In der Industrie spielt die Objektvermessung im Hinblick auf die Qualitätskontrolle ein große Rolle. Die Qualitätssicherung kann mithilfe von Computer Vision Methoden umgesetzt werden. Ein Literatur-Review zeigt, dass es viele unterschiedliche Konzepte zur Objektvermessung gibt. Diese Konzepte unterteilen sich in drei Kategorien: Vermessung mit Referenzobjekt, Stereo-Vision und Deep Learning Ansätze. In dieser Arbeit werden verschiedene Methoden aus Forschungsarbeiten vorgestellt und das Stereo-Vision Konzept detaillierter eingeführt. Das Ziel ist es, einen Überblick zu aktuellen Konzepten zu geben und das grundlegende Verständnis des Stereo-Vision Verfahrens darzulegen.
Inhaltsverzeichnis
1 EINFÜHRUNG
2 VERMESSUNG MIT STEREO-VISION
2.1 Kalibrierung der Kamera
2.2 Extraktion von Features
2.3 Feature Matching
2.4 Rekonstruktion
3 ZUSAMMENFASSUNG
Zielsetzung & Themen
Die Arbeit untersucht verschiedene Methoden der berührungslosen Objektvermessung für die industrielle Qualitätskontrolle, mit einem besonderen Fokus auf Stereo-Vision-Verfahren, die ohne externe Referenzobjekte auskommen.
- Grundlagen der industriellen Objektvermessung
- Vergleich verschiedener Ansätze (Referenzobjekt-basiert vs. kameragestützt)
- Detaillierte Analyse des Stereo-Vision-Konzepts
- Methodik der Merkmalsextraktion und des Feature Matchings
- Dreidimensionale Rekonstruktion zur Distanzberechnung
Auszug aus dem Buch
EINFÜHRUNG
Die Berechnung von Distanzen oder das Abmessen von Objekten ist ein aktuelles Forschungsthema im Bereich Computer Vision. In der Industrie und im Bereich Automotive werden diese Technologien bspw. bei der Navigation von Robotern, bei autonomen Systemen oder bei der Qualitätssicherung eingesetzt (vgl. [CGI16]). In den letzten Jahren sind viele unterschiedliche Konzepte entstanden, um Objekte in Bildern zu vermessen. Es gibt kameragestützte Systeme und solche, die auf eine Kamera verzichten. Ein Verfahren ohne Kamera ist die Laser- und Ultraschalltechnik. Diese Technik hat den Vorteil der hohen Geschwindigkeit. Ein Nachteil dieses Verfahrens ohne Kamera ist, dass Objektreflektionen eine wichtige Rolle spielen. Eine einfache Variante mit einer Kamera ist es, ein Referenzobjekt in der Bildszene zu positionieren und dieses zur Berechnung der Abstände im Bild zu verwenden (vgl. [Oth+18], [MK17], [Ros]). In diesem Zusammenhang gibt es auch Verfahren, bei welchen die Umgebung mithilfe von mehreren Referenzlinien angelernt wird (vgl. [MY16]). Im Weiteren existieren Deep Learning Ansätze, um Abstände zu messen. Das Ziel dieser Ansätze ist es Tiefeninformationen in Bildern zu extrahieren (vgl. [ZF19] [DC19]), um anhand dieser Abstände zu vermessen.
In dieser Arbeit wird sich allerdings auf die Konzepte bezogen, welche kein Referenzobjekt benötigen. Ein Ansatz zur Objektvermessung ohne Referenzobjekt ist die Verwendung von Stereo-Vision. Bei Stereo-Vision Verfahren werden unterschiedliche Tiefeninformationen von Objekten mithilfe von zwei Bildern (linkes und rechtes Bild), welche durch ein Stereo Kamera System erfasst wurden, ermittelt. Schließlich wird die Tiefeninformation verwendet, um Objekte zu vermessen.
Zusammenfassung der Kapitel
1 EINFÜHRUNG: Dieses Kapitel motiviert die Relevanz der Objektvermessung in der Industrie und grenzt verschiedene technologische Ansätze voneinander ab, wobei der Fokus auf kamera-basierten Systemen liegt.
2 VERMESSUNG MIT STEREO-VISION: Hier werden die technischen Schritte des Stereo-Vision-Verfahrens detailliert beschrieben, angefangen bei der Kamerakalibrierung über das Feature Matching bis hin zur eigentlichen 3D-Rekonstruktion.
3 ZUSAMMENFASSUNG: Das Kapitel reflektiert die Ergebnisse der Arbeit und gibt einen Ausblick auf potenzielle Erweiterungen durch Deep Learning Netzwerke sowie eine praktische Umsetzung.
Schlüsselwörter
Objektvermessung, Computer Vision, Stereo-Vision, Qualitätssicherung, Kamerakalibrierung, Feature Matching, Tiefeninformation, Triangulation, Industrielle Bildverarbeitung, 3D-Rekonstruktion, Objekterkennung, Distanzmessung, Bildsensorik, Merkmalsextraktion.
Häufig gestellte Fragen
Worum geht es in der Arbeit grundlegend?
Die Arbeit befasst sich mit Methoden zur berührungslosen Vermessung von Objekten in der industriellen Umgebung, um Qualitätssicherungsprozesse zu optimieren.
Was sind die zentralen Themenfelder?
Die Schwerpunkte liegen auf dem Vergleich zwischen referenzbasierten Methoden und dem Stereo-Vision-Ansatz zur Tiefenbestimmung.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es, einen Überblick über aktuelle Konzepte zu geben und das Stereo-Vision-Verfahren als Lösung ohne Referenzobjekt verständlich darzulegen.
Welche wissenschaftliche Methode wird verwendet?
Es handelt sich um ein Literatur-Review, das aktuelle Forschungsarbeiten im Bereich der Computer Vision systematisch analysiert und zusammenfasst.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil widmet sich dem technischen Prozess der Stereo-Vision, inklusive Kamerakalibrierung, Feature-Extraktion, Matching-Verfahren und der geometrischen Rekonstruktion.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Kernbegriffe umfassen Objektvermessung, Stereo-Vision, Tiefeninformation, Triangulation und 3D-Rekonstruktion.
Warum wird beim Stereo-Vision-Verfahren ein Schwellwert von 0.9 verwendet?
Der Schwellwert dient dazu, beim Sparse Punkt Matching sicherzustellen, dass nur Punkte als identisch betrachtet werden, deren Merkmalsvektoren eine ausreichend hohe Ähnlichkeit aufweisen.
Welche Rolle spielt die Epipolargeometrie in dieser Arbeit?
Sie bildet die theoretische Grundlage, um die räumliche Beziehung zwischen den beiden Kameras zu beschreiben und das Feature Matching zwischen den Bildern zu ermöglichen.
- Citation du texte
- Patrick Tinz (Auteur), Janik Tinz (Auteur), 2020, Vermessung von Objekten ohne Referenzobjekt. Literatur-Review, Munich, GRIN Verlag, https://www.grin.com/document/1036831
