungsrichtung. Eine weitere
Quelle von lokalen Punktverdichtungen stellt das Überlagern von Punktwolken unterschiedlicher Dichte dar.
|
| Anforderungen: |
|
Für eine erfolgreiche Weiterverarbeitung ist es erforderlich, durch automatische Interpolation eine
gleichmäßige Punktdichte für das Gesamtobjekt zu erzielen.
|
| Probleme: |
- lokale Rückführung der 3D-Interpolation auf 2.5D-Interpolation
- Behandlung von Objektberandungen
- Finden geeigneter Algorithmenparameter
|
| Lösungansätze: |
- Objektzerlegung in überlappende Teilpunktwolken, mit eindeutiger Projektion in eine Bezugsebene
- Anwendung verschiedener 2.5D-Interpolationsverfahren
|
| Beispiel: |
| Türverkleidung (System ShoeDigit, LOS Jena)
|
|
 Original |
 2.5D Interpolation |
 3D Interpolation |
|
|
|
|
| Motivation: |
- industrielle Werkstücke beinhalten aus funktionellen Gründen oft Standardgeometrien
- Aufgabenstellungen des Reverse Engineering bzw. der Qualitätskontrolle erfordern die Vermessung dieser Regelgeometrien
|
| Aufgabenstellung: |
- Berechnung der Geometrieparameter für Punkt, Gerade 2D/3D, Ebene, Kreis, Ellipse, Kugel, Zylinder, Kegel und Torus
- Berechnung einer eingeschränkten Anzahl von Geometrieparametern (Trennung von Form- und Lageparametern)
|
| Probleme: |
- Die Voraussetzung für die Vermessung ist eine korrekte Segmentierung aller die Regelgeometrie beschreiben-
den Messpunkte.
- Eine Lösung über ein lineares Gleichungssystem ist nur für einfache Geometrien möglich.
- Komplexere Geometrien müssen über einen nicht-
linearen Ansatz iterativ bestimmt werden. Hierbei ist die Auswahl geeigneter Startwerte erforderlich.
|
| Lösungansätze: |
- Punkt, Gerade 2D / 3D, Ebene, Kreis, Ellipse, Kugel können über linearen Ansatz berechnet werden
- Kreis, Kugel, Ellipse, Zylinder, Kegel, Torus werden über nichtlineares Gleichungssystem berechnet, Bestimmung geeigneter Startwerte mittels spezieller Verfahren
- Automatische Feinsegmentierung mittels sog. adaptiver Ausgleichsrechnung
|
| Beispiel: |
- Wendeschneidplatte (System ODKM 92, IOF Jena)
|
|
 Original |
 Vermessung Kugelsenkung |
 Segmentierung Kugelsenkung |
|
|
|
|
| Motivation: |
|
Infolge der unterschiedlichen Sichtbarkeit bestimmter Objektteile in verschiedenen Blickrichtungen liegen
nach der Erfassung häufig stark inhomogene Punktwolken aus qualitativ unterschiedlich zu bewertenden
Einzelpunkten vor. Darüber hinaus ist die Punktdichte bezogen auf die nachfolgende Aufgabenstellung oft
zu groß bzw. nicht an die Objektstruktur (Oberflächengestalt) angepaßt.
|
| Anforderungen: |
|
|
| Probleme: |
|
|
| Lösungansätze: |
| Entfernen oder Zusammenfassen von Punkten ohne Berücksichtigung der Verteilung
Verteilungsabhängiges Entfernen und Zusammenfassen von Punkten |
| Beispiel: |
| Bremstrommel, System Kolibri, IOF Jena
|
|
 Originalpunktwolke |
 gleichabständiges Ausdünnen |
 krümmungsabhängiges Ausdünnen |
|
|
|
|
| Motivation: |
Bei vielen Aufgabenstellungen liegen mehrere Aufnahmen eines Objektes aus verschiedenen Beobachtungsrichtungen
vor oder die Punktwolken eines Objektes und eines zugehörigen Templates unterscheiden sich ohne verfügbaren
Koordinatenbezug.
Vor der weiteren Verarbeitung ist es daher notwendig, diese Punktwolken zu registrieren, d.h.
zueinander in Bezug zu bringen.
|
| Anforderungen: |
|
Lösungsansätze zur Registrierung von 3D-Daten sollten weitestgehend automatisch arbeiten.
|
| Probleme: |
- es existieren keine korrespondierenden 3D-Daten
- keine vollständige Überlappung der Objektoberflächen
- die Oberflächenrepräsentation ist im Falle von Punktwolken nur diskret
|
| Lösungansätze: |
- ICP-Algorithmus (IterativClosestPoint)
|
| Beispiel: |
| Zylinderteil mit Kalibrierkörper (System Cylan3D, IlmCad GmbH Ilmenau)
|
|
 Ausgangszustand |
 Lösung nach 10 Iterationen |
 Lösung nach 50 Iterationen |
|
|
|
|
 3D-Bereichsbild, Ansicht aus z-Richtung |
 3D-Bereichsbild, Ansicht schräg |
 3D-Bereichsbild, trianguliert |
 3D-Bereichsbild, Triangulation schattiert |
|
|
|
|
 Triangulation einer Rundumdigitalisierung |
 Detailansicht, Zoomfaktor 2,5 |
 Detailansicht, Zoomfaktor 10 |
 Detailansicht, Zoomfaktor 10, Drahtgitter
eingeblendet |
|
