Deutsch English
Ensenso 3D Kameras in einer mit schaumstoff gepolsterten Kiste.

The Ensenso Way

Ensenso - Vorreiter im Bereich Stereo Vision im industriellen Anwendungen

Stereo Vision

Ensenso Kameras arbeiten nach dem Prinzip des räumlichen Sehens (Stereo Vision), das dem menschlichen Sehvermögen nachempfunden ist. 

Zwei Kameras betrachten dabei eine Szene aus unterschiedlichen Positionen. Obwohl der Bildinhalt beider Kamerabilder identisch scheint, weisen sie Unterschiede in der Lage der betrachteten Objekte auf. In einem Bildvergleich suchen spezielle Algorithmen nach Bildpunkten und visualisieren ihre Verschiebung (= „Disparity“) in einer Karte mit allen gefundenen Unterschieden (= "Disparity Map").

Da Abstand und Betrachtungswinkel der Kameras sowie die Brennweite der Optiken bekannt sind, kann die Ensenso-Software diese Abweichungen mittels Triangulationsverfahren in bekannte Längen konvertieren und damit die 3D-Koordination des Objektpunkts für jeden einzelnen Bild-Pixel bestimmen. Das Ergebnis ist eine 3D-Punktewolke, die Grundlage für viele Anwendungen ist, in denen räumliche Objektinformationen benötigt werden.

Das Matching-Verfahren des Bildvergleichs beruht dabei auf Kontrast- und Helligkeitsabstufungen der Sensorpixel. Die Qualität von Stereo Vision ist damit direkt von Lichtverhältnissen und den Oberflächenbeschaffenheiten (Texturen) der Objekte in der Szene abhängig. Auf wenig texturierten bzw. spiegelnden Oberflächen können deshalb nur wenig markante Bildpunkte erkannt, verglichen und örtlich bestimmt werden. Die Folge sind unvollständige Tiefeninformationen der Szene.

Mit einer speziellen Technik verbessern Ensenso Kameras das klassische Stereo Vision Verfahren. Dadurch werden neben einer höheren Qualität der Tiefeninformation auch präzisere Messergebnisse erzielt. Durch diese Verbesserungen ist Stereo Vision in bisher eingeschränkten Anwendungen einsetzbar.

Pattern Projection

Ein lichtstarker Projektor der Ensenso Kameras projiziert auch bei schwierigen Lichtverhältnissen, mittels einer Pattern-Maske, eine kontrastreiche Textur auf das abzubildende Objekt und ergänzt somit die auf dessen Oberfläche nicht oder nur schwach vorhandenen Strukturen. Deshalb sprechen wir bei der Ensenso von "Projected Texture Stereo Vision". Mittels der Hilfsstrukturen auf der Objektoberfläche kann das Matching-Verfahren eine viel höhere Anzahl an Bildpunkten, inklusive ihrer Positionsänderung, erkennen und daraus eine vollständigere, homogenere Tiefeninformation der Szene erstellen.

 

Die projizierten Hilfstrukturen auf der Tasse erzeugen eine vollständigere, homogenere Tiefeninformation

 

Flex-View Technologie

Der Detailgrad der Disparity Map bei statischen Szenen kann mit FlexView Technologie weiter verbessert werden. Die Position der Projektormaske kann durch eine verschleißarme Piezo-Mechanik im Lichtstrahl linear in sehr kleinen Schritten verschoben werden. Folglich verschiebt sich die projizierte Textur auf der Objektoberfläche der Szenenobjekte ebenfalls und erzeugt andere Hilfsstrukturen. Mehrere Bildpaare derselben statischen Szene mit unterschiedlichen Texturen aufgenommen, erzeugen eine viel höhere Anzahl von Bildpunkten. Die Auflösung vergrößert sich. Der Stereo-Matching-Algorithmus kombiniert die Informationen aus allen Bildpaaren, um wesentlich detailliertere Disparitätsbilder und Punktwolken zu berechnen.

Neben der Auflösung steigt auch die Robustheit der Daten auf schwierigen Oberflächen, da die verschobenen Musterstrukturen zusätzliche Informationen auf glänzende, dunkle oder spiegelnde Oberflächen aufbringen. Viele Verarbeitungsalgorithmen profitieren von der verbesserten Auflösung und dem geringeren Rauschen. Durch FlexView wird der Bedarf an Nachbearbeitungsschritten der Punktwolke und die Laufzeit nachfolgender 3D-Verarbeitungsschritte reduziert.

Vergleich FlexView1, 2 und Single Shot Data

Ensenso bietet Kameras mit und ohne FlexView Technologie an. Jede Variante ist für bestimmte Anwendungen optimiert und angepasst. Die Objektbewegung spielt hierbei eine entscheidende Rolle.

Kameras ohne FlexView bzw. mit FlexView1 Technik setzen eine kontrastreiche Textur in Form eines zufälligen Punktmuster ein. Schon mit einem einzigen Bilderpaar können mit diesem Pattern Tiefeninformationen einer Szene sehr schnell ermittelt werden. Kameras mit diesem Pattern sind deshalb gleichermaßen gut geeignet für bewegte Objekte.

FlexView1 Kameras profitieren hingegen bei statischen Objekten zusätzlich von Algorithmen, die aus mehreren aufgenommenen Bildpaaren mit verschobenem Punktemuster eine höhere Auflösung erzeugen können. Mit nur 3 bis 5 Bildpaaren kann so die X-, Y- und Z-Auflösung etwa verdoppelt werden. Mit jedem weiteren Bilderpaar steigt jedoch auch die Bildaufnahme- und Verarbeitungszeit an. Bei etwa 8 Bildpaaren steigt die Ergebnisqualität bei FlexView1 nicht mehr merklich an.

Kameras mit der neuen FlexView2 Technik setzen auf eine speziell entwickelte Pattern-Maske mit dafür optimierten Algorithmen, welche die Auflösung in X-, Y- und Z-Richtung gegenüber FlexView1 bei statischen Objekten um mehr als das Doppelte steigern. Einschränkung: Aufgrund des speziellen Patterns wirkt sich diese Optimierung erst ab etwa 5 Bildpaaren aus.

Zufälliges Punktemuster als Projektormaske für Kameras ohne FlexView bzw. mit FlexView1. Optimal für Single Shot Data.

 

 

 

Zusätzliche Helligkeitsverläufe im FlexView2 Pattern unterstützen die optimierten Algorithmen bei der Tiefenerkennung ab etwa 5 Bilderpaaren. Für Single Shot Data sind die Streifen eher hinderlich.

   

PatchMatch Stereo Matching

Der PatchMatch Stereo Matching Algorithmus liefert nicht nur einen unendlich großen Messbereich in Z-Richtung, sondern hat gleichzeitig auch eine bessere Performance der Datenberechnung als andere Algorithmen. Vortrainierte Parametersätze reduzieren außerdem die vom Nutzer notwendigen Einstellungen auf ein Minimum und stellen sicher dass in nahezu allen Situationen sofort hochwertige Daten erzeugt werden.

Das Video unten zeigt, wie mit dem PatchMatch Algorithmus die finale Punktwolke aus zufälligen Anfangsdaten entsteht.

This website is using cookies to provide a good browsing experience

These include essential cookies that are necessary for the operation of the site, as well as others that are used only for anonymous statistical purposes, for comfort settings or to display personalized content. You can decide for yourself which categories you want to allow. Please note that based on your settings, not all functions of the website may be available.

This website is using cookies to provide a good browsing experience

These include essential cookies that are necessary for the operation of the site, as well as others that are used only for anonymous statistical purposes, for comfort settings or to display personalized content. You can decide for yourself which categories you want to allow. Please note that based on your settings, not all functions of the website may be available.

Your cookie preferences have been saved.