Please choose your delivery country and your customer group
Es wurde ein System mit einem künstlichen neuronalen Netz entwickelt, um durch einfaches Anlernen mit Kalibriervorlagen eine Korrektur unterschiedlicher Abbildungsfehler zu ermöglichen, ohne daß eine explizite physikalische Beschreibung erforderlich ist. Die Hardwarelösung zur Echtzeitkorrektur basiert auf einem Array von Digitalen Signalprozessoren, die einen FIR-Filter realisieren. für die 3D-Vermessungen durch Stereokamerasysteme wurden mehrere Algorithmen entwickelt und realisiert, mit denen 3D-Koordinaten aus den Bildern zweier Kameras berechnet werden können. Neben dem bereits bestehenden Meßaufbau konnte für komplexere Messungen ein Demonstrator aus stabilen Einzelprofilen aufgebaut werden. Für die Erhöhung der Meßgenauigkeit und Korrektur systematischer Fehler durch Nutzung von a-priori Wissen in modifizierten Assoziativspeichern wurde ein modifizierter Assoziativspeicher aufgebaut, mit dem die Meßwerte einer 3D-Vermessung geglättet und korrigiert werden können. In den Gewichten des Assoziativspeichers sind dazu Informationen sowohl über die zu vermessenden Objekte wie auch über die systematischen Fehler des Meßsystems enthalten. Zum Trainieren dieses neuronalen Netzes wurde ein spezieller Lernalgorithmus entwickelt. Beim Lokalisation von Oberflächenfehlern bei Vermessung mit der Streifenprojektion wird ein Objekt vermessen und mit dem modifizierten Assoziativspeicher weiterverarbeitet. In den Gewichten sind ein oder mehrere Masterteile in unterschiedlichen Positionen gespeichert. Beim Recall werden Fehler unterdrückt. Nach Differenzbildung zwischen dem gemessenen Teil und dem Realergebnis bleiben die gesuchten Fehler übrig.