In höheren Sphären

In höheren Sphären

Hochauflösende 3D-ToF-Systeme

Ein klassisches ToF-System (Time of Flight) besteht aus einer Lichtquelle, die mit einem speziellen Image-Sensor-Array gekoppelt ist. Die Quelle wird genutzt, um den betreffenden Bereich auszuleuchten, während der Image-Sensor das Licht erfasst, das von den einzelnen Objekten innerhalb des Bereiches reflektiert wird. Die Laufzeit ist dabei direkt proportional zur Entfernung des Objektes. Hochauflösende ToF-Systeme mit speziellen Bildsensoren bieten inzwischen die Möglichkeit sehr detaillierter Abstands- und Tiefen-Kartierungen.
Die Präzision einer Messung mit einem ToF-System wird durch die Kombination von Bildsensor, Abbildungsoptik, Lichtquelle und der verwendeten Algorithmik bestimmt. Das System ordnet jedem Pixel innerhalb des Sensor-Arrays genau einen entsprechenden Punkt innerhalb des Bildes zu (Bild 2). Die Kalibrierung des optischen Systems erlaubt es, das Pixel-Diagramm (Px, Py) mittels zweier Winkel (typischerweise und ) zu kartographieren. Dadurch ist die Bestimmung der Position jedes Bildpunktes anhand seiner Winkel innerhalb eines sphärischen Koordinatensystems möglich. Werden die beiden Winkel mit den Ergebnissen einer Messung r korreliert, ergeben sich zudem räumliche Polarkoordinaten für jedes Objekt im Bildbereich. Oft ist es praktischer direkt in einem rechteckigen (x, y, z) Koordinatensystem zu arbeiten, als in einem sphärischen, welches mit einem ToF-System verknüpft ist. Die Umwandlung zwischen beiden Systemen kann mittels einer Matrix-Multiplikation leicht erreicht werden, was bereits bei einigen aktuellen ToF-Systeme direkt während der Messung möglich ist. Hochauflösende Systeme sind nötig, falls eine Anwendung die genauen Koordinaten benötigt, z.B. bei Pick&Place-Anwendungen. Allerdings muss dann bei den kartesische Koordinaten berücksichtigt werden, wie diese erstellt wurden.

Präzision und Genauigkeit

Unter den zahlreichen Parametern, die die Qualität eines ToF-Systems definieren, sind für den Anwender die ‚Präzision‘ und ‚Genauigkeit‘ einer Messung von größtem Interesse. Präzision ist das Maß der Wiederholbarkeit einer Messung, die meist als 1 über die Verteilung der Messergebnisse definiert ist. Die Genauigkeit hingegen wird durch den Unterschied zwischen den Messergebnissen und den tatsächlichen Referenzdaten definiert. Typischerweise erhöht sich die Präzision, wenn der Einfluss des Rauschens innerhalb der Messung auf ein bestimmtes Signallevel reduziert wird. Sehr genauen Systemen liegt eine sorgfältige Kalibrierung der Entfernungsdaten zugrunde. Die Präzision eines ToF-System wird durch die Hardware-Konfiguration, die spezielle Anwendung und die Objekte, die abgebildet werden, entscheidend bestimmt. Wichtige Parameter sind hier das Reflektionsverhalten und der Abstand des Objektes, seine Position und Bewegung innerhalb des untersuchten Arbeitsbereiches, sowie der relative Winkel zum ToF-System. Alle diese Parameter können das Ergebnis beeinflussen und die Präzision der Messergebnisse mindern, wie sie anhand des Signal-Rausch-Verhältnis (SNR) definiert ist. Eine Einschränkung der Parameter bringt daher eine signifikante Verbesserung der Präzision mit sich. Parallel kann die Hardware-Konfiguration des ToF-Systems optimiert werden, um die Leistung zu verbessern, z.B. durch eine verbesserte Ausleuchtung bzw. Verkleinerung des untersuchten Arbeitsbereiches oder durch das Kombinieren mehrerer Pixel. Nachdem eine typische Konfiguration für die Anwendung definiert wurde, ist die optimale Spezifikation des ToF-Systems möglich. Eine letzte Überlegung zur Präzision des Systems muss das Rauschverhalten des Systems als Ganzes beinhalten. Die Kontrolle der möglichen Rauschquellen im System sollte so sein, dass das Rauschen die Gaußsche Verteilungsregel erfüllt und eine konstante Spektraldichte hat. Dann besteht die Möglichkeit, SNR-Verbesserungen durch multiple Erfassungen auszunutzen, d.h. die Präzision der Distanzmessung wird proportional zur Quadratwurzel der Anzahl der Erfassungen. Damit kann die erforderliche Präzision innerhalb einer Messung mit mehreren Erfassungszyklen erreicht werden.

Fazit

Mit ToF-Systemen ergeben sich neue Möglichkeiten für die Bildverarbeitung. Der Schlüssel für eine effektivere Anwendung der Systeme ist die Verbindung des Know-Hows über mögliche Einsatzbereiche, der Hardware sowie des eigentlichen Messprozesses. Neue Generationen hochauflösender ToF-Systeme, wie z.B. aus dem real.iZ-Portfolio, unterstützen den Anwender während der Implementierung und bei der Anwendung, weil sie modulare Hardware, wohldefiniertes Rauschverhalten und benutzerdefinierte Aufnahmesequenzen bieten.

Das könnte Sie auch Interessieren

Bild: Basler AG
Bild: Basler AG
Details bei 80m/min

Details bei 80m/min

Bei der Herstellung von Batteriezellen ist eine hohe Qualität in allen Prozessschritten entscheidend, um den Materialausschuss zu reduzieren. Digitale Bildverarbeitungslösungen von Basler eröffnen Möglichkeiten, auch kleinste Defekte bei der Elektrodenbeschichtung zuverlässig zu erkennen.

Bild: Vision Components
Bild: Vision Components
Eingebettet

Eingebettet

Eingebettete Bildverarbeitungssysteme sind hochintegrierte Single Board Computer, die zusammen mit Kameratechnik ein Vision System ergeben, das nicht der klassischen komponentenbasierten PC-Technik und -struktur entspricht. Derartig spezialisierte Embedded Vision Systeme sind kompakter, kostengünstiger, energiesparender, oft auch leistungsfähiger und auf ihre Arbeitsumgebung angepasst.

Bild: Mercedes-Benz Group AG
Bild: Mercedes-Benz Group AG
Kurzzeit-Röntgen

Kurzzeit-Röntgen

Zusammen mit dem Fraunhofer EMI hat Mercedes-Benz den weltweit ersten Röntgencrash mit einem realen Pkw durchgeführt. Mit der Kurzzeit-Röntgentechnologie lassen sich hochdynamische innere Deformationsvorgänge mit bis zu 1.000fps darstellen, was die Technologiedemonstration in der EMI-Forschungscrashanlage bei Freiburg gezeigt hat. Bisher unsichtbare Verformungen und ihre exakten Abläufe werden so transparent.

Bild: ©Ryan/stock.adobe.com
Bild: ©Ryan/stock.adobe.com
Potenziale des Quantencomputings für die Bildverarbeitung

Potenziale des Quantencomputings für die Bildverarbeitung

Das Versprechen des Quantencomputings, komplexe Probleme mit bisher unerreichter Geschwindigkeit zu lösen, eröffnet neue Horizonte in zahlreichen Bereichen. Auch in der Bildverarbeitung könnten die Prinzipien der Quantenmechanik und deren Anwendung in Quantenalgorithmen zu signifikanten Fortschritten führen. Doch während die theoretischen Grundlagen vielversprechend sind, steht die praktische Umsetzung noch vor einigen Herausforderungen.