Artec Scanning SDK und automatisches Scannen: Anwendung des Artec Spiders durch einen Roboter führte zu ausgezeichneten, fehlerfreien Resultaten
Eine internationale Forschergruppe verwendete Artec Scanning SDK und Artecs Spider mithilfe eines Roboterarmes, um eine neue automatische Scanmethode zu entwickeln, die 3D-Modelle höchster Qualität selbst kleinster Objekte mit komplizierter Geometrie erstellt. Einige vergleichende Tests bewiesen, dass die neue Methode vorige Scannmethoden leistungsmäßig übertrifft.
[Eine Gipsfigur / Krümmungsresultat / Tiefenresultat / PR2-Resultat]
Das 3D-Scannen physikalischer Objekte kann eine große Herausforderung sein, besonders wenn das Objekt eine komplizierte Oberfläche und Einschlüsse aufweist. Die Forschung beschäftigt sich schon lange mit der Beseitigung beschädigter Daten und blinder Flecken in 3D-Aufnahmen und jetzt hat eine Forschergruppe wirklich beeindruckende Ergebnisse erzielt.
Eine Gruppe von Ingenieuren des Visual Computing Research Centers, der Tel-Aviv University, der Memorial University of Newfoundland, der Universität Konstanz und der Shandong University hat eine neue Scanmethode entwickelt.
Während einer Reihe von Experimenten benutzten die Forscher Artecs 3D-Scanner, der am Arm eines menschenähnlichen Roboters, einem PR2, befestigt worden war. Sie scannten so einige kleine Objekte, die auf einer Melaminplatte lagen, welche vom Roboter in einer Hand gehalten wurden, während er den Scanner mit der anderen Hand bewegte.
Die Forschergruppe wählte den Artec Spider für ihre Experimente, da dieser besser als andere Scann-Anwendungen in der Lage ist, kleine Objekte zu scannen.
Spider erstellt Aufnahmen extrem hoher Resolutionen (bis 0,1 mm) und herausragender Präzision (bis 0,05 mm), indem er bis zu 7,5 Einzelbilder pro Sekunde aufnimmt und 1,000,000 Punkte pro Sekunde verarbeitet. Die Einzelbilder werden in Echtzeit zusammengefügt, wodurch ein aufwendiges Nacharbeiten unnötig ist.
In Kombination mit der Artec Studio Software ist Spider ein leistungsfähiges Desktop-Tool für Designer, Ingenieure und Erfinder jeder Art – und zusammen mit Artec Scanning SDK kann es nun in jedes spezialisierte Scannsystem integriert werden.
Das Hauptziel der Experimente war es, hohe Wiedergabetreue der zu scannenden Objekte zu gewährleisten. Dieses Ziel wurde erreicht, indem der Scanner an den strategisch besten Punkten, die nach der Points-Cloud-Aufnahme entstehen, angebracht wird (engl. Next-Best-Views, NBVs). So können die geometrischen Details des Objekts Schritt für Schritt aufgefangen werden, bis Vollständigkeit und Wiedergabetreue erreicht sind.
Dieses neue Scann-System basiert auf der Analyse der vom Scanner erzielten Daten und der Erstellung einiger NBVs für den Scanner-Roboter.
Der Scannprozess beginnt mit einem Rundum-Grundscann des Objektes, wodurch eine erstmalige Punktewolke erzielt wird, die große Teile der Objektoberfläche grob erschließt. Danach werden einige NBVs erstellt, auch candidate viewpoints genannt, die auf der aufgenommenen Poisson-Gleichung basieren.
Der Roboter bewegt anschließend den Scanner so, dass dieser Momentaufnahmen dieser Sichtwinkel aufnehmen kann. Wenn die den Scanner haltende Roboterhand den bestimmten Sichtwinkel erreicht hat, wird ein Scan vorgenommen. Das System erstellt Bildrahmen pro Sekunde, die registriert und mit dem anfänglichen Bild abgeglichen werden.
Um Detailverlust zu vermeiden, erstellt der neue Algorithmus eine farbige Tiefenkarte (Confidence map), die Bereiche geringerer Qualität präzise entdeckt, sodass dort weitere Scans vorgenommen werden können.
Der Scannvorgang wurde mittels Artecs Scanning SDK programmiert. Das Scannen wird automatisch vorgenommen und endet automatisch, sobald die zuvor bestimmte Anforderung erfüllt wurde.
Dieser neue Algorithmus wurde mit zwei anderen auf NBV-basierenden Algorithmen verglichen. Davon konzentrierte sich einer auf Sichtbarkeit, der andere auf Grenzen. Der neue Ansatz stellte sich als qualitativ hochwertiger heraus.
[Fokus auf Sichtbarkeit / Fokus auf Grenzen / Unser Algorithmus]
Die Forscher verglichen außerdem ihren Algorithmus mit rundungs- und tiefenbasierenden Ansätzen: Erneut wurde bewiesen, dass ihre Methode Scans unvergleichbarer Qualität erzeugte.
[Rundungsbasiert (20 Scan-Iterationen) / Tiefenbasiert (20 Scan-Iterationen) / Unser Algorithmus (10 Scan-Iterationen)]
Des Weiteren probierte das Team seinen Algorithmus an einer anderen Roboterplattform aus, einem einarmigen Industrieroboter, der automatisch eine zerbrechliche Elefantenfigur scannte und dabei die höchste Qualität und Wiedergabetreue erzielte.
