Streifenlichtscanning

Abb. 1: Eine Szene wird von einem Benutzer aufgenommen. Der Projektor wird in der Hand gehalten um die Objekte zu Beleuchten. Das Smartphone nimmt die Szene auf und zeigt sie auf dem Bildschirm an
Abb. 1: Eine Szene wird von einem Benutzer aufgenommen. Der Projektor wird in der Hand gehalten um die Objekte zu Beleuchten. Das Smartphone nimmt die Szene auf und zeigt sie auf dem Bildschirm an
  Abb. 2: Eine Tiefenkarte der Rekonstruktion. Die Farbe der Pixel kodiert die Entfernung zu der Kamera: weiße Pixel sind weiter entfernt von der Kamera, schwarze weniger
 Abb. 2: Eine Tiefenkarte der Rekonstruktion. Die Farbe der Pixel kodiert die Entfernung zu der Kamera: weiße Pixel sind weiter entfernt von der Kamera, schwarze weniger

In diesem Projekt befassen wir uns mit einer schon lange bekannte Technik – der „Streifenlichtscanning“ (englisch: „Structured Light Scanning“). Diese wird eingesetzt, um die Geometrie von Objekten zu digitaliseren. Unser Ziel ist es, diese Technik auf mobilen Endgeräten wie einem Smartphone oder einem batteriebetriebenen Projektor zu implementieren.

Beim Streifenlichtscanning werden mit einem Projektor Muster auf ein Objekt geworfen. Eine digitale Kamera nimmt Bilder des beleuchteten Objektes auf. Mit Hilfe dieser Bilder kann man aus den bekannten Mustern errechnen, welcher Lichtstrahl des Projektors welchen Punkt auf dem Objekt beleuchtet hat. So lässt sich auch die Entfernung der Oberfläche des Projektors zur Kamera bestimmen.

Ein solches System mit einem kleinen Projektor kann dafür genutzt werden, ein Objekt schnell von verschiedenen Positionen aus zu beleuchten. Dazu muss der Projektor aber in der Hand gehalten werden. Das unausweichliche Zittern des Benutzers überträgt sich auf das projizierte Bild und verursacht eine ungenaue Rekonstruktion. In der Masterarbeit wurde untersucht wie stark unterschiedliche Muster beeinflusst wurden.

 

Publikationen

Development of a Mobile Projector Camera System for Structured Light Scanning (Masterarbeit Sebastian Koch, betreut von Martin Fuchs und Michael Goesele, ausgezeichnet mit dem ISRA Machine Vision Preis

 

Zum Seitenanfang