Entfernungsmessung

Range Imaging ist die Bezeichnung für eine Sammlung von Techniken, die verwendet werden, um ein 2D-Bild zu erzeugen, das die Entfernung zu Punkten in einer Szene von einem bestimmten Punkt aus zeigt, der normalerweise mit einem Sensorgerät verbunden ist.

Das resultierende Tiefenbild enthält Pixelwerte, die der Entfernung entsprechen. Wenn der zur Erzeugung des Tiefenbildes verwendete Sensor korrekt kalibriert ist, können die Pixelwerte direkt in physikalischen Einheiten, wie z. B. Metern, angegeben werden.

Das Sensorgerät zur Erzeugung des Tiefenbildes wird auch als Tiefenkamera bezeichnet . Tiefenkameras können nach verschiedenen Verfahren arbeiten, von denen einige hier vorgestellt werden.

Stereotriangulation ist eine Anwendung der Stereophotogrammetrie , bei der die Tiefendaten der Pixel aus Daten ermittelt werden, die mit einem Stereo- oder Mehrkamerasystem aufgenommen wurden . So lässt sich die Tiefe von Punkten in der Szene bestimmen, beispielsweise vom Mittelpunkt der Verbindungslinie ihrer Brennpunkte aus. Um das Problem der Tiefenmessung mit einem Stereokamerasystem zu lösen, müssen zunächst korrespondierende Punkte in den verschiedenen Bildern gefunden werden. Die Lösung des Korrespondenzproblems ist eine der größten Herausforderungen bei dieser Technik. Beispielsweise ist es schwierig, Korrespondenzen für Bildpunkte zu finden, die in Bereichen mit homogener Intensität oder Farbe liegen. Daher liefert die Tiefenmessung mittels Stereotriangulation in der Regel nur für eine Teilmenge aller in den Bildern der verschiedenen Kameras sichtbaren Punkte zuverlässige Tiefenschätzungen.

Der Vorteil dieser Technik liegt in ihrer weitgehend passiven Messweise; sie erfordert keine besonderen Beleuchtungsbedingungen. Die anderen hier genannten Techniken müssen das Korrespondenzproblem nicht lösen, sondern sind stattdessen von bestimmten Beleuchtungsbedingungen abhängig.

Wird eine Szene mit einer Lichtscheibe beleuchtet, entsteht, von der Lichtquelle aus gesehen, eine reflektierte Linie. Von jedem Punkt außerhalb der Lichtscheibe erscheint diese Linie typischerweise als Kurve, deren genaue Form sowohl vom Abstand zwischen Beobachter und Lichtquelle als auch vom Abstand zwischen Lichtquelle und den Reflexionspunkten abhängt. Durch Beobachtung der reflektierten Lichtscheibe mit einer Kamera (oft einer hochauflösenden Kamera) und Kenntnis der Positionen und Ausrichtungen von Kamera und Lichtquelle lassen sich die Abstände zwischen den Reflexionspunkten und der Lichtquelle bzw. der Kamera bestimmen.

Durch Verschieben entweder der Lichtquelle (und üblicherweise auch der Kamera) oder der Szene vor der Kamera lässt sich eine Sequenz von Tiefenprofilen der Szene erzeugen. Diese können als 2D-Tiefenbild dargestellt werden.

Durch die Beleuchtung der Szene mit einem speziell entwickelten Lichtmuster, dem sogenannten Strukturlicht , lässt sich die Tiefe anhand eines einzigen Bildes des reflektierten Lichts bestimmen. Das Strukturlicht kann aus horizontalen und vertikalen Linien, Punkten oder Schachbrettmustern bestehen. Ein Lichttisch ist im Grunde ein universelles Strukturlicht-Tiefenbildgebungsgerät, das ursprünglich für die Reflexionsmessung entwickelt wurde .

Die Tiefe kann auch mit der Standard-Laufzeitmessung (Time-of-Flight, ToF) bestimmt werden, ähnlich wie bei einem Radar . Dabei wird ein Tiefenbild erzeugt, das einem Radarbild ähnelt, jedoch anstelle eines HF-Impulses ein Lichtimpuls verwendet wird. Die Methode ist auch mit LIDAR vergleichbar , mit dem Unterschied, dass ToF scannerlos arbeitet. Das heißt, die gesamte Szene wird mit einem einzigen Lichtimpuls erfasst, anstatt punktweise mit einem rotierenden Laserstrahl. Laufzeitkameras sind relativ neue Geräte, die eine gesamte Szene dreidimensional mit einem speziellen Bildsensor erfassen und daher keine beweglichen Teile benötigen. Ein Laufzeit-Laserradar mit einer schnell getakteten, verstärkten CCD-Kamera erreicht eine Tiefenauflösung im Submillimeterbereich. Bei dieser Technik beleuchtet ein kurzer Laserimpuls die Szene, und die verstärkte CCD-Kamera öffnet ihren Hochgeschwindigkeitsverschluss nur für wenige hundert Pikosekunden . Die 3D-Informationen werden aus einer 2D-Bildserie berechnet, die mit zunehmender Verzögerung zwischen Laserimpuls und Verschlussöffnung aufgenommen wurde. ^{[ 1 ]}

Durch die Beleuchtung von Punkten mit kohärentem Licht und die Messung der Phasenverschiebung des reflektierten Lichts relativ zur Lichtquelle lässt sich die Tiefe bestimmen. Unter der Annahme, dass das tatsächliche Entfernungsbild eine mehr oder weniger stetige Funktion der Bildkoordinaten ist, kann die korrekte Tiefe mithilfe eines Verfahrens namens Phasenentfaltung ermittelt werden. Siehe terrestrische SAR-Interferometrie .

Tiefeninformationen lassen sich teilweise oder vollständig zusammen mit der Intensität durch inverse Faltung eines Bildes ableiten, das mit einem speziell entwickelten codierten Blendenmuster aufgenommen wurde. Dieses Blendenmuster weist eine komplexe Anordnung von Löchern auf, durch die das einfallende Licht entweder hindurchgelassen oder blockiert wird. Die komplexe Form der Blende erzeugt eine ungleichmäßige Unschärfe des Bildes in den Bereichen, die nicht in der Brennebene des Objektivs liegen. Das Ausmaß der Unschärfe im Bild, das mit der Abweichung von der Brennebene zusammenhängt, kann zur Tiefenbestimmung genutzt werden. ^{[ 2 ]}

Um die Größe der Unschärfe (die zur Dekodierung von Tiefeninformationen erforderlich ist) im aufgenommenen Bild zu ermitteln, können zwei Ansätze verwendet werden: 1) Entschärfen des aufgenommenen Bildes mit verschiedenen Unschärfen oder 2) Lernen einiger linearer Filter, die die Art der Unschärfe identifizieren.

Der erste Ansatz verwendet eine korrekte mathematische Dekonvolution, die das bekannte Aperturdesign berücksichtigt. Diese Dekonvolution kann erkennen, wo und in welchem ​​Ausmaß die Szene durch unscharfes Licht, das selektiv auf die Aufnahmefläche fällt, verzerrt wurde, und diesen Prozess umkehren. ^{[ 3 ]} So lässt sich die scharfe Szene zusammen mit dem Ausmaß der Unschärfe wiederherstellen.

Der zweite Ansatz extrahiert hingegen das Ausmaß der Unschärfe, ohne das scharfe Bild wiederherzustellen und somit ohne inverse Faltung. Mithilfe einer auf der Hauptkomponentenanalyse (PCA) basierenden Technik lernt das Verfahren offline eine Filterbank, die jede Unschärfegröße eindeutig identifiziert. Diese Filter werden dann direkt auf das aufgenommene Bild angewendet, wie bei einer normalen Faltung. ^{[ 4 ]} Der wichtigste Vorteil dieses Ansatzes ist, dass keine Informationen über das codierte Aperturmuster benötigt werden. Aufgrund seiner Effizienz wurde dieser Algorithmus auch auf Videosequenzen mit sich bewegenden und verformbaren Objekten erweitert. ^{[ 5 ]}

Da die Tiefe eines Punktes aus dem Ausmaß der Unschärfe abgeleitet wird, die durch die Lichtstreuung vom entsprechenden Punkt in der Szene über die gesamte Aperturfläche und die damit einhergehende Verzerrung entsteht, handelt es sich um eine komplexe Form der Stereotriangulation. Jeder Punkt im Bild wird effektiv räumlich über die Breite der Apertur abgetastet.

Diese Technologie wurde zuletzt im iPhone X eingesetzt . Viele andere Handys von Samsung und Computer von Microsoft haben versucht, diese Technologie zu nutzen, verwenden aber keine 3D-Kartierung.

• 3D-Scanner
• Tiefenkarte
• Verstärkte CCD-Kamera
• Kinect
• Laser-Dynamikbereichssensor
• Laser-Entfernungsmesser
• Lidar
• Lichtfeldkamera (plenoptische Kamera)
• Die für die Matrix-Filmreihe entwickelte optische Flusstechnik bietet eine effektive Lösung für das Korrespondenzproblem und ermöglicht so virtuelle Kinematografie .
• Photogrammetrie
• Struktur aus Bewegung
• Time-of-Flight-Kamera

• Bernd Jähne (1997). Praktisches Handbuch zur Bildverarbeitung für wissenschaftliche Anwendungen . CRC Press. ISBN 0-8493-8906-2Die
• Linda G. Shapiro und George C. Stockman (2001). Computer Vision . Prentice Hall. ISBN 0-13-030796-3Die
• David A. Forsyth und Jean Ponce (2003). Computer Vision, A Modern Approach . Prentice Hall. ISBN 0-12-379777-2Die