3d-Puzzle-Problem
Zusammenfassung der Projektergebnisse
Das Ziel des Vorhabens war es, die im Vorantrag entwickelten 3d-Puzzle-Algorithmen weiter zu entwickeln und damit offene Probleme in der computer- und robotergestützten Chirurgie, der Mobilen Robotik und der Industrierobotik zu lösen. Insbesondere sollten dabei je nach Anwendung mehrere Fragmente, Selbstähnlichkeiten, mögliche Deformationen und zusätzliche formverändernde Freiheitsgrade berücksichtig werden. Im Verlauf des Projektes wurden alle genannten Ziele erreicht. So wurde das Lokalisierungsproblem von mobilen Robotern mit Hilfe der 3d-Puzzle-Ansätze besonders effizient und robust gelöst. Eine weitere Anwendungsmöglichkeit in der Robotik ist der sogenannte „Griff-in-die-Kiste“. Trotz stark reflektierenden Oberflächen ist es uns gelungen mit den 3d-Puzzle-Ansätzen die Lage der Bauteile durch Matching der CAD-Daten zu schätzen, wodurch wahllos in einer Kiste liegende Bauteile mit einem Roboter automatisch gegriffen werden können. Dabei ist das vorgeschlagene Verfahren so generisch, dass es mit nahezu beliebigen Bauteilen funktioniert. Ferner wurde, basierend auf dem zuvor erarbeiteten 3d-Puzzle-Algorithmus, eine Methode entwickelt um Ähnlichkeitsmaße auf 3d-Modellen bzw. Oberflächen zu berechnen. Diese Informationen bilden die Basis für die Isolierung von Formabweichungen, Defekten, pathologischen Regionen und für die Detektion von markanten eindeutigen Oberflächenmerkmalen. Der entwickelte Algorithmus weist denjenigen Oberflächenregionen einen hohen Ähnlichkeitswert zu, die geometrisch sehr ähnlich zu vielen anderen Regionen eines gegebenen Referenzobjekt sind. Umgekehrt erhalten Oberflächenregionen einen niedrigen Ähnlichkeitswert, wenn sie sehr unähnlich zu den anderen Bereichen sind. Hiermit konnten beispielsweise die Bruchfläche von Oberschenkelfrakturen erfolgreich segmentiert werden, was ein wichtiger Vorverarbeitungsschritt für die Berechnung der optimalen Ausrichtung der Fragmente im Bereich der computer- und roboterassistierten Chirurgie ist. Um beispielsweise einzelne Organe oder Knochen in CT-/ MRT-Daten robust zu segmentieren müssen Deformationen oder zusätzliche formverändernde Freiheitsgrade berücksichtigt werden. Im Rahmen des Projektes wurden deshalb Verfahren entwickelt, welche mit Hilfe eines a priori gewonnenen statistisch deformierbaren Modells eine automatische Segmentierung von deformierbaren Objekten ermöglicht. Dabei können verschiedene Deformationsparameter für lokale Bereiche des deformierbaren Modells verwendet werden, sodass auch solche Formvariationen erfasst werden können, bei denen sich die Trainingsobjekte nur in lokalen Bereichen voneinander unterscheiden.
Projektbezogene Publikationen (Auswahl)
- Ransam for industrial bin-picking. In: Proc. of 41st Int. Symposium on Robotics (ISR), pages 1–6, 2010
D. Buchholz, S. Winkelbach, F. M. Wahl
