Volume 88, Issue 6 - Forum Bildverarbeitung 2020 / Gastherausgeber: Michael Heizmann, Thomas Längle

Choosing a proper lighting approach is a crucial task in designing visual inspection systems. It becomes especially challenging for complex-shaped, transparent objects, which change the directional distribution of incoming light in various ways. We overcome this challenge by constructing a light field display and deploy it as a highly tunable lighting device. Thereby, an object-specific light field can be generated, which highlights the features of the object under test with maximum contrast. We explain the calibration procedure, the rendering pipeline and present examples of customized illuminations.

Recently, inkjet-printed microoptics, such as microlens arrays, have become popular in scientific research as well as industrial applications due to the fast prototyping and production. Naturally, the process parameters have a strong influence on the printed end results. However, optimization of these parameters requires expert knowledge and manual quality control which is subjective and error-prone. To overcome these limitations, we propose an automated evaluation pipeline utilizing both light and confocal microscope images as well as multiple quality measures to quantitatively evaluate the quality of the printed microlens arrays, including the individual microlens radii, sag heights, and focal lengths, as well as the array’s grid parameters.

In this work, we improve the semantic segmentation of multi-layer top-view grid maps in the context of LiDAR-based perception for autonomous vehicles. To achieve this goal, we fuse sequential information from multiple consecutive LiDAR measurements with respect to the driven trajectory of an autonomous vehicle. By doing so, we enrich the multi-layer grid maps which are subsequently used as the input of a neural network. Our approach can be used for LiDAR-only 360 ° surround view semantic scene segmentation while being suitable for real-time critical systems. We evaluate the benefit of fusing sequential information using a dense semantic ground truth and discuss the effect on different classes.

Sophisticated and highly specialized optical measuring devices are becoming increasingly important for high-precision manufacturing and environment perception. In particular, light field cameras are experiencing an ever-increasing interest in research and industry as they enable a variety of new measurement methods. Unfortunately, due to their complex structure, their calibration is very difficult and usually precisely tailored to the particular type of light field camera. To overcome these difficulties, we present a method that decodes a light field from the raw data of any light field imaging system without knowing and modeling the internal optical elements. We calibrate the camera using a precise generic calibration method and transform the obtained ray set into an equivalent light field representation. Finally, we reconstruct a rectified light field from the irregularly sampled data and in addition we derive the geometric ray properties as intrinsic camera parameters. Experimental results validate the method by showing that both the information of the observed scene and the geometric structure of the light field are preserved by an adequate rectification and calibration.

Collisions are a major cause of unplanned downtime in small series manufacturing with machine tools. Existing solutions based on geometric simulation do not cover collisions due to setup errors. Therefore a solution is developed to compare camera images of the setup with the simulation, thus detecting discrepancies. The comparison focuses on the product being manufactured (workpiece) and the fixture holding the workpiece, thus the first step consists in segmenting the corresponding region of interest in the image. Subsequently edge detection is applied to the image to extract the relevant contours. Additional processing steps in the spatial and frequency domain are used to alleviate effects of the harsh conditions in the machine, including swarf, fluids and sub-optimal illumination. The comparison of the processed images with the simulation will be presented in a future publication.

Zusammenfassung In dieser Arbeit stellen wir einen neuen Ansatz zur geometrischen Inspektion großer mechanischer Bauteile vor. Dazu benutzen wir ein Portal, das auf einer Linearachse manuell verschoben werden kann. An dem Portal sind ein frei beweglicher 3D-Streifenlichtsensor und eine zusätzliche Augmented-Reality-Kamera angebracht. Insgesamt deckt das Portal einen Arbeitsraum von 8,0×3,0×0,8m38,0\times 3,0\times 0,8\hspace{0.1667em}{\text{m}^{3}} ab, wobei die Position und Orientierung der Sensoren in einem globalen Koordinatensystem durch ein optisches Motion-Capturing-System bestimmt werden. Es wird gezeigt, dass Nutzer mittels Augmented Reality sehr schnell und intuitiv grobe Geometrieabweichungen erkennen können. Zur detaillierten, metrischen Vermessung können 3D-Punktewolken aufgenommen und automatisiert ausgewertet werden.

Zusammenfassung Heutzutage finden die aus Abfällen gewonnenen Brennstoffe eine zunehmende Verwendung bei industriellen Verbrennungsprozessen, wie beispielsweise zur Erzeugung von Wärme bei der Verbrennung in Zement-Drehrohröfen. Um eine kontrollierbare und sichere Verbrennung dieses alternativen Brennstoffs zu gewährleisten, ist eine Analyse des Flug- und Verbrennungsverhaltens unerlässlich. In diesem Beitrag stellen wir Methoden zur Analyse von Bilddaten vor, die von einer Lichtfeldkamera während der Verbrennung von den aus Abfällen gewonnenen Brennstoffen in einem Drehrohr aufgenommen wurden. Das Kamerasystem liefert 3D-Informationen sowohl zu den Brennstoffpartikeln als auch zur inneren Form des Drehrohrofens. Die Analyse beinhaltet Verfahren zur Partikeldetektion unter Verwendung von 3D-Clustering-Algorithmen und Verfahren zur Partikelverfolgung unter Verwendung von Multi-Objekt-Tracking-Algorithmen.

Zusammenfassung Die Zulassung von Feuerlöschern erfordert die Durchführung von Versuchen für den Nachweis des Löschvermögens eines Feuerlöschermodells. Damit dieser Versuch unabhängig von den Fähigkeiten menschlicher Löschmeister ist, soll die Durchführung automatisiert werden. Dafür wird der Stand der Forschung auf Algorithmen untersucht, die mithilfe einer Farb- und einer Infrarotkamera Flammen und Glutnester lokalisieren können. Diese Informationen sollen genutzt werden, um den Löschversuch effektiv und effizient durchzuführen. Dafür werden in diesem Beitrag sechs Algorithmen zur Lokalisierung von Flammen in Farbbildern und drei Algorithmen zur Lokalisierung von Glut in den Bildern einer Infrarotkamera anhand der Kriterien Sensitivität, Falsch-Positiv-Rate, Intersection over Union und durchschnittlicher Ausführungsdauer verglichen. Anhand des Ergebnisses des Vergleichs wird jeweils ein Algorithmus für das automatisierte Löschen des Normbrandversuchs ausgewählt.