[go: up one dir, main page]

WO2013024161A1 - Verfahren, vorrichtung und computerprogramm zur wiedererkennung dreidimensionaler objekte - Google Patents

Verfahren, vorrichtung und computerprogramm zur wiedererkennung dreidimensionaler objekte Download PDF

Info

Publication number
WO2013024161A1
WO2013024161A1 PCT/EP2012/066123 EP2012066123W WO2013024161A1 WO 2013024161 A1 WO2013024161 A1 WO 2013024161A1 EP 2012066123 W EP2012066123 W EP 2012066123W WO 2013024161 A1 WO2013024161 A1 WO 2013024161A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
dimensional object
descriptors
dimensional
input signal
Prior art date
Application number
PCT/EP2012/066123
Other languages
English (en)
French (fr)
Inventor
Ralf DRAGON
Original Assignee
Gottfried Wilhelm Leibniz Universität Hannover
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Gottfried Wilhelm Leibniz Universität Hannover filed Critical Gottfried Wilhelm Leibniz Universität Hannover
Publication of WO2013024161A1 publication Critical patent/WO2013024161A1/de

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/478—Contour-based spectral representations or scale-space representations, e.g. by Fourier analysis, wavelet analysis or curvature scale-space [CSS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries

Definitions

  • the invention relates to a method for recognizing a first three-dimensional object according to claim 1.
  • the invention further relates to a device for checking the correspondence of a second three-dimensional object to be identified with a first three-dimensional object according to claim 11 and to a computer program according to claim 13.
  • the invention is therefore based on the object of specifying a method for recognizing a first three-dimensional object which is improved in terms of the misclassification rate and the correct classification rate.
  • an appropriate means of verifying compliance tion of a second three-dimensional object to be identified with a first three-dimensional object and a computer program for it is achieved by a method for recognizing a first three-dimensional object, wherein in a data acquisition step characteristic data of the first three-dimensional object are detected, processed and stored and in an identification step data from a second three-dimensional object to be identified is processed, stored and stored and stored data of the first three-dimensional object are compared with the stored data of the second three-dimensional object, characterized by the following steps:
  • a one-dimensional surface profile of the first three-dimensional object is detected as a first input signal by scanning
  • the first input signal is converted to first transformed data by a linear frequency domain transformation having a plurality of different scalings
  • the first transformed data or data generated therefrom are converted into a shift and scale invariant representation, whereby first displacement and scale invariant data are generated,
  • a one-dimensional surface profile of the second three-dimensional object is detected as a second input signal by scanning
  • the second input signal is converted by the same linear frequency domain transformation with several different scalings into second transformed data
  • the second transformed data or data generated therefrom is converted into the same displacement and scaling invariant representation, whereby second displacement and scaling-invariant data are generated,
  • the first shift and scale invariant data are compared with the second shift and scale invariant data; h) if the deviations between the compared data do not exceed a predetermined amount, an output is output that has an identity between signals the first three-dimensional object and the second three-dimensional object, and otherwise outputs an output signal that does not signal the identity between the first three-dimensional object and the second three-dimensional object.
  • An advantage of the invention is that material-inherent properties of the three-dimensional object can be used for recognition. Therefore, separate identification stickers or badges need not be attached, which may be lost or associated with additional costs.
  • the probability of misclassifications can be reduced to approximately 10 " , so that very reliable recognition of three-dimensional objects can be assumed.
  • ⁇ br/> Another advantage of the invention is that the correct classification rate is not significantly impaired by aging effects of the three-dimensional object, such as corrosion, and a very high correct classification rate is achieved.
  • the invention can be applied to virtually all possible three-dimensional objects, such.
  • three-dimensional objects such as metal components, tablets, electronic, metallic or ceramic components.
  • abrasive wheels that wear quickly and at random to remove sanding profiles on the surface.
  • To attach surface of the three-dimensional object so this is so to speak provided with a characteristic fingerprint, which can be recognized later by the inventive method.
  • Different frequency domain transformations can be used for the linear frequency domain transformation with several different scalings. Particularly advantageous is a continuous wavelet transformation with differently stretched wavelet functions in order to realize the different scalings.
  • Frequency domain transformation with several different scales has the advantage that data in the frequency domain are available at different acquisition scales, which favors the conversion of the data into a displacement- and scale-invariant representation.
  • the shift and scale invariant representation has the advantage that three-dimensional objects with a high correction classification rate can be recognized again, irrespective of the distance or angle at which they are located relative to the scanning means with which the scan is used to generate the one-dimensional scan Surface profile is performed.
  • the first transformed data or the second transformed data is converted into a rotation-invariant representation. This has the advantage that also different rotation angles of the three-dimensional object can be compensated during its scanning. This can be provided as an additional method step or at the same time as conversion to the displacement-invariant and scaling-invariant representation.
  • the method by means of the method grinding impressions which have been applied to the surface of the first three-dimensional object are recognized again on the second three-dimensional object to be identified.
  • This may be grinding bumps already applied in any case during the production of the first three-dimensional object due to the manufacturing process, or specifically applied sanding impressions in order to identify the three-dimensional object as clearly as possible.
  • z. B. the first three-dimensional object are provided with a grinding wheel with the sanding impression. It is advantageous, before the grinding wheel z. B. to neutralize by dressing, so that completely random Schleifabdruckmuster be generated.
  • the stated object is further achieved by a device for checking the conformity of a second three-dimensional object to be identified with a first three-dimensional object, the device comprising:
  • At least one scanning means arranged to generate an input signal in the form of a one-dimensional surface profile of a three-dimensional object
  • the scanning can z.
  • an analog or digital camera, a roscope such as Example, a confocal white light microscope, a laser scanner or a mechanical feeler be.
  • the scanning means is adapted to detect a one-dimensional intensity profile or a depth profile of the light scattered back from the three-dimensional object and to convert it into the input signal.
  • the sampling z. B. have a camera or a depth microscope.
  • the output signal can, for. B. be a binary signal, z. B. with the states "on” and "off". With the output signal z. B. a lamp can be controlled. If a match of the second three-dimensional object to be identified with the first three-dimensional object is detected, the lamp is lit, otherwise not.
  • the object mentioned at the outset is also achieved by a computer program, in particular a computer program stored on a machine-readable carrier, designed to carry out a method of the type described above when the computer program is executed on a computer.
  • FIG. 1 shows a device for checking the correspondence of a second three-dimensional object to be identified with a first three-dimensional object
  • FIG. 2 shows a signal detection of the input signal recorded by the scanning means and
  • FIG 3 shows the signal detection according to FIG. 2 with further details in the form of a block diagram;
  • FIG. 4 shows a storage of data acquired and processed in a data acquisition step
  • Fig. 5 - a signal processing in the identification step in the manner of a
  • FIG. 1 shows a device with which in the data acquisition step the characteristic data of the first three-dimensional object can be detected, processed and stored and in the identification step the data can be acquired, processed and stored by an identifying second three-dimensional object.
  • the first three-dimensional object 1 which is to be recognized, is shown by way of example.
  • the first three-dimensional object 1 has a surface 3 to be detected.
  • the second three-dimensional object to be identified is instead arranged there.
  • the device has, as part of a scanning means, a camera 4 which is directed onto the surface 3. Since a surface profile is to be detected, it is advantageous to arrange the camera 4 at a certain angle to the surface 3.
  • the camera 4 is connected to a computer 5, the z. B. may be formed as a commercial computer.
  • the computer 5 has a microprocessor 6 and a memory 7. Furthermore, the computer 5 is connected to a data memory 8, z. B. with a hard disk.
  • the computer 5 is further provided with an output means 9, z. A screen or indicator light, connected.
  • the computer 5 receives the two-dimensional image data taken by the camera 4, processes them in the manner described below, and generates an output signal 10 which is output to the output means 9.
  • the output means 9 indicates the output signal 10.
  • FIG. 2 again shows the first three-dimensional object 1 with the surface 3.
  • a cutout 20 of the surface 3 is shown in a way that corresponds to the image emitted by the camera 4.
  • the two-dimensional image data of the camera 4 are converted into a one-dimensional surface profile 21, i. H . in one-dimensional input data.
  • These are shown in FIG. 2 by way of example in a coordinate system 22 with the axis of light intensity s (x) and a geometric coordinate axis x. It is advantageous here to lay the line along which the profile of the surface 3 is detected via the geometric coordinate x at least approximately perpendicular to the direction of the grinding tracks.
  • first transformed data 23 obtained by linear frequency domain transformation with several different scalings are shown by way of example from the function s (x). It can be seen that the first transformed data 23 are again two-dimensional data, namely a geometrically determined coordinate x. ckendes frequency spectrum along the frequency axis f. The points marked with crosses in the first transformed data 23 represent, by way of example, the so-called prominent points, the determination of which will be discussed in more detail below.
  • the procedure described with reference to FIG. 2 for the first transformed data 23 also applies mutatis mutandis to the generation of the second transformed data.
  • the signal processing of the one-dimensional input data advantageously takes place as follows.
  • the one-dimensional input data s (x) are converted into the first transformed data (S (x, f)) z. B. converted by a continuous wavelet transform. With the wavelet xf ( ⁇ ) applies:
  • S (x, f) r plug.
  • ⁇ is parameterized by x and f, where x is the displacement around which the wavelet is centered, and f is the dominant frequency in the power density spectrum of ⁇ ⁇ , f .
  • a descriptor D m is formed in which the associated region R m is sampled at regular intervals (sampling). This z. For example, three scans of nine scans may be used, resulting in a descriptor length of 27.
  • 1.
  • displacement and scaling-invariant data are generated from the first and second transformed data.
  • l m contains the coordinates of predetermined prominent points in the two-dimensional form of the transformed data 23, ie with the coordinates x and f.
  • FIG. A block 30 which is part of the scanning means, is supplied with the two-dimensional image data generated by the camera 4.
  • the one-dimensional surface profile 21 or s (x) is generated.
  • the wavelet transformation is performed in the representation S (x, f).
  • the resulting transformed data are examined in block 32 for the prominent points.
  • the distinctive points or their coordinates l m found in the block 32 are provided on the one hand as the output variable and on the other hand fed to a block 33.
  • Block 33 also receives the transformed data from block 31.
  • the descriptors D m are generated and provided as an output.
  • the above-described operation is performed based on the scanning of the first three-dimensional object 1.
  • the resulting data l m and D m are stored as data l, (1) and D, (1) in the data memory 8 for later use, as shown in FIG.
  • the data storage should be permanent, d. H . not be lost by a power outage or similar defects, since up to the identification step, if necessary, may take longer periods of the order of several years.
  • the output data l m and D m provided according to FIG. 3 are used as data of the second three-dimensional object l 2) and D 2) .
  • the data of the second three-dimensional object l 2) and D 2) can be stored in the data memory 8 or temporarily in the working memory 7.
  • data of the first three-dimensional object 1 are identified by a superscript "1"
  • data of the second three-dimensional object are indicated by a superscript "2".
  • the data comparison in the identification step will be described in more detail below.
  • a three-dimensional surface profile of the first three-dimensional object 1, which is characterized by the data 1, (1) and D, (1) is compared with a surface profile of the second three-dimensional object 2, which is represented by the data 1 2) and D 2) is characterized.
  • candidate pairs i, j are determined in which the descriptors D, (1) and D 2) have a certain similarity to one another.
  • the similar speed can be determined in different ways, eg.
  • the correlation between the first descriptors and the second descriptors can be determined as cross-correlation, cosine metric distance, or 2N N metric distance. In this case, it is checked whether the correlation between the first and second descriptors exceeds a predetermined threshold. The punches exceeding the limit are marked as candidate pairs i, j. It is also possible to check a distance for falling below a predetermined limit. As a distance measure z. For example, the Minkowski distance or distance in the Earth Mover's metric can be determined.
  • d t is the predetermined limit
  • the z. B. has the value 0.9.
  • the two unknowns can be determined by a candidate pair i, j, which is also referred to as a correspondence pair. This can be done by minimizing the quadratic symmetric Euclidean distance:
  • the RANSAC method is z. See, for example, Fischler, MA, Bolles, RC: Random sample consenusus: a paradigm for model fitting with applications to image analysis and automated cartography. Commun. ACM 24, 381-395 (June 1,981).
  • the RANSAC method provides so-called inlier and outlier. Outlier are detected if e, j is greater than a radius of error r, the z. B. can be set to six samples.
  • the inlier supplied by the RANSAC method d. H . Candidate pairs within the error radius indicate when the geometric verification results in a match between the first three-dimensional object and the second three-dimensional object.
  • the above-mentioned misclassification rate related e.g. B. to a threshold of k 1 9 Inlier.
  • FIG. 5 This is additionally illustrated in FIG. 5 on the basis of a block diagram. It can be seen that a block 50 in which the candidate pairs are searched for and marked, for. B. based on the cosine metric, the descriptors D, (1) and D j (2) are supplied.
  • the block 50 delivers information about the candidate pairs i, j to a block 51.
  • the block 51 is also the size l, (1) from the database 8 and the size l 2) than by the second three-dimensional Ob- 2 detected size fed.
  • the quantities 1, (1) and 1 2) are also supplied to a block 53.
  • the sizes D 2) and l j (2) provided by the second three-dimensional object 2 can be obtained directly from the method section shown in FIG. 3 and used only as buffered data, they can also be temporarily stored in the data memory 8 and then be retrieved from the data memory 8 for the implementation of the method section according to FIG.
  • the shift amount ⁇ and the scaling ratio ⁇ is determined from a candidate pair i, j and output to a block 52.
  • Block 52 is additionally supplied with the quantities I, (1) and I 2) .
  • the RANSAC procedure is performed.
  • the RANSAC method requires two operations, referred to as estimate and error below.
  • the operation estimate in block 52 estimates the quantities ⁇ and ⁇ for a randomly selected pair of Kand ichal i, j.
  • the operation error in block 53 estimates the error e 2 j for all pairs of pairs i, j when these quantities are used.
  • the RANSAC method works iteratively and with a large number of executions of the estimates and error operations.
  • the RANSAC method provides that parameter set of the input data which produces the highest number of inliers.
  • the number of inliers and an indication of which parameter sets Inlier have generated can be provided.
  • the inlier and outlier supplied by the RANSAC method are shown in FIG. 5 as a consol ided output signal V which already contains a result of the verification as to whether the first three-dimensional object matches the second three-dimensional object.
  • the aforementioned comparison of the number of interleaves with the predetermined threshold value k is performed.
  • the Output signal V can be output as output signal 10 according to FIG.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

Die Erfindung betrifft ein Verfahren, eine Einrichtung und ein Computerprogramm zur Wiedererkennung eines ersten dreidimensionalen Objekts (1), wobei in einem Datenerfassungsschritt und einem Identifikationsschritt durch Abtastung ein eindimensionales Oberflächenprofil (21) des ersten bzw. eines zweiten dreidimensionalen Objekts (1, 2) als erstes bzw. zweites Eingangssignal erfasst wird, die ersten bzw. zweiten Eingangssignale durch die gleiche lineare Frequenzbereichstransformation mit mehreren verschiedenen Skalierungen in erste bzw. zweite transformierte Daten (23) gewandelt werden, die ersten und zweiten transformierten Daten (23) oder daraus erzeugte Daten in erste bzw. zweite verschiebungs- und skalierungsinvariante Daten überführt werden, die ersten verschiebungs- und skalierungsinvarianten Daten mit den zweiten verschiebungs- und skalierungsinvarianten Daten verglichen werden und ein Ausgangssignal (10) abgegeben wird, das eine Identität zwischen dem ersten dreidimensionalen Objekt (1 ) und dem zweiten dreidimensionalen Objekt (2) signalisiert, wenn die Abweichungen zwischen den verglichenen Daten ein vorbestimmtes Maß nicht überschreiten.

Description

VERFAHREN, VORRICHTUNG UND COMPUTERPROGRAMM ZUR
WIEDERERKENNUNG DREIDIMENSIONALER OBJEKTE
Die Erfindung betrifft ein Verfahren zur Wiedererkennung eines ersten dreidimensionalen Objekts gemäß dem Anspruch 1 . Die Erfindung betrifft ferner eine Einrichtung zur Überprüfung der Übereinstimmung eines zu identifizierenden zweiten dreidimensionalen Objekts mit einem ersten dreidimensionalen Objekt gemäß Anspruch 1 1 sowie ein Computerprogramm gemäß Anspruch 1 3.
Es besteht ein Bedarf daran, ein dreidimensionales Objekt, z. B. ein industriell hergestelltes Produkt, nach seiner Herstellung später wieder zu erkennen . Erwünscht ist hier eine besonders treffsichere und fehlerfreie Wiedererkennung. Mit solchen Verfahren können z. B. Produktfälschungen von Produktoriginalen unterschieden werden. Es gibt bereits Vorschläge, hierfür Produkt-inhärente, von außen erkennbare Merkmale heranzuziehen, wie z. B. die Oberflächenstruktur. Allerdings lässt die Treffgenauigkeit bekannter Wiedererkennungsver- fahren auf eine Verbesserungsbedürftigkeit schließen. So ist insbesondere die Wahrscheinlichkeit von fehlerhaften Erkennungen, dass es sich bei einem zu identifizierenden dreidimensionalen Objekt um das ursprüngliche dreidimensionale Objekt handelt, zu hoch.
Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren zur Wiedererkennung eines ersten dreidimensionalen Objekts anzugeben, das hinsichtlich der Fehlklassifikationsrate und der Korrektklassifikationsrate verbessert ist.
Ferner soll eine entsprechende Einrichtung zur Überprüfung der Übereinstim- mung eines zu identifizierenden zweiten dreidimensionalen Objekts mit einem ersten dreidimensionalen Objekt sowie ein Computerprogramm dafür angegeben werden . Die Aufgabe wird gelöst durch ein Verfahren zur Wiedererkennung eines ersten dreidimensionalen Objekts, wobei in einem Datenerfassungsschritt charakteristische Daten des ersten dreidimensionalen Objekts erfasst, verarbeitet und gespeichert werden und in einem Identifikationsschritt Daten von einem zu identifizierenden zweiten dreidimensionalen Objekt erfasst, verarbeitet und gespeichert werden und die gespeicherten Daten des ersten dreidimensionalen Objekts mit den gespeicherten Daten des zweiten dreidimensionalen Objekts verglichen werden, gekennzeichnet durch folgende Schritte:
a) bei dem Datenerfassungsschritt wird durch Abtastung ein eindimensionales Oberflächenprofil des ersten dreidimensionalen Objekts als erstes Ein- gangssignal erfasst,
b) bei dem Datenerfassungsschritt wird das erste Eingangssignal durch eine lineare Frequenzbereichstransformation mit mehreren verschiedenen Skalierungen in erste transformierte Daten gewandelt,
c) bei dem Datenerfassungsschritt werden die ersten transformierten Daten oder daraus erzeugte Daten in eine verschiebungs- und skalierungsinvariante Darstellung überführt, wodurch erste verschiebungs- und Skalierungs-invariante Daten erzeugt sind,
d) bei dem Identifikationsschritt wird durch Abtastung ein eindimensionales Oberflächenprofil des zweiten dreidimensionalen Objekts als zweites Ein- gangssignal erfasst,
e) bei dem Identifikationsschritt wird das zweite Eingangssignal durch die gleiche lineare Frequenzbereichstransformation mit mehreren verschiedenen Skalierungen in zweite transformierte Daten gewandelt,
f) bei dem Identifikationsschritt werden die zweiten transformierten Daten oder daraus erzeugte Daten in die gleiche verschiebungs- und Skalierungs-invariante Darstellung überführt, wodurch zweite verschiebungs- und Skalierungs-invariante Daten erzeugt sind,
g) die ersten verschiebungs- und Skalierungs-invarianten Daten werden mit den zweiten verschiebungs- und Skalierungs-invarianten Daten verglichen, h) wenn die Abweichungen zwischen den verglichenen Daten ein vorbe- stimmtes Maß nicht überschreiten, wird ein Ausgangssignal abgegeben, das eine Identität zwischen dem ersten dreidimensionalen Objekt und dem zweiten dreidimensionalen Objekt signalisiert, und andernfalls wird ein Ausgangssignal abgegeben, das die Identität zwischen dem ersten dreidimensionalen Objekt und dem zweiten dreidimensionalen Objekt nicht signalisiert.
Ein Vorteil der Erfindung ist, dass Material-inhärente Eigenschaften des dreidimensionalen Objekts für die Wiedererkennung genutzt werden können . Daher müssen nicht gesonderte Identifizierungsaufkleber oder Plaketten ange- bracht werden, die unter Umständen verloren gehen können oder mit zusätzlichem Kostenaufwand verbunden sind. Mit dem erfindungsgemäßen Verfahren
20 kann die Wahrscheinlichkeit von Fehlklassifikationen auf ungefähr 1 0" gesenkt werden, so dass von einer sehr sicheren Wiedererkennung von dreidimensionalen Objekten ausgegangen werden kann. Ein weiterer Vorteil der Er- findung ist, dass die Korrektklassifikationsrate durch Alterungseinflüsse des dreidimensionalen Objekts nicht wesentlich verschlechtert wird, wie z. B. Korrosion. Zudem wird eine sehr hohe Korrektklassifikationsrate erzielt.
Ein weiterer Vorteil ist, dass die Erfindung bei praktisch allen möglichen drei- dimensionalen Objekten angewendet werden kann, wie z. B. Metallbauteile, Tabletten, elektronische, metallische oder keramische Bauteile. Es kann hierbei entweder eine vorhandene einzigartige Oberflächenstruktur des dreidimensionalen Objekts für die Wiedererkennung herangezogen werden oder bei der Herstellung eine bestimmte einzigartige Oberflächenstruktur erzeugt werden, wie z. B. ein Abdruck einer Schleifscheibe. Werden z. B. Schleifscheiben verwendet, die sich schnell und zufällig abnutzen, um Schleifprofile auf der Ober- fläche des dreidimensionalen Objekts anzubringen, so wird dieses sozusagen mit einem charakteristischen Fingerabdruck versehen, der durch das erfindungsgemäße Verfahren später wieder erkannt werden kann . Für die lineare Frequenzbereichstransformation mit mehreren verschiedenen Skalierungen können unterschiedliche Frequenzbereichstransformationen verwendet werden. Vorteilhaft ist insbesondere eine kontinuierliche Wavelet- Transformation mit unterschiedlich gestreckten Wavelet-Funktionen, um die verschiedenen Skalierungen zu realisieren . Die Frequenzbereichstransformati- on mit mehreren verschiedenen Skalierungen hat den Vorteil, dass im Frequenzbereich Daten in unterschiedlichen Erfassungsmaßstäben zur Verfügung stehen, wodurch die Überführung der Daten in eine verschiebungs- und Skalierungs-invariante Darstellung begünstigt wird. Die verschiebungs- und Skalierungs-invariante Darstellung hat den Vorteil, dass dreidimensionale Objekte mit hoher Korrektklassifikationsrate wieder erkannt werden können, unabhängig davon, in welchem Abstand oder in welchem Winkel sie sich in Bezug zu dem Abtastmittel befinden, mit dem die Abtastung zur Erzeugung des eindimensionalen Oberflächenprofils durchgeführt wird . Gemäß einer vorteilhaften Weiterbildung der Erfindung werden die ersten transformierten Daten bzw. die zweiten transformierten Daten in eine rotationsinvariante Darstellung überführt. Dies hat den Vorteil, dass auch unterschiedliche Rotationswinkel des dreidimensionalen Objekts bei dessen Abtastung kompensiert werden können . Dies kann als zusätzlicher Verfahrensschritt vor- gesehen sein oder zugleich mit der Überführung in die verschiebungs- und Skalierungs-invariante Darstellung erfolgen .
Weitere vorteilhafte Weiterbildungen des Verfahrens sind in den Ansprüchen 3 bis 1 0 angegeben, die in den nachfolgenden Ausführungsbeispielen weiter er- läutert werden. Dabei geben die Ansprüche 5 bis 8 insbesondere vorteilhafte Weiterbildungen jeweils des Schritts c) bzw. f) des Anspruchs 1 an . Der An- spruch 9 gibt eine vorteilhafte Weiterbildung des Schritts g) des Anspruchs 1 an .
Gemäß Anspruch 1 0 ist vorgesehen, dass mittels des Verfahrens Schleifabdrü- cke, die auf der Oberfläche des ersten dreidimensionalen Objekts angebracht wurden, auf dem zu identifizierenden zweiten dreidimensionalen Objekt wieder erkannt werden . Es kann sich hierbei um bei der Herstellung des ersten dreidimensionalen Objekts aufgrund des Herstellvorgangs ohnehin angebrachte Schleifabdrücke handeln, oder um gezielt angebrachte Schleifabdrücke, um das dreidimensionale Objekt möglichst eindeutig zu kennzeichnen. Hierfür kann z. B. das erste dreidimensionale Objekt mit einer Schleifscheibe mit dem Schleifabdruck versehen werden. Es ist vorteilhaft, zuvor die Schleifscheibe z. B. durch Abrichten zu neutralisieren, so dass völlig zufällige Schleifabdruckmuster erzeugt werden.
Die genannte Aufgabe wird ferner gelöst durch eine Einrichtung zur Überprüfung der Übereinstimmung eines zu identifizierenden zweiten dreidimensionalen Objekts mit einem ersten dreidimensionalen Objekt, wobei die Einrichtung aufweist:
a) wenigstens ein Abtastmittel, eingerichtet zur Erzeugung eines Eingangssignals in Form eines eindimensionalen Oberflächenprofils eines dreidimensionalen Objekts,
b) wenigstens einen Rechner, dem von dem Abtastmittel das Eingangssignal zugeführt ist, wobei der Rechner eingerichtet ist zur Ausführung eines Verfahrens nach einem der vorhergehenden Ansprüche und zur
Erzeugung des Ausgangsmaterials,
c) wenigstens ein Ausgabemittel, eingerichtet zur Ausgabe des Ausgabesignals.
Das Abtastmittel kann z. B. eine analoge oder digitale Kamera, ein Tiefenmik- roskop wie z. B. ein Konfokal-Weißlichtmikroskop, ein Laserscanner oder ein mechanischer Tastfühler sein. Gemäß einer vorteilhaften Weiterbildung der Erfindung ist das Abtastmittel dazu eingerichtet, ein eindimensionales Intensitätsprofil oder ein Tiefenprofil des von dem dreidimensionalen Objektzurückge- streutem Lichts zu erfassen und in das Eingangssignal zu wandeln. In diesem Fall kann das Abtastmittel z. B. eine Kamera bzw. ein Tiefenmikroskop aufweisen.
Das Ausgabesignal kann z. B. ein binäres Signal sein, z. B. mit den Zuständen „Ein" und „Aus". Mit dem Ausgabesignal kann z. B. eine Lampe angesteuert werden . Wenn eine Übereinstimmung des zu identifizierenden zweiten dreidimensionalen Objekts mit dem ersten dreidimensionalen Objekt festgestellt wird, leuchtet die Lampe, andernfalls nicht. Die eingangs genannte Aufgabe wird ferner gelöst durch ein Computerprogramm, insbesondere ein auf einem maschinenlesbaren Träger gespeichertes Computerprogramm, eingerichtet zur Durchführung eines Verfahrens der zuvor beschriebenen Art, wenn das Computerprogramm auf einem Rechner ausgeführt wird .
Die Erfindung wird nachfolgend unter Verwendung von Zeichnungen anhand von Ausführungsbeispielen näher erläutert.
Es zeigen :
Fig. 1 - eine Einrichtung zur Überprüfung der Übereinstimmung eines zu i- dentifizierenden zweiten dreidimensionalen Objekts mit einem ersten dreidimensionalen Objekt und Fig. 2 - eine Signalerfassung des von dem Abtastmittel aufgenommenen Eingangssignals und Fig. 3 - die Signalerfassung gemäß Figur 2 mit weiteren Details in der Art eines Blockschaltbilds und Fig. 4 - eine Speicherung von in einem Datenerfassungsschritt erfasster und verarbeiteter Daten und
Fig. 5 - eine Signalverarbeitung in dem Identifikationsschritt nach Art eines
Blockschaltbilds.
In den Figuren werden gleiche Bezugszeichen für einander entsprechende E- lemente verwendet.
Die Figur 1 zeigt eine Einrichtung, mit der in dem Datenerfassungsschritt die charakteristischen Daten des ersten dreidimensionalen Objekts erfasst, verarbeitet und gespeichert werden können und in dem Identifikationsschritt die Daten von einem identifizierenden zweiten dreidimensionalen Objekt erfasst, verarbeitet und gespeichert werden können. Hierfür ist beispielhaft das erste dreidimensionale Objekt 1 , das wiedererkannt werden soll, dargestellt. Das erste dreidimensionale Objekt 1 weist eine zu erfassende Oberfläche 3 auf. In dem Identifikationsschritt wird stattdessen das zu identifizierende zweite dreidimensionale Objekt dort angeordnet.
Die Einrichtung weist als Teil eines Abtastmittels eine Kamera 4 auf, die auf die Oberfläche 3 gerichtet ist. Da ein Oberflächenprofil erfasst werden soll, ist es vorteilhaft, die Kamera 4 in einem gewissen Winkel zur Oberfläche 3 anzuordnen. Die Kamera 4 ist mit einem Rechner 5 verbunden, der z. B. als handelsüblicher Computer ausgebildet sein kann . Der Rechner 5 weist einen Mikroprozessor 6 und einen Arbeitsspeicher 7 auf. Ferner ist der Rechner 5 mit einem Datenspeicher 8 verbunden, z. B. mit einer Festplatte. Der Rechner 5 ist ferner mit einem Ausgabemittel 9, z. B. einem Bildschirm oder einer Anzeigeleuchte, verbunden. Der Rechner 5 empfängt die von der Kamera 4 aufgenommenen zweidimensionalen Bilddaten, verarbeitet diese in der nachfolgend noch beschriebenen Weise und erzeugt hiervon ausgehend ein Ausgangssignal 1 0, das an das Ausgabemittel 9 abgegeben wird. Das Ausgabemittel 9 zeigt das Ausgangssignal 1 0 an . In dem Fall, dass in dem Identifikationsschritt festgestellt wird, dass eine Identität zwischen dem ersten dreidimensionalen Objekt 1 und dem zweiten dreidimensionalen Objekt vorliegt, wird dies durch das Ausgangssignal 10 signalisiert. Andernfalls wird durch das Ausgangssignal 1 0 signalisiert, dass keine Identität zwischen dem ersten dreidimensionalen Objekt 1 und dem zweiten dreidimensionalen Objekt erkannt wurde.
Die Figur 2 zeigt wiederum das erste dreidimensionale Objekt 1 mit der Oberfläche 3. Rechts daneben ist ein Ausschnitt 20 der Oberfläche 3 in einer Art dargestellt, wie sie dem von der Kamera 4 abgegebenen Bild entspricht. Die zweidimensionalen Bilddaten der Kamera 4 werden in ein eindimensionales Oberflächenprofil 21 gewandelt, d . h . in eindimensionale Eingangsdaten . Diese sind in der Figur 2 beispielhaft in einem Koordinatensystem 22 mit der Achse Lichtintensität s(x) und einer geometrischen Koordinatenachse x wiedergegeben. Es ist vorteilhaft, hierbei die Linie, entlang der das Profil der Oberfläche 3 über die geometrische Koordinate x erfasst wird, wenigstens ungefähr senkrecht zur Richtung der Schleifspuren zu legen.
Zur Erzeugung der eindimensionalen Daten s(x) kann zusätzlich eine Mittelung über benachbarte Bilddaten in y-Richtung, d . h. senkrecht zur x-Richtung, er- folgen . Hierdurch können zufällige Störungen ausgeblendet werden.
Rechts neben dem Koordinatensystem 22 sind beispielhaft aus der Funktion s(x) durch lineare Frequenzbereichstransformation mit mehreren verschiedenen Skalierungen gewonnene erste transformierte Daten 23 dargestellt. Er- kennbar ist, dass die ersten transformierten Daten 23 wiederum zweidimensionale Daten sind, nämlich ein sich geometrisch über die Koordinate x erstre- ckendes Frequenzspektrum entlang der Frequenzachse f. Die in den ersten transformierten Daten 23 mit Kreuzen markierten Punkte stellen beispielhaft die sogenannten markanten Punkte dar, auf deren Bestimmung nachfolgend noch weiter eingegangen wird. Der anhand der Figur 2 für die ersten transfor- mierten Daten 23 beschriebene Vorgang gilt sinngemäß auch für die Erzeugung der zweiten transformierten Daten.
Die Signalverarbeitung der eindimensionalen Eingangsdaten erfolgt vorteilhaft wie folgt. Die eindimensionalen Eingangsdaten s(x) werden in die ersten trans- formierten Daten (S(x, f)) z. B. durch eine kontinuierliche Wavelet- Transformation gewandelt. Mit dem Wavelet x f (ξ) gilt:
S(x,f)= r steck . Φ ist parametrisiert durch x und f, wobei x die Verschiebung ist, um die herum das Wavelet zentriert ist, und f die dominante Frequenz im Leistungsdichtespektrum von Φχ, f ist. Um einen großen Bereich von Frequenzen abzudecken, wird ein logarithmisches Sampling der Frequenz zwischen λ0 = sc/2 und λ-ι = sx/2 durchgeführt, wobei sx die Länge des Oberflächenprofils und sc der erwar- tete Durchmesser eines Korns in dem Schleifabdruck ist. Im vorliegenden Beispiel wird von einem Korndurchmesser von 1 25 μηη ausgegangen .
Als Wavelet-Funktion kann z. B. das Daubechies-Wavelet 4. Ordnung verwendet werden .
In der durch die Wavelet-Transformation erzeugten Darstellung S(x, f) werden nun markante Punkte ermittelt. Als markante Punkte kommen z. B. lokale Ma- xima oder Minima in Frage. Für die nachfolgenden Betrachtungen sei davon ausgegangen, dass als markante Punkte die lokalen Maxima ausgewählt wer- den. Wenn markante Punkte m mit Koordinaten (xm, fm) gefunden sind, wird eine Region Rm bestimmt, die die Umgebung des Punkts m beschreibt. Für eine Skalierungs-invariante Darstellung ist die jeweilige Umgebung proportional zu der Wavelet-Wellenlänge m = f 1 m. In der räumlichen Richtung ist die Umgebung x = xm ± m/2. In Frequenzrichtung wird daher f 1 m = m ± m/2 ausge- wählt. Daher ist die Region Rm begrenzt durch
X = [Xm - ληι/2; Xm + λ,η/2], f = [2/31 m 2fm].
Um eine Bündelbildung in der Profilcharakterisierung zu vermeiden, werden alle markanten Punkte j ausgeschlossen, wenn ihre ermittelte Position (Xj, fj) in die Region R, eines anderen markanten Punkts i mit einem höheren Absolutwert von S fällt:
|S(Xj, fj)| < |S(Xi, fi)| v (Xj, fj) e Ri.
Für alle verbleibenden markanten Punkte m wird ein Deskriptor Dm gebildet, in dem die zugehörige Region Rm in gleichmäßigen Intervallen abgetastet wird (Sampling). Hierbei kann z. B. in drei Skalierungen mit neun Abtastungen gearbeitet werden, was zu einer Deskriptorlänge von 27 führt. Hiernach kann der Deskriptor normalisiert werden, so dass E[Dm] = 0 und ||Dm|| = 1 ist. Hierdurch werden aus den ersten bzw. zweiten transformierten Daten verschiebungs- und Skalierungs-invariante Daten erzeugt. Im Ergebnis liegt nun eine Menge von Positionen lm = (xm, λ,τ, = 1/fm) mit einem zugeordneten Deskriptor Dm für jedes Merkmal vor. Hierbei enthält lm die Koordinaten vorbestimmter markanter Punk- te in der zweidimensionalen Form der transformierten Daten 23, d. h. mit den Koordinaten x und f.
Hierdurch liegen die Daten 23 nun in einer verschiebungs- und skalierungsinvarianten Darstellung und zugleich in eine rotationsinvarianten Darstellung vor. Dieser Vorgang ist in dem Blockschaltbild gemäß Figur 3 dargestellt. Einem Block 30, der Teil der Abtastmittel ist, werden die von der Kamera 4 erzeugten zweidimensionalen Bilddaten zugeführt. Im Block 30 wird das eindimensionale Oberflächenprofil 21 bzw. s(x) erzeugt. Im Block 31 wird die Wavelet- Transformation in die Darstellung S(x,f) durchgeführt. Die entstehenden transformierten Daten werden in einem Block 32 auf die markanten Punkte hin untersucht. Die in dem Block 32 gefundenen markanten Punkte bzw. deren Koordinaten lm werden einerseits als Ausgangsgröße bereitgestellt und andererseits einem Block 33 zugeführt. Dem Block 33 werden zudem die transformierten Daten aus dem Block 31 zugeführt. Im Block 33 werden die Deskriptoren Dm erzeugt und als Ausgangsgröße bereitgestellt.
In dem Datenerfassungsschritt wird der zuvor beschriebene Ablauf anhand der Abtastung des ersten dreidimensionalen Objekts 1 durchgeführt. Die dabei ent- stehenden Daten lm und Dm werden als Daten l,(1 ) und D,(1 ) in dem Datenspeicher 8 für eine spätere Verwendung abgelegt, wie in der Figur 4 dargestellt ist. Die Datenspeicherung sollte dauerhaft sein, d. h . nicht durch einen Stromausfall oder ähnliche Defekte verloren gehen, da bis zu dem Identifikationsschritt ggf. größere Zeiträume in der Größenordnung von mehreren Jahre vergehen können .
In dem Identifikationsschritt wird der zuvor beschriebene Ablauf ebenso durchgeführt. Die gemäß Figur 3 bereitgestellten Ausgangsdaten lm und Dm werden als Daten des zweiten dreidimensionalen Objekts l 2) und D 2) verwendet. Die Daten des zweiten dreidimensionalen Objekts l 2) und D 2) können in dem Datenspeicher 8 oder temporär in dem Arbeitsspeicher 7 gespeichert werden .
Wie erkennbar ist, werden Daten des ersten dreidimensionalen Objekts 1 durch einen hochgestellten Index„1 " gekennzeichnet, Daten des zweiten dreidimen- sionalen Objekts werden durch einen hochgestellten Index„2" gekennzeichnet. Nachfolgend wird der Datenvergleich in dem Identifikationsschritt näher beschrieben . Hierbei wird ein dreid imensionales Oberflächenprofil des ersten dreid imensionalen Objekts 1 , das durch die Daten l,(1 ) und D,(1 ) charakterisiert ist, m it einem Oberflächenprofil des zweiten dreidimensionalen Objekts 2 ver- glichen , das durch d ie Daten l 2) und D 2) charakterisiert ist. Zunächst werden Kandidatenpaare i, j ermittelt, bei denen die Deskriptoren D,(1 ) und D 2) eine gewisse Ähnl ichkeit zueinander aufweisen . Die Ähnlich keit kann auf unterschiedliche Arten bestimmt werden, z. B. kann die Korrelation zwischen den ersten Deskriptoren und den zweiten Deskriptoren als Kreuzkorrelation , Ab- stand in der Cosinus-Metrik oder Abstand in der 2N N-Metrik bestimmt werden . In diesem Fall wird geprüft, ob die Korrelation zwischen den ersten und zweiten Deskriptoren einen vorbestimmten Grenzwert überschreitet. Die den Grenzwert überschreitenden Pun kte werden als Kandidatenpaare i, j markiert. Es kann auch ein Abstandsmaß auf Unterschreitung eines vorbestimmten Grenzwerts geprüft werden . Als Abstandsmaß kann z. B. der Minkowski-Abstand oder Abstand in der Earth Mover's Metrik bestimmt werden .
Nachfolgend wird davon ausgegangen , dass die Cosinus-Metrik verwendet wird . Dann gilt:
Figure imgf000014_0001
Hierbei ist dt der vorbestimmte Grenzwert, der z. B. den Wert 0,9 hat. Sodann wird eine geometrische Verifikation aller markierten Kand idatenpaare durchgeführt. Hierzu sei angenommen, dass das Oberflächenprofil s(1 ) des ersten dreidimensionalen Objekts 1 und das Oberflächenprofil s(2) des zweiten dreid imensionalen Objekts sich räuml ich voneinander durch ein Verschiebungsmaß Δχ und einen Skalierungsfaktor A Ä unterscheiden . Som it muss die Konstellation aller Kand idatenpaare i, j d ie Bedingung erfüllen :
Figure imgf000015_0001
Die zwei Unbekannten können von einem Kandidatenpaar i, j, das auch als Korrespondenzpaar bezeichnet wird, ermittelt werden . Dies kann durch Mini- mierung der quadratischen symmetrischen euklidischen Distanz erfolgen :
Figure imgf000015_0002
Dies wird mit allen Kandidatenpaaren (i,j) unter Verwendung des RANSAC- Verfahrens durchgeführt. Das RANSAC-Verfahren ist z. B. in der Veröffentlichung Fischler, M.A., Bolles, R.C. : Random sample consenusus: a paradigm for model fitting with applications to image analysis and automated car- tography. Commun . ACM 24, 381 -395 (June 1 981 ) beschrieben. Das RANSAC- Verfahren liefert sogenannte Inlier und Outlier. Outlier werden erkannt, wenn e,j größer als ein Fehlerradius r ist, der z. B. auf sechs Abtastwerte gesetzt werden kann . Die von dem RANSAC-Verfahren gelieferten Inlier, d. h . Kandidatenpaare innerhalb des Fehlerradius, zeigen an, wenn die geometrische Verifikation eine Übereinstimmung zwischen dem ersten dreidimensionalen Objekt und dem zweiten dreidimensionalen Objekt ergibt. Wenn das RANSAC- Verfahren mehr Inlier als ein vorgegebener Schwellwert k erzeugt, wird davon ausgegangen, dass eine Identität zwischen dem ersten und dem zweiten dreidimensionalen Objekt vorliegt. Die oben genannte Fehlklassifikationsrate bezog sich z. B. auf einen Schwellwert von k=1 9 Inlier. Dies ist in der Figur 5 zusätzlich anhand eines Blockdiagramms dargestellt. Erkennbar ist, dass einem Block 50, in dem die Kandidatenpaare gesucht und markiert werden, z. B. anhand der Cosinus-Metrik, die Deskriptoren D,(1 ) und Dj (2) zugeführt werden . Der Block 50 gibt eine Information über die Kandidatenpaare i, j an einen Block 51 ab. Dem Block 51 wird zudem die Größe l,(1 ) aus der Datenbank 8 und die Größe l 2) als von dem zweiten dreidimensionalen Ob- jekt 2 ermittelte Größe zugeführt. Die Größen l,(1 ) und l 2) werden au ßerdem einem Block 53 zugeführt.
Die von dem zweiten dreidimensionalen Objekt 2 erm ittelten Größen D 2) und lj (2) können d irekt von dem in der Figur 3 dargestellten Verfahrensabschnitt gewonnen werden und lediglich als zwischengespeicherte Daten herangezogen werden , sie können auch in dem Datenspeicher 8 zwischengespeichert werden und dann für d ie Durchführung des Verfahrensabschnitts gemäß Figur 5 aus dem Datenspeicher 8 abgerufen werden .
Im Block 51 wird das Verschiebungsmaß Δχ und das Skal ierungsverhältnis Δλ aus einem Kandidatenpaar i, j bestimmt und an einen Block 52 abgegeben . Dem Block 52 werden zusätzl ich die Größen l,(1 ) und l 2) zugeführt. In den Blöcken 51 , 52 und 53 wird das RANSAC-Verfahren durchgeführt. Das RANSAC- Verfahren benötigt zwei Operationen, d ie nachfolgend als estimate und error bezeichnet werden . Im Block 52 wird d ie Operation estimate ausgeführt, im Block 53 die Operation error. Die Operation estimate im Block 52 schätzt d ie Größen Δχ und Δλ für ein zufäll ig ausgewähltes Kand idatenpaar i, j . Die Operation error im Block 53 schätzt den Fehler e2 j für alle Kand idatenpaare i, j, wenn diese Größen verwendet werden . Das RANSAC-Verfahren arbeitet iterativ und mit einer Vielzahl von Durchführungen der Operationen estimate und error. Als Ergebnis liefert das RANSAC-Verfahren denjenigen Parametersatz der Eingangsdaten , der d ie höchste Zahl von Inliern erzeugt. Zusätzlich kann d ie Anzahl der Inl ier und eine Angabe darüber, welche Parametersätze Inlier erzeugt haben, geliefert werden . Die von dem RANSAC-Verfahren gel ieferten Inlier und Outlier sind in der Figur 5 als konsol id iertes Ausgangssignal V dargestellt, das bereits ein Ergebnis der Verifikation enthält, ob das erste dreid imensionale Objekt mit dem zweiten dreidimensionalen Objekt übereinstimmt. Für d ie Bildung des Ergebnisses, dass das erste dreid imensionale Objekt m it dem zweiten drei- dimensionalen Objekt übereinstimmt, wird der zuvor erwähnte Vergleich der Anzahl von Inliern mit dem vorgegebenen Schwellwert k durchgeführt. Das Ausgangssignal V kann gemäß Figur 1 als Ausgangssignal 10 abgegeben werden.

Claims

Patentansprüche:
Verfahren zur Wiedererkennung eines ersten dreidimensionalen Objekts (1 ), wobei in einem Datenerfassungsschritt charakteristische Daten des ersten dreidimensionalen Objekts (1 ) erfasst, verarbeitet und gespeichert werden und in einem Identifikationsschritt Daten von einem zu identifizierenden zweiten dreidimensionalen Objekt (2) erfasst, verarbeitet und gespeichert werden und die gespeicherten Daten des ersten dreidimensionalen Objekts (1 ) mit den gespeicherten Daten des zweiten dreidimensionalen Objekts (2) verglichen werden, gekennzeichnet durch folgende Schritte:
a) bei dem Datenerfassungsschritt wird durch Abtastung ein eindimensionales Oberflächenprofil (21 ) des ersten dreidimensionalen Objekts
(1 ) als erstes Eingangssignal erfasst,
b) bei dem Datenerfassungsschritt wird das erste Eingangssignal durch eine lineare Frequenzbereichstransformation mit mehreren verschiedenen Skalierungen in erste transformierte Daten (23) gewandelt, c) bei dem Datenerfassungsschritt werden die ersten transformierten Daten oder daraus erzeugte Daten in eine verschiebungs- und Skalierungs-invariante Darstellung überführt, wodurch erste verschiebungs- und Skalierungs-invariante Daten erzeugt sind,
d) bei dem Identifikationsschritt wird durch Abtastung ein eindimensionales Oberflächenprofil (21 ) des zweiten dreidimensionalen Objekts
(2) als zweites Eingangssignal erfasst,
e) bei dem Identifikationsschritt wird das zweite Eingangssignal durch die gleiche lineare Frequenzbereichstransformation mit mehreren verschiedenen Skalierungen in zweite transformierte Daten gewandelt,
f) bei dem Identifikationsschritt werden die zweiten transformierten Daten oder daraus erzeugte Daten in die gleiche verschiebungs- und Skalierungs-invariante Darstellung überführt, wodurch zweite ver- schiebungs- und Skalierungs-invariante Daten erzeugt sind, g) die ersten verschiebungs- und Skalierungs-invarianten Daten werden mit den zweiten verschiebungs- und Skalierungs-invarianten Daten verglichen,
h) wenn die Abweichungen zwischen den verglichenen Daten ein vorbestimmtes Maß nicht überschreiten, wird ein Ausgangssignal (10) abgegeben, das eine Identität zwischen dem ersten dreidimensionalen Objekt (1 ) und dem zweiten dreidimensionalen Objekt (2) signalisiert, und andernfalls wird ein Ausgangssignal (1 0) abgegeben, das die Identität zwischen dem ersten dreidimensionalen Objekt (1 ) und dem zweiten dreidimensionalen Objekt (2) nicht signalisiert.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass in dem Schritt c) die ersten transformierten Daten (23) in eine rotationsinvariante Darstellung überführt werden und in dem Schritt f) die zweiten transformierten Daten in eine rotationsinvariante Darstellung überführt werden .
3. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die ersten transformierten Daten (23) vor dem Schritt c) in erste Deskriptoren (D,(1 )) gewandelt werden und die zweiten transformierten Daten vor dem Schritt f) in zweite Deskriptoren (D 2)) gewandelt werden, wobei einem Deskriptor jeweils die Koordinaten (Ι,(1 ), l 2)) vorbestimmter markanter Punkte, insbesondere von Maxima im Frequenzbereich, in einer durch die lineare Frequenzbereichstransformation mit mehreren verschiedenen Skalierungen erzeugten zweidimensionalen Darstellung sowie Umgebungsdaten in der lokalen zweidimensionalen Umgebung des jeweiligen markanten Punkts zugeordnet sind .
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass ein logarithmisches Sampling entlang der Frequenzachse zur Bestimmung der Umge- bungsdaten durchgeführt wird.
5. Verfahren nach einem der Ansprüche 3 oder 4, dadurch gekennzeichnet, dass bei dem Identifikationsschritt die Korrelation zwischen den ersten Deskriptoren (D,(1 )) und den zweiten Deskriptoren (D 2)) bestimmt und auf Überschreitung eines vorbestimmten Grenzwerts geprüft wird, wobei die Punkte derjenigen ersten und zweiten Deskriptoren, bei denen die Korrelation zwischen den ersten und den zweiten Deskriptoren den vorbestimmten Grenzwert überschreitet, als Kandidatenpaare (i, j) markiert werden.
6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass die Korrelation zwischen den ersten Deskriptoren (D,(1 )) und den zweiten Deskriptoren (Dj (2)) als Kreuzkorrelation, Abstand in der Cosinus-Metrik oder als Abstand in der 2NN-Metrik bestimmt wird.
7. Verfahren nach einem der Ansprüche 3 oder 6, dadurch gekennzeichnet, dass bei dem Identifikationsschritt ein Abstandsmaß zwischen den ersten Deskriptoren (D,(1 )) und den zweiten Deskriptoren (D 2)) bestimmt und auf Unterschreitung eines vorbestimmten Grenzwerts geprüft wird, wobei die Punkte derjenigen ersten und zweiten Deskriptoren, bei denen das Abstandsmaß zwischen den ersten und den zweiten Deskriptoren den vorbestimmten Grenzwert unterschreitet, als Kandidatenpaare (i, j) markiert werden .
8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass als Abstandsmaß zwischen den ersten Deskriptoren (D,(1 )) und den zweiten Deskriptoren (Dj (2)) der Minkowski-Abstand oder der Abstand in der Earth Mover's Metrik bestimmt wird .
9. Verfahren nach einem der Ansprüche 5 bis 8, dadurch gekennzeichnet, dass für die markierten Kandidatenpaare (i, j) der ersten und zweiten De- skriptoren ein gemeinsamer Versch iebungskorrekturwert (Δχ) und ein gemeinsamer Skal ierungskorrekturwert {A Ä ) bestimmt werden und im Schritt h) zur geometrischen Verifikation , ob d ie Abweichungen zwischen den vergl ichenen Daten ein vorbestimmtes Maß n icht überschreiten, verwendet wird .
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass mittels des Verfahrens Schleifabdrücke, die auf der Oberfläche (3) des ersten dreidimensionalen Objekts (1 ) angebracht wurden, auf dem zu identifizierenden zweiten dreid imensionalen Objekt (2) wiedererkannt werden .
Einrichtung zur Überprüfung der Übereinstimmung eines zu identifizierenden zweiten dreid imensionalen Objekts (2) m it einem ersten dreid imensionalen Objekt (1 ), wobei die Einrichtung aufweist:
a) wenigstens ein Abtastm ittel (4, 30), eingerichtet zur Erzeugung eines Eingangssignals in Form eines eindimensionalen Oberflächenprofils (21 ) eines dreid imensionalen Objekts (1 , 2),
b) wenigstens einen Rechner (5, 6), dem von dem Abtastmittel (4, 30) das Eingangssignal zugeführt ist, wobei der Rechner (5, 6) eingerichtet ist zur Ausführung eines Verfahrens nach einem der vorhergehenden Ansprüche und zur Erzeugung des Ausgangssignals (1 0), c) wenigstens ein Ausgabem ittel, eingerichtet zur Ausgabe des Ausgabesignals (1 0).
Einrichtung nach Anspruch 1 1 , dadurch gekennzeichnet, dass das Abtastmittel (4, 30) dazu eingerichtet, ein eindimensionales Intensitätsprofil oder Tiefenprofil des von dem dreid imensionalen Objekt (1 , 2) zurückgestreuten Lichts zu erfassen und in das Eingangssignal zu wandeln . 3. Computerprogramm m it Programmcodem itteln , insbesondere auf einem maschinenlesbaren Träger gespeichertes Computerprogramm, eingerichtet zur Durchführung eines Verfahrens nach einem der Ansprüche 1 bis 10, wenn das Computerprogramm auf einem Rechner (5, 6) ausgeführt wird .
PCT/EP2012/066123 2011-08-17 2012-08-17 Verfahren, vorrichtung und computerprogramm zur wiedererkennung dreidimensionaler objekte WO2013024161A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102011110478.3A DE102011110478B4 (de) 2011-08-17 2011-08-17 Verfahren zur Wiedererkennung eines dreidimensionalen Objekts, Einrichtung und Computerprogramm dafür
DE102011110478.3 2011-08-17

Publications (1)

Publication Number Publication Date
WO2013024161A1 true WO2013024161A1 (de) 2013-02-21

Family

ID=46799205

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2012/066123 WO2013024161A1 (de) 2011-08-17 2012-08-17 Verfahren, vorrichtung und computerprogramm zur wiedererkennung dreidimensionaler objekte

Country Status (2)

Country Link
DE (1) DE102011110478B4 (de)
WO (1) WO2013024161A1 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014108664B4 (de) 2014-06-20 2017-09-21 Friedrich Wilhelm Bauer Identifikation von Bauteilen
DE102017001915B4 (de) 2017-02-27 2025-04-03 INPRO Innovationsgesellschaft für fortgeschrittene Produktionssysteme in der Fahrzeugindustrie mbH Verfahren zum kennzeichenlosen Identifizieren mindestens eines Bauteils sowie zum Rückverfolgen von Bauteilen in einem Produktionsprozess

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
LU83333A1 (fr) 1981-05-04 1983-03-24 Euratom Utilisation de textures de surface comme marque aleatoire d'idendite unique
FR2567947B1 (fr) 1984-07-23 1986-12-26 Euratom Systeme de controle d'acces a lecture de texture de surface
EP1969525A1 (de) 2005-12-23 2008-09-17 Ingenia Holdings (UK)Limited Optische authentifizierung
DE102009025061A1 (de) 2009-06-10 2010-12-16 Bayer Technology Services Gmbh Identifizierung und/oder Authentifizierung von Gegenständen anhand ihrer Oberflächenbeschaffenheit

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
BILEI ZHU ET AL: "A novel audio fingerprinting method robust to time scale modification and pitch shifting", PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON MULTIMEDIA, MM '10, 1 January 2010 (2010-01-01), New York, New York, USA, pages 987, XP055049351, ISBN: 978-1-60-558933-6, DOI: 10.1145/1873951.1874130 *
FISCHLER, M.A.; BOLLES, R.C.: "Random sample consenusus: a paradigm for model fitting with applications to image analysis and automated cartography", COMMUN. ACM, vol. 24, June 1981 (1981-06-01), pages 381 - 395
MALLAT S ET AL: "CHARACTERIZATION OF SIGNALS FROM MULTISCALE EDGES", IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, IEEE SERVICE CENTER, LOS ALAMITOS, CA, US, vol. 14, no. 7, 1 July 1992 (1992-07-01), pages 710 - 732, XP000290514, ISSN: 0162-8828, DOI: 10.1109/34.142909 *
MALLAT S: "ZERO-CROSSINGS OF A WAVELET TRANSFORM", IEEE TRANSACTIONS ON INFORMATION THEORY, IEEE PRESS, USA, vol. 37, no. 4, 1 July 1991 (1991-07-01), pages 1019 - 1033, XP000220300, ISSN: 0018-9448, DOI: 10.1109/18.86995 *
RALF DRAGON ET AL: "Data Storage in Gentelligent Components: A New Way for Self-Authentication", 2ND WORKSHOP SELF-X IN ENGINEERING, KI 2010, 1 September 2010 (2010-09-01), XP055048894, Retrieved from the Internet <URL:http://www.tnt.uni-hannover.de/papers/data/847/gt-selfx22.pdf> [retrieved on 20130108] *
SHENGYU FU ET AL: "Wavelet analysis with different wavelet bases for engineering surfaces", PROCEEDINGS OF THE SIXEENTH ANNUAL MEETING OF THE AMERICAN SOCIETY FOR PRECISION ENGINEERING, 1 January 2001 (2001-01-01), Raleigh, NC, pages 249 - 252, XP055049100, Retrieved from the Internet <URL:http://www.aspe.net/publications/Annual_2001/PDF/POSTERS/METRO/ANALYSIS/1214.PDF> [retrieved on 20130109] *
SUN M ET AL: "Measurement of signal similarity using the maxima of the wavelet transform", PROCEEDINGS OF THE 1993 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING (ICASSP-93), vol. 3, 27 April 1993 (1993-04-27), pages 583 - 586, XP010110706, ISBN: 978-0-7803-0946-3, DOI: 10.1109/ICASSP.1993.319565 *

Also Published As

Publication number Publication date
DE102011110478A1 (de) 2013-02-21
DE102011110478B4 (de) 2018-07-26

Similar Documents

Publication Publication Date Title
DE19521346C2 (de) Bilduntersuchungs/-Erkennungsverfahren, darin verwendetes Verfahren zur Erzeugung von Referenzdaten und Vorrichtungen dafür
DE112007001791B4 (de) Verfahren und Vorrichtung zum Vergleichen von Dokumentmerkmalen mittels einer Texturanalyse
DE69610689T2 (de) System zum Klassifizieren von Fingerabdrücken
DE69805798T2 (de) Fingerabdrukklassifikation mittels raumfrequenzteilen
DE102007035884B4 (de) Linienrauschunterdrückungsvorrichtung, -verfahren und -programm
DE60307967T2 (de) Bildverarbeitungsverfahren für die untersuchung des erscheinungsbildes
DE102017001366A1 (de) Geometrie-messsystem, geometrie-messapparat und geometrie-messverfahren
DE4432002A1 (de) Verfahren zur Rekonstruktion von in Rasterform vorliegenden Linienstrukturen
EP1259931A1 (de) Verfahren zur analyse von fingerabdruckbildern
EP2206075B1 (de) Detektor und verfahren zum erkennen einer fahrspurbegrenzung
DE102020120887B4 (de) Verfahren zum erfassen einer einhängeposition eines auflagestegs und flachbettwerkzeugmaschine
CH710713B1 (de) Authentifizierungsverfahren unter Verwendung von Oberflächenpapiertextur.
WO2006133974A1 (de) Verfahren und vorrichtung zur erkennung einer münze unter verwendung ihres prägebildes
DE112020007472T5 (de) Lernnutzungssystem, nutzungsvorrichtung, lernvorrichtung, programm und lernnutzungsverfahren
DE102019209653A1 (de) Signalverarbeitungsverfahren für photoelektrischen Kodierer
DE102011110478B4 (de) Verfahren zur Wiedererkennung eines dreidimensionalen Objekts, Einrichtung und Computerprogramm dafür
DE602004001705T2 (de) Adaptives Farbbild-Watermarking mittels vektoriellem Ansatz
EP1273007B1 (de) Verfahren zur bestimmung eines charakteristischen datensatzes für ein datensignal
EP3214602B1 (de) Verfahren zur dreidimensionalen erfassung von objekten
EP3142068B1 (de) Verfahren zur dreidimensionalen erfassung von objekten
EP2096578A2 (de) Verfahren und Vorrichtung zur Charakterisierung der Formation von Papier
WO2003034327A1 (de) Automatische ermittlung von geometrischen modellen für optische teilerkennungen
DE102021203559A1 (de) Verfahren zur Erkennung einer Identifikationsnummer
DE102015014199B4 (de) Verfahren und System zur Verbesserung der Objekterkennungsleistung einer 3D-Erkennungseinheit
WO2011144533A1 (de) Identifizierung von gegenständen

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12755812

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 12755812

Country of ref document: EP

Kind code of ref document: A1