Datenfusion multisensoriell ausgeführter Koordinatenmessungen
Zusammenfassung der Projektergebnisse
Die zeitlich kontinuierliche Erfassung der Koordinaten bewegter oder unbewegter Objekte mit taktilen oder optischen Koordinatenmessgeräten ist eine sehr herausfordernde und bislang nur unvollständig gelöste Messaufgabe. So sind die Rekonstruktion der tatsächlichen Objektkoordinaten aus abweichungsbehafteten, dynamischen Positionsmessungen und die dabei vorliegende Messunsicherheit im Allgemeinen nicht exakt bestimmbar. Ferner erschweren die zumeist unkontrollierten Umgebungsbedingungen sowie die erforderliche echtzeitfähige Realisierung der Messdatenverarbeitung die Umsetzung genauer Messungen. In dem Forschungsvorhaben wurden scannende Tastermessungen eines traditionellen KMG und die Objektverfolgung mit einem photogrammetrischen Stereokameramesssystem als repräsentative dynamische Messaufgaben untersucht. Es wurden aus dem Bayes-Theorem verschiedene Filteralgorithmen für die rekursive Berechnung der bayesschen Schätzung für dynamische Systeme entwickelt und ausgestaltet. Zur Lösung dynamischer Koordinatenmessaufgaben wurde das „Survival Adaptive Particle Filter“ (SAPF) entwickelt. Es handelt sich um ein adaptives Partikel-Filter (PF), welches auf der Auswertung der „evolutionären Fitness“ der Partikel basiert. Trotz ihrer Überschneidung zu genetischen Algorithmen, wurde diese Information im Kontext der PF bislang nicht genutzt. Jedes Partikel stellt eine Zustandshypothese des beobachteten Prozesses dar. Je länger ein Partikel repliziert wird, desto adäquater scheint dessen Hypothese mit dem realen Prozess übereinzustimmen. Für ein gegebenes Modell kann die Anzahl der überlebenden Partikelfamilien vorab berechnet werden. Während der Filterrekursion kann dieses Kriterium für die Beurteilung der aktuellen Prozessmodellierung und eine eventuelle Filteradaption verwendet werden. Dadurch ist das SAPF der erste universelle und effektive Algorithmus für die sequentielle Approximation und Filterung unbekannter Prozesse. Daneben wurden die Softwarebibliotheken PBT und BayTrac erarbeitet, welche sämtliche Algorithmen und Verfahren der bayesschen Schätzung und photogrammetrischen Bildverarbeitung implementieren. Die Messdatenverarbeitung, -auswertung und -filterung dynamischer Koordinatenmessungen sind echtzeitkritische Anwendungen und stellen daher sehr hohe Anforderungen an die algorithmische Implementierung der zugrundeliegenden Verfahren und Methoden. Die beiden vorgestellten Bibliotheken helfen bei der Lösung dieser Probleme und ermöglichten in den durchgeführten Untersuchungen die Umsetzung von Messungen und Filterungen in Echtzeit. Mit BayTrac und PBT sind erstmals zwei umfangreiche, flexible und hochperformante Softwarepakete für die digitale Bildverarbeitung sowie bayessche Filterung als Open-Source Software verfügbar. Durch die effiziente Nutzung moderner CPU- und GPU-Architekturen ermöglichen sie die Umsetzung hochdimensionaler Bayes-Filter auch ohne Verwendung von Spezialhardware wie Field Programmable Gate Array (FPGA) oder Application-Specific Integrated Circuit (ASIC).
Projektbezogene Publikationen (Auswahl)
-
Optimal design of tracking targets for surgical navigation. In: International Journal of Computer Assisted Radiology and Surgery 7 (2012), June, Nr. 1, S. 441–443. – ISSN 1861–6429
Garcia, E.; Hausotte, T.
-
Bayes filter for dynamic coordinate measurements — Accuracy improvement, data fusion and measurement uncertainty evaluation. In: Measurement 46 (2013), Nov, Nr. 9, S. 3737–3744. – ISSN 0263–2241
Garcia, E.; Hausotte, T.; Amthor, A.
-
The Parallel Bayesian Toolbox for High–performance Bayesian Filtering in Metrology. In: Measurement Science Review 13 (2013), Nr. 6, S. 315–321. – ISSN 1335–8871
Garcia, E.; Hausotte, T.
-
Bayes-Filter zur Genauigkeitsverbesserung und Unsicherheitsermittlung von dynamischen Koordinatenmessungen. Diss. Friedrich-Alexander-Universität Erlangen-Nürnberg, 2014
Garcia, E.
