DE19902363C2 - Verfahren und Vorrichtung zur digitalen Verarbeitung von Computergraphiken in Form von mittels optischen Meßsystemen gewonnenen dreidimensionalen Datenfeldern - Google Patents
Verfahren und Vorrichtung zur digitalen Verarbeitung von Computergraphiken in Form von mittels optischen Meßsystemen gewonnenen dreidimensionalen DatenfeldernInfo
- Publication number
- DE19902363C2 DE19902363C2 DE1999102363 DE19902363A DE19902363C2 DE 19902363 C2 DE19902363 C2 DE 19902363C2 DE 1999102363 DE1999102363 DE 1999102363 DE 19902363 A DE19902363 A DE 19902363A DE 19902363 C2 DE19902363 C2 DE 19902363C2
- Authority
- DE
- Germany
- Prior art keywords
- data
- grid
- dimensional
- amount
- points
- 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.)
- Expired - Lifetime
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Description
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur digitalen Verarbeitung von
Computergraphiken in Form von mittels optischen Meßsystemen gewonnenen dreidimensio
nalen Datenfeldern gemäß Oberbegriff des Patentanspruchs 1. Solche Verfahren sind bereits
aus [1] bekannt, der technologische Hintergrund wird in [2, 3, 4 und 5] behandelt.
Die schnelle datentechnische Beschreibung realer Objekte durch optische Formerfassung öffnet
neue Wege im gesamten Prozeß der Produktentstehung und findet daher seit einiger Zeit
verstärkte Aufmerksamkeit in der industriellen Anwendung. Optische Meßsysteme für derartige
Anwendungen müssen sehr leistungsfähig und flexibel sein, um den extremen Anforderungen
aus den unterschiedlichsten Anwendungsbereichen gerecht zu werden. Eine der vielfältigen
Anforderungen ist die Eignung für die Erfassung beliebiger Objekte. Problematisch hierbei ist
häufig das Verhältnis von der Größe des Objektes zu dem kleinen Meßpunktabstand, der für
eine korrekten Formerfassung in kritischen Bereichen jedoch erforderlich ist. Insbesondere bei
flächenhaft messenden optischen Systemen führt dieses Verhältnis zu immensen
Datenmengen, die beherrscht und sinnvoll genutzt werden müssen.
Diese immensen Datenmengen, die zur virtuellen Repräsentation von dreidimensionalen
Objekten beziehungsweise von derer Oberflächen dienen, stellen mathematisch
betrachtet eine Punktwolke, d. h. eine Menge von Punkten P ohne weitere Struktur
information, dar:
P = {pi|pi ∈ R3, i = 1, . . ., n}
Mit sehr großen n (wie sie bei der flächenhaften optischen Vermessung von Objekten
üblicherweise auftreten) wird die Menge P algorithmisch nicht mehr handhabbar.
Deshalb wird nach bisherigem Stand der Technik meist versucht, die Menge P geeignet
zu strukturieren, um die Anwendung effizienter Algorithmen auf die datentechnischen
Repräsentationen der Meßobjekte zu ermöglichen.
Weitere Maßnahmen zur Ermöglichung der Bearbeitung sehr großer Datenmengen sind
die Datenkompression und die Datenreduktion. Beide weisen jedoch Nachteile auf:
Bei der Datenkompression wird die Datenstruktur verändert. Das bedeutet, auf eine komprimierte Datenmenge kann nicht mit den gleichen Programmen zugegriffen werden, mit denen auf die unkomprimierten Daten zugegriffen wird.
Bei der Datenkompression wird die Datenstruktur verändert. Das bedeutet, auf eine komprimierte Datenmenge kann nicht mit den gleichen Programmen zugegriffen werden, mit denen auf die unkomprimierten Daten zugegriffen wird.
Bei der Datenreduktion bleibt zwar die Datenstruktur erhalten, dafür geht jedoch
Information verloren, die nicht mehr reproduziert werden kann.
Ein üblicher Ansatz zur Strukturierierung einer unstrukturierten Punktwolke sieht vor,
die Menge P aufzuteilen in disjunkte Untermengen Pk mit P = ∪ Pk und Pk ∩ Pk' = {}.
Eine symmetrische, hierarchische und effiziente Unterteilung wird durch Octrees erzielt.
Ein zweiter Ansatz zur Strukturierierung sieht die Berechnung einer Nachbarschafts
funktion N vor, die jedem Punkt pi seine Nachbarn zuweist:
N(pi) = {pI|pI ∈ P ∧ nachbar(pi, pI)}
Der wesentliche Nachteil des ersten Ansatzes besteht darin, daß immer, d. h. auch bei
sehr großen Punktwolken, alle Punkte zur Berechnung und Visualisierung der Ober
flächenrepräsentationen herangezogen werden. Dies wäre allerdings nicht immer not
wendig, da eine benötigte Genauigkeit oft auch mit einer Untermenge von P erreichbar
wäre. In diesem Fall kann die Datenmenge zwar durch Datenreduktion, d. h. hier durch
Ausdünnen von P, einmalig verkleinert werden. Allerdings geht dabei, wie bereits
erwähnt, immer Information verloren, die später fehlen könnte. Ein flexibles Anpassen
der Genauigkeit ist mit diesem Ansatz daher nicht möglich.
Der wesentliche Nachteil des zweiten Ansatzes besteht darin, daß ein enormer
Speicher- und Rechenaufwand für die Nachbarschaftsberechnung anfällt (mindestens
O(n log n)). Deshalb können sehr große P gar nicht behandelt werden. Ein weiterer
Nachteil besteht darin, daß die Nachbarschaftsberechnung in der Praxis oft daran
scheitert, daß die optischen Daten verrauscht sind. Hier ist dann aufwendige manuelle
Nachbearbeitung nötig. Ist die Nachbarschaftsberechnung jedoch abgeschlossen, so
wird mit N meist ein ungerichteter Graph berechnet, um eine Oberflächenbeschreibung
der Punktwolke (also der virtuellen Repräsentation des realen Objektes) zu erhalten.
Diese Datenmenge kann dann mittels Datenkompression weiter verkleinert werden,
beispielsweise mittels einem Verfahren der sogenannten Multi-Resolution [1]. Dabei
werden die Kanten des Graphen durch einfache geometrische Primitive ersetzt und
stufenweise immer gröber approximiert. Einen Spezialfall dieses Verfahrens stellt die
Triangulierung dar, deren Anwendung auf P ebenfalls erhebliche Rechenzeit benötigt.
Die Aufgabe der vorliegenden Erfindung besteht daher darin, ein Verfahren und eine
Vorrichtung zur digitalen Verarbeitung von Computergraphiken in Form von mittels opti
schen Meßsystemen gewonnenen dreidimensionalen Datenfeldern anzugeben, welche
für die schnelle Verwaltung und Verarbeitung deutlich größerer Datenmengen als bisher
üblich geeignet sind. Beide sollen darüber hinaus robust sein, gegenüber verrauschten
Eingangsdaten, und flexibel sein in Hinsicht auf eine anwenderbestimmte Vorgabe der
weiterzuverarbeitende Datenmenge, welche wiederum resultiert aus einer gewünschten
Meß- beziehungsweise Darstellungsgenauigkeit, einer gewünschten Visualisierungs
geschwindigkeit und der vorhandenen Rechnerkapazität.
Die Erfindung ist in Bezug auf das zu schaffende Verfahren durch die Merkmale des
Patentanspruchs 1 wiedergegeben. Die weiteren Ansprüche enthalten vorteilhafte Aus
gestaltungen und Weiterbildungen des erfindungsgemäßen Verfahrens (Patent
ansprüche 2 bis 9) sowie eine vorteilhafte Vorrichtung zur Durchführung des
erfindungsgemäßen Verfahrens (Patentanspruch 10). Eine vorteilhafte Weiterbildung
der erfindungsgemäßen Vorrichtung enthält Patentanspruch 11.
Die Kernidee des zu schaffenden Verfahrens besteht darin, daß man sich dem Meß
system immanente Informationen zu Nutze macht: Optische Meßsysteme zeichnen sich
durch eine diskrete laterale Abtastung aus, deren Minimum bekannt ist. Es ist also
möglich, in linearer Zeit eine Zuordnung jedes Punktes pi ∈ P auf ein 3D-Gitter mit
konstantem Raster (z. B. halbe minimale laterale Abtastung) zu berechnen. Eine der
artige Strukturierung benötigt gegenüber einer Nachbarschaftsberechnung einen deut
lich geringeren Speicher- und Rechnenaufwand von nur O(n). (Prinzipiell ist eine solche
Strukturierung auch für Punktwolken möglich, die nicht mittels optischer Meßtechnik
gewonnen wurden, solange nur der minimale Abstand zweier beliebiger Punkte bekannt
ist. Muß dieser allerdings erst berechnet werden geht der Vorteil verloren.)
Nach dieser Strukturierung wird die Datenmenge der Punktwolke P jetzt reversibel
reduziert. Die Reversibilität des durch die Datenreduktion bewirkten Informations
verlustes gewährleistet die gewünschte Flexibilität des Verfahrens in Hinsicht auf eine
anwenderbestimmte Meß- beziehungsweise Darstellungsgenauigkeit oder gewünschte
Visualisierungsgeschwindigkeit in Abhängigkeit von der vorhandenen Rechnerkapazität.
Die (reversible) Datenreduktion wird mittels einer Wavelet-Transformation erzielt. Durch
mehrfache Anwendung entsteht eine Multi-Resolution von sich immer gröber approxi
mierenden Datenmengen Mk.
Die Reversibilität wird durch Speicherung von Differenzmengen Dk+1 gewährleistet, die
zusammen mit den reduzierten Mengen Mk+1 der jeweiligen Reduktionsstufen k eine
Rekonstruktion von Mengen geringer Reduktionstiefe Mk oder gar bis hin zur ursprüng
lichen Datenmenge P ermöglichen.
Die Aufgabe wird bezüglich des zu schaffenden Verfahrens erfindungsgemäß dadurch
gelöst, daß das Verfahren zur digitalen Verarbeitung von Computergraphiken in Form
von mittels optischer Meßsysteme gewonnenen, dreidimensionalen Datenfeldern, die
Datenmenge der dreidimensionalen Datenfelder derart reduziert,
daß die Reduktion der Datenmenge reversibel erfolgt, indem zeitlich aufeinanderfolgend
die Datenmenge räumlich strukturiert wird,
indem ein dreidimensionales Gitter berechnet wird
unter Ausnutzung der Kenntnis der laterealen Abtastung des Meßsystems,
welches in jedem Gittersegment maximal einen Datenpunkt aufweist,
und jeder Datenpunkt der Datenmenge einem Gittersegment zugeordnet wird,
die strukturierte Datenmenge einer Wavelet-Transformation unterworfen wird,
welche jedem Oktanten, bestehend aus je acht benachbarten Gittersegmenten
jeweils einen Mittelwert aus den in den Gittersegmenten enthaltenen Datenpunkten
und jeweils sieben Differenzwerte zuordnet,
die Datenmenge reduziert wird,
indem sie durch eine andere Datenmenge approximiert wird,
deren Elemente die aus der Wavelet-Transformation resultierenden Mittelwerte der Datenpunkte jedes Oktanten sind,
wobei die sieben Differenzwerte gesondert gesichert werden,
um eine Rückberechnung der Datenpunkte des vorhergehenden Approximationsschrittes zu ermöglichen,
daß die Reduktion der Datenmenge mehrfach erfolgt,
bis eine vorgegebene Größe der Datenmenge erreicht ist.
daß die Reduktion der Datenmenge reversibel erfolgt, indem zeitlich aufeinanderfolgend
die Datenmenge räumlich strukturiert wird,
indem ein dreidimensionales Gitter berechnet wird
unter Ausnutzung der Kenntnis der laterealen Abtastung des Meßsystems,
welches in jedem Gittersegment maximal einen Datenpunkt aufweist,
und jeder Datenpunkt der Datenmenge einem Gittersegment zugeordnet wird,
die strukturierte Datenmenge einer Wavelet-Transformation unterworfen wird,
welche jedem Oktanten, bestehend aus je acht benachbarten Gittersegmenten
jeweils einen Mittelwert aus den in den Gittersegmenten enthaltenen Datenpunkten
und jeweils sieben Differenzwerte zuordnet,
die Datenmenge reduziert wird,
indem sie durch eine andere Datenmenge approximiert wird,
deren Elemente die aus der Wavelet-Transformation resultierenden Mittelwerte der Datenpunkte jedes Oktanten sind,
wobei die sieben Differenzwerte gesondert gesichert werden,
um eine Rückberechnung der Datenpunkte des vorhergehenden Approximationsschrittes zu ermöglichen,
daß die Reduktion der Datenmenge mehrfach erfolgt,
bis eine vorgegebene Größe der Datenmenge erreicht ist.
Diese Ausgestaltung des Verfahrens weist eine Reihe von Vorteilen auf:
Die Strukturierung der unstrukturierten Datenmenge kann durch die Definition eines dreidimensionalen Gitters und die Zuordnung der Datenpunkte zu Gittersegmenten wesentlich einfacher und damit schneller erfolgen als eine Strukturierung mittels der Berechnung einer Nachbarschaftsfunktion wie sie aus dem Stand der Technik bekannt ist. Bei gleicher Rechnerkapazität sind deshalb wesentlich größere Datenmengen ver arbeitbar. Für eine derartige vorteilhafte Strukturierung macht man sich system immanente Informationen zunutze: Optische Meßsysteme zeichnen sich durch eine diskrete laterale Abtastung aus, deren Minimum bekannt ist. Damit ist es möglich, in linearer Zeit eine Zuordnung jedes Datenpunktes zu einem Segment des 3D-Gitters zu treffen. Eine geeignete Rasterweite des Gitters ist beispielsweise die halbe minimale laterale Abtastung.
Die Strukturierung der unstrukturierten Datenmenge kann durch die Definition eines dreidimensionalen Gitters und die Zuordnung der Datenpunkte zu Gittersegmenten wesentlich einfacher und damit schneller erfolgen als eine Strukturierung mittels der Berechnung einer Nachbarschaftsfunktion wie sie aus dem Stand der Technik bekannt ist. Bei gleicher Rechnerkapazität sind deshalb wesentlich größere Datenmengen ver arbeitbar. Für eine derartige vorteilhafte Strukturierung macht man sich system immanente Informationen zunutze: Optische Meßsysteme zeichnen sich durch eine diskrete laterale Abtastung aus, deren Minimum bekannt ist. Damit ist es möglich, in linearer Zeit eine Zuordnung jedes Datenpunktes zu einem Segment des 3D-Gitters zu treffen. Eine geeignete Rasterweite des Gitters ist beispielsweise die halbe minimale laterale Abtastung.
Für den zweiten Reduktions- oder Approximationsschritt ist die Definition des 3D-
Gitters noch einfacher und schneller. Das Gitter des vorhergehenden Reduktions
schrittes wird mit doppelter Rasterweite beibehalten, d. h. jeweils acht Gittersegmente
(ein Oktant) des k-ten Reduktionsschrittes werden zu einem Gittersegment des (k + 1)-
ten Gitters zusammengefaßt.
Ein weiterer Vorteil des Verfahrens besteht in der Robustheit gegenüber verrauschten
Eingangsdaten. Durch die Mittelwertbildung bei der Wavelet-Transformation wird die
Gewichtung von verrauschten Eingangsdaten stetig vermindert und das Verfahren
selbst wird durch derartige Eingangsdaten nicht beeinträchtigt. Mit steigender
Reduktionstiefe nähert sich die aus den verrauschten Eingangsdaten approximierte
Darstellung der Oberflächenform eines Meßobjektes immer mehr einer aus idealen
Eingangsdaten approximierten Darstellung der Oberflächenform des Meßobjektes an.
Andere aus dem Stand der Technik bekannte Verfahren sind häufig erst nach auf
wendiger manueller Nachbearbeitung in der Lage, verrauschte Eingangsdaten in sinn
voller geschlossener Form darzustellen.
Ein weiterer Vorteil des Verfahrens besteht in der Einstellbarkeit des Reduktionsgrades.
Dadurch wird es möglich, das Verfahren an beliebige Problemstellungen anzupassen.
Der wesentliche Vorteil des Verfahrens besteht jedoch in seiner Flexibiltät aufgrund der
Reversibilität der Reduktion. Selbst wenn für eine bestimmte Problemstellung eine
große Reduktionstiefe und damit eine sehr starke Aprroximierung der ursprünglichen
Datenmenge notwendig war, so kann aus dieser stark reduzierten Datenmenge unter
Zuhilfenahme der gesicherten Differenzwerte wieder die weniger stark reduzierte Daten
menge eines geringeren Reduktionschrittes oder sogar die ursprüngliche Datenmenge
reproduziert werden. (Hier ist zu beachten, daß sich der Speicherbedarf aufgrund der
Speicherung der Differenzwerte in den verschiedenen Reduktionsschritten nicht ändert.
Sehr wohl aber verringert sich der Rechenbedarf, da für die Weiterverarbeitung jeweils
nur die reduzierte (approximierte) Datenmenge des jeweiligen Reduktionsschrittes
benötigt wird.)
In einer vorteilhaften Ausführungsform dieses Verfahrens wird die Rasterweite des
dreidimensionalen Gitters so festgelegt, daß sie maximal der lateralen Abtastrate des
Meßsystems entspricht. Der Vorteil dieser Ausgestaltung besteht darin, daß so sicher
gestellt wird, daß sich in jedem Gittersegment maximal ein Datenpunkt befindet. (Bei
einer Rasterweite die gleich der lateralen Abtastrate ist, sind Eindeutigkeitskriterien für
die Randbereiche der Gittersegmente festzulegen. Deshalb wird meist eine Rasterweite
gewählt, die geringfügig kleiner ist als die laterale Abtastrate.)
In einer spezielleren vorteilhaften Ausführungsform dieses Verfahrens wird für das
dreidimensionale Datenfeld der ursprünglichen Datenmenge ein umschreibender
Quader bestimmt und die Rasterweite des dreidimensionalen Gitters derart festgelegt,
daß sie das 1/2n-fache der Kantenlänge des umschreibenden Quaders beträgt und sie
maximal der lateralen Abtastrate des Meßsystems entspricht. Dadurch wird die Zu
sammenführung einer top-down-Strukturierung der Datenmenge in Form eines Octrees
und einer bottom-up-Strukturierung der Datenmenge in Form des dreidimensionalen
Gitters möglich. (Ein n-ter Octree-Zweig entspricht einem Gittersegment.) Dies ermög
licht einerseits die Anwendung von Programmen, die auf Octrees angewiesen sind, und
verringert darüber hinaus den Speicherbedarf.
In einer weiteren vorteilhaften Ausgestaltung dieses Verfahrens ist die Wavelet-
Transformation eine Haar-Wavelet-Transformation. Der Vorteil besteht darin, daß die
Haar-Wavelet-Transformation eine besonders einfache und damit schnelle Wavelet-
Transformation ist. Insbesondere werden bei Ihr - im Gegensatz zu vielen anderen
Wavelet-Transformationen nur zwei benachbarte Punkte pro Dimension für eine
Berechnung benötigt.
Eine weitere vorteilhaften Ausgestaltung dieses Verfahrens besteht darin,
daß die Haar-Wavelet-Transformation derart durchgeführt wird,
daß für jeden Oktanten
daß die Haar-Wavelet-Transformation derart durchgeführt wird,
daß für jeden Oktanten
- - die Belegung dessen einzelner Gittersegmente mit oder ohne einem Datenpunkt erfaßt und gespeichert wird, und
- - der einem Gittersegment ohne Datenpunkt zugeordnete Differenzwert gleich Null gesetzt wird.
Der Vorteil dieser Ausgestaltung besteht darin, daß sie eine sehr einfache Möglichkeit
darstellt, die Haar-Wavelet-Transformation auch auf Oktanten anzuwenden, die Gitter
segmente ohne Datenpunkte aufweisen. Damit wird der Entropie-Erhaltung der Infor
mation Rechnung getragen. Die Anzahl der belegten Gittersegmente bleibt erhalten.
Gleichzeitig wird durch die Speicherung der Segmentbelegung eine verlustfreie Rekon
struktion und damit die Reversibilität der Datenreduktion gewährleistet.
Eine weitere vorteilhaften Ausgestaltung dieses Verfahrens besteht darin,
- - daß die Datenpunkte in einer dreidimensionalen Speichermatrix abgelegt werden die der dreidimensionalen Gitterstruktur nachgebildet ist, und
- - daß in einem Reduktionsschritt über die gesamte Speichermatrix jeweils die den acht Gittersegmenten eines Oktanten entsprechenden Komponenten der Speichermatrix überschrieben werden
- - mit dem Mittelwert der in diesem Oktanten enthaltenen Punkte und
- - mit den sieben zugehörigen Differenzwerten.
Dadurch wird eine einfache Reversibilität der Reduktion ermöglicht, da Mittelwerte und
Differenzwerte in definierten Positionen innerhalb der Speichermatrix abgelegt werden
und so die eindeutige Rekonstruktion von Datenmengen geringerer Reduktionstiefe
erlauben. Der Speicherbedarf bleibt so zwar für jede Reduktionstiefe gleich, der
Rechenbedarf sinkt jedoch mit der Reduktionstiefe.
Eine weitere vorteilhaften Ausgestaltung dieses Verfahrens besteht darin, daß Mittel
werte und zugehörige Differenzwerte auf unterschiedlichen Speichermedien gespei
chert werden. Hierdurch wird der Anteil der Differenzwerte am Speicherbedarf "virtu
alisiert" und so der Speicherbedarf für den eigentlichen Verarbeitungsprozeß der Meß
daten tatsächlich reduziert. In der Praxis bedeutet das, die reduzierte Datenmenge wird
für die Weiterverarbeitung im Hauptspeicher bereitgehalten, während die Differenz
datenmenge auf eine Festplatte oder ein anderes Speichermedium ausgelagert wird.
Eine weitere vorteilhafte Ausgestaltung dieses Verfahrens besteht darin,
daß die Größe der Datenmenge
daß die Größe der Datenmenge
- - bis zu deren Erreichen die ursprüngliche Datenmenge reduziert wird,
berechnet wird aus anwenderbestimmter
- - Meßgenauigkeit und/oder
- - Darstellungsgenauigkeit und/oder
- - Visualisierungsgeschwindigkeit
in Abhängigkeit von der vorhandenen Rechnerkapazität.
Damit wird eine hohe Flexibilität des Verfahrens gegenüber unterschiedlichen Anfor
derungen gewährleistet.
Besonders vorteilhaft ist eine solche Ausgestaltung, wenn
die Darstellungsgenauigkeit bestimmt wird
- - aus der Abweichung der Mittelwerte der n-ten Reduktionsstufe von den zugehörigen ursprünglichen Meßdatenpunkten, und/oder
- - der Unsicherheit des Mittelwertes.
Dadurch wird der Meßwertglättung in zweierlei Hinsicht Rechnung getragen: zum einen
wird die Darstellungsgenauigkeit (insbesondere bei Meßobjekten mit sehr fein struktur
ierter Topologie) mit steigender Anzahl der Reduktionsschritte verschlechtert und zum
anderen wird sie bei fehlerbehafteten (verrauschten) Meßwerten erhöht (d. h. den
Fehlern der Meßwerte und damit der Unsicherheit der Mittelwertberechnung wird
Rechnung getragen).
Üblicherweise geht man zur Bestimmung der Abweichung der Mittelwerte von den
ursprünglichen Punkten bei Wavelet-Transformationen von einer Schwellwertbildung
aus. Zusätzlich kann man die unterschiedlichen Gewichte der verschiedenen Differenz
werte berücksichtigen und eine Standardabweichung berechnen. Ein weiteres geeig
netes Fehlermaß kann die Maximumsnorm sein.
Eine einfache Abschätzung der Unsicherheit der Mittelwertberechnung ergibt, daß diese
immer, also auf jeder Reduktionsstufe, geringer ist als der Fehler der Meßwerte.
Die Aufgabe wird bezüglich der zu schaffenden Vorrichtung erfindungsgemäß dadurch
gelöst, daß die Vorrichtung zur Durchführung des Verfahrens zur digitalen Verarbeitung
von Computergraphiken in Form von mittels optischer Meßsysteme gewonnenen, drei
dimensionalen Datenfeldern, enthält
- - eine Dateneingangseinrichtung zur Aufnahme der mittels optischer Meßsysteme gewonnenen dreidimensionalen Datenfelder,
- - eine Datenverarbeitungseinrichtung zur Verarbeitung dreidimensionalen Datenfelder,
- - eine Anzeigeeinrichtung zur Darstellung der dreidimensionalen Datenfelder,
und zusätzlich
- - eine Steuereinrichtung zur Steuerung der Größe der Datenmenge bis zu deren Erreichen
- - die ursprüngliche Datenmenge reduziert oder
- - eine reduzierte Datenmenge reproduziert wird.
Der Vorteil dieser Ausgestaltung besteht in der Flexibilität bezüglich anwender
bestimmter Vorgaben hinsichtlich der Datenmenge beziehungsweise der sie bestim
menden gewünschten Darstellungsgenauigkeit oder Visualisierungsgeschwindigkeit.
Die Verarbeitung der dreidimensionalen Datenfelder in der Datenverarbeitungs
einrichtung kann mittels der Steuereinrichtung in zwei Richtungen erfolgen: In Richtung
der Reduktion der ursprünglichen Datenmenge oder in Richtung der Reproduktion der
ursprünglichen Datenmenge aus einer sie repräsentierenden, reduzierten Datenmenge.
Eine vorteilhafte Ausgestaltung dieser Vorrichtung ist gegeben, wenn sie zusätzlich ein
optisches Meßsystem beinhaltet zur Vermessung dreidimensionaler Objekte und zur
Erzeugung dreidimensionalen Datenfelder als deren Repräsentationen. Damit steht dem
Anwender ein Komplettsystem zur Vermessung von Objekten und deren virtueller
Darstellung und Bearbeitung zur Verfügung. Probleme aufgrund von Inkompatibilitäten -
wie sie ansonsten häufig auftreten - entfallen.
Nachfolgend wird anhand eines Ausführungsbeispiels und der Fig. 1 bis 4 das
erfindungsgemäße Verfahren näher erläutert. Dabei zeigt
Fig. 1 Virtuelle Repräsentation eines Meßobjektes, hier eines Fahrzeuges.
Die Punktwolke P besteht aus über 95 Millionen Punkten,
dargestellt ist ihre zweidimensionale Projektion.
Fig. 2a-f Virtuelle Repräsentation eines Meßobjektes, hier einer Hand.
Die Punktwolke P besteht aus 17965 Punkten,
dargestellt ist ihre zweidimensionale Projektion in der Fig. 2a.
Die Folge der Fig. 2a-f verdeutlicht den Ablauf der Datenreduktion,
d. h. die immer gröbere Approximation der ursprünglichen Repräsentation
in mehreren Schritten.
Fig. 3 Zweidimensionale Projektion des Gitteraufbaus
in verschiedenen Reduktionsstufen.
Fig. 4 Zuordnung der Datenpunkte zu den einzelnen Segmenten eines Oktanten
im dreidimensionalen Gitter.
Fig. 1 dient zur Verdeutlichung der Größe der Meßdatenmenge eines Beispiels aus der
industriellen Anwendung. Der Flickenteppich-Effekt resultiert daraus, daß die Gesamt
messung sich aus über 100 Einzelmessungen zusammensetzt. Die realen Abmessungen
eines solchen Meßobjektes (Fahrzeug) von mehren Metern und die erforderliche hohe
Darstellungsgenauigkeit bedingen die enorme Größe von über 95 Millionen Punkten.
Fig. 2 dient zur Verdeutlichung der Datenreduktion. Hier wird ein kleineres Meßobjekt
(Hand) verwendet, um eine deutlich geringere Meßdatenmenge zu erhalten. Anhand
einer solchen kleinen Datenmenge läßt sich der Effekt eines einzelnen Reduktions
schrittes mit der zur Verfügung stehenden Auflösung bei der Darstellung der zwei
dimensionalen Projektion der Datenmenge besser verdeutlichen.
Fig. 3 dient zur Verdeutlichung des Gitteraufbaus in den verschiedenen Reduktions
stufen. Die ursprüngliche Rasterweite wird in jedem Reduktionsschritt verdoppelt, d. h.
jeweils acht Gittersegmente (ein Oktant) einer Reduktionsstufe werden zu einem Gitter
segment der nächsten Reduktionsstufe zusammengefaßt.
Fig. 4 dient zur Verdeutlichung der Zuordnung der Datenpunkte zu den einzelnen
Segmenten eines Oktanten im dreidimensionalen Gitter. Hierbei ist zu beachten, daß
jedes Segment maximal einen Datenpunkt enthalten kann, aber daß nicht jedes
Segment auch einen Datenpunkt enthalten muß.
In dem in den Fig. 2a-f dargestellten Ausführungsbeispiel wird die Punktwolke P als
die virtuelle Repräsentation der Hand in mehreren Schritten immer gröber approximiert.
Zu der Punktwolke P werden Mengen Mk gesucht, die P approximieren. Dabei sollen die
Mk eine Multi-Resolution bilden:
P = M0 ⊂ M1 ⊂ . . . Mk ⊂ Mk+1
(Hierbei ist zu beachten, daß die Untermengen-Symbole nicht im üblichen Sinne
verwendet werden, sondern in dem Sinn, daß die Menge M1 die Menge M0 approximiert,
d. h. ein Element mi ∈ M1 repräsentiert eine Anzahl von Elementen mk ∈ M0, aber meist
gilt mi ∉ M0.)
Mit steigendem k werden die Mengen Mk kleiner und beschreiben die Punktwolke P
gröber. Eine geeignete Approximation läßt sich durch einfache Mittelwertbildung
erzielen, in dem die Punkte der Menge Mk+1 durch die Mittelwerte von Punkten der
Menge Mk definiert werden.
Bei der Approximation von Mk durch die Menge Mk+1 wird der Informationsgehalt der
Menge Mk reduziert auf den der Menge Mk+1. Die Differenzinformation Dk+1 wird jedoch
ebenfalls (gesondert) gespeichert und ermöglicht so eine Rekonstruierung der Menge
Mk und so die gewünschte Reversibilität beziehungsweise Flexibilität:
Mk = Mk+1 ⊕ Dk+1
Eine geeignete Approximierung wird an folgendem einfachen Beispiel einer eindimen
sionalen Punktwolke P auf R deutlich:
P = {12, 8, 9, 10}
M0 = P
M1 = {mi|mi = 0.5(p2i + p2i+1) ∧ p2i, p2i+1 ∈ M0} = {10, 9.5}
D1 = {di|di = 0.5(p2i - p2i+1) ∧ p2i, p2i+1 ∈ M0} = {2, -0.5}
M2 = {mi|mi = 0.5(p2i + p2i+1) ∧ p2i, p2i+1 ∈ M1} = {9.75}
D2 = {di|di = 0.5(p2i - p2i+1) ∧ p2i, p2i+1 ∈ M1} = {0.25}
M2 ist eine Approximation von M1, welche wiederum eine Approximation von M0 = P
darstellt. Die Anzahl der Elemente (Punkte) wird mit jedem Approximationsschritt
halbiert. Die dabei verlorengehende Information kann jedoch (bei Bedarf) vollständig
rekonstruiert werden.
Algorithmen, die auf M2 anstelle von P ausgeführt werden, sind schneller, weil sie
weniger Daten (derselben Struktur!) bearbeiten müssen.
Das angegebene Beispiel ist bekannt als die sogenannte Haar-Transformation über R.
Für die Punktwolke P als virtuelle Repräsentation eines realen Meßobjektes muß es auf
den R3 erweitert werden. Wesentlich hierbei ist die Kenntnis über die Nachbarschafts
beziehung der einzelnen Punkte. In dem Beispiel auf R war zwar von Mengen die Rede,
tatsächlich wurde aber eine strukturierte Menge, nämlich eine sortierte Folge betrach
tet. Ohne eine solche Strukturierung wäre die Haar-Transformation nicht eindeutig.
Die notwendige Strukturierung der Punktwolke P über R3 erfolgt nun dadurch, daß der
die Punktwolke umschreibende Raum strukturiert wird in ein 3D-Gitter mit konstanter
Rasterung (hier mit halber minimaler lateraler Abtastung des Meßsystems. Sinnvoll ist
aber auch, den umschreibenden Raum durch ein Octree zu strukturieren und die
Rasterung des Gitters so anzupassen, daß sie kleiner als die laterale Abtastung ist und
ein Gittersegment der kleinsten Octree-Struktur entspricht, da eine Vielzahl von Prog
rammen Octrees verwendet.).
Nach dieser Strukturierung enthält nun jedes Segment des 3D-Gitters maximal einen
Punkt. Auf die Punkte von jeweils zwei benachbarten Gittersegmenten kann jetzt die
Haar-Transformation über R angewendet werden. Prinzipiell kann dies für jede der drei
Dimensionen separat erfolgen. Sinnvoller ist es jedoch, wenn man wie in diesem
Beispiel geschehen, für jeden Approximationsschritt, die Mittelwerte über ein Tensor
produkt jeweils lokal für alle drei Dimensionen berechnet.
Dazu werden jeweils 8 Punkte m k|i, m k|i+1, . . ., m k|i+7 ∈ Mk ⊃ R3 benachbarter Gitter
segmente berücksichtigt:
Hierbei ist i der Index für die Punkte aus Mk und j entsprechend für die Punkte aus Mk+1.
Die Zuordnung der Punkte im 3D-Gitter erfolgt wie in Fig. 4 dargestellt.
Neben dem Mittelwert m k+1|j werden sieben Differenzwerte berechnet:
Anstelle von je acht benachbarten m k|i werden nach jedem Approximationsschritt der
resultierende Mittelwerte m k+1|j und die sieben Differenzwerte d k+1|j+I I = 1, . . ., 7
gespeichert.
Das Zusammenfassen der acht Punkte m k|i in den acht Segmenten entspricht der
Struktur eines Octrees. Der Unterschied zu einem üblichen Octree besteht darin, daß
pro Octree-Voxel ein Mittelwert alle Punkte des Voxels repräsentiert und die anderen
Punkte des Voxels in einem Differenzschema gespeichert werden.
Algorithmen, die nach einem späteren Approximationsschritt auf Mk anstelle von P aus
geführt werden, sind schneller, weil sie weniger Daten (derselben Struktur!) bearbeiten
müssen, nämlich nur noch die Mittelwerte (der Mittelwerte der Mittelwerte . . .).
Aus der Approximation resultiert zwar eine Genauigkeitseinbuße. Diese ist allerdings
(auf jeder Approximationsebene) reversibel (und zwar stufenweise bis hin zur ursprüng
lichen Genauigkeit auf P):
Nicht immer liegen in den zueinander gehörenden acht benachbarten Gittersegmenten
auch acht Datenpunkte. Fehlt in einem oder mehreren Gittersegmenten ein Daten
punkt, so läßt sich die Haar-Transformation nicht in der beschriebenen Art und Weise
durchführen. Abhilfe verschafft folgende Betrachtung: Ein fehlender Punkt m k|i ist
gleichbedeutend mit einem fehlenden hochfrequenten Anteil der Information. Dem
zufolge wird keine Information durch eine Nullsetzung des zugehörigen Differenzwertes
d k+1|j = 0 verfälscht. Eine verlustfreie Rekonstruktion ist möglich bei Kenntnis der Gitter
segmente, die keine Punkte enthielten. Hierfür muß (in jeder Approximationsstufe) pro
Oktant die Belegung der jeweiligen Gittersegmente I, I = 0, . . ., 7 mit oder ohne einen
Punkt zusätzlich gespeichert werden. Daraus resultiert ein zusätzlicher Speicherbedarf
von einem Byte für jeden Mittelwert m k+1|j. Die Belegungsbytes b werden den Daten
punkten m k+1|j direkt zugeordnet und entsprechend indiziert: b k+1|j ∈ GF(2)8 beschreibt
die Belegung der m k|j+l, I= 0, . . ., 7. (Aus jedem Mittelwert m k+1|j und seinem zuge
hörigen Belegungsbyte b k+1|j kann eindeutig angegeben werden aus welchen Punkten
m k|j+l er gemittelt wurde.)
Im schlechtesten Fall werden n.k Belegungsbytes benötigt (n = Anzahl der Punkte in P,
k = Anzahl der Reduktionsstufen).
In einem realen Anwendungsfall beschreibt die Punktwolke P die Oberfläche eines Meß
objektes (hier einer Hand) im R3. Das bedeutet, in einem Oktanten sind normalerweise
nur vier (oder weniger) Gittersegmente mit Datenpunkten belegt. Daraus ergibt sich pro
Reduktionsschritt eine durchschnittliche Reduktion der Datenmenge auf circa ein
Viertel, da aus den in den acht Gittersegmenten eines Oktanten enthaltenen Daten
punkten jeweils nur ein Mittelwert als approximierter Repräsentant berechnet wird.
Daher ergibt sich in einem realen Anwendungsfall die Anzahl ab der Belegungsbytes zu
Der Mehraufwand für die Speicherung der Segmentbelegungen liegt für eine in der
Praxis auftretende Anzahl k von Reduktionsstufen unter 33 Prozent (c ≈ 0,33) und
nimmt mit wachsendem k nur noch minimal zu (c konvergiert gegen 1/3), ist also
vertretbar. Dem gegenüber steht die exponentielle Abnahme der Punkte in Mk!
Nachfolgend wird anhand eines Ausführungsbeispiels die erfindungsgemäße Vorricht
ung näher erläutert:
In diesem Ausführungsbeispiel besteht die Vorrichtung aus einem handelsüblichen Computer hoher Rechen- und Speicherkapazität sowie einem hochauflösenden Monitor. Die Dateneingangseinrichtung ist in Form einer elektronischen Schnittstelle zu einem optischen Meßsystem sowie in einer Festplatte realisiert. Die Schnittstellenfunktion kann aber auch von einem Diskettenlaufwerk oder anderen Aufnahmeeinrichtungen für andere transportable Speichermedien wahrgenommen werden. Die Steuereinrichtung ist diesem Ausführungsbeispiel durch die Tastatur sowie in elektronischer Form durch Programmabschnitte gegeben, welche die Verarbeitungseinheit veranlassen, die ur sprüngliche Datenmenge zu reduzieren oder eine reduzierte Datenmenge in Richtung zur ursprünglichen Datenmenge zu reproduzieren. Dieser elektronische Teil der Steuer einrichtung kann aber auch als Hardware, also in Form von elektronischen Bauteilen, realisiert werden.
In diesem Ausführungsbeispiel besteht die Vorrichtung aus einem handelsüblichen Computer hoher Rechen- und Speicherkapazität sowie einem hochauflösenden Monitor. Die Dateneingangseinrichtung ist in Form einer elektronischen Schnittstelle zu einem optischen Meßsystem sowie in einer Festplatte realisiert. Die Schnittstellenfunktion kann aber auch von einem Diskettenlaufwerk oder anderen Aufnahmeeinrichtungen für andere transportable Speichermedien wahrgenommen werden. Die Steuereinrichtung ist diesem Ausführungsbeispiel durch die Tastatur sowie in elektronischer Form durch Programmabschnitte gegeben, welche die Verarbeitungseinheit veranlassen, die ur sprüngliche Datenmenge zu reduzieren oder eine reduzierte Datenmenge in Richtung zur ursprünglichen Datenmenge zu reproduzieren. Dieser elektronische Teil der Steuer einrichtung kann aber auch als Hardware, also in Form von elektronischen Bauteilen, realisiert werden.
Das erfindungsgemäße Verfahren und die erfindungsgemäße Vorrichtung erweisen sich
in der Ausführungsform der vorstehend beschriebenen Beispiele als besonders geeignet
für die optische, dreidimensionale Meßtechnik, insbesondere für den Modellbau,
beispielsweise in der Kraftfahrzeugindustrie. Hierzu wird das jeweilige Objekt - zum
Beispiel ein Bauteil oder auch ein ganzes Fahrzeug - zunächst vermessen und dann wird
mittels des erfindungsgemäßen Verfahrens die Punktwolke, welche die Oberfläche des
Objektes beschreibt, auf eine momentan gewünschte Darstellungsgenauigkeit oder
Visualisierungsgeschwindigkeit angepaßt, d. h. auf die benötigte Datenmenge reduziert.
Wird zu einem späteren Zeitpunkt eine andere Darstellungsgenauigkeit oder Visuali
sierungsgeschwindigkeit benötigt, so kann diese sofort aus der reduzierten Daten
menge reproduziert werden.
Die Erfindung ist nicht nur auf das zuvor geschilderte Ausführungsbeispiel beschränkt,
sondern vielmehr auf weitere übertragbar.
So ist zum Beispiel denkbar, fehlende Punkte innerhalb einzelner Gittersegmente
anstatt durch Nullsetzung der zugehörigen Differenzwerte dadurch zu kompensieren,
daß für diese Gittersegmente Ersatzpunkte bestimmt werden durch Interpolation
zwischen Punkten aus benachbarten Gittersegmenten, wodurch ebenfalls die Anwend
barkeit der Haar-Wavelet-Transformation gewährleistet wäre.
Eine andere Möglichkeit fehlende Punkte in Gittersegmenten zu behandeln, besteht
darin, eine Gruppe von Wavelet-Funktionen zu verwenden, aus der für jede Oktanten
belegung eine passende ausgewählt wird. Gut geeignet hierfür sind beispielsweise die
sogenannten non-uniform B-Spline Wavelet-Transformationen. Der Speicheraufwand ist
gleich, diese Möglichkeit kann der Topologie der Punktwolke besser gerecht werden.
Denkbar ist außerdem (bei ausreichender Rechnerkapazität) die Konstruktion eines
"Genauigkeits-Sliders" mit dem die Darstellungsgenauigkeit während der Betrachtung
dynamisch variiert werden kann. Hierzu wird die Reduktion oder Rekonstruktion
möglichst in Echtzeit in Abhängigkeit von der (mittels Eingabesignal) gewünschten
Darstellungsgenauigkeit durchgeführt.
Weiterhin vorstellbar ist ein "Zooming", also eine Vergrößerung von Teilbereichen des Objektes,
durch Anwendung des Verfahrens auf diese Teilbereiche beziehungsweise auf die
entsprechenden Teile der das Objekt repräsentierenden Punktwolke.
Ferner ist es möglich, die Speichermatrix zu linearisieren und so die reduzierten Datenmengen
in eindimensionalen Listen zu speichern. Dadurch wird der Zugriff beschleunigt.
[1] E. J. Stollnitz, D. H. DeRose, D. H. Salesin; "Wavelets for Computer Graphics",
Morgan Kaufmann Publishers, San Francisco, California, 1996
[2] EP 08 89 440 A2
[3] WO 97 32 281 A1
[4] J. Wang, H. K. Huang; "Medical Image Compression by Using Three-Dimensional Wavelet Transformation", IEEE Transactions on Medical Imaging, Vol. 15, No. 4, August 1996, p. 547-554
[5] S. Muraki; "Volume Data and Wavelet Transforms", IEEE Computer Graphics & Applications, July 1993, p. 50-56
[2] EP 08 89 440 A2
[3] WO 97 32 281 A1
[4] J. Wang, H. K. Huang; "Medical Image Compression by Using Three-Dimensional Wavelet Transformation", IEEE Transactions on Medical Imaging, Vol. 15, No. 4, August 1996, p. 547-554
[5] S. Muraki; "Volume Data and Wavelet Transforms", IEEE Computer Graphics & Applications, July 1993, p. 50-56
Claims (11)
1. Verfahren zur digitalen Verarbeitung von Computergraphiken
in Form von mittels optischer Meßsysteme gewonnenen,
dreidimensionalen Datenfeldern,
bei dem die Datenmenge der dreidimensionalen Datenfelder reduziert wird,
dadurch gekennzeichnet,
daß die Reduktion der Datenmenge reversibel erfolgt, indem zeitlich aufeinanderfolgend
die Datenmenge räumlich strukturiert wird,
indem ein dreidimensionales Gitter berechnet wird
unter Ausnutzung der Kenntnis der lateralen Abtastung des Meßsystems,
welches in jedem Gittersegment maximal einen Datenpunkt aufweist,
und jeder Datenpunkt der Datenmenge einem Gittersegment zugeordnet wird,
die strukturierte Datenmenge einer Wavelet-Transformation unterworfen wird,
welche jedem Oktanten, bestehend aus je acht benachbarten Gittersegmenten
jeweils einen Mittelwert aus den in den Gittersegmenten enthaltenen Datenpunkten
und jeweils sieben Differenzwerte zuordnet,
die Datenmenge reduziert wird,
indem sie durch eine andere Datenmenge approximiert wird,
deren Elemente die aus der Wavelet-Transformation resultierenden Mittelwerte der Datenpunkte jedes Oktanten sind,
wobei die sieben Differenzwerte gesondert gesichert werden,
um eine Rückberechnung der Datenpunkte des vorhergehenden Approximationsschrittes zu ermöglichen,
daß die Reduktion der Datenmenge mehrfach erfolgt,
bis eine vorgegebene Größe der Datenmenge erreicht wird.
daß die Reduktion der Datenmenge reversibel erfolgt, indem zeitlich aufeinanderfolgend
die Datenmenge räumlich strukturiert wird,
indem ein dreidimensionales Gitter berechnet wird
unter Ausnutzung der Kenntnis der lateralen Abtastung des Meßsystems,
welches in jedem Gittersegment maximal einen Datenpunkt aufweist,
und jeder Datenpunkt der Datenmenge einem Gittersegment zugeordnet wird,
die strukturierte Datenmenge einer Wavelet-Transformation unterworfen wird,
welche jedem Oktanten, bestehend aus je acht benachbarten Gittersegmenten
jeweils einen Mittelwert aus den in den Gittersegmenten enthaltenen Datenpunkten
und jeweils sieben Differenzwerte zuordnet,
die Datenmenge reduziert wird,
indem sie durch eine andere Datenmenge approximiert wird,
deren Elemente die aus der Wavelet-Transformation resultierenden Mittelwerte der Datenpunkte jedes Oktanten sind,
wobei die sieben Differenzwerte gesondert gesichert werden,
um eine Rückberechnung der Datenpunkte des vorhergehenden Approximationsschrittes zu ermöglichen,
daß die Reduktion der Datenmenge mehrfach erfolgt,
bis eine vorgegebene Größe der Datenmenge erreicht wird.
2. Verfahren nach Anspruch 1,
dadurch gekennzeichnet,
daß die Rasterweite des dreidimensionalen Gitters auf einen Wert
kleiner oder gleich der lateralen Abtastrate des Meßsystems festgelegt wird.
3. Verfahren nach Anspruch 2,
dadurch gekennzeichnet,
daß für das dreidimensionale Datenfeld der ursprünglichen Datenmenge ein umschreibender Quader bestimmt wird, und
daß die Rasterweite des dreidimensionalen Gitters festgelegt wird auf das 1/2n-fache der Kantenlänge des umschreibenden Quaders.
daß für das dreidimensionale Datenfeld der ursprünglichen Datenmenge ein umschreibender Quader bestimmt wird, und
daß die Rasterweite des dreidimensionalen Gitters festgelegt wird auf das 1/2n-fache der Kantenlänge des umschreibenden Quaders.
4. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß eine Haar-Wavelet-Transformation durchgeführt wird.
5. Verfahren nach Anspruch 4,
dadurch gekennzeichnet,
daß die Haar-Wavelet-Transformation derart durchgeführt wird,
daß für jeden Oktanten
die Belegung dessen einzelner Gittersegmente mit oder ohne einem Datenpunkt erfaßt und gespeichert wird, und
der einem Gittersegment ohne Datenpunkt zugeordnete Differenzwert gleich Null gesetzt wird.
daß die Haar-Wavelet-Transformation derart durchgeführt wird,
daß für jeden Oktanten
die Belegung dessen einzelner Gittersegmente mit oder ohne einem Datenpunkt erfaßt und gespeichert wird, und
der einem Gittersegment ohne Datenpunkt zugeordnete Differenzwert gleich Null gesetzt wird.
6. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß die Datenpunkte in einer dreidimensionalen Speichermatrix abgelegt sind, die der dreidimensionalen Gitterstruktur nachgebildet ist, und
daß in einem Reduktionsschritt über die gesamte Speichermatrix jeweils die den acht Gittersegmenten eines Oktanten entsprechenden Komponenten der Speichermatrix überschrieben werden
mit dem Mittelwert der in diesem Oktanten enthaltenen Punkte und
mit den sieben zugehörigen Differenzwerten.
daß die Datenpunkte in einer dreidimensionalen Speichermatrix abgelegt sind, die der dreidimensionalen Gitterstruktur nachgebildet ist, und
daß in einem Reduktionsschritt über die gesamte Speichermatrix jeweils die den acht Gittersegmenten eines Oktanten entsprechenden Komponenten der Speichermatrix überschrieben werden
mit dem Mittelwert der in diesem Oktanten enthaltenen Punkte und
mit den sieben zugehörigen Differenzwerten.
7. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß Mittelwerte und zugehörige Differenzwerte
auf unterschiedlichen Speichermedien gespeichert werden.
8. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß die Größe der Datenmenge
bis zu deren Erreichen die ursprüngliche Datenmenge reduziert wird, berechnet wird aus anwenderbestimmter
Meßgenauigkeit und/oder
Darstellungsgenauigkeit und/oder
Visualisierungsgeschwindigkeit
in Abhängigkeit von der vorhandenen Rechnerkapazität.
daß die Größe der Datenmenge
bis zu deren Erreichen die ursprüngliche Datenmenge reduziert wird, berechnet wird aus anwenderbestimmter
Meßgenauigkeit und/oder
Darstellungsgenauigkeit und/oder
Visualisierungsgeschwindigkeit
in Abhängigkeit von der vorhandenen Rechnerkapazität.
9. Verfahren nach Anspruch 8,
dadurch gekennzeichnet,
daß die Darstellungsgenauigkeit bestimmt wird
aus der Abweichung der Mittelwerte der n-ten Reduktionsstufe von den zugehörigen ursprünglichen Meßdatenpunkten, und/oder
der Unsicherheit des Mittelwertes.
daß die Darstellungsgenauigkeit bestimmt wird
aus der Abweichung der Mittelwerte der n-ten Reduktionsstufe von den zugehörigen ursprünglichen Meßdatenpunkten, und/oder
der Unsicherheit des Mittelwertes.
10. Vorrichtung zur Durchführung des Verfahrens
nach einem der vorhergehenden Ansprüche,
mit einer Dateneingangseinrichtung zur Aufnahme der mittels optischer Meßsysteme gewonnenen dreidimensionalen Datenfelder,
mit einer Datenverarbeitungseinrichtung zur Verarbeitung dreidimensionalen Datenfelder,
mit einer Anzeigeeinrichtung zur Darstellung der dreidimensionalen Datenfelder,
dadurch gekennzeichnet,
daß sie zusätzlich enthält,
eine Steuereinrichtung zur Steuerung der Größe der Datenmenge bis zu deren Erreichen die ursprüngliche Datenmenge reduziert oder eine reduzierte Datenmenge reproduziert wird.
mit einer Dateneingangseinrichtung zur Aufnahme der mittels optischer Meßsysteme gewonnenen dreidimensionalen Datenfelder,
mit einer Datenverarbeitungseinrichtung zur Verarbeitung dreidimensionalen Datenfelder,
mit einer Anzeigeeinrichtung zur Darstellung der dreidimensionalen Datenfelder,
dadurch gekennzeichnet,
daß sie zusätzlich enthält,
eine Steuereinrichtung zur Steuerung der Größe der Datenmenge bis zu deren Erreichen die ursprüngliche Datenmenge reduziert oder eine reduzierte Datenmenge reproduziert wird.
11. Vorrichtung nach Anspruch 10,
dadurch gekennzeichnet,
daß sie zusätzlich enthält,
ein optisches Meßsystem zur Vermessung dreidimensionaler Objekte und zur Erzeugung dreidimensionalen Datenfelder als deren Repräsentationen.
daß sie zusätzlich enthält,
ein optisches Meßsystem zur Vermessung dreidimensionaler Objekte und zur Erzeugung dreidimensionalen Datenfelder als deren Repräsentationen.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE1999102363 DE19902363C2 (de) | 1999-01-21 | 1999-01-21 | Verfahren und Vorrichtung zur digitalen Verarbeitung von Computergraphiken in Form von mittels optischen Meßsystemen gewonnenen dreidimensionalen Datenfeldern |
PCT/DE2000/000103 WO2000043958A1 (de) | 1999-01-21 | 2000-01-13 | Verfahren und vorrichtung zur digitalen verarbeitung von computergraphiken in form von mittels optischen messsystemen gewonnenen dreidimensionalen datenfeldern |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE1999102363 DE19902363C2 (de) | 1999-01-21 | 1999-01-21 | Verfahren und Vorrichtung zur digitalen Verarbeitung von Computergraphiken in Form von mittels optischen Meßsystemen gewonnenen dreidimensionalen Datenfeldern |
Publications (2)
Publication Number | Publication Date |
---|---|
DE19902363A1 DE19902363A1 (de) | 2000-08-03 |
DE19902363C2 true DE19902363C2 (de) | 2001-11-29 |
Family
ID=7894993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE1999102363 Expired - Lifetime DE19902363C2 (de) | 1999-01-21 | 1999-01-21 | Verfahren und Vorrichtung zur digitalen Verarbeitung von Computergraphiken in Form von mittels optischen Meßsystemen gewonnenen dreidimensionalen Datenfeldern |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE19902363C2 (de) |
WO (1) | WO2000043958A1 (de) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997032281A1 (en) * | 1996-02-27 | 1997-09-04 | Interval Research Corporation | Wavelet based data compression |
EP0889440A2 (de) * | 1997-06-30 | 1999-01-07 | Sun Microsystems, Inc. | Verfahren und Vorrichtung zur geometrischen Komprimierung von dreimensionalen Grafiken |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5988862A (en) * | 1996-04-24 | 1999-11-23 | Cyra Technologies, Inc. | Integrated system for quickly and accurately imaging and modeling three dimensional objects |
IL119831A (en) * | 1996-12-15 | 2002-12-01 | Cognitens Ltd | A device and method for three-dimensional reconstruction of the surface geometry of an object |
-
1999
- 1999-01-21 DE DE1999102363 patent/DE19902363C2/de not_active Expired - Lifetime
-
2000
- 2000-01-13 WO PCT/DE2000/000103 patent/WO2000043958A1/de active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997032281A1 (en) * | 1996-02-27 | 1997-09-04 | Interval Research Corporation | Wavelet based data compression |
EP0889440A2 (de) * | 1997-06-30 | 1999-01-07 | Sun Microsystems, Inc. | Verfahren und Vorrichtung zur geometrischen Komprimierung von dreimensionalen Grafiken |
Non-Patent Citations (2)
Title |
---|
MURAKI,Shigeru: Volume Data and Wavelet Transforms. In: IEEE Computer Graphics & Applications, July 1993, S.50-56 * |
WANG,Jun, HUANG,H.K.: Medical Image Compression by Using Three-Dimensional Wavelet Transformation.In: IEEE Transactions On Medical Imaging, Vol.15, No.4, Aug. 1996, S.547-554 * |
Also Published As
Publication number | Publication date |
---|---|
WO2000043958A1 (de) | 2000-07-27 |
DE19902363A1 (de) | 2000-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE3420576C2 (de) | Anordnung zum Reprojizieren von Bildern aus mehreren eindimensionalen Projektionen in der Computer-Tomographie | |
DE69916808T2 (de) | Verfahren und system zur strahlverfolgung | |
DE102005010169A1 (de) | Aktives Polyeder für 3D-Bildsegmentierung | |
DE3832222A1 (de) | Vorrichtung und verfahren zum anzeigen eines 2-dimensionalen bildes eines 3-dimensionalen gegenstandes | |
DE102004007637A1 (de) | Verfahren zum Erzeugen eines Bildes mit erhöhter Auflösung unter Verwendung einer Mehrzahl von Bildern mit niedriger Auflösung | |
DE4224568C2 (de) | Vorrichtung und Verfahren zur Bildung der Anzeige eines dreidimensionalen sequentiellen tomografischen Flächenschattierungsbildes | |
DE102008050049B4 (de) | Verfahren zur Bestimmung einer die Objektgrenze eines Objekts in einem digitalen 3D-Datensatz annähernden 3D-Oberfläche | |
DE69921608T2 (de) | Verfahren und vorrichtung zum zoomen von digitalen bilddateien | |
DE102004004641A1 (de) | Dreidimensionale Reprojektions- und Rückprojektionsverfahren und Algorithmen zum Durchführen derselben | |
EP1843296A1 (de) | Verfahren zur reproduzierbaren Erzeugung von Ansichten tomographischer Bilddaten | |
EP3622482B1 (de) | Computerimplementiertes verfahren zur komprimierung einer digitalen darstellung eines objekts | |
DE102008005476B4 (de) | Verfahren zur Bildkompression medizinischer Schnittbilder mit 3D Graphikinformation | |
EP1869620B1 (de) | Verfahren zur verarbeitung von bild- und volumendaten auf basis statistischer modelle | |
DE69814482T2 (de) | Verfahren und Vorrichtung zur Darstellung von Oberflächen aus volumetrischen Daten | |
DE19902363C2 (de) | Verfahren und Vorrichtung zur digitalen Verarbeitung von Computergraphiken in Form von mittels optischen Meßsystemen gewonnenen dreidimensionalen Datenfeldern | |
EP0844591A1 (de) | Verfahren zur Bestimmung von Massstabsfaktoren für fraktale Bildkodierung | |
EP0947958A2 (de) | Verfahren und Anordnung der medizinischen Bilddatenverarbeitung | |
EP1709587A1 (de) | Bildverarbeitungssystem | |
DE10221389A1 (de) | Verfahren zur Ermittlung eines Pixelwertes eines Pixel aufweisenden Bildes, Gewichtungsmatrix und Recheneinrichtung | |
DE102021211162A1 (de) | Verfahren und System zur Visualisierung und Simulation von Strömungsphänomenen | |
DE102018122842A1 (de) | Computerimplementiertes Verfahren zur Komprimierung von Messdaten aus einer Messung eines Messvolumens | |
DE102019130352A1 (de) | Grenzflächenbestimmung an Multimaterial-Computertomografiedaten | |
EP0960390B1 (de) | Verfahren und anordnung zur kodierung eines digitalisierten bildes | |
EP0960388B1 (de) | Verfahren und anordnung zur codierung eines digitalisierten bildes | |
DE102012203122A1 (de) | Verfahren und System zur Ermittlung eines Begrenzungsflächennetzes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
D2 | Grant after examination | ||
8364 | No opposition during term of opposition | ||
8327 | Change in the person/name/address of the patent owner |
Owner name: 3D IMAGING TECHNOLOGIES GMBH, CREMINES, CH |
|
8328 | Change in the person/name/address of the agent |
Representative=s name: SEFFER, A., RECHTSANW., 60549 FRANKFURT |
|
R071 | Expiry of right |