CN112825191A - 用于分割来自物体测量的测量数据的计算机实现的方法 - Google Patents
用于分割来自物体测量的测量数据的计算机实现的方法 Download PDFInfo
- Publication number
- CN112825191A CN112825191A CN202011306887.9A CN202011306887A CN112825191A CN 112825191 A CN112825191 A CN 112825191A CN 202011306887 A CN202011306887 A CN 202011306887A CN 112825191 A CN112825191 A CN 112825191A
- Authority
- CN
- China
- Prior art keywords
- region
- homogeneous
- measurement data
- regions
- object representation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30116—Casting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及分割来自物体测量的测量数据的计算机实现方法,物体具有至少一个材料过渡区,用测量数据生成包含至少一个材料过渡区的数字物体表示,其具有物体的多个空间分辨图像信息,方法具有以下步骤:确定具有延伸范围小于预定延伸范围的至少一个微结构的测量数据;确定测量数据和/或数字物体表示中的至少两个均质区,其中的至少一个具有微结构;分析多个空间分辨图像信息的局部相似性;调整各均质区的延伸范围,直至各均质区的至少一个边界区域布置在材料过渡区的预期位置处;基于经调整的均质区分割数字物体表示。还提供一种改进的分割来自具有微结构的物体的测量的测量数据的计算机实现方法,其提供对来自物体测量数据的材料过渡的正确检测。
Description
技术领域
本发明涉及用于分割来自物体测量的测量数据的计算机实现的方法。
背景技术
为了质量检查制造物是否符合期望的设定条件,对物体进行测量并且与该期望的设定条件相比较。测量在此例如可以作为尺寸测量来执行。尺寸测量例如可以借助对物体表面的各不同点的扫描来实现。另外,可以执行例如计算机层析X射线摄影测量,其中,对借此获得的测量数据进行分析。在此情况下,物体内的表面也可被检查。测量数据此时例如能以体积数据形式存在或者说被转换为体积数据。为了能相互区分该测量数据中的各不同物体区域,所述测量数据被分割为各不同区域。这例如在可视化、反向工程、多组分功能分析以及材料和材料特性模拟中是特别有意义的。另外,可以在执行所述方法前对该测量数据进行预处理。例如可以对测量数据使用伪影修正(例如金属伪影)、光固化或基于分割的几何形状的散射光修正和数据过滤(例如高斯过滤或中值过滤)。
但多材料测量物体的体积数据的分割迄今无法令人满意地进行,因为对于两种具体材料之间的每个材料过渡都需要具体调整分割算法。因此,例如必须在分析灰度值以识别在测量数据中具有较小灰度值的材料之间的材料过渡时采用比用于识别在测量数据中有较大灰度值的材料之间的材料过渡更小的阈值。因此,依据整体阈值来获得体积数据分割的希望不大。尤其当测量数据包含伪影或微结构时,许多算法无法正确分割各不同材料。此外,正确分割不足以在所有材料过渡处提供精确测量结果,即不足以精确确定材料过渡位置。
发明内容
因此,提供一种改善的用于分割来自具有微结构的物体的测量的测量数据的计算机实现的方法可被视为本发明的任务,其中该方法提供对来自物体测量数据的材料过渡的正确识别。
在本发明的一个方面,提供一种用于分割来自物体测量的测量数据的计算机实现的方法,其中该物体具有至少一个材料过渡区,其中通过该测量数据来产生包含所述至少一个材料过渡区的数字物体表示,其中该数字物体表示具有该物体的多个空间分辨图像信息,其中该方法具有以下步骤:确定测量数据,其中,该测量数据具有至少一个微结构,该微结构所具有的延伸范围小于预定延伸范围;确定该测量数据和/或该数字物体表示中的至少两个均质区,所述至少两个均质区中的至少一个均质区具有微结构;分析多个空间分辨图像信息的局部相似性;调整各均质区的延伸范围,直至各均质区的至少一个边界区域布置在材料过渡区的预期位置上;基于经调整的均质区对该数字物体表示进行分割。
利用本发明,采用各种不同的算法来分割具有微结构的物体。在这种情况下,该算法研究物体测量数据的各不同显示形态。借助使用各不同算法连同其各自优缺点,可以尽量最佳地充分利用所用算法的特长。因此例如可以利用一种算法首先对图像数据的图像信息进行分析,其中,例如将将各图像信息与局部相邻的图像信息进行比较以确定均质区。这可以被称为预分割。另外,这例如可以有利地基于三维测量数据来进行。但也可以采用也可与三维测量数据逻辑关联的两维测量数据。于是,相似的图像信息被汇总成一个均质区。通过这种方式来确定至少一个均质区。在这种情况下,确定均质区所基于的算法可能不准确,因此,均质区的边界未与能界定该均质区的材料过渡区的位置一致。可以利用另一算法来对图像信息的局部相似性进行分析。利用局部相似性分析可以确定图像信息仅略微与相邻图像信息相似的区域。这些区域可以被认为是材料过渡区的预期位置。该预期位置此时也可以例如从物体的理论几何形状或者测量数据的其它显示中得到。均质区的边界区域然后借助另一算法例如通过移动其位置来进行调整。在这种情况下,均质区的延伸范围可被改变。对边界区域的位置进行调整,直到边界区域包括材料过渡区的预期位置。各个算法的缺点因此可通过采用其它算法来补偿。在这种情况下,边界区域被理解为是指均质区的用于界定均质区的部分。在这种情况下,边界区域可以在均质区内具有预定边界区域延伸范围。
在该示例中,在局部相似性显示中,具有超出针对局部相似性的预定阈值的值的区域可以被认为是不同的材料区域之间的材料过渡区。由该材料过渡区界定的区域于是完全对应配属于以下材料,该材料在预分割之后具有该区域的最大部分。在这种情况下也可能发生的是,在材料区域之间未形成完整的材料过渡区。这例如可以通过“闭合”形状运算来闭合,在这种情况下,相关的材料过渡区是共生的并且其之间的小区域被去除。
为此,数字物体表示的分割基于在至少两个均质区之间的经调整的均质区来进行。在此,材料过渡区的预期位置的确定可以包含在均质区边缘的小搜索范围,在该小搜索范围内搜索该材料过渡区。在这种情况下,在起到主分割(如比较细的分割)作用的基于经调整的均质区分割数字物体表示的步骤(此分割步骤与分析多个空间分辨图像信息的局部相似性和调整各均质区延伸范围直至每个均质区的至少一个边界区域的步骤一起安排在材料过渡区的一个预期位置上)之前,执行预分割(例如比较粗略的分割)。预分割例如可以包含确定在测量数据和/或数字物体表示中的至少两个均质区的步骤,其中所述至少两个均质区中的至少一个具有微结构。在这种情况下,当局部相似性降低时,可以在随后的主分割中例如确定均质区之间的材料过渡区。否则,相关的均质区汇合。在这种情况下,材料过渡区例如可以是一个材料表面、两个相接的材料表面、多个由窄材料区分开的材料过渡部或者单个材料的内部结构的一个过渡部等。粗略分割的结果可以是对均质区的延伸范围的检测,但也可以是对类似纹理的区域或对该均质区内的微结构的检测。接着,数字物体表示的分割步骤可以基于经调整的均质区执行。均质区内的微结构可以通过预分割和主分割的结合相比没有这样的结合时被更好地检测。
微结构例如可以被理解为是指延伸范围小于预定延伸范围的纹理或结构。利用预定延伸范围来确定至少一个微结构的尺寸。该预定延伸范围可以由用户或测图规范针对所述方法来设定。
均质区在这种情况下被理解为是指具有统一的材料或统一的材料混合物的区域。图像信息例如可以是从计算机层析X射线摄影测量的测量数据中在物体尺寸测量范围内获得的灰度值。
此外,如下这样的区域被视为均质,其测量数据或图像信息例如位于两个阈值之间(例如在一个上阈值和一个下阈值之间),即在该区域中,局部测量数据是相似的或者说具有相似值,即,当局部相似性高时。数字物体表示中的均质区的图像信息为此在一个示例中可以具有在窄的灰度值范围内的灰度值。在物体中,这些区域可以具有统一的材料或统一的材料混合物。为此,均质区并非绝对均匀一致,而是可以在容差内具有波动。所述阈值可以被预先确定或者可以在确定均质区时确定。但区域的均质性无需用灰度值来限定。在另一示例中,具有含纤维材料但纤维取向相似的区域可以被视为均质,即便灰度值本身在此情况下并非均匀一致。但是,由源自所述纤维的纹理限定的图案是均质的。一个区域或整个物体的材料例如可以是整块材料,即在材料过渡区中的材料过渡在此示例中于是可以是以不同的材料结构之间的过渡或在整块材料与背景之间的过渡。
材料过渡区例如可以具有在生物材料、焊缝或不同纤维取向的区域之间的过渡。不需要该材料过渡区具有清晰的材料表面。在另一个示例中,材料过渡区可以近似或表现为测量以及CAD模型中的表面。
此外,所述至少一个材料过渡区例如可以是多材料过渡区。术语多材料在此并非仅涉及多个均匀单独材料的区域。纤维或孔隙的存在也分别可能明确说明在整块材料内的分离材料区,即便当基础材料保持不变时。尤其在材料组成相同或相似时的不同特性的区域也可以被明确解读为分离材料。因此,CT扫描的背景(通常是物体周围的空气)也可以是测量数据中的材料。
也就是说,除了表示物体的背景的图像信息外,该物体在测量数据中还包含用来确实材料过渡(例如表面的)至少两个材料。
根据另一个示例,在确定测量数据和/或数字物体表示中的至少两个均质区的步骤之后(其中所述至少两个均质区中的至少一个具有微结构),可以为所述至少两个均质区分配预定材料。
为此,该方法可以在预分割、主分割或随后可选的准确表面确定或材料过渡区位置准确确定之后基于预期的材料过渡区位置和被分割物体表示给这些被分割区域分配所属的具体材料,只要这还未在先例如通过预调准理论几何形状(如CAD模型)进行。如果不存在理论几何形状,则这可借助不同方法来执行。被分割区域的典型灰度值例如可与预期材料及所属灰度值或吸收系数的名单相对照。另选地或附加地,可以基于被分割区域的几何形状而例如存在一种部件目录,其所包含的几何形状可以与所述区域的几何形状相比较。
根据另一示例,可以规定该方法具有以下其它步骤:当在该方法的至少其中一个步骤中确定至少一个均质区所具有的延伸范围小于预定延伸范围时,从所述至少一个均质区确定理论图像信息。
在分析期间可能出现以下情况,识别出还未被分配给材料的小的新区域。因为该区域的尺寸小,所以难以确定(或许恒定的)灰度值水平来确定所属的材料。当记录系统的点扩张函数(PSF)处于与该小区域的尺寸一样的数量级或大于该小区域的尺寸时,情况尤其是这样。在这种情况下,相邻的材料或均质区不利地影响小区域的灰度值或使小区域的灰度值失真。因而在此示例中针对该小区域确定理论上正确的或未受干扰的灰度值。该理论上正确的或未受干扰的灰度值是材料在其未受相邻材料干扰时所具有的均匀灰度值。由此例如可以利用对相邻区域的均匀灰度值、PSF和/或边界面的几何形状的了解。基于该了解,例如能够(或许以基于模型的方式)来计算该小区域的正确灰度值水平必须是怎样的才能产生出现在测量数据中的灰度值分布。在另一示例中,该理论上正确的或未受干扰的灰度值可以借助数学展开来求出。借助该理论上正确的或未被干扰的灰度值,现在可以对应分配给材料。
在另一示例中,当在该方法的至少其中一个步骤中确定至少一个均质区所具有的延伸范围小于预定区域延伸范围时,可以基于所述至少两个均质区中的一个的拓扑结构在所述至少两个均质区的该均质区中配属预定材料。
在这种情况下,新区域借助拓扑结构分析来分配材料。在这种情况下采用与环境中的连接材料相关的信息。当例如在两个材料之间的材料过渡区内发现一个新区域时,可以通过拓扑结构分析将该新区域或许分配给相邻区域。对该新区域和相邻区域的拓扑结构进行检查。利用所检查的拓扑结构来获知在所述新区域与所述相邻区域之间是否存在连接。所述新区域的具有与其中一个相邻区域的连接的部分被分配给该相邻区域并且与对应的相邻区域相连。在这种情况下,整个新区域也可以与对应的相邻区域相连。同样,可以利用所检查的拓扑结构来确定所述新区域或新区域的部分与相邻区域之间的边界面。具有与所述新区域或所述部分的边界面的相邻区域可以被排除与新区域或其部分的连接。另外,当基于所检查的拓扑结构确定不存在与相邻区域的连接时,该新区域可以形成一个单独的均质区。为此,该信息被用来检查该区域是否属于其中一个材料,例如基于理论上正确的或未受干扰的灰度值水平。
另选地或附加地,某些与该新区域相邻的区域可能因为该新区域由于其拓扑结构而必然是一个单独区域而已经被排除。
在另一示例中,局部相似性的分析可以基于多个空间分辨图像信息的变化过程和/或多个空间分辨图像信息的局部差异。
当图像信息例如是灰度值时,所述变化过程可以表示空间分辨灰度值的梯度。当均质区基于纹理时,例如可以利用图像信息的局部差异来确定局部相似性。在这种情况下,梯度显示优选是局部梯度的绝对值。它们指示在材料过渡区附近的增加值。
此外,在确定数字物体表示的至少两个均质区之前,该方法例如还可以包含以下步骤:将理论几何形状的数字表示与数字物体表示对齐;其中,至少两个均质区的确定基于理论几何形状的数字表示来执行。
为此,例如可以从理论几何形状中得到材料过渡区的预期位置,以便至少获得测量数据的粗略预对齐。在这种情况下,该理论几何形状可以是物体的CAD模型。该理论几何形状的或CAD模型的区域于是可以被分配给测量数据的对应区域。该计算机实现的方法因此可以在确定材料过渡的位置时利用对该理论几何形状的现有了解。这可以作为预分割的一部分来执行。
另选地或附加地,也可以利用来自借助其它传感器(如光学方法如带状光投影)的测量的物体几何形状的信息。
例如,在确定测量数据和/或数字物体表示中的至少两个均质区的步骤之后(其中,所述至少两个均质区中的至少一个具有微结构),该方法可以包含以下步骤:创建标记域段,其借助测量数据和/或数字物体表示中的空间分辨标记值来限定均质区,其中,该标记域段的空间分辨率高于测量数据的空间分辨率。
当须分割微结构(如另外两种材料之间的材料薄层)时,检测可靠性可以在预分割后使均质区适应于该微结构而进一步改善。在这种情况下,主分割例如可以借助标记域段来执行,该标记域段将均质区例如限定为例如可以由材料过渡区界定的单独材料区域。所述标记域段和测量数据无需为此具有相同的取向。为了能够确保材料区域也可以适应该微结构,即例如微小的、薄的和/或窄的结构,标记域段的分辨率可以被选为比待分割测量数据的分辨率更高,即更精细。
标记域段为数字物体表示中的一个位置分配一种材料。为此,图像信息的各不同值或值范围(例如灰度值)可以被分配。因此,例如处于两个阈值之间的特定范围在不同情况下可以被分配给不同的材料。同时,利用所述分配来限定均质区。标记域段隐含表示材料过渡区的粗略位置。根据另一示例,距离域段的距离值可以被分配给各标记域段,其中,该距离值限定距相关均质区的最近边界面的最短距离。该距离域段隐含代表该表面的位置。不同的材料的最终材料过渡区可以借助单个(或许无符号的)距离域段以亚体素级精确度(subvoxel accuracy)进行存储。距离域段在此表示或存储表面所处位置。在这种情况下,一个标记值也可以被分配给多个距离值并因此例如可以在均质区的交叠区域中被分配给不同的均质区。与该标记域段一起,针对该表面的每个区域来确定涉及哪个材料过渡区。这可以通过在标记域段中相邻示出的材料来显示。由于在确定表面时无论如何通常都会出现标记域段,因此距离域段是描述或存储该表面的一种特别有效的可行方式。
在另一个示例中,在确定该测量数据和/或数字物体表示中的至少两个均质区的步骤之后(其中所述至少两个均质区中的至少一个具有微结构),该方法可以具有以下步骤:创建标记域段,其借助该测量数据和/或数字物体表示中的空间分辨标记值限定该均质区,其中,至少在物体表示的预定区域中,该标记域段的空间分辨率高于测量数据的空间分辨率,其中在物体表示的其余区域中,标记域段的空间分辨率最多与测量数据的空间分辨率一样。
分辨率可以在局部变化以优化计算时间。在估计有微结构的位置处,可以选择高的标记域段分辨率。在估计没有微结构或无法布置微结构的区域中,原则上可以保持低的分辨率。在这种情况下,所述估计例如可以包含在测图规范中,例如可以从也可称为预分割的对至少两个均质区的分析中推导出或者由用户设定。另外,所述估计例如可以源自增材制造的过程数据、可以从经验值中推导出或从制造过程模拟中计算出。
在另一示例中,确定至少两个均质区的步骤可以具有以下子步骤:获取在所述至少两个均质区之间的多条边。
因此,可以在预分割期间针对多条边来分析材料过渡区。所述分析可以基于模型并且可以识别出其中存在多条边的区域,因此可以识别出存在于两个外侧材料之间的先前未发现的区域。所述材料区随后可以在预分割期间(例如在标记域段中)加以考虑。原则上也可以想到,通过这种方式,甚至识别出在一个材料过渡区中更多的其它材料区。这样的多条边搜寻可以基于模型的分割,其可以识别出其中至少两个材料过渡以叠加的方式表示的灰度值过渡。
多条边应被理解为是指包括至少两个不同表面的边缘区域。
该方法例如可以在数字物体表示分割之后还具有以下步骤:分析所确定的边界区域的图像信息以识别在所确定的边界区域内的材料过渡区的有误部分;修正所确定的边界区域的材料过渡区的有误部分。
在基于经调整的均质区的数字物体表示的分割步骤之后,可以进行分割后的材料过渡区的分析以识别余留的错误分割,即有误部分。在此,并非还基于局部相似性表示来分析,而是基于灰度值本身。因为当时相当准确地确定了材料边界,因此保证了在正确位置处完成所述分析。这是特别有利的。如果识别出材料过渡区内的错误分割,则对所述分割进行修正。根据需要,引入新材料区。在这种情况下,也可以采用基于模型的方法,诸如上述的多条边搜寻。
另外,该方法可以具有以下步骤:获取该物体表示中的至少一个非均质区;分析所述至少一个非均质区的空间分辨图像信息以确定该至少一个非均质区内的纹理;分割所述至少一个非均质区。
尤其在增材制造的情况下,通常会产生微结构,例如纹理。这种微结构可以借助获取该物体表示中的至少一个非均质区并分析该至少一个非均质区的空间分辨图像信息以确定该至少一个非均质区中的纹理而被更好地分割。为了识别该非均质区,可以采用不同于本发明上述方法的另选方法。
根据另一示例,所述至少一个非均质区可以包含该物体的粉末状区域的测量数据。
在借助增材制造方法生产的物体中,通常存在具有未熔融粉末的区域,未熔融粉末可能被误解为所制造的物体的固定几何形状。微结构识别步骤与纹理分析步骤的组合因此提高了增材制造物体的整个几何形状的测量准确性。
所述至少一个非均质区可以在进一步分析中作为具有与该非均质区不同的特性的区域被对待。
测量数据中的被识别为非均质区的区域在进一步的分析中被单独对待。在这种情况下,将非均质区视为具有不同的材料特性的单独区域。该材料特性因此例如可以不同于相应的固体材料的特性。尤其是,这也可能意味着非均质区被评估为不属于物体的几何形状。非均质区因为其不能承受任何负荷而照原样被用作物体的背景。进一步的分析例如可以是尺度测量技术、缺陷分析或机械模拟。
在另一方面,提供一种具有可在计算机上执行的指令的计算机程序产品,所述指令在计算机上执行时使得该计算机执行根据以上说明的方法。
计算机程序产品的优点和作用以及改进方案来自上述方法的优点和作用以及改进方案。因此,就此参照以上说明。计算机程序产品例如可以是数据载体,其上存储有具有可让计算机执行的指令的计算机程序元件。另选地或附加地,计算机程序产品例如也可以是指具有该计算机程序元件的永久性的或易失性的数据存储器,如闪存或工作存储器。但是,并未就此排除具有该计算机程序元件的其它类型的数据存储器。
附图说明
本发明的其它特征、细节和优点来自权利要求的表述和以下结合附图对实施方式的说明,其中:
图1示出了计算机实现的方法的流程图,
图2示出了包含确定步骤的示例性实施方式的子步骤的流程图,
图3示出了多材料过渡区的示意图,
图4a和图4b示出了在创建一个新区域之前和之后的材料过渡的示意图,
图5a至图5e示出了该方法的一个示例性实施方式的一系列步骤的示意图。
具体实施方式
用于分割来自物体测量的测量数据的计算机实现的方法以下总体以附图标记100来表示。在下文中,借助图1来说明该计算机实现的方法100。
图1示出了用于分割来自物体测量的测量数据的计算机实现的方法100的一个实施方式的流程图。在这种情况下,该物体具有至少一个材料过渡区。此外,该测量数据包括至少一个微结构,该微结构所具有的延伸范围小于预定延伸范围。该预定延伸范围在此例如可以由用户或测图规范来预先设定。此外,该预定延伸范围例如可以通过对物体的制造进行模拟来确定。
在第一步骤102中,确定物体的测量数据。在这种情况下,该测量数据例如可以借助计算机层析X射线摄影(CT)测量来确定。但对此并未排除用于确定测量数据的其它方法,例如像磁共振层析X射线摄影术等。利用该测量数据来生成包含至少一个材料过渡区的数字物体表示。该数字物体表示包括该物体的多个空间分辨图像信息。
当测量数据是CT数据时,它们不一定必须每个体素仅包含一个灰度值。因此它们可以是多模数据,即来自多个传感器的数据或来自多能-CT扫描的数据,因此对于每个体素存在多个灰度值。此外,在该方法100中,基于初始测量数据的分析结果可以被用作另外的空间分辨灰度值,例如是纤维取向或局部多孔性的分析结果。即使在没有展现可见光谱颜色时,例如被称为颜色通道的附加信息因此也可以被解读为彩色体素数据。该附加信息可以有利地被用在所述方法100中。
在可选步骤114中,将该物体的理论几何形状的数字表示与来自根据步骤102确定的测量数据的数字物体表示对齐。该物体的理论几何形状的数字表示例如可以是在物体制造之前创建的物体的CAD表示。CAD模型中的几何形状不一定必须被描述为表面或材料过渡区。相反或附加地,它也可以隐含表示为图像堆叠、体素体积或距离域段。这尤其可以被用在增材制造中。此外,该信息可以直接或无需费事换算地被变换为标记域段。但并未因此排除理论几何形状的其它表示形式。
在测量数据和/或数字物体表示中基于理论几何形状的数字表示确定至少两个均质区。因为材料过渡区和具有均质材料的物体组分或物体区域在理论几何形状的数字表示中是已知的,因此可以在步骤114的对齐之后从理论几何形状的数字表示中推断出该测量数据中或根据测量数据生成的数字物体表示中的均质区域。
在对齐时,即在将理论几何形状的形状区域适配于测量数据时可以考虑哪些材料涉及灰度值过渡并且其如何分布。从材料分布中,可以得到材料过渡的方向。该信息通常在理论几何形状中是已知的并且可以在不同情况下容易地在局部根据测量数据进行确定。这样可以避免不相配的材料过渡区被分配给彼此,这会导致不正确的对齐。
所述对齐也可以借助测量数据与理论几何形状之间的非刚性映射来执行。
在另一步骤104中,在测量数据和/或数字物体表示中确定至少两个均质区。为此,对图像信息进行分析以确定是否存在均质区,例如是否存在在灰度值范围内的或具有类似纹理的区域。在这种情况下,所述至少两个均质区中的至少一个具有微结构。也可以所有的均质区都具有微结构。
在可选步骤116中,可以针对所确定的均质区创建标记域段,其借助测量数据和/或数字物体表示中的空间分辨标记值限定该均质区。在这种情况下,标记域段的空间分辨率高于测量数据的空间分辨率。也就是说,该标记域段例如可以以亚体素级精确度进行限定。另外,分辨率可以局部变化以优化计算时间。在估计有微结构的位置处,可以选择大的标记域段分辨率。在估计没有微结构或不可能设置微结构的区域中,原则上可以保持低的分辨率。
在另一可选步骤118中,可以在可选的预分割期间创建标记域段,其借助测量数据和/或数字物体表示中的空间分辨标记值限定均质区。
标记域段可以与带符号的或无符号的距离域段相结合。在这种情况下,各标记值被分配距离域段的至少一个距离值。在这种情况下,距离值描述到均质区的最近边界面的距离。可以针对各个材料创建一个单独的距离域段。
均质区的界面布置在材料过渡区中。在这种情况下,可以将一个标记值分配给多个距离域段,并因此可以被分配给多个距离值。也就是说,针对物体内各个材料的材料过渡区可以分别由各自的距离域段表示。借助距离域段,可以伴随少量储存器投入使用和少量计算成本来记录均质区的大小。
在这种情况下,可以利用如下现有知识,其例如指明物体内某种材料中仅有特定大小的体积的关联区域出现在测量范围内。这在创建标记域段时可加以考虑,做法是不将较大的关联区域分配给该材料。这可以降低分割时的误差。
因此,例如在测量区域内可能存在某一最大尺寸的螺旋。如果通过该方法在测量体积中的某个位置为该材料分配了一个较大区域,则可以通过这种方式确定该分配可能是不正确的。
原则上,对齐或者说配准理论几何形状(例如CAD模型)的执行可以以如下方式进行,将来自该测量的材料过渡区适应于理论几何形状的对应材料过渡区。即,搜寻它们尽可能好地重合时的位姿。在这种情况下,为了找到合适的对应分配关系,也可以明确识别几何形状的特殊特征,如角和边。在此情况下,用户或测图规范可以选择应该考虑或不考虑哪些材料、材料过渡或理论几何形状的组成部分。另外,可以在知晓测量数据中的过渡类型的情况下防止错误的对应分配和进而错误的配准。
例如在测量数据与理论几何形状之间的每次配准也可以以非刚性的方式执行。
此外,当创建标记域段时,可以从数据库针对已知的几何形状元素(例如螺旋)搜索测量数据。如果在测量体积内识别出几何形状元素或者说识别出在预定范围内相似的几何形状元素,则对该理论几何形状的了解可以被用于进一步分析,做法是例如在预分割时给灰度值范围分配相应的材料标记,或者使相关联的理论几何形状适应于该几何形状元素。另外,另选地或附加地,可以自动调取相应的评估方案。在另一示例中,物体可以在场景树中被自动标识或命名。从数据库中搜索已知的几何形状元素也可以在方法100的其它步骤中执行。
在另一可选步骤112中,可以给均质区分配具体材料,做法是例如可以在初始测量数据中执行对与该区域相关联的且能以灰度值形式存在的图像信息的分析。在这种情况下,所述至少两个均质区中的至少一个具有微结构。
在步骤106中,对多个空间分辨图像信息的局部相似性进行分析。在这种情况下,例如可以分析多个空间分辨图像信息的变化过程。另选地或附加地,可以对多个空间分辨图像信息的局部差异进行分析。局部差异可以被更快速地计算出并且在多材料过渡区处相比使用变化过程更鲁棒。根据局部相似性可以确定物体的各种不同组成部分之间的材料过渡区的预期位置。材料过渡区的这些预期位置是在步骤104中所确定的均质区的预期边界的位置。
随后,在另一步骤108中对均质区进行调整。为此,各均质区的延伸范围被改变,使得各均质区的边界被布置在材料过渡区的预期位置。材料过渡区的预期位置因此界定了物体表示中的均质区。
在另一步骤110中,对来自数字物体表示的至少两个均质区进行分割。步骤110连同步骤106和108一起被称为主分割。在这种情况下,在数字物体表示中所确定的均质区被调整并彼此界定开。
在步骤110中可以采用来自其它传感器的信息。在调整材料过渡区的位置时,利用这些传感器获得的表面信息可被用来在该方向上扩展材料过渡区或者防止材料过渡区延伸超过如此确定的表面。
随后,当在该方法的至少其中一个步骤中确定至少一个均质区所具有的延伸范围小于预定的区域延伸范围时,可以在可选步骤122中根据所述至少一个均质区域确定理论图像信息。在这种情况下,可以在重新确定的区域的情况下执行拓扑结构分析。在这种情况下,分析该新区域中的图像信息并且例如进行检查以便确认例如灰度值处于哪些区域或者是否能检测到特定纹理。可以通过拓扑结构分析将一种材料分配给该新区域。在此情况下,利用与环境中的连接材料有关的信息,即可以利用该区域的拓扑结构来将新区域中的材料分配给相邻区域。
在另一可选步骤124中,可以对所确定的边界区域的图像信息进行分析以识别所确定的边界区域中的材料过渡区的有误部分。材料过渡区的准确位置在这种情况下在步骤110的分割中被确定。借助材料过渡区的精确位置来确保在步骤124中对图像信息的分析在正确位置搜索表面。当在步骤110中确定已发生有误的分割,也就是说,在步骤124中已经针对材料过渡区的部分确定了步骤110中的有误位置,则在步骤124中有很高的可能性发现这些位置。为此,例如可以采用多边寻找法或其它基于模型的方法。
在另一可选步骤126中,可以在步骤124之后修正所确定的边界区域的材料过渡区的有误部分。为此,例如如果在步骤124中确定了在先前错误分割的材料区部分中设有单独的新区域,则引入新的材料区。
在另一可选步骤128中,在物体表示中、即在测量数据中可以获取非均质区。非均质区例如可能在增材制造方法中在例如粉末在增材制造期间未正确或仅部分熔融时出现在所生产的物体中。通过这种方式,物体可能具有粉末夹杂物,其在测量数据中形成该物体内的非均质区。这些非均质区通常形成微结构,其可能形成为均质区中的微结构。
在另一可选步骤130中,可以对至少一个非均质区的空间分辨图像信息进行分析。进行这种操作是为了确定所述至少一个非均质区中的纹理。尤其当所述非均质区具有未熔融粉末时,该非均质区取而代之地可以具有基于粉末颗粒的纹理。纹理也可能因由非均质区表示的材料中的纤维而出现。
在另一可选步骤132中,对所述至少一个非均质区进行分割。在这种情况下,该非均质区与周围的均质区或者有可能其它的非均质区被界定开。在这种情况下,就像在步骤110中那样可以将一种材料分配给该非均质区,其中该分配基于该非均质区中的图像信息。
图2示出了步骤104的一个可选子步骤120。在这种情况下,子步骤120包括获取至少两个均质区之间的多条边。
图3示出了具有多条边的多材料过渡区的一个示例。在这种情况下,在图3中示出了材料48、54和56。在这种情况下,材料48布置在材料54与56之间并且具有相比于另外两种材料很小的延伸范围。材料过渡区52布置在材料48与材料54之间。材料过渡区50布置在材料48与材料56之间。总体上,这两个材料过渡区50和52形成一个多材料过渡区,其以传统方法只能很困难地分辨。通常,传统分割方法会将这样的区域检测为仅一个材料过渡区。但是,利用上述发明的计算机实现的方法100,可执行彼此挨得很近的多个材料过渡区的识别。
图4a和图4b详细说明了已经在上面描述的可选步骤112。在此示出了图像信息的数字表示10,其表示物体剖视图。在这种情况下,该物体具有分区12、14和16。分区12在图4a中通过材料过渡区20与分区14界定开。分区16通过材料过渡区21与分区12和14界定开。
微结构布置在利用虚线绘制的区域23中,但其在图4a中无法分辨并因此未被示出。
通过检查拓扑结构对区域23以及分区12、14和16进行分析。在此示例中,所述分析表明区域23与分区12、14和16分离。因此根据图4b,形成一个新区域作为分区25,其布置在分区12、14和16之间。该新区域在此表示一个微结构,其具有延伸范围27或29,两者都小于预定延伸范围。
另选地,当对拓扑结构的分析表明区域23与所述分区12、14和16中的一个或多个相连时,该新区域可以与其中一个分区12、14、16合并。该新区域也可能分布在多个分区之间。在这种情况下,新区域25的多个部分被分布在分区12、14和/或16之间。
下面借助图5a至图5e来详述该方法100的可选步骤116和118以及几个其它步骤,它们例示了与方法100相关地使用标记域段。在这种情况下,图5a示意性示出了来自物体局部区域的测量数据的图像信息的数字表示10。示意性数字物体表示例如可以是计算机层析X射线摄影测量的剖视图。在此情况下,所述图像信息可以是灰度值,出于清晰的原因在图5a中未将其示出为灰度值。仅以线的形式示出了灰度值显著变化的过渡区。
物体具有分区12、14、16和18,其图像信息分别形成均质区。分区12通过材料过渡区20相对于分区14被界定开。分区12通过材料过渡区22相对于分区16和18被界定开。材料过渡区24布置在分区16与分区18之间。但在图像信息的数字表示10中还能看到过渡区26、28和30,但它们是由阴影或其它伪影造成的并不是材料过渡区。
在这种情况下,传统算法在区分过渡区26、28和30与材料过渡区20、22和24时存在问题。因此,可以首先执行可选的预分割,其中对图像信息进行分析。
在这种情况下,图5b利用作为标记域段32的网格例示了图5a的图像信息的表示10。标记域段32可以具有任何理想分辨率并且例如可能相比体素或像素更粗略,可具有体素/像素级精确度或亚体素/亚像素级精确度。标记域段32和/或距离域段在大多数情况下具有与测量数据相同的结构和分辨率。但是,例如也可以选择较低的分辨率和进而较大的单元格,或者选择各向异性分辨率和进而长方形而不是正方形。此外,也可以对结构进行调整,例如用四面体代替正方体。另外,也不一定必须借助一个或更多个距离域段来以亚体素级精确度表示材料过渡区。只有在确定了材料过渡区的位置时或之后,这可能是必须的。因此在分割期间仅以标记域段处理并且只在确定了材料过渡区的位置时采用距离域段,计算时间以及储存位可被节省。
当图像信息例如是灰度值时,低于某个阈值的灰度值可以被分配给第一材料,例如空气,其在图5b中用标记“o”表示。高于另一阈值的灰度值被分配给第二材料,其在图5b中用标记“+”表示。在所述两个阈值之间的灰度值可以被分配给第三材料,其在图5b中用“x”表示。
该标记域段能与距离域段结合使用。
另外,来自理论几何形状的关于物体各个部分的信息可以例如在具有数字码1-9的连接器中被用来获得关于相应材料的信息。因此,相同材料的区域也可以被分散到物体的不同部分之间。通过这种方式,分析测量数据变得更清晰。理想情况下,所述区域按照已在理论几何形状中限定的层级结构被列明或表示。
类似地,相同材料的在标记域段中被分开的区域或未连接的区域也可以被自动分到不同部分中。
在下一步骤中,根据图5c来确定从图像信息的局部相似性分析中获得的表示34。这例如可以是梯度表示。在此可以清楚看到材料过渡区20、22和24。在该表示中看不到过渡区26-30。但不同于图像信息的表示10,物体的各个分区无法被定性地相互区分开。也就是说,从根据图5c的视图中无法推断出分区的材料。
表示34与标记域段32逻辑关联,如在图5d中示例性所示。在这种情况下,可辨别的是,均质区不是在所有部分都是由材料过渡区20、22和24界定。因此在主分割期间,均质区的边界被位移,做法是重新标记均质区,例如在箭头36和40处由“o”换为“x”,在箭头38处由“+”换为“x”。在箭头36或40处具有标记“o”的区域在图5e中消失并且现在属于带有标记“x”的区域。在箭头38处,带有标记“+”的区域被缩小,带有标记“o”的区域被扩大。相似的情况出现在箭头42、44和46处。在箭头46和44处,具有标记“+”的两个先前分离的均质区共同增大,其中,带有标记“x”的区域消失。
另选地或附加地,为了创建标记域段,可以在数字物体表示中标示出属于一种材料的各区域。所述标示被智能自动扩展直至下一材料过渡区。也可能的是,可以由用户指明一个材料过渡区并自动扩大直至该材料过渡区例如与其它材料过渡区接合,使得用户不必指明完整的材料过渡区。因此,不需要精确标示。此外,可以采用诸如开、闭、侵蚀以及扩张、逆、布尔运算符或平滑工具(如滤波器)的运算来处理标记域段内的区域。
另外,可以高亮如下区域,按照用户的观点,在该区域中存在材料过渡区。在这种情况下,可以设定锚点,其中可以执行该处理作为材料过渡区和(可以说是)作为元信息,或者在局部相似性的表示中直接改变图像信息。
另选地,有误的材料过渡区也可以被去除或者削弱。在处理之后,标记域段基于此被重新计算。在这种情况下,当在由用户限定的位置无法找到有意义的材料过渡区时也可以发出警告。
还可以采用局部数据质量的基于表面的确定。在这种情况下,各材料过渡区可被分配一个质量值,其表示材料过渡区的精度。
局部相似性的表示可以借助不同的方法根据测量数据尤其是体积数据计算出。因此,例如可以采用Sobel算子、拉普拉斯滤波器或坎尼算法。选择采用哪种算法和如何将其参数化可以由用户人工执行。因此,例如可以基于预览图来选择在创建标记域段时产生最佳结果的算法。此外,可以借助滤波器在调整标记域段之前对局部相似性的表示进行处理,以获得尽量好的结果。一个示例是采用高斯滤波器来尽量降低噪音对标记域段调整时的结果的不利影响。
根据算法的不同,在调整标记域段之后甚至可能对较小的区域进行错误的分割。为了消除这一点,还可以可选地执行子步骤。
在这种情况下,可以对各材料区采用形状算子,诸如开和/或闭,由此去除一些小区域。
此外,小于预定最大值的关联区域可被删除,并且将其分配给周围材料。可选地,在此可以针对被两个以上的其它材料包围的区域配设一个不同的或较大的最大值,或甚至不删除该区域,而只被一个其它材料包围的区域还以上述的最大值来对待。通过这种方式,可以保持获得在另外两种材料之间的材料薄层。
图5e在此示出了主分割的结果。在这里,标记域段的边界大致与材料过渡区20、22和24一致。这些部分或材料12、14和16因此被分割。
基于经调整的标记域段,以更高精度计算出例如可以表示局部表面的材料过渡区。为此可以采用另一专用于此的算法。在这种情况下,在一个小圆圈区域如小体素中搜索材料过渡区的准确位置。这通常是应该基于CT数据进行的准确尺寸测量的前提。
为此原则上可以采用不同的算法。例如,直接作用于测量数据的算法。它们例如可以借助局部阈值或整体阈值或者通过搜索灰度值分布的最大梯度或拐点来确定表面局部位置。
另外,例如可以在局部相似性的表示或者梯度或变化显示中确定材料过渡区的准确局部位置,做法是例如使二次多项式适应于灰度值分布。该多项式的极值的位置可以被用作表面的位置。
但上述说明并不排除其它算法。
从标记域段和隐含存储其中的表示可以推导出材料过渡区中的表面的或许大致的表面法线方向或者材料过渡区中的材料。这可以被几个算法用来得到准确结果。如果可用,则这可以另选地从理论几何形状如CAD模型中得到。
然后,这与如下算法结合执行,该算法可能需要或利用与起始表面有关的信息以基于此来计算表面的准确位置。
此外,可以在创建标记域段之前或之后减少锥束伪影、抽样伪影和噪声。
本发明不局限于其中一个前述实施方式,而是能以各种各样的方式进行改动。
来自权利要求书、说明书和附图的全部特征和优点,包括结构细节、空间布置和方法步骤在内,对于本发明而言,无论是单独还是以多种组合形式,都是必不可少的。
Claims (15)
1.一种用于分割来自物体测量的测量数据的计算机实现的方法,其中,所述物体具有至少一个材料过渡区,其中,利用所述测量数据生成包含所述至少一个材料过渡区的数字物体表示,其中,所述数字物体表示具有与所述物体有关的多个空间分辨图像信息,其中,所述方法(100)具有以下步骤:
-确定(102)所述测量数据,其中,所述测量数据具有延伸范围小于预定延伸范围的至少一个微结构;
-确定(104)所述测量数据和/或所述数字物体表示中的至少两个均质区,其中,所述至少两个均质区中的至少一个均质区具有微结构;
-分析(106)所述多个空间分辨图像信息的局部相似性;
-调整(108)各均质区的延伸范围,直至各均质区的至少一个边界区域布置在材料过渡区的预期位置处;
-基于经调整的均质区分割(110)所述数字物体表示。
2.根据权利要求1所述的方法,其特征是,所述至少一个材料过渡区是多材料过渡区。
3.根据权利要求1或2所述的方法,其特征是,在确定(104)所述测量数据和/或所述数字物体表示中的至少两个均质区的步骤之后,将预定材料分配(112)给所述至少两个均质区,所述至少两个均质区中的至少一个均质区具有微结构。
4.根据权利要求3所述的方法,其特征是,当在所述方法的至少其中一个步骤中确定了所述至少两个均质区中的至少一个均质区的延伸范围小于所述预定延伸范围时,基于所述至少两个均质区中的该均质区的拓扑结构将预定材料分配(112)给所述至少两个均质区中的该均质区。
5.根据权利要求1至4中任一项所述的方法,其特征是,对所述局部相似性的分析(106)基于所述多个空间分辨图像信息的变化过程和/或所述多个空间分辨图像信息的局部差异。
6.根据权利要求1至5中任一项所述的方法,其特征是,在确定(104)所述数字物体表示的至少两个均质区之前,所述方法(100)还具有以下步骤:
-将理论几何形状的数字表示与所述数字物体表示对齐(114);
其中,对至少两个均质区的确定(104)基于理论几何形状的所述数字表示来执行。
7.根据权利要求1至6中任一项所述的方法,其特征是,在确定(104)所述测量数据和/或所述数字物体表示中的至少两个均质区的步骤之后,该方法(100)具有以下步骤,其中,所述至少两个均质区中的至少一个均质区具有微结构:
-创建(116)标记域段,所述标记域段借助所述测量数据和/或所述数字物体表示中的空间分辨标记值限定所述均质区;
其中,所述标记域段的空间分辨率高于所述测量数据的空间分辨率。
8.根据权利要求1至7中任一项所述的方法,其特征是,在确定(104)所述测量数据和/或所述数字物体表示中的至少两个均质区的步骤之后,该方法(100)具有以下步骤,其中,所述至少两个均质区中的至少一个均质区具有微结构:
-创建(118)标记域段,所述标记域段借助所述测量数据和/或所述数字物体表示中的空间分辨标记值限定所述均质区;
其中,至少在所述物体表示的预定区域内,所述标记域段的空间分辨率高于所述测量数据的空间分辨率,其中,在所述物体表示的其余区域内,所述标记域段的所述空间分辨率最多与所述测量数据的空间分辨率一样。
9.根据权利要求1至8中任一项所述的方法,其特征是,确定(104)至少两个均质区的步骤具有以下子步骤:
-获取(120)所述至少两个均质区之间的多条边。
10.根据权利要求1至9中任一项所述的方法,其特征是,所述方法(100)具有以下其它步骤:
-当在所述方法的至少其中一个步骤中确定了所述至少一个均质区的延伸范围小于预定的区域延伸范围时,从至少一个均质区确定(122)理论图像信息。
11.根据权利要求1至10中任一项所述的方法,其特征是,所述方法(100)在分割(110)所述数字物体表示的步骤之后还具有以下步骤:
-分析(124)与所确定的边界区域有关的图像信息以识别所确定的边界区域中的所述材料过渡区的有误部分;
-修正(126)所确定的边界区域的所述材料过渡区的所述有误部分。
12.根据权利要求1至11中任一项所述的方法,其特征是,所述方法(100)还具有以下步骤:
-获取(128)所述物体表示中的至少一个非均质区;
-分析(130)与所述至少一个非均质区有关的空间分辨图像信息以确定所述至少一个非均质区内的纹理;
-分割(132)所述至少一个非均质区。
13.根据权利要求12所述的方法,其特征是,所述至少一个非均质区具有与所述物体的粉末状区域有关的测量数据。
14.根据权利要求12或13所述的方法,其特征是,所述至少一个非均质区在进一步分析中作为具有不同于该非均质区的材料的特性的区域被看待。
15.一种具有能在计算机上运行的指令的计算机程序产品,当在计算机上运行所述指令时,使得所述计算机执行根据前述权利要求中任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019131440.2 | 2019-11-21 | ||
DE102019131440.2A DE102019131440B3 (de) | 2019-11-21 | 2019-11-21 | Computerimplementiertes Verfahren zur Segmentierung von Messdaten aus einer Messung eines Objekts |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112825191A true CN112825191A (zh) | 2021-05-21 |
Family
ID=73475993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011306887.9A Pending CN112825191A (zh) | 2019-11-21 | 2020-11-20 | 用于分割来自物体测量的测量数据的计算机实现的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11776127B2 (zh) |
EP (1) | EP3825959B1 (zh) |
CN (1) | CN112825191A (zh) |
DE (1) | DE102019131440B3 (zh) |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE9013085U1 (de) | 1990-09-14 | 1990-11-15 | Souriau Electric Gmbh, 4006 Erkrath | Kalibrierstecker für einen faseroptischen Lichtwellenleiter |
US5798518A (en) | 1995-07-28 | 1998-08-25 | Laserscope | Medical laser calibration system and method |
US6282349B1 (en) | 2000-02-17 | 2001-08-28 | Stephen Griffin | Launch fiber termination |
US6447537B1 (en) | 2000-06-21 | 2002-09-10 | Raymond A. Hartman | Targeted UV phototherapy apparatus and method |
US7421125B1 (en) * | 2004-03-10 | 2008-09-02 | Altor Systems Inc. | Image analysis, editing and search techniques |
DE102006039471B3 (de) | 2006-08-23 | 2008-03-27 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Flexibler Laserapplikator |
US8369590B2 (en) * | 2007-05-21 | 2013-02-05 | Cornell University | Method for segmenting objects in images |
CN202013442U (zh) | 2011-04-12 | 2011-10-19 | 深圳市泰科微光学有限公司 | 带锥形孔的光纤连接器 |
DE102015201271A1 (de) * | 2014-09-17 | 2016-03-17 | Friedrich-Alexander-Universität Erlangen - Nürnberg | Verfahren und System zur Bestimmung der lokalen Qualität von aus Volumendaten extrahierten Oberflächendaten |
CN204989549U (zh) | 2015-09-07 | 2016-01-20 | 深圳市海阳光电子技术有限公司 | 一种具有锥形孔的光纤毛细管 |
DE102017203879B4 (de) * | 2017-03-09 | 2023-06-07 | Carl Zeiss Smt Gmbh | Verfahren zum Analysieren einer defekten Stelle einer photolithographischen Maske |
EP3503022A1 (en) * | 2017-12-20 | 2019-06-26 | Koninklijke Philips N.V. | System for assessing a pulmonary image |
US11205264B2 (en) * | 2019-10-15 | 2021-12-21 | GE Precision Healthcare LLC | Systems and methods for multi-label segmentation of cardiac computed tomography and angiography images using deep neural networks |
-
2019
- 2019-11-21 DE DE102019131440.2A patent/DE102019131440B3/de active Active
-
2020
- 2020-11-18 EP EP20208370.5A patent/EP3825959B1/de active Active
- 2020-11-20 CN CN202011306887.9A patent/CN112825191A/zh active Pending
- 2020-11-20 US US17/100,628 patent/US11776127B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP3825959B1 (de) | 2023-08-23 |
US20210158530A1 (en) | 2021-05-27 |
EP3825959A1 (de) | 2021-05-26 |
US11776127B2 (en) | 2023-10-03 |
DE102019131440B3 (de) | 2021-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9064328B2 (en) | Dual image method and system for generating a multi-dimensional image of a sample | |
CN108027566B (zh) | 用于测量多层结构的层之间叠对的技术 | |
KR102021945B1 (ko) | 볼륨 이미지 레코드로부터의 국부적 품질 측정들의 결정 | |
US20210358101A1 (en) | Processing image data sets | |
US20150228063A1 (en) | Pattern Inspecting and Measuring Device and Program | |
US8428335B2 (en) | Combining feature boundaries | |
Demir et al. | Automated modeling of 3D building roofs using image and LiDAR data | |
US10545490B2 (en) | Method of inspecting a specimen and system thereof | |
US20100079456A1 (en) | Method for determining a 3D surface approaching the object boundary of an object in a digital 3D data set | |
Heinzl et al. | Processing, analysis and visualization of CT data | |
Loverdos et al. | An innovative image processing-based framework for the numerical modelling of cracked masonry structures | |
US20220215521A1 (en) | Transmission image-based non-destructive inspecting method, method of providing non-destructive inspection function, and device therefor | |
Nagai et al. | SegMo: CT volume segmentation using a multi-level Morse complex | |
KR102473298B1 (ko) | 물체의 복수의 컴포넌트의 3차원 모델 데이터를 구하는 방법 | |
KR20220054630A (ko) | 복수의 부분들을 포함하는 객체의 3차원 와이어프레임 모델을 생성하기 위한 컴퓨터-구현 방법 | |
CN110326026B (zh) | 用于多边缘检测的方法和装置 | |
US20220414890A1 (en) | Computer-implemented method for segmenting measurement data from a measurement of an object | |
US20220405936A1 (en) | Computer-implemented method for segmenting measurement data from a measurement of an object | |
CN112825191A (zh) | 用于分割来自物体测量的测量数据的计算机实现的方法 | |
US20220148211A1 (en) | Computer-implemented method for determining surfaces in measurement data | |
Großeheide et al. | Adaptive surface geometry determination in multi-material x-ray computed tomography using fringe projection | |
RU2713707C2 (ru) | Классификация тканей головного мозга | |
US11703440B2 (en) | Porosity of a part | |
US20230104859A1 (en) | Microscopy System and Method for Instance Segmentation | |
Bajaj et al. | 3D Dense Reconstruction for Structural Defect Quantification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |