Formbeschreibung und Klassifikation von 3-D Objekten

Bei der Produktion von metallischen Teilen entstehen während der Verarbeitung Fehler, unter anderem auch auf der Oberfläche. Zur Kontrolle der Oberflächenqualität von der Rohware bis zum hoch-präzisen Zwischenprodukt stehen jedoch bisher kaum geeignete Mittel zur vollständigen Inspektion zur Verfügung. Durch den wachsenden ökonomischen Druck auf Zulieferunternehmen ist eine stichprobenartige Kontrolle oft unzureichend. Insbesondere die Automobilhersteller verlangen eine vollständige, zuverlässige und vollautomatische Erkennung und Behandlung aller möglichen Fehler in der Produktion, dies möglichst durchgängig durch alle Produktionsstufen und möglichst unabhängig von variierenden Umwelteinflüssen. Das Forschungsvorhaben befasst sich mit der Entwicklung von anspruchsvollen Methoden zur Beurteilung der Oberflächenqualität. Dabei müssen alle Unregelmäßigkeiten zuverlässig detektiert und in einem weiteren Schritt klassifiziert werden. Da einfache Intensitätsbildverarbeitung im Einsatz bei der Stahlinspektion wenig zuverlässig ist, beziehen sich die Untersuchungen auf 3-D Bildverarbeitung. Das 3-D Modell der Oberfläche wird mittels Lichtschnittverfahren akquiriert. Das Forschungsvorhaben umfasst zwei Schwerpunkte: 1. Zuerst werden Methoden zur optimalen Beschreibung der Daten untersucht, wobei sich diese auf planare Kurven, d.h. einzelne Querschnitte des Objekts, beziehen. 2. Anschließend werden die Merkmale jedes Querschnitts kombiniert, um potenzielle Oberflächenfehler zu identifizieren und weiters auch zu klassifizieren. Grundsätzlich gibt es viele verschiede Ansätze zur Klassifikation. Besondere Beachtung wird auf Hidden Markov Models, dargestellt als Bayesian Network, gelegt. Diese Modelle beurteilen Sequenzen von Merkmalen bezogen auf den vorherigen Wert der Merkmale. Das Treffen von Entscheidungen mittels Wahrscheinlichkeitsnetzwerken ist ein elementarer Ansatz, der in vielfältiger Weise für intelligente Systeme verwendbar ist.