Surface Defect Identification using Bayesian Filtering on a 3D Mesh

要約

このペーパーでは、自動化された表面欠陥検出のためのCADベースのアプローチを紹介します。
CADモデルに埋め込まれたA-Prioriの知識を活用し、市販のステレオおよび深度カメラから取得したPoint Cloudデータと統合します。
提案された方法は、最初にCADモデルを高密度ポリゴナルメッシュに変換し、各頂点は3D空間の状態変数を表します。
その後、キャプチャされたポイントクラウド測定に基づいてスキャンされたワークピースの状態を繰り返し推定するために、加重最小二乗アルゴリズムが採用されます。
このフレームワークは、多様なセンサーからの情報をCADドメインに組み込む可能性を提供し、より包括的な分析を促進します。
予備的な結果は有望なパフォーマンスを示しており、アルゴリズムは約50ポイントのクラウドサンプルのみを使用して、関心のある領域でサブミリメートル標準偏差への収束を達成します。
これは、高精度の品質管理アプリケーションに市販のステレオカメラを利用する可能性を強調しています。

要約(オリジナル)

This paper presents a CAD-based approach for automated surface defect detection. We leverage the a-priori knowledge embedded in a CAD model and integrate it with point cloud data acquired from commercially available stereo and depth cameras. The proposed method first transforms the CAD model into a high-density polygonal mesh, where each vertex represents a state variable in 3D space. Subsequently, a weighted least squares algorithm is employed to iteratively estimate the state of the scanned workpiece based on the captured point cloud measurements. This framework offers the potential to incorporate information from diverse sensors into the CAD domain, facilitating a more comprehensive analysis. Preliminary results demonstrate promising performance, with the algorithm achieving convergence to a sub-millimeter standard deviation in the region of interest using only approximately 50 point cloud samples. This highlights the potential of utilising commercially available stereo cameras for high-precision quality control applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google