Upload
griselda-zier
View
108
Download
0
Embed Size (px)
Citation preview
7. Anwenderforum Rapid Product Development
25. September 2002
Fraunhofer IPA Stuttgart
Best Fit Matching von Punktewolken
Dipl.-Math. Norbert Schuhmann
Pagoda Systems Software Solutions, Stuttgart
Best Fit Matching von Punktewolken
Pagoda Systems Software SolutionsPagoda Systems Software Solutions
Unternehmensprofil:Unternehmensprofil:
• 3 Absolventen (Mathematik / Informatik) der Universität Stuttgart
• Erfahrung in CAD-Anwendungsentwicklung durch langjährige Arbeit am Fraunhofer IPA in Stuttgart
• Gründung des Unternehmens Pagoda Systems Software Solutions im Jahre 2001 in Stuttgart
Best Fit Matching von Punktewolken
Aufgabenstellung Best Fit MatchingAufgabenstellung Best Fit Matching
Best Fit Matching von Punktewolken
Aufgabenstellung Best Fit MatchingAufgabenstellung Best Fit Matching
• 2 oder mehrere Punktewolken
• aus verschiedenen Winkeln aufgenommen
• Kalibrierungsfehler
Korrektur ?
Best Fit Matching von Punktewolken
Überblick Best Fit MatchingÜberblick Best Fit Matching
• ICP Methode
• Projektion von Punktewolken
• Paarweises Matching
• Simultanes Matching
• Simultanes Matching für die Zahntechnik
• Zusammenfassung und Ausblick
Best Fit Matching von Punktewolken
P.J. Besl, N.D. McKay: Registration of 3D Shapes (1992)
• Gegeben: Punktewolke {Pi} = „Ist“ und Fläche F = „Soll“
• Gesucht: Abbildung f({Pi}), so daß
dist(f({Pi}),F) Minimum
ICP Methode: Iterative Closest PointICP Methode: Iterative Closest Point
ICP Methode
Iterate{
• Suche zu {Pi} benachbarte Punkte auf F {Qi}
• Registriere {Pi} auf {Qi} {Pi´}
• Update: {Pi} = {Pi´}
} until (Konvergenz)
Best Fit Matching von Punktewolken
ICP Methode: Iterative Closest PointICP Methode: Iterative Closest Point
{Pi}
S
P1
P8
P31
Q1
Q8
Q31
xx
x
x
x
x
Suche nächste Punkte
xx xx
x
x
P31´
P8´P1´
Q31
Q8
Q1
{Pi´}
S
Registrierung
Best Fit Matching von Punktewolken
ICP Methode: Iterative Closest PointICP Methode: Iterative Closest Point
Eigenschaften:
• Korrespondierende Punktepaare für Registrierung notwendig
• Orthogonale Projektion auf S
• Registrierung findet beste Lösung: Restfehler Minimum
• Verbesserung in jedem Schritt Konvergenz
• Globales Minimum nur für hinreichend guten Startwert
Best Fit Matching von Punktewolken
Projektion von PunktewolkenProjektion von Punktewolken
Bestimmung korrespondierender Punktepaare für 2 Punktewolken
Oberfläche S nur in diskreten Punkten {Qi} gegeben
Suche nach nächstem Punkt ?
{Pi}
{Qi}
xx
x
x
xx
x
xx x
x
x
x
x
x
• Fehlervektoren nicht orthogonal
• Genauigkeit Registrierung-Schritt ?
• Was ist „orthogonal auf {Qi}“ ?
Best Fit Matching von Punktewolken
X
X
X
XX
X
X
XX
XX
X
X
X
X
XX
X
X
X
X
XX
X
X
X
X
XX
X
X
X
X
XX
X
X
X
X
XX
X
X
X
X
XX
X
X
X
XX
X
X
Projektion von PunktewolkenProjektion von Punktewolken
XPunkt aus {Pi}
Suche nach nächstem Ebenenaufpunkt
und orthogonale Projektion auf EbeneX
Lokale Approximation von Ebenen
Approximation der Oberfläche
X
X
Paarweise Korrespondenz:
ICP Methode anwendbar
Punktewolke {Qi}
Best Fit Matching von Punktewolken
Paarweises MatchingPaarweises Matching
Anwendung:
Soll-Ist-Vergleich (Ausrichtung) auf Basis von PunktewolkenBeispiel: Vergleich von 2 Messungen
Mehr als 2 Punktewolken: Sukzessives paarweises Matching ?
Möglich, aber Addition der Restfehler !
Vorausrichtung notwendig !
Best Fit Matching von Punktewolken
Sukzessives paarweises MatchingSukzessives paarweises Matching
Reihenfolge:
1) grün rot
2) blau grün (geändert)
3) gelb blau (geändert)
4) rot gelb ?
zerstört 1 !!!
Lösung: Simultanes Matching
Best Fit Matching von Punktewolken
Paarweises vs. Simultanes MatchingPaarweises vs. Simultanes Matching
Paarweises Matching:
Minimierung von
k dist( f({Pk}), {Qk} )
Simultanes Matching:
Minimierung von
i k dist( fPi({Pk}), fQi({Qk}) ), i =1,..., #Überlappungen
Best Fit Matching von Punktewolken
Komplexität:
Simultanes MatchingSimultanes Matching
• Jede Punktewolke hat 6 räumliche Freiheitsgrade
• 1 Punktewolke soll raumfest verbleiben
• N Punktewolken: 6(N-1) räumliche Freiheitsgrade
• Lösen führt auf nichtlineares System von 6(N-1) Gleichungen mit 6(N-1) gesuchten Transformationsparametern
• Approximation der Oberflächen, Bestimmung der Überlappungsbereiche und Projektionen aufwändig
Best Fit Matching von Punktewolken
Implementierung für Zahntechnik:
• Simultanes Matching als Industrielösung für DCS-Dental AG (Schweiz) implementiert
• In Software Dentform ab Oktober 2002 integriert
Simultanes Matching: ImplementierungSimultanes Matching: Implementierung
Schwerpunkte:
• Schnelle Nachbarsuche in Punktewolken
• Optimiertes numerisches Lösungsverfahren für nicht-lineares System
Best Fit Matching von Punktewolken
Demo
Simultanes Matching: ImplementierungSimultanes Matching: Implementierung
Best Fit Matching von Punktewolken
Gematchter Zahnstumpf
Feature-Analyse:
Automatische Erkennung der
Präparationsgrenze
Simultanes Matching für die ZahntechnikSimultanes Matching für die Zahntechnik
Vermaschter Zahnstumpf:
nur Zahn-“Kappe“
Best Fit Matching von Punktewolken
Zusammenfassung und AusblickZusammenfassung und Ausblick
Zusammenfassung
• ICP-Methode und paarweises Matching von Punktewolken
• Sukzessives paarweises Matching vs. simultanes Matching
• Simultanes Matching für die Zahntechnik
Ausblick:
• Automatische Startwerte durch Feature-Analyse ?
• Ausgleichen von Skalierungsfehlern Kalibrierung
Best Fit Matching von Punktewolken
Was wir für Sie tun können ...Was wir für Sie tun können ...
• Erstellung von individuellen, Problem angepaßten Lösungen
• Quell-Code oder ausführbares Programm
• Themen (Auswahl):
– Matching, Kalibrierung
– Feature Erkennung
– Polygonisierung (Erzeugung von Dreiecksnetzen) von Punktewolken
– Messen in Punktewolken und Soll-Ist-Vergleich
– Bildauswertung von optischen Systemen
– ...