Die Vermessung von Objekten ist ein elementarer Bestandteil der Qualitätskontrolle im industriellen Kontext. Die exakte Bestimmung von Abmaßen stellt eine ubiquitäre Problemstellung im Bereich Computer Vision dar. Dieses Paper zeigt einen Ansatz zur Vermessung der Länge und Breite von spiegelnden Werkzeugen auf. Die Objektvermessung wird anhand von Bildern durchgeführt. Hierbei werden die Bibliothek OpenCV und Techniken aus der Bildbearbeitung verwendet. Es wird ein Verfahren aus vier Schritten vorgeschlagen: (I) Das Bild wird mit Algorithmen wie Binarisierung vor verarbeitet. (II) Es werden Konturen unter Verwendung von OpenCV im Bild gesucht und sortiert. (III) Schließlich findet die Berechnung der Pixel pro Millimeter anhand eines Referenz-Objekts statt. (IV) Abschließend werden die Werkzeuge mithilfe einer Bounding Box vermessen. Im Ergebnis hat sich gezeigt, dass der Algorithmus eine Genauigkeit von über 98 % erreicht.
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 Ansätze der automatisierten Objektvermessung zur Qualitätssicherung in der Industrie, mit einem besonderen Fokus auf Methoden, die ohne ein physisches Referenzobjekt auskommen. Die zentrale Forschungsfrage befasst sich dabei mit der technischen Realisierung und den theoretischen Grundlagen von Stereo-Vision-Verfahren zur Tiefenbestimmung.
- Grundlagen der industriellen Qualitätssicherung mittels Computer Vision
- Vergleich zwischen kamera-gestützten und nicht-kamera-gestützten Messverfahren
- Methodik der Stereo-Vision: Kalibrierung, Feature-Extraktion und Matching
- Mathematische Grundlagen der 3D-Rekonstruktion aus Stereo-Bildern
Auszug aus dem Buch
2 VERMESSUNG MIT STEREO-VISION
In diesem Abschnitt wird das Stereo-Vision Verfahren anhand von [LWS13], [CGI16] genauer betrachtet. Bei diesem Verfahren wird mit zwei Bildern gearbeitet, indem zwei Bilder von einem Objekt mithilfe von zwei parallelen CCD (Charge Coupled Device) Kameras angefertigt werden (vgl. [LWS13]). Im Weiteren können Merkmalspunkte aus den Bildern extrahiert werden und ein Abgleich dieser Punkte zwischen den beiden Bildern durchgeführt werden. Die Tiefeninformation in dem Bild kann schließlich über Triangulationsmethoden berechnet werden. In Abbildung 2.1 ist der Aufbau eines Stereo Kamera Systems schematisch dargestellt.
Die Abbildung zeigt, wie ein Objekt von zwei Kameras aufgenommen wird. Schließlich erzeugen zwei Kameras jeweils ein Bild. Die Differenz d der Koordinaten für einen markanten Punkt in den Bildern kann mit folgender Formel berechnet werden (x1: x-Koordinate Bild 1, x2: x-Koordinate Bild 2):
d = x1 − x2 (2.1)
Im Weiteren kann der Abstand der Kamera vom Objekt mit der Formel (2.2) berechnet werden (z: Distanz zum Objekt, b: Abstand zwischen der rechten und der linken Kamera, f : Brennweite der Kameras, d: Differenz zwischen den beiden Bildern).
z = b f / d (2.2)
Zusammenfassung der Kapitel
1 EINFÜHRUNG: Dieses Kapitel motiviert die Notwendigkeit von Objektvermessung in der Industrie und grenzt verschiedene Ansätze voneinander ab, wobei der Fokus auf Verfahren ohne Referenzobjekt gelegt wird.
2 VERMESSUNG MIT STEREO-VISION: Hier werden die technischen Grundlagen des Stereo-Vision-Verfahrens, inklusive Kamera-Kalibrierung, Feature-Matching und der mathematischen 3D-Rekonstruktion, detailliert erläutert.
3 ZUSAMMENFASSUNG: Dieses Kapitel schließt die Arbeit mit einem Resümee über die vorgestellte Methodik und einem Ausblick auf zukünftige Forschungsmöglichkeiten, etwa im Bereich Deep Learning, ab.
Schlüsselwörter
Computer Vision, Objektvermessung, Stereo-Vision, Qualitätssicherung, Bildverarbeitung, Kalibrierung, Feature Matching, Triangulation, Tiefeninformation, Industrierobotik, 3D-Rekonstruktion, Automatisierung.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit Methoden der berührungslosen Objektvermessung mittels Computer Vision für industrielle Anwendungen, insbesondere unter Verzicht auf physische Referenzobjekte.
Was sind die zentralen Themenfelder?
Die zentralen Themen sind die Distanzberechnung, Bildverarbeitungsmethoden zur Feature-Extraktion sowie die mathematischen Prinzipien der Stereo-Vision-Technik.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist es, einen Überblick über aktuelle Verfahren zu geben und das grundlegende technische Verständnis für die Stereo-Vision-Rekonstruktion zur Vermessung von Objekten darzulegen.
Welche wissenschaftliche Methode wird verwendet?
Es handelt sich um ein strukturiertes Literatur-Review, das bestehende Forschungsansätze analysiert und die mathematischen Abläufe (wie Triangulation) eines Stereo-Kamera-Systems herleitet.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in die technologischen Schritte der Kamera-Kalibrierung, der Identifikation von Merkmalspunkten (Features), dem Feature-Matching und der abschließenden 3D-Rekonstruktion.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit lässt sich durch Begriffe wie Stereo-Vision, Objektvermessung, 3D-Rekonstruktion, Bildverarbeitung und Qualitätssicherung charakterisieren.
Warum wird auf ein Referenzobjekt verzichtet?
Das Ziel ist eine flexiblere und automatisierte Messung, bei der keine externen Skalierungshilfen in der Bildszene positioniert werden müssen, was besonders in dynamischen industriellen Umgebungen vorteilhaft ist.
Wie wird die Tiefe eines Objekts berechnet?
Die Tiefe wird durch Triangulation berechnet, wobei die Differenz der Koordinaten desselben Punktes in zwei verschiedenen Kamerabildern zur Bestimmung der Objektdistanz genutzt wird.
Welchen Schwellwert verwenden die Autoren für das Matching?
Beim Abgleich von Merkmalspunkten wird ein Schwellwert von 0,9 für den Kosinus des Winkels zwischen den Merkmalsvektoren angesetzt, um sicherzustellen, dass nur sehr ähnliche Punkte gematcht werden.
- Quote paper
- Janik Tinz (Author), Patrick Tinz (Author), 2020, Vermessung von spiegelnden Werkzeugen mithilfe von OpenCV, Munich, GRIN Verlag, https://www.grin.com/document/1036832
