WO2021099386A1 - Computerimplementiertes verfahren zur segmentierung von messdaten aus einer messung eines objekts - Google Patents

Computerimplementiertes verfahren zur segmentierung von messdaten aus einer messung eines objekts Download PDF

Info

Publication number
WO2021099386A1
WO2021099386A1 PCT/EP2020/082539 EP2020082539W WO2021099386A1 WO 2021099386 A1 WO2021099386 A1 WO 2021099386A1 EP 2020082539 W EP2020082539 W EP 2020082539W WO 2021099386 A1 WO2021099386 A1 WO 2021099386A1
Authority
WO
WIPO (PCT)
Prior art keywords
area
homogeneous
digital object
areas
object representation
Prior art date
Application number
PCT/EP2020/082539
Other languages
English (en)
French (fr)
Inventor
Christoph Poliwoda
Sören Schüller
Original Assignee
Volume Graphics Gmbh
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Volume Graphics Gmbh filed Critical Volume Graphics Gmbh
Priority to US17/778,800 priority Critical patent/US20220405936A1/en
Priority to EP20819638.6A priority patent/EP4062367A1/de
Publication of WO2021099386A1 publication Critical patent/WO2021099386A1/de

Links

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
    • G06T7/11—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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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
    • G06T2207/10072—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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • 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

Definitions

  • the invention relates to a computer-implemented method for segmenting measurement data from a measurement of an object.
  • the measurement can be carried out, for. B. be carried out as dimensional measurement. Dimensional measurements can e.g. B. be done by probing different points on the surface of the object. Further z. B. computed tomographic measurements are carried out, with the measurement data obtained there being analyzed. In this case, surfaces within the objects can also be checked.
  • the measurement data can be present as volume data, for example, or converted into volume data. To different areas of ob- In order to be able to differentiate between each other in the measurement data, the measurement data are segmented into different areas. This is of particular interest e.g. B.
  • the measurement data can be preprocessed before the method is carried out in order to avoid incorrect segmentation due to artifacts or noise, which can also be referred to as poor data quality.
  • artifact corrections e.g. B. metal artifact
  • beam hardening or radiation scatter corrections based on the segmented geometry
  • data filters e.g. B. Gaussian or median filter to which measurement data are applied.
  • the segmentation of volume data from multi-material measurement objects has so far not been able to be carried out satisfactorily, since specific adaptations of the segmentation algorithms are required for each material transition between two specific materials. For example, when analyzing gray values for the detection of material transitions between materials that have comparatively low gray values in the measurement data, lower threshold values must be used than for the detection of material transitions between materials that have comparatively high gray values in the measurement data.
  • the object of the invention can therefore be seen to provide an improved computer-implemented method for segmenting measurement data from a measurement of an object that have poor data quality, the method providing correct recognition of material transitions from the measurement data of the object.
  • a computer-implemented method for segmenting measurement data from a measurement of an object comprising the following steps: determining the measurement data, wherein the Measurement data have at least one artifact; Determining at least two homogeneous Be range in the measurement data and / or in the digital object representation; Analyzing a local similarity of the plurality of spatially resolved image information; Adapting an extension of each of the homogeneous area until at least one boundary area of each homogeneous area is arranged at an expected position of a material transition area; Segmentation of the digital object representation, based on the adapted homogeneous areas.
  • the image information of the measurement data can be analyzed using an algorithm.
  • each image information is compared with the locally adjacent image information in order to determine homogeneous areas. This can be referred to as pre-segmentation. This can continue, for. B. are advantageously performed on three-dimensional measurement data.
  • two-dimensional measurement data which can also be linked to the three-dimensional measurement data, can also be used. Similar image information is then combined into a homogeneous area.
  • At least one homogeneous area is determined.
  • An algorithm on which the determination of the homogeneous area is based can be imprecise, so that the positions of the boundaries of the homogeneous area do not coincide with the positions of the material transition areas which could limit the homogeneous area.
  • the local similarity of the image information can be analyzed with a further algorithm. By analyzing the local similarity, areas can be determined in which the image information is only slightly similar to neighboring image information. These areas can be identified as the expected position of a material transition area. The expected position can also be e.g. B. from the target geometry of the object or from another representation of the measurement data.
  • a border area of the homogeneous area is then z. B. adjusted by moving its position.
  • the expansion of the homogeneous Be rich can be changed.
  • the position of the limit area is adjusted until the Boundary area includes an expected position of a material transition area.
  • the disadvantages of individual algorithms can thus be compensated for by using additional algorithms.
  • a border area is understood to mean a sub-area of the homogeneous area that delimits the homogeneous area.
  • the border area can have a predefined border area extent within the homogeneous area.
  • regions in the representation of the local similarity which have values which exceed a predetermined threshold value for the local similarity can be identified as material transition regions between different material regions. Areas that are delimited by the material transition areas are then completely assigned to the material that had the largest share of this area after the pre-segmentation. It can also happen that no closed material transition area is formed between the material areas. This can be closed, for example, by a morphological “closing” operation, in which the relevant material transition areas grow together and small areas in between are removed.
  • the digital object representation is segmented on the basis of the adapted homogeneous areas between the at least two homogeneous areas.
  • the determination of the expected positions of a material transition area can have a small search area at the edge of the homogeneous areas in which the material transition areas are searched for.
  • a material transition area is arranged as the main segmentation, z. B. can act as a comparatively fine segmentation, a pre-segmentation, z.
  • the pre-segmentation can, for. B. the step of determining at least two homogeneous areas in the measurement data and / or in the digital object representation, wherein at least one of the at least two homogeneous areas has a small structure.
  • material transition areas between the homogeneous areas can be determined if the local similarity is reduced. Otherwise the relevant homogeneous areas are combined.
  • a material transition area can, for example, be a material surface, two material surfaces that adjoin one another, several material transitions separated by narrow material areas, or one Have transition of the internal structure of a single material, etc.
  • the result of this coarse segmentation can be the detection of the extent of homogeneous areas, but also areas of similar texture in the homogeneous areas.
  • the step of segmenting the digital object representation can then be carried out on the basis of the adapted homogeneous areas. Artifacts in the homogeneous areas can be recognized better by the combination of the pre-segmentation and the main segmentation than without this combination. During the segmentation, supposed material transition areas that are caused by artifacts can therefore be discarded, so that incorrect segmentations are avoided.
  • a homogeneous area is understood to mean an area that has a uniform mate rial or a uniform material mixture.
  • the image information can, for example, be gray values obtained from measurement data from a computed tomographic measurement in the context of a dimensional measurement of an object.
  • Areas whose measurement data or image information is, for example, between two threshold values, e.g. B. an upper and a lower threshold, d. H. in which the local measurement data are similar or have similar values, i.e. if a local similarity is high.
  • the image information of a homogeneous area in the digital object representation can thus have gray values within a narrow gray value interval in one example. In the object, these areas can have a uniform material or a uniform mixture of materials. The homogeneous areas are therefore not absolutely homogeneous, but can show fluctuations within a tolerance.
  • the threshold values can be predefined or determined as part of the determination of the homogeneous areas. However, the homogeneity of the areas does not have to be defined by means of the gray values.
  • areas with a fiber-containing material with a similar fiber orientation can also be regarded as homogeneous, even if the gray values themselves are not homogeneous in this case.
  • the pattern is then homogeneous, which is defined by the texture that results from the fibers.
  • the material of an area or the entire object can be, for example, a monomaterial, ie the material transitions in the material transition areas in this example can then be transitions between different material structures or a transition from the monomaterial to the background.
  • a material transition area can e.g. B. have a transition between biological materials, welds or areas of different fiber orientation. It is not necessary that the material transition area has a clear material surface.
  • a material transition area can be approximated or represented as a surface both in measurements and in a CAD model.
  • the at least one material transition area can be, for example, a multi-material transition area.
  • the term multi-material does not only refer to areas of several homogeneous individual materials.
  • the presence of fibers or porosities can also specify a separate material area within a monomaterial, even if the underlying material remains identical. Areas of different properties, in particular with the same or similar material composition, can also be explicitly interpreted as separate materials.
  • the background of a CT scan usually the air around the object, can also be a material in the measurement data.
  • the object includes at least two materials in the measurement data for which the material transitions, e.g. B. surfaces can be determined.
  • the analysis of the local similarity can be based on a change course of the multiplicity of spatially resolved image information items and / or a local variance of the multiplicity of spatially resolved image information items.
  • the change curve can represent the gradient of the spatially resolved gray values. If the homogeneous areas are justified on textures, z. B. the local variance of the image information can be used to determine the local similarity.
  • a gradient display is preferably the amount of the local gradient. In the vicinity of material transition areas, they show increased values.
  • the method can further have the following step: aligning a digital representation of a target geometry to the digital object representation; wherein the determination of at least two homogeneous areas is carried out on the basis of the digital representation of a target geometry.
  • This z For example, the expected positions of the material transition areas can be taken from the target geometry in order to obtain at least a rough pre-alignment of the measurement data.
  • the target geometry can be a CAD model of the object.
  • the areas of the target geometry or the CAD model can then be assigned to the corresponding areas of the measurement data.
  • the computer-implemented method can thus fall back on prior knowledge from the target geometry when determining the position of the material transitions. This can be done as part of a pre-segmentation.
  • optical methods such as strip light projection can be used.
  • the method can further have the following step: Determining the position of the at least one material transition area in the at least one border area by means of the at least two homogeneous areas.
  • the position of the at least one material transition area can be determined on the basis of an adapted label field.
  • the local material transition area is then calculated with increased accuracy.
  • the position can be defined by coordinates.
  • the method can further have the following step: changing an extension of at least one of the homogeneous areas on the basis of a visualization of the homogeneous areas in the digital object representation.
  • the desired materials are entered directly by the user in the label field.
  • the changing of the homogeneous area after segmenting can also be carried out by a user in order to avoid incorrect segmentation.
  • the method can further comprise the following steps: changing a local similarity of the plurality of spatially resolved image information in the segmented digital object representation in order to correct the analyzed local similarity; and repeating the step of segmenting the digital object representation based on the corrected analyzed local similarity.
  • a representation of the local similarity, on the basis of which the label field is calculated, can thus be edited. It can be determined by means of a processing that not an entire material transition area has to be determined, but only a part z.
  • Anchor points can be set, whereby the processing can take place as a material transition area and as meta-information, or the image information can be changed directly in the representation of the local similarity.
  • defective material transition areas can also be removed or weakened.
  • the label field is recalculated on this basis.
  • a warning can also be issued if no meaningful material transition area can be found at the point defined by the user.
  • the step of adapting an extent of each homogeneous area until at least one boundary area of each homogeneous area is arranged at an expected position of a material transition area can include the following substep: determining at least one artifact area that has at least one artifact in the digital object representation based on the at least two homogeneous areas and / or a digital representation of a target geometry; Determining at least one border area on the basis of the analyzed local similarity, a border area being determined in the artifact area if the local similarity between the image information is less than outside the at least one artifact area. In this way, areas in the measurement data can be predicted in which artifacts or image errors or generally poor data quality should occur.
  • the idea is then to identify a material transition area less often in these areas during the main segmentation, so that incorrect segmentation is avoided.
  • the representation of the local similarity depicts wall-like structures that are used as border areas in the material transition areas.
  • Some artifacts e.g. B. streak artifacts can also cause depiction of wall-like structures, which can then be incorrectly identified as border areas. This can be avoided by manipulating the values of the local similarity in the artifact areas.
  • a geometry can be used that is obtained from an, possibly preliminary, segmentation or a CAD model. Based on prior knowledge about the step of determining the measurement data, it is possible, for example, to predict where artifacts such as streak artifacts or noise will occur due to a long irradiation length.
  • the target geometry can be a CAD model, for example. Furthermore, in the step of determining at least one border area, the local similarity of the image information in the at least one artifact area is increased or stricter criteria are used for the existence of a border area, so that a material transition area tends to be identified less frequently.
  • the step of adapting an extent of each homogeneous area until at least one border area of each homogeneous area is arranged at an expected position of a material transition area can include the following substeps: determining at least one geometry type of a volume area of the digital object representation; Comparing the determined geometry type with geometry types from a target geometry of the object; Determining at least one border area based on the analyzed local similarity, a border area being determined in the volume area if the local similarity between the image information is less than outside the volume area and if the geometry type determined does not resemble any of the geometry types from the target geometry of the object is lich.
  • the term geometry type is understood to mean different types and shapes of geometries.
  • a geometry type can e.g. B. represent surfaces or free forms of defined curvature or bodies.
  • a type of geometry for example, a material structure, such as. B. describe a foam structure or a massive structure.
  • the representation of the local similarity is analyzed with regard to its geometry types and compared with the geometry types that should be present in the object. After that, we know that geometry types of a certain kind cannot be present in the object. These geometry types can be flat surfaces in foam structures, for example. Corresponding volume areas of reduced local similarity, which simulate such geometries, are accordingly identified less frequently as material transition areas in the main segmentation.
  • the step of adapting an extent of each homogeneous area until at least one border area of each homogeneous area is arranged at an expected position of a material transition area can include the following substeps: determining a quality value of at least one volume area of the digital object representation; Determining at least one border area based on the analyzed local similarity in the volume area if the local similarity between the image information is less than outside the volume area and if the determined quality value of the at least one volume area is less than a predefined threshold value for the quality value.
  • a type of quality or uncertainty of the gray value information can be calculated for each voxel or volume area by means of the quality value.
  • the predefined threshold value can e.g.
  • B. can be specified by a user or an evaluation plan.
  • the method can further include, for example, the following step: repeating the steps: adapting the large number of image information items in the segmented digital object representation by means of an artifact correction method on the basis of the determined homogeneous areas and segmenting the digital object representation on the basis of the large number of adapted image information items for as long a predefined repetition condition is met.
  • Some algorithms for correcting artifacts e.g. B. the metal artifact correction, the beam hardening correction or the scattered radiation correction, use prior knowledge about the measured geometry of the object or the volume in which the object is measured. Since there is now a high-quality segmentation of the multi-material object, this segmentation can be used for this geometry.
  • Such corrections use knowledge about the geometry of the object in order to improve measurement data, e.g. B. volume data, possibly with the detour via corrected projection data.
  • the multi-material segmentation accordingly enables the corrections to be carried out in an optimized manner. A new, more precise segmentation is possible on the corrected measurement data.
  • the repetition condition can e.g. B. a predetermined number of repetitions, the comparison with a threshold value for the number of artifacts in the digital object representation or the probability of the presence of artifacts in the digital object representation or the influence of artifacts on the correctness of the material transition areas found.
  • the method can further include, for example, the following step: repeating the steps: adapting the large number of image information in the segmented digital object representation using an artifact correction method based on the determined homogeneous areas and segmenting the digital object representation based on the large number of adapted image information as long as a predefined Repetition condition is fulfilled.
  • a material can be assigned to each homogeneous area.
  • This can e.g. B. using a list that z. B. can be based on gray values, or can be carried out using the segmented geometries, with the geometries being assigned to homogeneous areas in the measurement data using a parts catalog.
  • the model-based corrections can thus be provided with further information about the materials.
  • artifact correction methods can also be used that require information about the materials present in the object in addition to information about the geometry of an object.
  • assignment of a material can be carried out after determining the position of the at least one material transition area in the at least one boundary area by means of the at least two homogeneous areas.
  • the method can, for example, further have the following step: Carrying out a dimensional measurement in the segmented digital object representation on the basis of the boundary areas.
  • the measurement data having at least one artifact; Determining at least two homogeneous Be range in the measurement data and / or in the digital object representation; Analyzing a local similarity of the plurality of spatially resolved image information; Adapting an extension of each of the homogeneous area until at least one boundary area of each homogeneous area is arranged at an expected position of a material transition area; Segmenting the digital object representation on the basis of the adapted homogeneous areas, an exact position of a material transition area, z. B. a surface provided. If material transition areas have been determined, the dimensional measurement can then be carried out using the material transition areas. In particular, a dimensional measurement in the segmented digital object representation based on the boundary areas can be carried out after determining the position of the at least one material transition area in the at least one boundary area by means of the at least two homogeneous areas.
  • the invention relates to a computer program product with instructions which can be executed on a computer and which, executed on a computer, cause the computer to carry out the method according to the preceding description.
  • Advantages and effects and further developments of the computer program product result from the advantages and effects and further developments of the method described above. Reference is therefore made to the preceding description in this regard.
  • a computer program product e.g. B. be understood as a data carrier on which a Com puterprogrammelement is stored, which has executable instructions for a computer.
  • a computer program product can also be understood to mean, for example, a permanent or volatile data memory, such as flash memory or working memory, which has the computer program element. Store other types of data that have the computer program element, but are not excluded.
  • Fig. 4a-e a schematic representation of a sequence of steps of an embodiment of the method.
  • the computer-implemented method for segmenting measurement data from a measurement of an object is denoted by the following in its entirety with the reference symbol 100.
  • the computer-implemented method 100 is first explained by means of FIG. 1.
  • FIG. 1 shows a flow chart of an embodiment of the computer-implemented method 100 for segmenting measurement data from a measurement of an object.
  • the object has at least one material transition area.
  • the measurement data of the object are determined.
  • the measurement data can be determined, for example, by means of a computed tomographic (CT) measurement.
  • CT computed tomographic
  • a digital object representation with the at least one material transition area is generated by means of the measurement data.
  • the digital object representation comprises a large number of spatially resolved image information of the object.
  • the measurement data are CT data, they do not necessarily have to consist of a single gray value per voxel. So it can be multimodal data, i. H. Data from several sensors, or data from a multi-energy CT scan, so that several gray values are available for each voxel. Furthermore, results of analyzes on the original measurement data can also be used as a further spatially resolved gray value in the method 100, for example the result of an analysis of the fiber orientation or the local porosity.
  • the additional information e.g. B. can be referred to as color channels, can thus be interpreted as colored voxe data, even if no colors of the visible spectrum are represented. This additional information can be used profitably in the method 100.
  • the measurement data also include at least one artifact.
  • the measurement data have at least one artifact, i. H. they have poor data quality.
  • the at least one artifact can e.g. B. be a streak artifact, noise or other image defects.
  • a digital representation of a target geometry of the object is aligned with the digital object representation from the determined measurement data according to step 102.
  • the digital representation of a target geometry of the object can be, for example, a CAD representation of the object that was created before the object was manufactured.
  • the geometry in the CAD model does not necessarily have to be described as a surface or material transition area. Instead or in addition, it can also be displayed implicitly as an image stack, voxei volume or distance field. This can be used in particular in additive manufacturing. This information can also be translated into a label field directly or without time-consuming conversion. However, this does not exclude other forms of representation of the target geometry.
  • aligning ie when adapting the geometric areas of the target geometry to the measurement data, it can be taken into account which materials are involved in the gray value transition and how they are arranged.
  • the orientation of the material transition can result from the arrangement of the materials. This information is mostly known in the target geometry and can easily be determined locally from the measurement data. This can prevent material transition areas that do not match one another from being assigned to one another, which would result in incorrect alignment.
  • the alignment can also be carried out by means of a non-rigid mapping between the measurement data and the target geometry.
  • a step 104 at least two homogeneous areas are determined in the measurement data and / or in the digital object representation on the basis of the digital representation of the target geometry.
  • the image information is analyzed to determine whether there are homogeneous areas, for example areas within a gray value interval or with a similar texture.
  • the digital representation of the target geometry after alignment in step 112 can be used to refer to homogeneous areas in the measurement data or in the digital object representation that is generated from the measurement data.
  • a step 106 the local similarity of the multiplicity of spatially resolved image information is analyzed. For example, a change in the multitude of spatially resolved image information can be analyzed. Alternatively or additionally, a local variance of the multitude of spatially resolved image information can be analyzed. The local variance can be calculated more quickly and is more robust in multi-material transition areas than the use of change profiles. From the local similarity, expected positions of the material transition areas between different components of the object can be determined. These expected positions of the material transition areas are the positions expected limits of the homogeneous areas determined in step 104.
  • the homogeneous regions are then adapted in a further step 108.
  • the extent of each homogeneous area is changed so that a border area of each homogeneous area is arranged at the expected position of a material transition area.
  • the expected positions of the material transition areas thus limit the homogeneous areas in the object representation.
  • at least two homogeneous areas are segmented from the digital object representation. Step 110 together with steps 106 and 108 can be referred to as main segmentation. Identified homogeneous areas in the digital object display are adapted and delimited from one another.
  • step 110 information from further sensors, in addition z. B. to the measurement data of a computed tomographic measurement can be used.
  • the surface information obtained with these sensors is used to expand the material transition areas in this direction or to prevent material transition areas from being extended beyond the surfaces determined in this way.
  • a local similarity of the multiplicity of spatially resolved image information in the segmented digital object representation can be changed in order to correct the analyzed local similarity. Areas can be highlighted in which, in the opinion of a user, there are material transition areas. Anchor points are set, whereby the processing can take place as a material transition area and, so to speak, as meta-info, instead of directly changing the image information in the representation of the local similarity.
  • a local similarity changed by a user can be automatically adapted by means of suitable algorithms, so that the changed local similarity collides with other areas which have a similar local similarity. This simplifies the handling of the user, since the accuracy with which a user has to change the local similarity is reduced by the support of the algorithm.
  • step 110 is repeated in order to obtain an improved segmentation.
  • the position of the at least one material transition area in the at least one border area can be determined by means of the at least two homogeneous areas.
  • the position of the at least one material transition area can be determined on the basis of a label field that was created, for example, in step 104 and, for example, adapted in step 108.
  • a local material transition area is then calculated with increased accuracy.
  • the position can be defined by coordinates.
  • the material transition areas which z. B. can represent a lo cal surface, calculated with greater accuracy.
  • a further, specialized algorithm can be used for this purpose. It is in a small radius, z. B. a few voxels, searched for the exact position of the material transition area. This is mostly a prerequisite for exact dimensional measurements that are to be carried out on CT data.
  • the exact local position of the material transition areas can be determined on the representation of the local similarity or gradient or variance representation, for example by adapting a polynomial of the second degree to the gray value curve.
  • the position of the extremum of this polynomial can be used as the position of the surface.
  • knowledge about the, possibly approximate, direction of a surface normal, a surface arranged in the material transition area, or the materials arranged in the material transition area can be derived.
  • This knowledge can be used by some algorithms to get more accurate results. If available, this knowledge can also alternatively be taken from the target geometry, e.g. B. a CAD model.
  • an extension of at least one of the homogeneous areas can be changed on the basis of a visualization of the homogeneous areas in the digital object representation.
  • individual areas can be marked that are known to belong to a material.
  • the relatively small marking is enlarged up to the next material transition area, so that a user can easily mark these areas.
  • the method further has the optional step 136, in which the plurality of image information in the segmented digital object representation is changed by means of an artifact correction method on the basis of the determined homogeneous regions.
  • a further optional step 138 comprises segmenting the digital object representation on the basis of the large number of adjusted image information items obtained from step 136.
  • Steps 136 and 138 can be repeated in a further optional step 140 until a predefined repetition condition is no longer met. This means that the A new segmentation is carried out iteratively on the basis of the data corrected in steps 136 and 138.
  • step 142 after step 110, a material is assigned to each homogeneous region.
  • a dimensional measurement can be carried out in the segmented digital object representation on the basis of the boundary areas.
  • the dimensional measurement which is based on the segmented measurement data or on the segmented digital object representation, can be carried out with a very high degree of accuracy due to the very precise determination of the position of the material transition areas.
  • step 108 Optional substeps of step 108 are shown in FIG.
  • Step 108 can have the two optional substeps 122 and 124.
  • sub-step 122 at least one artifact area is determined in the digital object representation on the basis of the at least two homogeneous regions and / or a digital representation of a target geometry, which has at least one artifact.
  • the digital representation of the target geometry or a preliminary segmentation of the digital object representation can thus be used to predict the areas of low data quality.
  • it can be predicted, for example, where artifacts such as streak artifacts or noise will occur in the measurement data or the digital object representation due to a long irradiation length of the object.
  • at least one border area can be determined on the basis of the analyzed local similarity, a border area being determined in the artifact area if the local similarity between the image information is less than outside the at least one artifact area.
  • Step 108 can furthermore have the optional substeps 126, 128 and 130.
  • Sub-step 126 relates to the determination of at least one geometry type of a volume region of the digital object representation.
  • the determined geometry type is compared with geometry types from the target geometry of the object.
  • at least one border area is determined on the basis of the analyzed local similarity, a border area being determined in the volume area if the local similarity between the image elements formations is smaller than outside the volume area and if the determined geometry type is not similar to any of the geometry types from the target geometry of the object.
  • the homogeneous areas are thus analyzed with regard to their geometry types arranged there and compared with the geometry types that should be present in the object.
  • Step 108 can further include optional substeps 132 and 134.
  • a quality value of at least one volume area of the digital object representation is determined.
  • the quality value indicates a quality or uncertainty of image information.
  • the quality value for each image information e.g. B. a voxel or volume area, a type of quality or uncertainty of a gray value can be calculated.
  • real projection data with a forward projection, d. H. can be compared to a calculated projection based on the reconstruction. This can be used to estimate where the data quality is likely to be low in the volume, since consistent measurement data is available at these positions.
  • At least one border area is then determined on the basis of the analyzed local similarity in the volume area if the local similarity between the image information is less than outside the volume area and if the determined quality value of the at least one volume area is less than a predefined threshold value for the Quality value is.
  • the predefined threshold value can be specified by a user or an evaluation rule.
  • FIG. 3 shows an example of a multi-material transition area with multiple edges.
  • the materials 48, 54 and 56 are shown in FIG.
  • the material 48 is arranged between the materials 54 and 56 and has a very small expansion compared to the other two materials.
  • the material transition region 52 is arranged between the material 48 and the material 54.
  • the material transition region 50 is arranged between the material 48 and the material 56.
  • the two material transition areas 50 and 52 form a multi-material transition area that can only be resolved with difficulty using conventional methods.
  • conventional segmentation drive such areas as merely a material transition area.
  • FIG. 4a schematically shows a digital representation 10 of image information from measurement data of a sub-area of an object.
  • This schematic digital object representation can, for example, be a sectional representation of a computed tomographic measurement.
  • the image information can be gray values which, for reasons of clarity, are not shown as gray values in FIG. 4a. Only transition areas, in which the gray values change significantly, are shown as lines.
  • the object has the sub-areas 12, 14, 16 and 18, the image information of which each form homogeneous areas.
  • the sub-area 12 is delimited from the sub-area 14 by means of the material transition area 20.
  • the sub-area 12 is delimited by the material transition area 22.
  • the material transition area 24 is arranged between the sub-area 16 and the sub-area 18. In the digital representation 10 of the image information, however, the transition areas 26, 28 and 30 can still be seen, which, however, result from shadowing or other artifacts and do not represent material transition areas.
  • the representation 10 of the image information from FIG. 4a is shown in FIG. 4b with a grid as the label field 32.
  • the label field 32 can have any desired resolution and can, for example, be coarser than the resolution of the voxels or pixels, with voxel / pixel accuracy or subvoxel / subpixel accuracy.
  • the label field 32 and / or the distance field will in most cases have the same structure and resolution as the measurement data. However, e.g. B. a lower resolution and thus larger cells, but also an anisotropic resolution and thus cuboids instead of cubes can be selected.
  • gray values below a certain threshold value can be assigned to a first material, for example air, which is identified in FIG. 4b with the label “o”. Gray values above a further threshold value are assigned to a second material, which is shown in FIG. 4b with the label “+”. Gray values that lie between the two threshold values can be assigned to a third material that is marked with the “x” in FIG. 4b.
  • the label field can be combined with a distance field.
  • the information from the target geometry can be used on the individual parts of the object, e.g. B. for connectors with numbered pins 1 - 9 to get information about the respective materials.
  • regions of the same material can also be divided into different parts of the object. In this way, it becomes clearer to evaluate the measurement data.
  • the regions are listed or displayed in a hierarchy structure already defined in the target geometry.
  • the areas of the same material that are separated or not connected in the label field can also be automatically divided into different parts.
  • a representation 34 is determined which is obtained from an analysis of the local similarity of the image information.
  • This can be a gradient display, for example.
  • the material transition areas 20 and 22 and 24 are clearly visible.
  • the transition areas 26 to 30 cannot be seen in this illustration.
  • the representation according to FIG. 4c cannot be used to infer the material of a sub-area.
  • the representation 34 is linked to the label field 32, as is shown by way of example in FIG. 4d. It can be seen here that the homogeneous areas are not delimited by the material transition areas 20, 22 and 24 at all sections.
  • the boundaries of the homogeneous areas are therefore shifted by relabeling homogeneous areas, for example on arrows 36 and 40 from “o" to "x” and on arrow 38 from “+” to “x” .
  • the area that had the label “o” at the arrow 36 or 40 has disappeared in FIG. 4e and now belongs to the area with the label “x”.
  • the area with the label “+” has been reduced and the area with the label “o” has been enlarged.
  • two previously separate homogeneous areas with the label “+” grow together, with one area with the label “x” disappearing.
  • individual areas can be marked in the digital object representation to create the label field, which areas belong to a material.
  • the marking is automatically extended to the next material transition area in an intelligent manner. It is also possible to have a user identify a material transition area and automatically enlarge it until the material transition area collides with other material transition areas, for example, so that the user is not forced to mark a complete material transition area. No precise drawing is therefore necessary.
  • operations such as opening, closing, erosion and dilation, an inversion, Boolean operators or smoothing tools such as filters can be used to process the areas in the label field.
  • Anchor points are set, whereby the processing can take place as a material transition area and, so to speak, as meta-info, instead of directly changing the image information in the representation of the local similarity.
  • defective material transition areas can also be removed or weakened.
  • the label field is recalculated on this basis.
  • a warning can also be issued if no meaningful material transition area can be found at the point defined by the user.
  • a surface-based determination of a local data quality can also be used. Each material transition area can be assigned a quality value that represents the accuracy of the material transition area.
  • the representation of the local similarity can be calculated from the measurement data, in particular from volume data, using various methods. For example, a Sobel operator, a Laplace filter or a Canny algorithm can be used. The choice of which algorithm is used and how it is parameterized can be made manually by the user. For example, using a preview image, that algorithm can be selected which produces the best results when creating the label field.
  • the representation of the local similarity can be edited by means of filters before the adaptation of the label field in order to achieve the best possible results. An example would be the use of a Gaussian filter to minimize the negative influence of noise on the result when adjusting the label field.
  • Sub-steps can optionally be carried out to remedy this.
  • Morphological operators such as opening and / or closing can be applied to the individual material areas, whereby small areas are removed.
  • contiguous areas below a defined maximum size can be deleted and assigned to the surrounding material (s).
  • areas that are enclosed by two or more other materials can be provided with a different or larger maximum size or not deleted at all, while areas that are only enclosed by another material continue to be treated with the above-mentioned maximum size become.
  • z. B. thin layers of a material are retained between two other materials.
  • FIG. 4e shows the result of the main segmentation.
  • the boundaries of the label fields roughly coincide with the material transition areas 20, 22 and 24.
  • the components or materials 12, 14 and 16 are thus segmented.
  • the material transition areas which z. B. can represent a lo cal surface, calculated with greater accuracy.
  • a further, specialized algorithm can be used for this purpose. It is in a small radius, z. B. a few voxels, searched for the exact position of the material transition area. This is mostly a prerequisite for exact dimensional measurements that are to be carried out on CT data.
  • the exact local position of the material transition areas can be determined on the representation of the local similarity or gradient or variance representation, for example by adapting a polynomial of the second degree to the gray value curve.
  • the position of the extremum of this polynomial can be used as the position of the surface.
  • knowledge about the, possibly approximate, direction of a surface normal, a surface arranged in the material transition area, or the materials arranged in the material transition area can be derived.
  • This knowledge can be used by some algorithms to get more accurate results. If available, this knowledge can also alternatively be taken from the target geometry, e.g. B. a CAD model.
  • cone beam artifacts, sampling artifacts and noise can be reduced before or after the creation of the label field.
  • the invention is not restricted to one of the embodiments described above, but can be modified in many ways.

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

Die Erfindung betrifft ein computerimplementiertes Verfahren (100) zur Segmentierung von Messdaten aus einer Messung eines Objekts, wobei das Objekt mindestens einen Materialübergangsbereich aufweist, wobei durch die Messdaten eine digitale Objektdarstellung mit dem mindestens einen Materialübergangsbereich erzeugt wird, wobei die digitale Objektdarstellung eine Vielzahl von ortsaufgelösten Bildinformationen des Objekts aufweist, wobei das Verfahren (100) die folgenden Schritte aufweist: Ermitteln (102) der Messdaten, wobei die Messdaten mindestens ein Artefakt aufweisen; Ermitteln (104) von mindestens zwei homogenen Bereichen in den Messdaten und/oder in der digitalen Objektdarstellung; Analysieren (106) einer lokalen Ähnlichkeit der Vielzahl von ortsaufgelösten Bildinformationen; Anpassen (108) einer Ausdehnung jedes homogenen Bereichs bis mindestens ein Grenzbereich jedes homogenen Bereiches an einer erwarteten Position eines Materialübergangsbereichs angeordnet ist; Segmentieren (110) der digitalen Objektdarstellung auf Basis der angepassten homogenen Bereiche. Die Erfindung stellt damit ein verbessertes computerimplementiertes Verfahren (100) zur Segmentierung von Messdaten aus einer Messung eines Objekts, die eine schlechte Datenqualität aufweisen, zu schaffen, wobei das Verfahren (100) eine korrekte Erkennung von Materialübergängen aus den Messdaten des Objekts bereitstellt.

Description

Computerimplementiertes Verfahren zur Segmentierung von Messdaten aus einer Messung eines Objekts
Die Erfindung betrifft ein computerimplementiertes Verfahren zur Segmentierung von Messda ten aus einer Messung eines Objekts.
Zur Qualitätssicherung, ob hergestellte Objekte den gewünschten Vorgaben entsprechen, wer den diese Objekte vermessen und mit den gewünschten Vorgaben verglichen. Die Messung kann dabei z. B. als dimensioneile Messung durchgeführt werden. Dimensionelle Messungen können z. B. mittels der Antastung verschiedener Punkte der Oberfläche des Objekts erfolgen. Weiter können z. B. computertomographische Messungen durchgeführt werden, wobei die da mit gewonnenen Messdaten analysiert werden. In diesem Fall können auch Oberflächen inner halb der Objekte geprüft werden. Die Messdaten können dabei beispielsweise als Volumenda ten vorliegen bzw. in Volumendaten umgewandelt werden. Um verschiedene Bereiche des Ob- jekts in den Messdaten voneinander unterscheiden zu können, werden die Messdaten in ver schiedene Bereiche segmentiert. Speziell von Interesse ist dies z. B. bei der Visualisierung, dem Reverse Engineering, der Mehrkomponenten-Funktionsanalyse und der Simulation von Materialen und Materialeigenschaften. Weiter können die Messdaten vor Durchführung des Verfahrens vorverarbeitet werden, um Fehlsegmentierungen aufgrund von Artefakten oder Rau schen, die auch als schlechte Datenqualität bezeichnet werden können, zu vermeiden. Es kön nen beispielsweise Artefaktkorrekturen, z. B. Metallartefakt-, Strahlaufhärtungs- oder Streustrahlungskorrekturen auf Basis der segmentierten Geometrie, und Datenfilter, z. B. Gauß oder Median-Filter, auf die Messdaten angewendet werden.
Die Segmentierung von Volumendaten von Multimaterial-Messobjekten kann bisher jedoch nicht zufriedenstellend durchgeführt werden, da für jeden Materialübergang zwischen zwei spe zifischen Materialien spezifische Anpassungen der Segmentierungsalgorithmen benötigt wer den. So müssen zum Beispiel bei der Analyse von Grauwerten zur Erkennung von Material übergängen zwischen Materialien, die vergleichsweise geringe Grauwerte in den Messdaten aufweisen, geringere Schwellwerte verwendet werden, als zur Erkennung von Materialübergän gen zwischen Materialien, die vergleichsweise hohe Grauwerte in den Messdaten aufweisen.
Es ist somit nicht aussichtsreich, anhand eines globalen Schwellwerts eine Segmentierung die ser Volumendaten zu erreichen. Insbesondere, wenn die Messdaten eine schlechte Datenquali tät, z. B. in Form von Artefakten, oder kleine Strukturen aufweisen, können viele Algorithmen, die verschiedenen Materialien nicht korrekt segmentieren. Weiter reicht eine korrekte Segmen tierung nicht aus, um an allen Materialübergängen präzise Messergebnisse zu liefern, d. h. die Position der Materialübergänge präzise zu bestimmen.
Als Aufgabe der Erfindung kann daher angesehen werden, ein verbessertes computerimple mentiertes Verfahren zur Segmentierung von Messdaten aus einer Messung eines Objekts, die eine schlechte Datenqualität aufweisen, zu schaffen, wobei das Verfahren eine korrekte Erken nung von Materialübergängen aus den Messdaten des Objekts bereitstellt.
Hauptmerkmale der Erfindung sind in den Ansprüchen 1 und 15 angegeben. Ausgestaltungen sind Gegenstand der Ansprüche 2 bis 14.
Gemäß einem Aspekt der Erfindung wird ein computerimplementiertes Verfahren zur Segmen tierung von Messdaten aus einer Messung eines Objekts bereitgestellt, wobei das Objekt min- destens einen Materialübergangsbereich aufweist, wobei durch die Messdaten eine digitale Ob jektdarstellung mit dem mindestens einen Materialübergangsbereich erzeugt wird, wobei die di gitale Objektdarstellung eine Vielzahl von ortsaufgelösten Bildinformationen des Objekts auf weist, wobei das Verfahren die folgenden Schritte aufweist: Ermitteln der Messdaten, wobei die Messdaten mindestens ein Artefakt aufweisen; Ermitteln von mindestens zwei homogenen Be reichen in den Messdaten und/oder in der digitalen Objektdarstellung; Analysieren einer lokalen Ähnlichkeit der Vielzahl von ortsaufgelösten Bildinformationen; Anpassen einer Ausdehnung je des homogenen Bereichs bis mindestens ein Grenzbereich jedes homogenen Bereiches an ei ner erwarteten Position eines Materialübergangsbereichs angeordnet ist; Segmentieren der di gitalen Objektdarstellung, wobei auf Basis der angepassten homogenen Bereiche.
Mit der Erfindung werden verschiedene Algorithmen genutzt, um Objekte, deren Messdaten mindestens ein Artefakt und damit eine schlechte Datenqualität aufweisen, zu segmentieren. Dabei untersuchen die Algorithmen verschiedene Darstellungsformen der Messdaten des Ob jekts. Mittels der Verwendung verschiedener Algorithmen mit ihren jeweiligen Vorteilen und Nachteilen, lassen sich die Stärken der genutzten Algorithmen bestmöglich ausnutzen. So kön nen beispielsweise mit einem Algorithmus zunächst die Bildinformationen der Messdaten analy siert werden, wobei z. B. jede Bildinformation mit den örtlich benachbarten Bildinformationen verglichen wird, um homogene Bereiche zu ermitteln. Dies kann als Vorsegmentierung bezeich net werden. Weiter kann dies z. B. vorteilhafterweise auf dreidimensionalen Messdaten durch geführt werden. Jedoch können auch zweidimensionale Messdaten, die auch mit den dreidi mensionalen Messdaten verknüpft sein können, verwendet werden. Ähnliche Bildinformationen werden dann zu einem homogenen Bereich zusammengefasst. Auf diese Weise wird mindes tens ein homogener Bereich ermittelt. Dabei kann ein der Ermittlung des homogenen Bereiches zugrundeliegender Algorithmus ungenau sein, so dass die Positionen der Grenzen des homo genen Bereiches sich nicht mit den Positionen der Materialübergangsbereiche decken, die den homogenen Bereich begrenzen könnten. Mit einem weiteren Algorithmus kann die lokale Ähn lichkeit der Bildinformationen analysiert werden. Mittels der Analyse der lokalen Ähnlichkeit, können Bereiche ermittelt werden, in denen die Bildinformationen sich nur wenig mit benach barten Bildinformationen ähneln. Diese Bereiche können als erwartete Position eines Material übergangsbereichs identifiziert werden. Die erwartete Position kann sich dabei auch z. B. aus der Soll-Geometrie des Objekts oder aus einer anderen Darstellung der Messdaten ergeben.
Ein Grenzbereich des homogenen Bereichs wird dann mittels eines weiteren Algorithmus z. B. durch Verschieben seiner Position angepasst. Dabei kann die Ausdehnung des homogenen Be reichs verändert werden. Die Position des Grenzbereichs wird so lange angepasst, bis der Grenzbereich eine erwartete Position eines Materialübergangsbereichs umfasst. Nachteile ein zelner Algorithmen können damit durch die Verwendung weiterer Algorithmen ausgeglichen werden. Unter einem Grenzbereich wird dabei ein Teilbereich des homogenen Bereiches ver standen, der den homogenen Bereich begrenzt. Der Grenzbereich kann dabei eine vordefinierte Grenzbereichsausdehnung innerhalb des homogenen Bereichs aufweisen.
In dem Beispiel können in der Darstellung der lokalen Ähnlichkeit Bereiche, die Werte aufwei sen, die einen vorbestimmen Schwellwert für die lokale Ähnlichkeit überschreiten, als Material übergangsbereiche zwischen verschiedenen Materialbereichen identifiziert werden. Bereiche, die von den Materialübergangsbereichen begrenzt werden, werden dann komplett demjenigen Material zugeordnet, welches nach der Vorsegmentierung den größten Anteil an diesem Be reich hatte. Dabei kann es auch passieren, dass kein geschlossener Materialübergangsbereich zwischen den Materialbereichen gebildet wird. Dieser kann beispielsweise durch eine morpho logische Operation des „Closing“ geschlossen werden, bei der die betreffenden Materialüber gangsbereiche zusammenwachsen und kleine Bereiche dazwischen entfernt werden.
Damit wird eine Segmentierung der digitalen Objektdarstellung auf Basis der angepassten ho mogenen Bereiche zwischen den mindestens zwei homogenen Bereichen durchgeführt. Dabei kann die Bestimmung der erwarteten Positionen eines Materialübergangsbereiches einen klei nen Suchbereich am Rand der homogenen Bereiche aufweisen, in denen die Materialüber gangsbereiche gesucht werden. Dabei wird vor dem Schritt Segmentieren der digitalen Objekt darstellung auf Basis der angepassten homogenen Bereiche, der zusammen mit den Schritten Analysieren einer lokalen Ähnlichkeit der Vielzahl von ortsaufgelösten Bildinformationen und Anpassen einer Ausdehnung jedes homogenen Bereichs bis mindestens ein Grenzbereich je des homogenen Bereiches an einer erwarteten Position eines Materialübergangsbereichs ange ordnet ist, als Hauptsegmentierung, z. B. als vergleichsweise feine Segmentierung, fungieren kann, eine Vorsegmentierung, z. B. eine vergleichsweise grobe Segmentierung durchgeführt. Die Vorsegmentierung kann z. B. den Schritt Ermitteln von mindestens zwei homogenen Berei chen in den Messdaten und/oder in der digitalen Objektdarstellung, wobei mindestens einer der mindestens zwei homogenen Bereiche eine Kleinstruktur aufweist, umfassen. Dabei können in der darauffolgenden Hauptsegmentierung beispielsweise Materialübergangsbereiche zwischen den homogenen Bereichen ermittelt werden, wenn die lokale Ähnlichkeit verringert ist. Ansons ten werden die betreffenden homogenen Bereiche zusammengefasst. Ein Materialübergangs bereich kann dabei zum Beispiel eine Materialoberfläche, zwei aneinanderstoßende Material oberflächen, mehrere durch schmale Materialbereiche getrennte Materialübergänge oder einen Übergang der inneren Struktur eines einzelnen Materials usw. aufweisen. Ergebnis dieser gro ben Segmentierung kann die Erkennung der Ausdehnung von homogenen Bereichen, aber auch von Bereichen ähnlicher Textur in den homogenen Bereichen sein. Danach kann der Schritt Segmentieren der digitalen Objektdarstellung auf Basis der angepassten homogenen Bereiche durchgeführt werden. Artefakte in den homogenen Bereichen können durch die Kom bination der Vorsegmentierung und der Hauptsegmentierung besser erkannt werden als ohne diese Kombination. Bei der Segmentierung können vermeintliche Materialübergangsbereiche, die durch Artefakte begründet werden, daher verworfen werden, so dass Fehlsegmentierungen vermieden werden.
Unter einem homogenen Bereich wird dabei ein Bereich verstanden, der ein einheitliches Mate rial oder eine einheitliche Materialmischung aufweist. Die Bildinformationen können beispiels weise Grauwerte sein, die aus Messdaten einer computertomographischen Messung im Rah men einer dimensioneilen Messung eines Objekts erhalten werden.
Als homogen gelten weiter Bereiche, deren Messdaten oder Bildinformationen beispielsweise zwischen zwei Schwellwerten, z. B. einem oberen und einem unteren Schwellwert, liegen, d. h. in denen die lokalen Messdaten ähnlich sind bzw. ähnliche Werte aufweisen, d.h. wenn eine lo kale Ähnlichkeit hoch ist. Die Bildinformationen eines homogenen Bereichs in der digitalen Ob jektdarstellung können damit in einem Beispiel Grauwerte innerhalb eines schmalen Grauwert intervalls aufweisen. Im Objekt können diese Bereiche ein einheitliches Material oder eine ein heitliche Materialmischung aufweisen. Die homogenen Bereiche sind damit nicht absolut homo gen, sondern können Schwankungen innerhalb einer Toleranz aufweisen. Die Schwellwerte können vordefiniert sein oder im Rahmen der Ermittlung der homogenen Bereiche bestimmt werden. Die Homogenität der Bereiche muss jedoch nicht mittels der Grauwerte definiert sein.
In einem anderen Beispiel können auch Bereiche mit einem faserhaltigen Material mit einer ähnlichen Faserorientierung als homogen gelten, auch wenn die Grauwerte selbst in diesem Fall nicht homogen sind. Allerdings ist dann das Muster homogen, das durch die Textur definiert wird, die aus den Fasern resultiert. Das Material eines Bereichs oder auch des gesamten Ob jekts kann beispielsweise ein Monomaterial sein, d. h. die Materialübergänge in den Material übergangsbereichen können in diesem Beispiel dann Übergänge zwischen verschiedenen Ma terialstrukturen oder ein Übergang von dem Monomaterial zum Hintergrund sein. Ein Materialübergangsbereich kann z. B. ein Übergang zwischen biologischen Materialien, Schweißnähte oder Bereiche unterschiedlicher Faserorientierung aufweisen. Es ist nicht erfor derlich, dass der Materialübergangsbereich eine klare Materialoberfläche aufweist. Ein Material übergangsbereich kann in einem weiteren Beispiel sowohl bei Messungen als auch bei einem CAD-Modell als eine Oberfläche angenähert bzw. repräsentiert werden.
Weiter kann der mindestens eine Materialübergangsbereich beispielsweise ein Multi-Material- übergangsbereich sein. Der Begriff Multi-Material bezieht sich dabei nicht nur auf Bereiche mehrerer homogener einzelner Materialien. Auch das Vorhandensein von Fasern oder Porositä ten kann jeweils einen eigenen Materialbereich innerhalb eines Monomaterials spezifizieren, auch wenn das zugrundeliegende Material identisch bleibt. Auch Bereiche unterschiedlicher Ei genschaften, insbesondere bei gleicher oder ähnlicher Materialzusammensetzung, können ex plizit als eigene Materialien interpretiert werden. So kann ebenfalls der Hintergrund eines CT- Scans, üblicherweise die Luft um das Objekt, ein Material in den Messdaten sein.
D. h. neben den Bildinformationen, die einen Hintergrund des Objekts darstellen, umfasst das Objekt mindestens zwei Materialien in den Messdaten, für die die Materialübergänge, z. B. Oberflächen, bestimmt werden.
In einem weiteren Beispiel kann das Analysieren der lokalen Ähnlichkeit auf einem Änderungs verlauf der Vielzahl von ortsaufgelösten Bildinformationen und/oder einer lokalen Varianz der Vielzahl von ortsaufgelösten Bildinformationen basieren.
Wenn die Bildinformationen z. B. Grauwerte sind, kann der Änderungsverlauf den Gradienten der ortsaufgelösten Grauwerte darstellen. Wenn die homogenen Bereiche auf Texturen begrün det werden, kann z. B. die lokale Varianz der Bildinformationen zur Bestimmung der lokalen Ähnlichkeit verwendet werden. Bei einer Gradientendarstellung handelt es sich dabei bevorzugt um den Betrag des lokalen Gradienten. In der Nähe von Materialübergangsbereichen zeigen sie erhöhte Werte an.
Weiter kann beispielsweise das Verfahren vor dem Ermitteln von mindestens zwei homogenen Bereichen der digitalen Objektdarstellung weiter folgenden Schritt aufweisen: Ausrichten einer digitalen Darstellung einer Soll-Geometrie an die digitale Objektdarstellung; wobei das Ermitteln von mindestens zwei homogenen Bereichen auf Basis der digitalen Darstellung einer Soll-Geo metrie durchgeführt wird. Damit können z. B. die erwarteten Positionen der Materialübergangsbereiche aus der Soll-Geo metrie entnommen werden, um zumindest eine grobe Vor-Ausrichtung der Messdaten zu erhal ten. Dabei kann die Soll-Geometrie ein CAD-Modell des Objekts sein. Die Bereiche der Soll-Ge ometrie bzw. des CAD-Modells können dann den entsprechenden Bereichen der Messdaten zugeordnet werden. Das computerimplementierte Verfahren kann damit bei der Ermittlung der Position der Materialübergänge auf Vorwissen aus der Soll-Geometrie zurückgreifen. Dies kann im Rahmen einer Vorsegmentierung durchgeführt werden.
Alternativ oder zusätzlich können auch Informationen über die Geometrie des Objektes aus ei ner Messung mit einem anderen Sensor, z. B. optische Methoden wie die Streifenlichtprojek tion, verwendet werden.
Beispielsweise kann das Verfahren nach dem Schritt Segmentieren der digitalen Objektdarstel lung weiter den folgenden Schritt aufweisen: Ermitteln der Position des mindestens einen Mate rialübergangsbereichs in dem mindestens einen Grenzbereich mittels der mindestens zwei ho mogenen Bereiche.
Dabei kann das Ermitteln der Position des mindestens einen Materialübergangsbereiches auf Basis eines angepassten Labelfelds durchgeführt werden. Der lokale Materialübergangsbereich wird dann mit erhöhter Genauigkeit berechnet. Die Position kann durch Koordinaten definiert sein.
In einem weiteren Beispiel kann das Verfahren nach dem Segmentieren der digitalen Objekt darstellung weiter den folgenden Schritt aufweisen: Ändern einer Erstreckung mindestens eines der homogenen Bereiche auf Basis einer Visualisierung der homogenen Bereiche in der digita len Objektdarstellung.
Einem Benutzer kann dazu z. B. die Möglichkeit gegeben werden, die homogenen Bereiche, die in Form eines Labelfelds bereitgestellt werden können, manuell zu berichtigen bzw. zu bearbei ten. Wenn die Hauptsegmentierung aufgrund einer geringen Datenqualität der Messdaten nicht das gewünschte Ergebnis liefert, kann dieser Schritt besonders vorteilhaft sein. Im Labelfeld werden direkt die gewünschten Materialien von dem Benutzer eingetragen. Das Ändern des ho mogenen Bereichs nach dem Segmentieren kann ebenfalls durch einen Benutzer durchgeführt werden, um eine Fehlsegmentierung zu vermeiden. In einem weiteren Bespiel kann das Verfahren nach dem Segmentieren der digitalen Objektdar stellung weiter die folgenden Schritte aufweisen: Ändern einer lokalen Ähnlichkeit der Vielzahl von ortsaufgelösten Bildinformationen in der segmentierten digitalen Objektdarstellung zum Korrigieren der analysierten lokalen Ähnlichkeit; und Wiederholen des Schritts Segmentieren der digitalen Objektdarstellung auf Basis der korrigierten analysierten lokalen Ähnlichkeit.
Eine Darstellung der lokalen Ähnlichkeit, auf dessen Grundlage das Labelfeld berechnet wird, kann damit bearbeitet werden. So kann mittels einer Bearbeitung festgelegt werden, dass nicht ein gesamter Materialübergangsbereich ermittelt werden muss, sondern lediglich ein Teil z. B. eine Kante, der leichter in einer Darstellung der lokalen Ähnlichkeit dargestellt oder eingearbei tet werden kann. Das Ändern der lokalen Ähnlichkeit der Vielzahl von ortsaufgelösten Bildinfor mationen in der segmentierten digitalen Objektdarstellung zum Korrigieren der analysierten lo kalen Ähnlichkeit kann dabei mittels einer Nutzereingabe erfolgen.
Weiter können Bereiche hervorgehoben werden, in denen nach Ansicht eines Benutzers Materi alübergangsbereiche vorliegen. Dabei können Ankerpunkte gesetzt werden, wobei die Bearbei tung als Materialübergangsbereich und als Meta-Information erfolgen kann, oder die Bildinfor mationen in der Darstellung der lokalen Ähnlichkeit direkt geändert werden.
Alternativ können fehlerhafte Materialübergangsbereiche auch entfernt bzw. abgeschwächt wer den. Nach der Bearbeitung wird das Labelfeld auf dieser Grundlage neu berechnet. Dabei kann auch eine Warnung ausgegeben werden, wenn an der vom Benutzer definierten Stelle kein sinnvoller Materialübergangsbereich gefunden werden kann.
In einem weiteren Beispiel kann der Schritt Anpassen einer Ausdehnung jedes homogenen Be reichs bis mindestens ein Grenzbereich jedes homogenen Bereiches an einer erwarteten Posi tion eines Materialübergangsbereichs angeordnet ist, folgenden Unterschritt aufweisen: Ermit teln mindestens eines Artefakt- Bereichs, der mindestens ein Artefakt aufweist, in der digitalen Objektdarstellung auf Basis der mindestens zwei homogenen Bereiche und/oder einer digitalen Darstellung einer Soll-Geometrie; Ermitteln mindestens eines Grenzbereiches auf Basis der analysierten lokalen Ähnlichkeit, wobei in dem Artefakt-Bereich ein Grenzbereich ermittelt wird, wenn die lokale Ähnlichkeit zwischen den Bildinformationen geringer ist als außerhalb des min destens einen Artefakt- Bereichs. In den Messdaten können damit Bereiche vorhergesagt werden, in denen Artefakte bzw. Bild fehler oder allgemein eine geringe Datenqualität auftreten sollten. Die Idee ist es dann, in die sen Bereichen bei der Hauptsegmentierung tendenziell seltener einen Materialübergangsbe reich zu identifizieren, so dass Fehlsegmentierungen vermieden werden. Die Darstellung der lokalen Ähnlichkeit bildet dabei wallartige Strukturen ab, die als Grenzbereiche in den Material übergangsbereichen verwendet werden. Manche Artefakte, z. B. Streifenartefakte, können ebenfalls Darstellungen von wallartigen Strukturen verursachen, die dann fälschlicherweise als Grenzbereiche ermittelt werden können. Durch die Manipulation der Werte der lokalen Ähnlich keit in den Artefakt-Bereichen kann dies vermieden werden.
Dabei kann zur Vorhersage der Bereiche geringer Datenqualität in den Messdaten, in denen diese Maßnahmen ergriffen werden können, eine Geometrie verwendet werden, die aus einer, ggf. vorläufigen, Segmentierung oder einem CAD-Modell gewonnen wird. Aufgrund von Vorwis sen über den Schritt der Ermittlung der Messdaten kann so beispielsweise vorhergesagt wer den, wo Artefakte wie Streifenartefakte oder Rauschen aufgrund einer langen Durchstrahlungs länge auftreten werden.
Die Soll-Geometrie kann dabei beispielsweise ein CAD-Modell sein. Weiter wird im Schritt Er mitteln mindestens eines Grenzbereiches die lokale Ähnlichkeit der Bildinformationen in dem mindestens einen Artefakt- Bereich erhöht bzw. es werden strengere Kriterien für das Vorhan densein eines Grenzbereiches verwendet, so dass tendenziell seltener einen Materialüber gangsbereich identifiziert wird.
In einem weiteren Beispiel kann der Schritt Anpassen einer Ausdehnung jedes homogenen Be reichs bis mindestens ein Grenzbereich jedes homogenen Bereiches an einer erwarteten Posi tion eines Materialübergangsbereichs angeordnet ist, folgende Unterschritte aufweisen: Ermit teln mindestens eines Geometrietyps eines Volumenbereichs der digitalen Objektdarstellung; Vergleichen des ermittelten Geometrietyps mit Geometrietypen aus einer Soll-Geometrie des Objekts; Ermitteln mindestens eines Grenzbereiches auf Basis der analysierten lokalen Ähnlich keit, wobei in dem Volumenbereich ein Grenzbereich ermittelt wird, wenn die lokale Ähnlichkeit zwischen den Bildinformationen geringer ist als außerhalb des Volumenbereichs und wenn der ermittelte Geometrietyp keinem der Geometrietypen aus der Soll-Geometrie des Objekts ähn lich ist. Unter dem Begriff Geometrietyp werden verschieden Arten und Formen von Geometrien ver standen. So kann ein Geometrietyp z. B. Flächen oder Freiformen definierter Krümmung oder Körper darstellen. Weiter kann ein Geometrietyp beispielsweise eine Materialstruktur, wie z. B. eine Schaumstruktur oder eine massive Struktur, beschreiben.
Die Darstellung der lokalen Ähnlichkeit wird dabei hinsichtlich ihrer Geometrietypen analysiert und mit den Geometrietypen verglichen, die im Objekt vorhanden sein sollten. Man weiß dem nach, dass Geometrietypen gewisser Art im Objekt nicht vorhanden sein können. Diese Geo metrietypen können in Schaumstrukturen zum Beispiel ebene Flächen sein. Entsprechende Vo lumenbereiche verringerter lokaler Ähnlichkeit, die solche Geometrien nachbilden, werden dem entsprechend in der Hauptsegmentierung seltener als Materialübergangsbereich identifiziert.
Gemäß einem weiteren Beispiel kann der Schritt Anpassen einer Ausdehnung jedes homoge nen Bereichs bis mindestens ein Grenzbereich jedes homogenen Bereiches an einer erwarte ten Position eines Materialübergangsbereichs angeordnet ist folgende Unterschritte aufweisen: Ermitteln eines Qualitätswertes mindestens eines Volumenbereichs der digitalen Objektdarstel lung; Ermitteln mindestens eines Grenzbereiches auf Basis der analysierten lokalen Ähnlichkeit in dem Volumenbereich, wenn die lokale Ähnlichkeit zwischen den Bildinformationen geringer ist als außerhalb des Volumenbereichs und wenn der ermittelte Qualitätswert des mindestens einen Volumenbereichs kleiner als ein vordefinierter Schwellwert für den Qualitätswert ist.
Dabei kann für jeden Voxel bzw. Volumenbereich mittels des Qualitätswerts eine Art Qualität oder Unsicherheit der Grauwertangabe errechnet werden. Hier werden beispielsweise reale Projektionsdaten mit einer Vorwärtsprojektion, z. B. eine errechnete Projektion auf Grundlage der Rekonstruktion, verglichen. Hieraus lässt sich abschätzen, in welchen Volumenbereichen die Datenqualität voraussichtlich gering ist, da in diesen Volumenbereichen die Messdaten nicht konsistent sind bzw. eine hohe Unsicherheit aufweisen. Der vordefinierte Schwellwert kann z.
B. von einem Benutzer oder einem Auswerteplan vorgegeben werden.
Weiter kann das Verfahren zum Beispiel den folgenden Schritt aufweisen: Wiederholen der Schritte: Anpassen der Vielzahl von Bildinformationen in der segmentierten digitalen Objektdar stellung mittels eines Artefaktkorrekturverfahrens auf Basis der ermittelten homogenen Berei che und Segmentieren der digitalen Objektdarstellung auf Basis der Vielzahl der angepassten Bildinformationen, solange eine vordefinierte Wiederholungsbedingung erfüllt ist. Einige Algorithmen zur Korrektur von Artefakten, z. B. die Metallartefaktkorrektur, die Strahlauf- härtungskorrektur oder die Streustrahlungskorrektur, verwenden Vorwissen über die gemes sene Geometrie des Objekts bzw. des Volumens, in dem das Objekt gemessen wird. Da nun eine hochqualitative Segmentierung des Multimaterial-Objekts vorliegt, kann diese Segmentie rung für diese Geometrie genutzt werden. Solche Korrekturen nutzen Wissen über die Geomet rie des Objekts, um zu verbesserten Messdaten, z. B. Volumendaten, ggf. mit dem Umweg über korrigierte Projektionsdaten, zu gelangen. Die Multimaterial-Segmentierung ermöglicht es dem entsprechend, die Korrekturen optimiert durchzuführen. Auf den korrigierten Messdaten ist eine neue, genauere Segmentierung möglich. Die Wiederholungsbedingung kann z. B. eine vorge gebene Anzahl von Wiederholungen, den Vergleich mit einem Schwellwert für die Anzahl von Artefakten in der digitalen Objektdarstellung oder die Wahrscheinlichkeit für das Vorhandensein von Artefakten in der digitalen Objektdarstellung oder den Einfluss von Artefakten auf die Kor rektheit der gefundenen Materialübergangsbereiche aufweisen.
Weiter kann das Verfahren beispielsweise den folgenden Schritt aufweisen: Wiederholen der Schritte: Anpassen der Vielzahl von Bildinformationen in der segmentierten digitalen Objektdar stellung mittels eines Artefaktkorrekturverfahrens auf Basis der ermittelten homogenen Berei che und Segmentieren der digitalen Objektdarstellung auf Basis der Vielzahl der angepassten Bildinformationen solange eine vordefinierte Wiederholungsbedingung erfüllt ist.
Damit werden die Schritte: Anpassen der Vielzahl von Bildinformationen in der segmentierten digitalen Objektdarstellung mittels eines Artefaktkorrekturverfahrens auf Basis der ermittelten homogenen Bereiche und Segmentieren der digitalen Objektdarstellung auf Basis der Vielzahl der angepassten Bildinformationen solange eine vordefinierte Wiederholungsbedingung erfüllt ist, auf Grundlage korrigierter Daten und einer neuen Segmentierung, iterativ durchgeführt.
Weiter kann beispielsweise nach dem Segmentieren der digitalen Objektdarstellung jedem ho mogenen Bereich ein Material zugeordnet werden.
Dies kann z. B. anhand einer Liste, die z. B. grauwertbasiert sein kann, oder anhand der seg mentierten Geometrien durchgeführt werden, wobei eine Zuordnung der Geometrien an homo genen Bereichen in den Messdaten anhand eines Teilekatalogs durchgeführt werden kann. Ins besondere in Kombination mit den Schritten Anpassen der Vielzahl von Bildinformationen in der segmentierten digitalen Objektdarstellung mittels eines Artefaktkorrekturverfahrens auf Basis der ermittelten homogenen Bereiche und Segmentieren der digitalen Objektdarstellung auf Ba sis der Vielzahl der angepassten Bildinformationen, solange eine vordefinierte Wiederholungs bedingung erfüllt ist, und Wiederholen dieser Schritte können den modellbasierten Korrekturen damit weitere Informationen über die Materialien bereitgestellt werden. Die bereitgestellten In formationen über die Materialien sind für die Artefaktkorrekturverfahren, insbesondere für die modellbasierten Artefaktkorrekturverfahren, besonders hilfreich, da die Informationen über die Materialien genauere Ergebnisse ermöglichen. Weiter kann damit auch Artefaktkorrekturverfah ren verwendet werden, die neben den Informationen über die Geometrie eines Objekts Informa tionen über die im Objekt anwesenden Materialen benötigen. Insbesondere kann die Zuordnung eines Materials nach dem Ermitteln der Position des mindestens einen Materialübergangsbe reichs in dem mindestens einen Grenzbereich mittels der mindestens zwei homogenen Berei che durchgeführt werden.
Weiter kann das Verfahren nach dem Segmentieren der digitalen Objektdarstellung beispiels weise weiter den folgenden Schritt aufweisen: Durchführen einer dimensioneilen Messung in der segmentierten digitalen Objektdarstellung auf Basis der Grenzbereiche.
Insbesondere in Kombination mit den Verfahrensschritten Ermitteln der Messdaten, wobei die Messdaten mindestens ein Artefakt aufweisen; Ermitteln von mindestens zwei homogenen Be reichen in den Messdaten und/oder in der digitalen Objektdarstellung; Analysieren einer lokalen Ähnlichkeit der Vielzahl von ortsaufgelösten Bildinformationen; Anpassen einer Ausdehnung je des homogenen Bereichs bis mindestens ein Grenzbereich jedes homogenen Bereiches an ei ner erwarteten Position eines Materialübergangsbereichs angeordnet ist; Segmentieren der di gitalen Objektdarstellung auf Basis der angepassten homogenen Bereiche, wird trotz der gerin gen Datenqualität eine genaue Position eines Materialübergangsbereichs, z. B. eine Oberflä che, bereitgestellt. Falls Materialübergangsbereiche bestimmt wurden, kann die dimensioneile Messung dann mittels der Materialübergangsbereiche durchgeführt werden. Insbesondere kann eine dimensioneile Messung in der segmentierten digitalen Objektdarstellung auf Basis der Grenzbereiche nach dem Ermitteln der Position des mindestens einen Materialübergangsbe reichs in dem mindestens einen Grenzbereich mittels der mindestens zwei homogenen Berei che durchgeführt werden.
In einem weiteren Aspekt betrifft die Erfindung ein Computerprogrammprodukt mit auf einem Computer ausführbaren Instruktionen, welche auf einem Computer ausgeführt den Computer dazu veranlassen, das Verfahren nach der vorhergehenden Beschreibung durchzuführen. Vorteile und Wirkungen sowie Weiterbildungen des Computerprogrammprodukts ergeben sich aus den Vorteilen und Wirkungen sowie Weiterbildungen des oben beschriebenen Verfahrens. Es wird daher in dieser Hinsicht auf die vorangegangene Beschreibung verwiesen. Unter einem Computerprogrammprodukt kann z. B. ein Datenträger verstanden werden, auf dem ein Com puterprogrammelement gespeichert ist, das für einen Computer ausführbare Instruktionen auf weist. Alternativ oder zusätzlich kann unter einem Computerprogrammprodukt beispielsweise auch ein dauerhafter oder flüchtiger Datenspeicher, wie Flash-Speicher oder Arbeitsspeicher, verstanden werden, der das Computerprogrammelement aufweist. Weitere Arten von Daten speichern, die das Computerprogrammelement aufweisen, seien damit jedoch nicht ausge schlossen.
Weitere Merkmale, Einzelheiten und Vorteile der Erfindung ergeben sich aus dem Wortlaut der Ansprüche sowie aus der folgenden Beschreibung von Ausführungsbeispielen anhand der Zeichnungen. Es zeigen:
Fig. 1 ein Flussdiagramm des computerimplementierten Verfahrens;
Fig. 2 ein Flussdiagramm mit Unterschritten eines Ausführungsbeispiels des Schritts
Anpassen;
Fig. 3 eine schematische Darstellung eines Multi-Materialübergangsbereichs; und
Fig. 4a-e eine schematische Darstellung einer Abfolge von Schritten eines Ausführungs beispiels des Verfahrens.
Das computerimplementierte Verfahren zur Segmentierung von Messdaten aus einer Messung eines Objekts mit folgenden in seiner Gesamtheit mit dem Referenzzeichen 100 bezeichnet. Das computerimplementierte Verfahren 100 wird zunächst mittels der Figur 1 erläutert.
Figur 1 zeigt ein Flussdiagramm einer Ausführungsform des computerimplementierten Verfah rens 100 zur Segmentierung von Messdaten aus einer Messung eines Objekts. Dabei weist das Objekt mindestens einen Materialübergangsbereich auf. In einem ersten Schritt 102 werden die Messdaten des Objektes ermittelt. Die Ermittlung der Messdaten kann dabei zum Beispiel mittels einer computertomographischen (CT) Messung er folgen. Damit seien jedoch andere Verfahren zur Ermittlung der Messdaten wie zum Beispiel Magnetresonanztomographie usw. nicht ausgeschlossen. Mittels der Messdaten wird eine digi tale Objektdarstellung mit dem mindestens einen Materialübergangsbereich erzeugt. Die digi tale Objektdarstellung umfasst eine Vielzahl von ortsaufgelösten Bildinformationen des Objekts.
Wenn die Messdaten CT-Daten sind, müssen sie nicht zwingend nur aus einem einzelnen Grauwert pro Voxel bestehen. So können es multimodale Daten, d. h. Daten mehrerer Senso ren, oder Daten aus einem Multienergie-CT-Scan sein, so dass für jeden Voxel mehrere Grau werte vorliegen. Weiterhin können auch Ergebnisse von Analysen auf den ursprünglichen Messdaten als weiterer ortsaufgelöster Grauwert in dem Verfahren 100 genutzt werden, bei spielsweise das Ergebnis einer Analyse der Faserorientierung oder der lokalen Porosität. Die zusätzlichen Informationen, die z. B. als Farbkanäle bezeichnet werden können, können somit wie bunte Voxeidaten interpretiert werden, auch wenn keine Farben des sichtbaren Spektrums repräsentiert werden. Diese zusätzlichen Informationen können in dem Verfahren 100 gewinn bringend genutzt werden.
Weiter umfassen die Messdaten mindestens ein Artefakt. Die Messdaten weisen dabei mindes tens ein Artefakt auf, d. h. sie haben eine geringe Datenqualität. Das mindestens eine Artefakt kann z. B. ein Streifenartefakt, Rauschen oder andere Bildfehler sein.
In einem optionalen Schritt 112 wird eine digitale Darstellung einer Soll-Geometrie des Objektes an die digitale Objektdarstellung aus den ermittelten Messdaten gemäß Schritt 102 ausgerich tet. Die digitale Darstellung einer Soll-Geometrie des Objektes kann zum Beispiel eine CAD- Darstellung des Objektes sein, die vor der Herstellung des Objektes erstellt wurde. Die Geomet rie im CAD-Modell muss nicht zwingend als Oberfläche oder Materialübergangsbereich be schrieben sein. Stattdessen oder zusätzlich kann es auch als Bilderstapel, Voxeivolumen oder Distanzfeld implizit dargestellt werden. Dies kann insbesondere bei einer additiven Fertigung verwendet werden. Weiter kann diese Information direkt bzw. ohne aufwendige Umrechnung in ein Labelfeld übersetzt werden. Weitere Darstellungsformen der Soll-Geometrie werden damit jedoch nicht ausgeschlossen.
Bei der Ausrichtung, d. h. bei der Anpassung der Geometriebereiche der Soll-Geometrie auf die Messdaten kann berücksichtigt werden, welche Materialien am Grauwertübergang beteiligt sind und wie sie angeordnet sind. Aus der Anordnung der Materialien kann sich die Orientierung des Materialübergangs ergeben. Diese Information ist meist in der Soll-Geometrie bekannt und kann jeweils lokal leicht aus den Messdaten ermittelt werden. Hiermit kann vermieden werden, dass nicht zueinanderpassende Materialübergangsbereiche einander zugeordnet werden, was eine fehlerhafte Ausrichtung zur Folge hätte.
Die Ausrichtung kann auch mittels einer nicht-rigiden Abbildung zwischen den Messdaten und der Soll-Geometrie durchgeführt werden.
Es werden in einem Schritt 104 mindestens zwei homogene Bereiche in den Messdaten und/o der in der digitalen Objektdarstellung auf Basis der digitalen Darstellung der Soll-Geometrie er mittelt. Dazu werden die Bildinformationen daraufhin analysiert, ob homogene Bereiche vorhan den sind, zum Beispiel Bereiche innerhalb eines Grauwertintervalls oder mit ähnlicher Textur.
Da in der digitalen Darstellung der Soll-Geometrie die Materialübergangsbereiche und die Bau teile des Objektes bzw. die Bereiche des Objektes mit homogenen Materialien bekannt sind, kann aus der digitalen Darstellung der Soll-Geometrie nach dem Ausrichten im Schritt 112 auf homogene Bereiche in den Messdaten bzw. in der digitalen Objektdarstellung, die aus den Messdaten erzeugt wird, geschlossen werden.
In einem Schritt 106 wird die lokale Ähnlichkeit der Vielzahl von ortsaufgelösten Bildinformation analysiert. Dabei kann zum Beispiel ein Änderungsverlauf der Vielzahl von ortsaufgelösten Bild information analysiert werden. Alternativ oder zusätzlich kann eine lokale Varianz der Vielzahl von ortsaufgelösten Bildinformationen analysiert werden. Die lokale Varianz ist schneller bere chenbar und an Multi-Materialübergangsbereichen robuster als die Verwendung von Ände rungsverläufen. Aus der lokalen Ähnlichkeit können erwartete Positionen der Materialüber gangsbereiche zwischen verschiedenen Komponenten des Objekts ermittelt werden. Diese er warteten Positionen der Materialübergangsbereiche sind die Positionen erwarteten Grenzen der im Schritt 104 ermittelten homogenen Bereiche.
Darauf werden in einem weiteren Schritt 108 die homogenen Bereiche angepasst. Dazu wird die Ausdehnung jedes homogenen Bereiches verändert, sodass ein Grenzbereich jedes homo genen Bereiches an der erwarteten Position eines Materialübergangsbereichs angeordnet ist. Die erwarteten Positionen der Materialübergangsbereiche begrenzen damit die homogenen Be reiche in der Objektdarstellung. In einem weiteren Schritt 110 werden aus der digitalen Objektdarstellung mindestens zwei ho mogene Bereiche segmentiert. Schritt 110 kann zusammen mit den Schritten 106 und 108 als Hauptsegmentierung bezeichnet werden. Dabei werden ermittelte homogene Bereiche in der digitalen Objektdarstellung angepasst und voneinander abgegrenzt.
Im Schritt 110 können Informationen von weiteren Sensoren, zusätzlich z. B. zu den Messdaten einer computertomographischen Messung, verwendet werden. Bei der Anpassung der Lage der Materialübergangsbereiche werden die mit diesen Sensoren gewonnenen Oberflächeninforma tionen verwendet um die Materialübergangsbereiche in diese Richtung zu erweitern bzw., um zu verhindern, dass Materialübergangsbereiche über die so festgestellten Oberflächen hinaus ausgedehnt werden.
Im optionalen Schritt 118 kann eine lokale Ähnlichkeit der Vielzahl von ortsaufgelösten Bildinfor mationen in der segmentierten digitalen Objektdarstellung zum Korrigieren der analysierten lo kalen Ähnlichkeit geändert werden. Dabei können Bereiche hervorgehoben werden, in denen nach Ansicht eines Benutzers Materialübergangsbereiche vorliegen. Dabei werden Anker punkte gesetzt, wobei die Bearbeitung als Materialübergangsbereich und sozusagen als Meta- Info erfolgen kann, anstatt die Bildinformationen in der Darstellung der lokalen Ähnlichkeit direkt zu ändern.
Weiter kann eine von einem Benutzer geänderte lokale Ähnlichkeit durch geeignete Algorith men automatisch angepasst werden, so dass die geänderte lokale Ähnlichkeit mit anderen Be reichen zusammenstößt, die eine gleichartige lokale Ähnlichkeit aufweisen. Dies erleichtert die Handhabung des Benutzers, da die Genauigkeit, mit der ein Benutzer die lokale Ähnlichkeit än dern muss, durch die Unterstützung des Algorithmus reduziert wird.
Danach wird gemäß dem weiteren optionalen Schritt 120 der Schritt 110 wiederholt, um eine verbesserte Segmentierung zu erhalten.
In einem weiteren optionalen Schritt 114 kann die Position des mindestens einen Materialüber gangsbereichs in dem mindestens einen Grenzbereich mittels der mindestens zwei homogenen Bereiche ermittelt werden. Dabei kann das Ermitteln der Position des mindestens einen Materialübergangsbereiches auf Basis eines Labelfelds durchgeführt werden, das beispielsweise im Schritt 104 erstellt und bei spielsweise im Schritt 108 angepasst wurde. Ein lokaler Materialübergangsbereich wird dann mit erhöhter Genauigkeit berechnet. Die Position kann durch Koordinaten definiert sein.
Auf Basis des angepassten Labelfelds werden die Materialübergangsbereiche, die z. B. eine lo kale Oberfläche darstellen können, mit größerer Genauigkeit berechnet. Dazu kann ein weite rer, hierauf spezialisierter Algorithmus verwendet werden. Dabei wird in einem kleinen Umkreis, z. B. wenige Voxel, nach der exakten Lage des Materialübergangsbereichs gesucht. Dies ist zu meist Voraussetzung für exakte dimensioneile Messungen, welche auf CT-Daten durchgeführt werden sollen.
Dazu können prinzipiell verschiedene Algorithmen verwendet werden. Z. B. Algorithmen, wel che auf den Messdaten direkt arbeiten. Diese können beispielsweise mittels eines lokalen oder globalen Schwellwerts oder durch Suche nach dem maximalen Gradienten oder nach einem Wendepunkt des Grauwertverlaufs die lokale Position der Oberfläche bestimmen.
Weiter kann beispielsweise auf der Darstellung der lokalen Ähnlichkeit bzw. Gradienten- oder Varianzdarstellung die exakte lokale Position der Materialübergangsbereiche bestimmt werden, indem beispielsweise ein Polynom zweiten Grades an den Grauwertverlauf angepasst wird. Die Position des Extremums dieses Polynoms kann als Position der Oberfläche verwendet werden.
Weitere Algorithmen seien durch die oben angeführten Erläuterungen jedoch nicht ausge schlossen.
Aus dem Labelfeld und der darin implizit gespeicherten Repräsentation kann das Wissen über die, ggf. ungefähre, Richtung einer Oberflächennormale, einer in dem Materialübergangsbe reich angeordneten Oberfläche, oder über die im Materialübergangsbereich angeordneten Ma terialien abgeleitet werden. Dieses Wissen kann von einigen Algorithmen verwendet werden, um exaktere Ergebnisse zu erreichen. Dieses Wissen kann falls verfügbar auch alternativ aus der Soll-Geometrie, z. B. einem CAD-Modell, entnommen werden.
Dies wird dann in Kombination mit einem Algorithmus durchgeführt, welcher die Information ei ner Startoberfläche benötigt oder benutzen kann, um ausgehend von dieser die genaue Posi tion der Oberfläche zu berechnen. In einem weiteren optionalen Schritt 116 kann eine Erstreckung mindestens eines der homoge nen Bereiche auf Basis einer Visualisierung der homogenen Bereiche in der digitalen Objekt darstellung geändert werden.
Dazu können einzelne Bereiche markiert werden, von denen bekannt ist, dass sie einem Mate rial zugehörig sind. Mittels eines Algorithmus wird die relativ kleine Markierung bis zum nächs ten Materialübergangsbereich vergrößert, so dass ein Benutzer auf einfache Weise diese Berei che markieren kann.
Dabei können insbesondere Algorithmen zum Region Growing oder Operationen wie Opening, Closing, Erosion sowie Dilatation, die Invertion, Boolesche Operatoren oder auch glättende Werkzeuge wie Filter genutzt werden, um die Bereiche im Labelfeld zu bearbeiten.
Das Verfahren weist weiter den optionalen Schritt 136 auf, bei dem die Vielzahl von Bildinfor mationen in der segmentierten digitalen Objektdarstellung mittels eines Artefaktkorrekturverfah rens auf Basis der ermittelten homogenen Bereiche geändert wird.
Damit kann Vorwissen über die homogenen Bereiche genutzt werden, um eine Artefaktkorrek tur durchzuführen.
Ein weiterer optionaler Schritt 138 umfasst das Segmentieren der digitalen Objektdarstellung auf Basis der Vielzahl der angepassten Bildinformationen, die aus Schritt 136 erhalten wurden.
Damit liegt dann eine hochqualitative Segmentierung insbesondere für Objekte mit verschiede nen homogenen Bereiche, d. h. in diesem Beispiel Bereiche mit unterschiedlicher Homogenität, vor. Damit wird für die Korrektur Wissen über die Geometrie des Objekts genutzt, um z. B. zu verbesserten Messdaten, ggf., wenn die Messdaten Volumendaten sind, mit dem Umweg über korrigierte Projektionsdaten, zu gelangen. Eine Segmentierung der verschiedenen homogenen Bereiche ermöglicht es dementsprechend, die Korrekturen optimiert durchzuführen. Auf den korrigierten Daten ist eine neue, genauere Segmentierung möglich.
Die Schritte 136 und 138 können in einem weiteren optionalen Schritt 140 so lange wiederholt werden, bis eine vordefinierte Wiederholungsbedingung nicht mehr erfüllt ist. Damit wird auf der Grundlage der in den Schritten 136 und 138 korrigierten Daten iterativ eine neue Segmentie rung durchgeführt.
In einem weiteren optionalen Schritt 142 wird nach dem Schritt 110 jedem homogenen Bereich ein Material zugeordnet.
Weiter kann in einem weiteren optionalen Schritt 144 eine dimensioneile Messung in der seg mentierten digitalen Objektdarstellung auf Basis der Grenzbereiche durchgeführt werden. Die dimensioneile Messung, die auf den segmentieren Messdaten bzw. auf der segmentierten digi talen Objektdarstellung basiert, kann durch die sehr genaue Positionsbestimmung der Material übergangsbereiche mit sehr hoher Genauigkeit durchgeführt werden.
In Figur 2 werden optionale Unterschritte des Schritt 108 dargestellt.
Der Schritt 108 kann dabei die beiden optionalen Unterschritte 122 und 124 aufweisen. Im Un terschritt 122 wird in der digitalen Objektdarstellung auf Basis der mindestens zwei homogenen Bereiche und/oder einer digitalen Darstellung einer Soll-Geometrie mindestens ein Artefakt-Be reich ermittelt, der mindestens ein Artefakt aufweist. Damit kann zur Vorhersage der Bereiche geringer Datenqualität die digitale Darstellung der Soll-Geometrie oder eine vorläufige Segmen tierung der digitalen Objektdarstellung verwendet werden. Aufgrund von Vorwissen über die Er mittlung der Messdaten kann damit beispielsweise vorhergesagt werden, wo Artefakte wie Streifenartefakte oder Rauschen aufgrund einer langen Durchstrahlungslänge des Objekts in den Messdaten bzw. der digitalen Objektdarstellung auftreten werden. Damit kann in dem Un terschritt 124 mindestens ein Grenzbereiches auf Basis der analysierten lokalen Ähnlichkeit er mittelt werden, wobei in dem Artefakt- Bereich ein Grenzbereich ermittelt wird, wenn die lokale Ähnlichkeit zwischen den Bildinformationen geringer ist als außerhalb des mindestens einen Ar tefakt-Bereichs.
Weiter kann der Schritt 108 die optionalen Unterschritte 126, 128 und 130 aufweisen. Der Un terschritt 126 betrifft das Ermitteln mindestens eines Geometrietyps eines Volumenbereichs der digitalen Objektdarstellung. Im Unterschritt 128 wird der ermittelte Geometrietyp mit Geometrie typen aus der Soll-Geometrie des Objekts verglichen. Danach wird im Unterschritt 130 mindes tens ein Grenzbereich auf Basis der analysierten lokalen Ähnlichkeit ermittelt, wobei in dem Vo lumenbereich ein Grenzbereich ermittelt wird, wenn die lokale Ähnlichkeit zwischen den Bildin- formationen geringer ist als außerhalb des Volumenbereichs und wenn der ermittelte Geomet rietyp keinem der Geometrietypen aus der Soll-Geometrie des Objekts ähnlich ist. Die homoge nen Bereiche werden damit hinsichtlich ihrer dort angeordneten Geometrietypen analysiert und mit den Geometrietypen verglichen, welche im Objekt vorhanden sein sollten. Dabei wird Vor wissen genutzt, dass Geometrien gewisser Art im Objekt nicht vorhanden sein können, wie z. B. ebene Flächen in Schaumstrukturen. Entsprechende Bereiche verringerter Homogenität, wel che solche Geometrietypen nachbilden, werden dementsprechend in der Hauptsegmentierung seltener als Materialübergangsbereich identifiziert.
Der Schritt 108 kann weiter die optionalen Unterschritte 132 und 134 aufweisen. Im Unterschritt 132 wird ein Qualitätswert mindestens eines Volumenbereichs der digitalen Objektdarstellung ermittelt. Der Qualitätswert gibt dabei eine Qualität oder Unsicherheit einer Bildinformation an. Dabei kann der Qualitätswert für jede Bildinformation, z. B. ein Voxel bzw. Volumenbereich, eine Art Qualität oder Unsicherheit eines Grauwerts errechnet werden. Dabei können beispiels weise reale Projektionsdaten mit einer Vorwärtsprojektion, d. h. einer errechneten Projektion auf Grundlage der Rekonstruktion verglichen werden. Dies kann für eine Abschätzung verwendet werden, wo im Volumen die Datenqualität voraussichtlich gering ist, da an diesen Positionen in konsistente Messdaten vorliegen.
Im Unterschritt 134 wird dann mindestens ein Grenzbereich auf Basis der analysierten lokalen Ähnlichkeit in dem Volumenbereich ermittelt, wenn die lokale Ähnlichkeit zwischen den Bildin formationen geringer ist als außerhalb des Volumenbereichs und wenn der ermittelte Qualitäts wert des mindestens einen Volumenbereichs kleiner als ein vordefinierter Schwellwert für den Qualitätswert ist. Der vordefinierte Schwellwert kann dabei von einem Benutzer oder einer Aus wertevorschrift vorgegeben werden.
Figur 3 zeigt ein Beispiel eines Multi-Materialübergangsbereichs mit Mehrfachkanten. Dabei sind in der Figur 3 die Materialien 48, 54 und 56 dargestellt. Das Material 48 ist dabei zwischen den Materialien 54 und 56 angeordnet und weist eine sehr geringe Ausdehnung im Vergleich zu den anderen beiden Materialien auf. Zwischen dem Material 48 und dem Material 54 ist der Ma terialübergangsbereich 52 angeordnet. Zwischen dem Material 48 und dem Material 56 ist der Materialübergangsbereich 50 angeordnet. Insgesamt bilden die beiden Materialübergangsberei che 50 und 52 einen Multi-Materialübergangsbereich, der mit konventionellen Verfahren ledig lich schwer aufgelöst werden kann. In der Regel erkennen konventionelle Segmentierungsver- fahren derartige Bereiche als lediglich einen Materialübergangsbereich. Mit dem computerim plementierten Verfahren 100 der oben beschriebenen Erfindung kann jedoch die Erkennung von mehreren Materialübergangsbereichen durchgeführt werden, die sehr nah beieinanderlie gen.
Ein Beispiel der Schritte 104, 106 und 108, des optionalen Schritts 142 sowie einiger weitere Schritte des Verfahrens 100 werden im Folgenden mittels der Figuren 4a bis 4e näher erläutert, die eine Verwendung eines Labelfelds im Zusammenhang mit dem Verfahren 100 darstellen. Dabei zeigt Figur 4a schematisch eine digitale Darstellung 10 von Bildinformationen aus Mess daten eines Teilbereichs eines Objektes. Diese schematische digitale Objektdarstellung kann zum Beispiel eine Schnittdarstellung einer computertomographischen Messung sein. In diesem Fall können die Bildinformationen Grauwerte sein, die aus Übersichtlichkeitsgründen in der Fi gur 4a nicht als Grauwerte dargestellt sind. Lediglich Übergangsbereiche, in den sich die Grau werte stark ändern, sind als Linien dargestellt.
Das Objekt weist die Unterbereiche 12, 14, 16 und 18 auf, deren Bildinformationen jeweils ho mogene Bereiche bilden. Der Unterbereich 12 ist mittels des Materialübergangsbereichs 20 ge genüber dem Unterbereich 14 abgegrenzt. Gegenüber den Unterbereichen 16 und 18 ist der Unterbereich 12 durch den Materialübergangsbereich 22 abgegrenzt. Zwischen dem Unterbe reich 16 und dem Unterbereich 18 ist der Materialübergangsbereich 24 angeordnet. In der digi talen Darstellung 10 der Bildinformationen sind jedoch weiter die Übergangsbereiche 26, 28 und 30 zu erkennen, die jedoch aus Abschattungen oder anderen Artefakten resultieren und keine Materialübergangsbereiche darstellen.
Konventionelle Algorithmen haben dabei Probleme die Übergangsbereiche 26, 28 und 30 von Materialübergangsbereichen 20, 22 und 24 zu unterscheiden. Daher kann zunächst eine optio nale Vorsegmentierung durchgeführt, bei der die Bildinformationen analysiert werden.
Dabei ist in Figur 4b die Darstellung 10 der Bildinformationen aus Figur 4a mit einem Raster als Labelfeld 32 dargestellt. Das Labelfeld 32 kann eine beliebige Auflösung aufweisen und zum Beispiel gröber als die Auflösung der Voxel oder Pixel, voxel-/pixelgenau oder subvoxel-/subpi- xelgenau sein. Das Labelfeld 32 und/oder das Distanzfeld wird in den meisten Fällen die glei che Struktur und Auflösung wie die Messdaten aufweisen. Jedoch kann z. B. eine geringere Auflösung und somit größere Zellen, aber auch eine anisotrope Auflösung und somit Quader anstatt Würfel, gewählt werden. Weiter kann auch die Struktur, z. B. Tetraeder anstatt Würfel, angepasst werden. Zudem ist es nicht zwingend notwendig, mit Hilfe von einem oder mehreren Distanzfeldern eine subvoxeigenaue Repräsentation von den Materialübergangsbereichen zu ermöglichen. Erst bei bzw. nach der Ermittlung der Position der Materialübergangsbereiche kann dies nötig werden. Daher kann Rechenzeit sowie Speicherplatz gespart werden, wenn bei der Segmentierung lediglich auf dem Labelfeld gearbeitet wird und Distanzfelder erst bei der Er mittlung der Positionen der Materialübergangsbereiche verwendet werden.
Wenn die Bildinformationen zum Beispiel Grauwerte sind, können Grauwerte unterhalb eines gewissen Schwellenwertes einem ersten Material zugeordnet werden, zum Beispiel Luft, die in Figur 4b mit Label „o“ gekennzeichnet wird. Grauwerte oberhalb eines weiteren Schwellenwer tes werden einem zweiten Material zugeordnet, das in Figur 4b mit dem Label „+“ dargestellt ist. Grauwerte, die zwischen den beiden Schwellwerten liegen, können einem dritten Material zuge ordnet werden, dass in Figur 4b mit dem „x“ gekennzeichnet ist.
Das Labelfeld kann mit einem Distanzfeld kombiniert sein.
Weiter können die Informationen aus der Soll-Geometrie über die einzelnen Teile des Objekts verwendet werden, z. B. bei Steckern mit nummerierten Pins 1 - 9, um Informationen über die jeweiligen Materialien zu erhalten. Demnach können auch Regionen des gleichen Materials auf verschiedene Teile des Objekts aufgeteilt werden. Auf diese Weise wird es übersichtlicher, die Messdaten auszuwerten. Im Idealfall werden die Regionen in einer bereits in der Soll-Geomet rie definierten Hierarchiestruktur aufgelistet bzw. angezeigt.
Analog können auch die im Labelfeld getrennten bzw. nicht verbundenen Bereiche des gleichen Materials automatisch in verschiedene Teile aufgeteilt werden.
In einem nächsten Schritt wird gemäß Figur 4c eine Darstellung 34 ermittelt, die aus einer Ana lyse der lokalen Ähnlichkeit der Bildinformationen gewonnen wird. Dies kann zum Beispiel eine Gradientendarstellung sein. Hier sind die Materialübergangsbereiche 20 und 22 sowie 24 deut lich erkennbar. Die Übergangsbereiche 26 bis 30 sind dieser Darstellung nicht zu sehen. Im Ge gensatz zu der Darstellung 10 der Bildinformationen können jedoch die einzelnen Unterberei che des Objekts nicht qualitativ voneinander unterschieden werden. D.h., aus der Darstellung gemäß Figur 4c kann nicht auf das Material eines Unterbereiches geschlossen werden. Die Darstellung 34 wird mit dem Labelfeld 32 verknüpft, wie in Figur 4d beispielhaft dargestellt ist. Dabei wird erkennbar, dass die homogenen Bereiche nicht an allen Abschnitten von den Materialübergangsbereiche 20, 22 und 24 begrenzt werden. Im Rahmen einer Hauptsegmentie rung, werden daher die Grenzen der homogenen Bereiche verschoben, indem homogene Be reiche umgelabelt werden, zum Beispiel an dem Pfeilen 36 und 40 von „o“ zu „x“ und am Pfeil 38 von „+“ zu „x“. Der Bereich, der am Pfeil 36 bzw. 40 das Label „o“ aufwies, ist in Figur 4e ver schwunden und gehört nun zu dem Bereich mit dem Label „x“. Am Pfeil 38 wurde der Bereich mit dem Label „+“ verkleinert und der Bereich mit dem Label „o“ vergrößert. Ähnliches geschieht an den Pfeilen 42, 44 und 46. An den Pfeilen 46 und 44 wachsen dabei zwei vorher getrennte homogene Bereiche mit dem Label „+“ zusammen wobei ein Bereich mit dem Label „x“ ver schwindet.
Alternativ oder zusätzlich können zur Erstellung des Labelfelds einzelne Bereiche in der digita len Objektdarstellung markiert werden, welche einem Material zugehörig sind. Die Markierung wird intelligent automatisch bis zum nächsten Materialübergangsbereich erweitert. Es ist auch möglich, einen Materialübergangsbereich durch einen Benutzer kennzeichnen zu lassen und automatisch zu vergrößern bis der Materialübergangsbereich z.B. mit anderen Materialüber gangsbereichen zusammenstößt, so dass der Benutzer nicht gezwungen ist, einen vollständi gen Materialübergangsbereich zu kennzeichnen. Somit ist kein genaues Einzeichnen nötig. Weiterhin können Operationen wie Opening, Closing, Erosion sowie Dilatation, eine Inversion, Boolesche Operatoren oder auch glättende Werkzeuge wie Filter genutzt werden, um die Berei che im Labelfeld zu bearbeiten.
Weiter können Bereiche hervorgehoben werden, in denen nach Ansicht eines Benutzers Materi alübergangsbereiche vorliegen. Dabei werden Ankerpunkte gesetzt, wobei die Bearbeitung als Materialübergangsbereich und sozusagen als Meta-Info erfolgen kann, anstatt die Bildinformati onen in der Darstellung der lokalen Ähnlichkeit direkt zu ändern.
Alternativ können fehlerhafte Materialübergangsbereiche auch entfernt bzw. abgeschwächt wer den. Nach der Bearbeitung wird das Labelfeld auf dieser Grundlage neu berechnet. Dabei kann auch eine Warnung ausgegeben werden, wenn an der vom Benutzer definierten Stelle kein sinnvoller Materialübergangsbereich gefunden werden kann. Es kann weiter eine oberflächenbasierte Bestimmung einer lokalen Datenqualität verwendet werden. Dabei kann jedem Materialübergangsbereich ein Qualitätswert zugeordnet werden, der die Genauigkeit des Materialübergangsbereichs darstellt.
Die Darstellung der lokalen Ähnlichkeit kann mittels verschiedener Verfahren aus den Messda ten, insbesondere aus Volumendaten, berechnet werden. So können zum Beispiel ein Sobel- Operator, ein Laplace-Filter oder ein Canny-Algorithmus verwendet werden. Die Wahl, welcher Algorithmus verwendet wird und wie dieser parametrisiert wird, kann vom Benutzer manuell durchgeführt werden. So kann, beispielsweise anhand eine Vorschaubilds, derjenige Algorith mus ausgewählt werden, welcher die besten Ergebnisse bei der Erstellung des Labelfelds be wirkt. Zudem kann die Darstellung der lokalen Ähnlichkeit vor dem Anpassen des Labelfelds mittels Filtern bearbeitet werden, um möglichst gute Ergebnisse zu erreichen. Ein Beispiel wäre die Verwendung eine Gauß-Filter, um den negativen Einfluss von Rauschen auf das Ergebnis beim Anpassen des Labelfelds zu minimieren.
Je nach Algorithmus ist es möglich, dass nach dem Anpassen des Labelfelds noch kleinere Be reiche inkorrekt segmentiert sind. Um dies zu beheben, können optional noch Unterschritte durchgeführt werden.
Dabei können auf die einzelnen Materialbereiche morphologische Operatoren wie Opening und/oder Closing angewendet werden, wodurch kleine Bereiche entfernt werden.
Weiterhin können zusammenhängende Bereiche unterhalb einer definierten Maximalgröße ge löscht und dem bzw. den umliegenden Materialien zugeordnet werden. Optional können dabei für Bereiche, welche von zwei oder mehr anderen Materialien umschlossen werden, mit einer abweichenden bzw. größeren Maximalgröße versehen werden oder gar nicht gelöscht werden, während Bereiche, welche nur von einem anderen Material umschlossen werden, weiterhin mit der oben genannten Maximalgröße behandelt werden. Auf diese Weise können z. B. dünne Schichten eines Materials zwischen zwei weiteren Materialien erhalten bleiben.
Figur 4e zeigt dabei das Resultat der Hauptsegmentierung. Hier stimmen die Grenzen der La belfelder in etwa mit den Materialübergangsbereichen 20, 22 und 24 über ein. Die Bauteile bzw. Materialien 12, 14 und 16 sind damit segmentiert. Auf Basis des angepassten Labelfelds werden die Materialübergangsbereiche, die z. B. eine lo kale Oberfläche darstellen können, mit größerer Genauigkeit berechnet. Dazu kann ein weite rer, hierauf spezialisierter Algorithmus verwendet werden. Dabei wird in einem kleinen Umkreis, z. B. wenige Voxel, nach der exakten Lage des Materialübergangsbereichs gesucht. Dies ist zu meist Voraussetzung für exakte dimensioneile Messungen, welche auf CT-Daten durchgeführt werden sollen.
Dazu können prinzipiell verschiedene Algorithmen verwendet werden. Z. B. Algorithmen, wel che auf den Messdaten direkt arbeiten. Diese können beispielsweise mittels eines lokalen oder globalen Schwellwerts oder durch Suche nach dem maximalen Gradienten oder nach einem Wendepunkt des Grauwertverlaufs die lokale Position der Oberfläche bestimmen.
Weiter kann beispielsweise auf der Darstellung der lokalen Ähnlichkeit bzw. Gradienten- oder Varianzdarstellung die exakte lokale Position der Materialübergangsbereiche bestimmt werden, indem beispielsweise ein Polynom zweiten Grades an den Grauwertverlauf angepasst wird. Die Position des Extremums dieses Polynoms kann als Position der Oberfläche verwendet werden.
Weitere Algorithmen seien durch die oben angeführten Erläuterungen jedoch nicht ausge schlossen.
Aus dem Labelfeld und der darin implizit gespeicherten Repräsentation kann das Wissen über die, ggf. ungefähre, Richtung einer Oberflächennormale, einer in dem Materialübergangsbe reich angeordneten Oberfläche, oder über die im Materialübergangsbereich angeordneten Ma terialien abgeleitet werden. Dieses Wissen kann von einigen Algorithmen verwendet werden, um exaktere Ergebnisse zu erreichen. Dieses Wissen kann falls verfügbar auch alternativ aus der Soll-Geometrie, z. B. einem CAD-Modell, entnommen werden.
Dies wird dann in Kombination mit einem Algorithmus durchgeführt, welcher die Information ei ner Startoberfläche benötigt oder benutzen kann, um ausgehend von dieser die genaue Posi tion der Oberfläche zu berechnen.
Weiter kann eine Reduzierung von Kegelstrahlartefakten, von Samplingartefakten und von Rau schen vor oder nach der Erstellung des Labelfelds durchgeführt werden. Die Erfindung ist nicht auf eine der vorbeschriebenen Ausführungsformen beschränkt, sondern in vielfältiger Weise abwandelbar.
Sämtliche aus den Ansprüchen, der Beschreibung und der Zeichnung hervorgehenden Merk- male und Vorteile, einschließlich konstruktiver Einzelheiten, räumlicher Anordnungen und Ver fahrensschritten, können sowohl für sich als auch in den verschiedensten Kombinationen erfin dungswesentlich sein.

Claims

Patentansprüche
1. Computerimplementiertes Verfahren zur Segmentierung von Messdaten aus einer Mes sung eines Objekts, wobei das Objekt mindestens einen Materialübergangsbereich auf weist, wobei durch die Messdaten eine digitale Objektdarstellung mit dem mindestens einen Materialübergangsbereich erzeugt wird, wobei die digitale Objektdarstellung eine Vielzahl von ortsaufgelösten Bildinformationen des Objekts aufweist, wobei das Verfah ren (100) die folgenden Schritte aufweist:
Ermitteln (102) der Messdaten, wobei die Messdaten mindestens ein Artefakt aufweisen;
Ermitteln (104) von mindestens zwei homogenen Bereichen in den Messdaten und/oder in der digitalen Objektdarstellung;
Analysieren (106) einer lokalen Ähnlichkeit der Vielzahl von ortsaufgelösten Bild informationen;
Anpassen (108) einer Ausdehnung jedes homogenen Bereichs bis mindestens ein Grenzbereich jedes homogenen Bereiches an einer erwarteten Position eines Materi alübergangsbereichs angeordnet ist;
Segmentieren (110) der digitalen Objektdarstellung auf Basis der angepassten homogenen Bereiche.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der mindestens eine Materi alübergangsbereich ein Multi-Materialübergangsbereich ist.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das Analysieren (106) der lokalen Ähnlichkeit auf einem Änderungsverlauf der Vielzahl von ortsaufgelösten Bil dinformationen und/oder einer lokalen Varianz der Vielzahl von ortsaufgelösten Bildinfor mationen basiert.
4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass vor dem Ermitteln (104) von mindestens zwei homogenen Bereichen der digitalen Objektdarstel lung das Verfahren weiter folgenden Schritt aufweist:
Ausrichten (112) einer digitalen Darstellung einer Soll-Geometrie an die digitale Objektdarstellung; wobei das Ermitteln (104) von mindestens zwei homogenen Bereichen auf Basis der di gitalen Darstellung einer Soll-Geometrie durchgeführt wird.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass das Verfah ren nach dem Schritt Segmentieren (110) der digitalen Objektdarstellung weiter den fol genden Schritt aufweist:
Ermitteln (114) der Position des mindestens einen Materialübergangsbereichs in dem mindestens einen Grenzbereich mittels der mindestens zwei homogenen Bereiche.
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass das Verfah ren nach dem Segmentieren (110) der digitalen Objektdarstellung weiter den folgenden Schritt aufweist:
Ändern (116) einer Erstreckung mindestens eines der homogenen Bereiche auf Basis einer Visualisierung der homogenen Bereiche in der digitalen Objektdarstellung.
7. Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass das Verfah ren nach dem Segmentieren (110) der digitalen Objektdarstellung weiter die folgenden Schritte aufweist:
Ändern (118) einer lokalen Ähnlichkeit der Vielzahl von ortsaufgelösten Bildinfor mationen in der segmentierten digitalen Objektdarstellung zum Korrigieren der analysier ten lokalen Ähnlichkeit; und
Wiederholen (120) des Schritts Segmentieren (110) der digitalen Objektdarstel lung auf Basis der korrigierten analysierten lokalen Ähnlichkeit.
8. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass der Schritt Anpassen (108) einer Ausdehnung jedes homogenen Bereichs bis mindestens ein Grenzbereich jedes homogenen Bereiches an einer erwarteten Position eines Material übergangsbereichs angeordnet ist, folgenden Unterschritt aufweist:
Ermitteln (122) mindestens eines Artefakt-Bereichs, der mindestens ein Artefakt aufweist, in der digitalen Objektdarstellung auf Basis der mindestens zwei homogenen Bereiche und/oder einer digitalen Darstellung einer Soll-Geometrie;
Ermitteln (124) mindestens eines Grenzbereiches auf Basis der analysierten lo kalen Ähnlichkeit, wobei in dem Artefakt-Bereich ein Grenzbereich ermittelt wird, wenn die lokale Ähnlichkeit zwischen den Bildinformationen geringer ist als außerhalb des min destens einen Artefakt-Bereichs.
9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass der Schritt Anpassen (108) einer Ausdehnung jedes homogenen Bereichs bis mindestens ein Grenzbereich jedes homogenen Bereiches an einer erwarteten Position eines Material übergangsbereichs angeordnet ist, folgende Unterschritte aufweist:
Ermitteln (126) mindestens eines Geometrietyps eines Volumenbereichs der digi talen Objektdarstellung;
Vergleichen (128) des ermittelten Geometrietyps mit Geometrietypen aus einer Soll-Geometrie des Objekts;
Ermitteln (130) mindestens eines Grenzbereiches auf Basis der analysierten lo kalen Ähnlichkeit, wobei in dem Volumenbereich ein Grenzbereich ermittelt wird, wenn die lokale Ähnlichkeit zwischen den Bildinformationen geringer ist als außerhalb des Vo lumenbereichs und wenn der ermittelte Geometrietyp keinem der Geometrietypen aus der Soll-Geometrie des Objekts ähnlich ist.
10. Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, der Schritt An passen (108) einer Ausdehnung jedes homogenen Bereichs bis mindestens ein Grenz bereich jedes homogenen Bereiches an einer erwarteten Position eines Materialüber gangsbereichs angeordnet ist, folgende Unterschritte aufweist:
Ermitteln (132) eines Qualitätswertes mindestens eines Volumenbereichs der di gitalen Objektdarstellung;
Ermitteln (134) mindestens eines Grenzbereiches auf Basis der analysierten lo kalen Ähnlichkeit in dem Volumenbereich, wenn die lokale Ähnlichkeit zwischen den Bil dinformationen geringer ist als außerhalb des Volumenbereichs und wenn der ermittelte Qualitätswert des mindestens einen Volumenbereichs kleiner als ein vordefinierter Schwellwert für den Qualitätswert ist.
11. Verfahren nach einem der Ansprüche 1 bis 10, dadurch gekennzeichnet, dass das Ver fahren nach dem Segmentieren (110) der digitalen Objektdarstellung weiter die folgen den Schritte aufweist:
Anpassen (136) der Vielzahl von Bildinformationen in der segmentierten digitalen Objektdarstellung mittels eines Artefaktkorrekturverfahrens auf Basis der ermittelten ho mogenen Bereiche; und
Segmentieren (138) der digitalen Objektdarstellung auf Basis der Vielzahl der an gepassten Bildinformationen.
12. Verfahren nach Anspruch 11 , dadurch gekennzeichnet, dass das Verfahren weiter den folgenden Schritt aufweist:
Wiederholen (140) der Schritte: Anpassen (136) der Vielzahl von Bildinformatio nen in der segmentierten digitalen Objektdarstellung mittels eines Artefaktkorrekturver- fahrens auf Basis der ermittelten homogenen Bereiche und Segmentieren (138) der digi talen Objektdarstellung auf Basis der Vielzahl der angepassten Bildinformationen so lange eine vordefinierte Wiederholungsbedingung erfüllt ist.
13. Verfahren nach einem der Ansprüche 1 bis 12, dadurch gekennzeichnet, dass nach dem Segmentieren (110) der digitalen Objektdarstellung jedem homogenen Bereich ein Mate rial zugeordnet (142) wird.
14. Verfahren nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, dass das Ver fahren nach dem Segmentieren (110) der digitalen Objektdarstellung weiter den folgen den Schritt aufweist:
Durchführen (144) einer dimensioneilen Messung in der segmentierten digitalen Objektdarstellung auf Basis der Grenzbereiche.
15. Computerprogrammprodukt mit auf einem Computer ausführbaren Instruktionen, welche auf einem Computer ausgeführt den Computer dazu veranlassen, das Verfahren nach einem der vorhergehenden Ansprüche durchzuführen.
PCT/EP2020/082539 2019-11-21 2020-11-18 Computerimplementiertes verfahren zur segmentierung von messdaten aus einer messung eines objekts WO2021099386A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US17/778,800 US20220405936A1 (en) 2019-11-21 2020-11-18 Computer-implemented method for segmenting measurement data from a measurement of an object
EP20819638.6A EP4062367A1 (de) 2019-11-21 2020-11-18 Computerimplementiertes verfahren zur segmentierung von messdaten aus einer messung eines objekts

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102019131452.6 2019-11-21
DE102019131452.6A DE102019131452A1 (de) 2019-11-21 2019-11-21 Computerimplementiertes Verfahren zur Segmentierung von Messdaten aus einer Messung eines Objekts

Publications (1)

Publication Number Publication Date
WO2021099386A1 true WO2021099386A1 (de) 2021-05-27

Family

ID=73698778

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2020/082539 WO2021099386A1 (de) 2019-11-21 2020-11-18 Computerimplementiertes verfahren zur segmentierung von messdaten aus einer messung eines objekts

Country Status (4)

Country Link
US (1) US20220405936A1 (de)
EP (1) EP4062367A1 (de)
DE (1) DE102019131452A1 (de)
WO (1) WO2021099386A1 (de)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003062856A1 (de) * 2002-01-24 2003-07-31 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und verfahren zum erstellen einer korrekturkennlinie für eine reduktion von artefakten bei einer tomographie
US20110033098A1 (en) * 2009-08-07 2011-02-10 Medinol Ltd. Method and system for stabilizing a series of intravascular ultrasound images and extracting vessel lumen from the images
DE102009056467A1 (de) * 2009-12-01 2011-06-09 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren zur Bestimmung von Oberflächen in Voxeldaten
DE102013218819B3 (de) * 2013-09-19 2014-10-30 Siemens Aktiengesellschaft Verfahren zur Reduzierung von Artefakten in einem Bilddatensatz und Röntgeneinrichtung

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006022103B4 (de) * 2006-05-11 2013-05-29 Werth Messtechnik Gmbh Verfahren zum Vermessen eines Festkörpers
US8583410B2 (en) * 2010-05-28 2013-11-12 Ingrain, Inc. Method for obtaining consistent and integrated physical properties of porous media
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003062856A1 (de) * 2002-01-24 2003-07-31 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und verfahren zum erstellen einer korrekturkennlinie für eine reduktion von artefakten bei einer tomographie
US20110033098A1 (en) * 2009-08-07 2011-02-10 Medinol Ltd. Method and system for stabilizing a series of intravascular ultrasound images and extracting vessel lumen from the images
DE102009056467A1 (de) * 2009-12-01 2011-06-09 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren zur Bestimmung von Oberflächen in Voxeldaten
DE102013218819B3 (de) * 2013-09-19 2014-10-30 Siemens Aktiengesellschaft Verfahren zur Reduzierung von Artefakten in einem Bilddatensatz und Röntgeneinrichtung

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HAITHAM SHAMMAA M ET AL: "Extraction of isosurfaces from multi-material CT volumetric data of mechanical parts", SOLID AND PHYSICAL MODELING, ACM, 2 PENN PLAZA, SUITE 701 NEW YORK NY 10121-0701 USA, 2 June 2008 (2008-06-02), pages 213 - 220, XP058248663, ISBN: 978-1-60558-106-4, DOI: 10.1145/1364901.1364931 *
KUNG-HAO LIANG ET AL: "Adaptive scale fixing for multiscale texture segmentation", IEEE TRANSACTIONS ON IMAGE PROCESSING, vol. 15, no. 1, 1 January 2006 (2006-01-01), US, pages 249 - 256, XP055347891, ISSN: 1057-7149, DOI: 10.1109/TIP.2005.860340 *

Also Published As

Publication number Publication date
EP4062367A1 (de) 2022-09-28
US20220405936A1 (en) 2022-12-22
DE102019131452A1 (de) 2021-05-27

Similar Documents

Publication Publication Date Title
EP3195258A1 (de) Verfahren und system zur bestimmung der lokalen qualität von aus volumendaten extrahierten oberflächendaten
DE60009810T2 (de) Antialiasing mit Abtastzeilen
EP1882232B1 (de) Verfahren und vorrichtung zum bestimmen von materialgrenzen eines prüfobjekts
DE102006039921A1 (de) System und Verfahren zum automatischen Atemwegevaluieren für Multi-Schnitt Computertomographie (MSCT) Bilddaten unter Verwendung eines Atemweglumendurchmessers, einer Atemwegwanddicke und eines Bronchien-Arterien-Verhältnisses
WO2018206225A1 (de) Computerimplementiertes verfahren zur vermessung eines objekts aus einer digitalen darstellung des objekts
DE19951146A1 (de) Verfahren zum Reduzieren des Rauschens in einem durch Abbildung erhaltenen Signal
WO2021099385A1 (de) Computerimplementiertes verfahren zur segmentierung von messdaten aus einer messung eines objekts
EP2636019B1 (de) Verfahren und auswertevorrichtung zur ermittlung der lage einer in einem zu untersuchenden objekt befindlichen struktur mittels röntgencomputertomografie
EP4062367A1 (de) Computerimplementiertes verfahren zur segmentierung von messdaten aus einer messung eines objekts
DE102019131434A1 (de) Computerimplementiertes Verfahren zur Segmentierung von Messdaten aus einer Messung eines Objekts
DE102009056467A1 (de) Verfahren zur Bestimmung von Oberflächen in Voxeldaten
EP3586308A1 (de) Verfahren und vorrichtung zur mehrfachkantenerkennung
DE102019131440B3 (de) Computerimplementiertes Verfahren zur Segmentierung von Messdaten aus einer Messung eines Objekts
EP3992620A1 (de) Computerimplementiertes verfahren zur ermittlung mindestens eines für eine auswertung von messdaten benötigten geometrischen parameters
WO2020164827A1 (de) Computerimplementiertes verfahren zur bestimmung von oberflächen in messdaten
EP1421559B1 (de) Vorrichtung und verfahren zum auswerten einer beschaffenheit eines objekts
DE102017122063A1 (de) Verfahren zur Erkennung einer Geometrie eines Teilbereichs eines Objekts
EP3586307A1 (de) Verfahren und vorrichtung zur erkennung von ecken
DE102019107952B4 (de) Computer-implementiertes Verfahren zur Analyse von Messdaten eines Objekts
DE102018122842A1 (de) Computerimplementiertes Verfahren zur Komprimierung von Messdaten aus einer Messung eines Messvolumens
DE102010022285A1 (de) Verfahren zur Bestimmung der optimalen Lage eines Messobjektes bei der 3D-Computertomografie
DE102019123826A1 (de) Computerimplementiertes Verfahren zum Erstellen eines Netzes zum Simulieren eines Objekts
DE102021125575A1 (de) Mikroskopiesystem und Verfahren zur Instanzsegmentierung
DE10119641C1 (de) Verfahren und Vorrichtung zur automatischen Bestimmung von Kenngrößen aus Einzelspektren eines Spektrenkollektivs und Spektrometer
DE112020006804T5 (de) Röntgenprüfsystem, röntgenprüfverfahren und programm

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20819638

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020819638

Country of ref document: EP

Effective date: 20220621