R-C-P Method: An Autonomous Volume Calculation Method Using Image Processing and Machine Vision
Dieser Beitrag stellt die R-C-P-Methode vor, eine autonome Volumenberechnungstechnik, die Bildverarbeitung und Kantenerkennung mit mehreren 2D-Kameras nutzt, um Echtzeitmaße und Oberflächen von Objekten als kostengünstige Alternative zu 3D-Tiefensensoren wie LiDAR zu bestimmen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, die Größe einer auf einem Tisch stehenden Box zu erraten, aber Sie haben kein Maßband und können sie nicht berühren. Normalerweise benötigen Sie für die genaue Bestimmung der Größe eines 3D-Objekts einen aufwendigen, teuren „3D-Scanner" (wie einen High-Tech-Laser oder eine Tiefenkamera), der wie ein supergenaues Auge fungiert. Doch diese Scanner sind schwer, verbrauchen viel Batteriestrom und lassen sich nur schwer in enge Räume integrieren.
Dieser Artikel stellt einen cleveren, kostengünstigen Trick vor, der als R-C-P-Methode (Row-Column-Pixel / Zeile-Spalte-Pixel) bezeichnet wird. Man kann sich das so vorstellen, als würde man zwei gewöhnliche, günstige 2D-Kameras (wie die in Ihrem Handy) verwenden, um das Volumen einer Box zu „erraten", indem man sie von zwei Seiten betrachtet, anstatt einen super-teuren 3D-Scanner einzusetzen.
So funktioniert die Methode, aufgeschlüsselt in einfache Schritte:
1. Das Setup: Zwei Augen, eine Box
Die Forscher haben zwei Kameras auf gegenüberliegenden Seiten einer rechteckigen Box positioniert. Anstatt zu versuchen, die „Tiefe" (wie weit die Box zurückreicht) direkt zu erfassen, machen sie einfach ein flaches Foto der Boxseite von jeder Seite.
2. Das Bild in ein „Verbinde die Punkte"-Spiel verwandeln
Sobald die Kameras das Foto gemacht haben, führt der Computer einige magische Bildverarbeitungsschritte durch:
- Graustufen: Er verwandelt das farbiges Foto in Schwarz-Weiß.
- Kantenerkennung: Er hebt den Umriss der Box hervor und verwandelt das Bild in eine Skizze, bei der die Kanten weiße Linien und das Innere schwarz sind.
- Der „Auffüll"-Trick (Der R-C-P-Teil): Dies ist der kreativste Teil. Manchmal verpasst die Kamera aufgrund eines Schattens oder eines Fehlers ein winziges Stück des Randes. Die R-C-P-Methode fungiert wie ein intelligentes „Verbinde die Punkte"-Spiel.
- Sie betrachtet jede Pixelzeile. Wenn sie einen weißen Punkt links und einen weißen Punkt rechts sieht, geht sie davon aus, dass der Raum zwischen ihnen Teil der Box ist, und füllt ihn mit Weiß auf.
- Sie macht dasselbe für jede Spalte (hoch und runter).
- Das Ergebnis: Selbst wenn der Umriss unterbrochen oder unordentlich war, „füllt" der Computer die Lücken aus, um ein solides, perfektes weißes Rechteck zu erzeugen. Dies liefert ihnen eine saubere Form zum Messen.
3. Von Pixeln zur realen Welt
Jetzt weiß der Computer, wie viele weiße Pixel die Boxseite ausmachen. Aber Pixel sind keine Zoll oder Zentimeter.
- Die Forscher haben einen „Umrechnungsfaktor" ermittelt: Sie wissen, dass eine bestimmte Anzahl von Pixeln einer bestimmten Millimeterlänge entspricht (in ihrem Setup etwa 0,264 mm pro Pixeleinheit).
- Indem sie die Pixel zählen und mit diesem Faktor multiplizieren, können sie die Breite und Höhe der Box berechnen, wie sie von der Kamera gesehen wird.
4. Das „Entfernungs"-Problem
Hier liegt der Haken: Wenn Sie die Box näher an die Kamera heranbewegen, sieht sie größer aus. Wenn Sie sie wegbewegen, sieht sie kleiner aus. Die rohe Pixelanzahl ändert sich je nach Entfernung.
- Um dies zu beheben, führten die Forscher viele Experimente durch, bei denen sie die Box näher herangehen und weiter weg bewegen ließen.
- Sie erstellten eine Reihe von mathematischen Formeln (Gleichungen), die wie ein Übersetzer fungieren. Wenn Sie dem Computer sagen: „Die Box ist 500 mm entfernt", passt die Formel die Pixelanzahl automatisch an, um Ihnen die tatsächliche Größe des Objekts zu nennen, unabhängig davon, wie weit entfernt es ist.
5. Die endgültige Berechnung
Mit zwei Kameras erhalten sie die Breite von einer Seite und die Höhe von der anderen. Sie setzen diese Zahlen in eine Volumenformel ein (Breite × Höhe × Tiefe), um das Gesamtvolumen der Box zu schätzen.
Was haben sie herausgefunden?
- Es funktioniert: Die Methode berechnete erfolgreich das Volumen rechteckiger Boxen unter Verwendung nur zweier Standardkameras.
- Es ist verzeihend: Selbst wenn die Kamera den Rand nicht perfekt sehen konnte (aufgrund eines unscharfen Flecks oder einer Lücke), korrigierte der „Auffüll"-Trick die Form, sodass die Berechnung dennoch funktionierte.
- Die Genauigkeit: Die Ergebnisse waren ziemlich gut, üblicherweise innerhalb einer Fehler marge von 4 % bis 10 % für die Breite und etwas höher für die Höhe. Die Fehler waren etwas größer, wenn sich das Objekt sehr nahe an der Kamera befand, aber die Mathematik half, den Großteil davon zu korrigieren.
Das Fazit
Der Artikel behauptet, dass Sie keinen 1.000-Dollar-Tiefensensor benötigen, um das Volumen eines rechteckigen Objekts zu messen. Indem Sie zwei günstige Kameras, ein wenig Computervision zum „Auffüllen der Lücken" und etwas Mathematik zur Berücksichtigung der Entfernung verwenden, können Sie eine überraschend genaue Schätzung der Größe eines Objekts in Echtzeit erhalten. Dies ist besonders nützlich für Roboter oder Systeme, bei denen es wichtiger ist, Geld, Platz und Batteriestrom zu sparen, als perfekte, millimetergenaue Messungen zu haben.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.