Laserunterstützte CAD-Konstruktion
Final Report Abstract
Im Auto-, Modell- und Formenbau sowie in der Computergrafik werden CAD-Modelle für den Prototypenbau, für Simulationen oder die spätere Fertigung von Werkstücken und virtuellen Objekten in einem dreistufigen Verfahren konstruiert. Zuerst wird ein physikalisches Modell ohne Funktionalität (z.B. Tonmodell) gebaut, mit verschiedensten Digitalisierverfahren in fein aufgelöste 3d-Punkte-Datensätze überführt und anschließend im Wesentlichen von Hand in ein CAD-Modell konvertiert. Dieser Reverse-Engineering-Prozess ist sehr zeit- und kostenintensiv. In den letzten Jahren haben sich zur Digitalisierung Laser-Scanner etabliert, die manuell über das zu digitalisierende Objekt geführt werden und in kürzester Zeit mehrere Millionen 3d-Punkte vermessen können (ca. 40.000/sec). Mit Hilfe geeigneter online Triangulierungsmethoden, die den gemessenen Punktdatenstrom in Echtzeit verarbeiten, kann die Digitalisierung erheblich vereinfacht und verkürzt werden. In diesem Forschungsvorhaben sind Methoden entwickelt worden, mit denen während des Scanvorgangs nicht nur die Punkt-Daten sondern auch gleichzeitig ein gültiges CAD-Modell erzeugt werden kann. Auf diese Weise ist es dem Anwender möglich bereits während des Scan-Vorgangs die Qualität der CAD-Konstruktion zu beurteilen und ggf. durch zusätzliche Scans die Qualität zu verbessern. Ein solches Verfahren dient zur online CAD-Konstruktion mit Hilfe eines Laser-Scanners im Reverse-Engineering, das auch zur Erzeugung von Varianten eingesetzt werden kann. Durch eine solche lasergesteuerte Konstruktion können aufwendige, manuelle Nachkonstruktionen automatisiert und in Echtzeit durchgeführt werden. Im Projektverlauf kam es nur zu einer Änderung im geplanten Ablauf. Die Rekonstruktion von Freiformgeometrie wurde zurückgestellt, weil eine robuste Klassifikation der Geometrie von größter Wichtigkeit ist. Aus diesem Grunde wurde der Ansatz, die Geometrieklassifikation mit Hilfe von Methoden des maschinellen Lernens zu evaluieren, vorangestellt. Da dieser Ansatz in der Literatur bisher fast unbekannt ist und diese Verfahren sehr komplex sind, konnte im Rahmen dieses Projektes hier nur eine prinzipielle Machbarkeitsstudie erstellt werden. Da diese sehr erfolgversprechend ausgefallen ist, wird der Ansatz der lern-basierten Geometrieklassifikation in einem Anschlussprojekt weiter vorangetrieben. In der Ausgabe des Südkuriers Konstanz vom 19.05.2014 gab es einen Bericht von Marcia Moritz über die „Lange Nacht der Wissenschaft“ an den Hochschulen der Region Konstanz. In diesem Bericht wurde besonders über unser System berichtet, weil es der Aufmacher des Berichts war. Auf dieser langen Nacht der Wissenschaft hatten wir das im Projekt entwickelte System für jedermann zum Ausprobieren (unter Anleitung) zur Verfügung gestellt.
Publications
- Real-time triangulation of point streams. Engineering with Computers, 27:67-80, 2011
K. Denker, B. Lehner, and G. Umlauf
- On-line Reconstruction of 3D Geometry. Symposium on Geometry Processing, Tallinn, Estonia, 16–18 July 2012
K. Denker, D. Hagel, B. Hamann, J. Raible, and G. Umlauf
- On-line reconstruction of CAD geometry. In: Proceeding of International Conference on 3D Vision 2013, IEEE, 151-158
K. Denker, D. Hagel, J. Raible, G. Umlauf, and B. Hamann
- On-line reconstruction of CAD geometry. International Conference on 3D Vision, Seattle, USA, 29–30 June 2013
K. Denker, D. Hagel, J. Raible, G. Umlauf, and B. Hamann
