Universität des Saarlandes Digitale Objekte aus unvollständigen 3-D-Daten erstellen

Die Saarbrücker Informatiker können aus solch fehlerhaften Daten die ursprünglichen Objekte rekonstruieren.
Die Saarbrücker Informatiker können aus solch fehlerhaften Daten die ursprünglichen Objekte rekonstruieren.

Mit speziellen Kameras können reale Objekte inzwischen digital erfasst werden. Sie stoßen jedoch noch an Grenzen, wenn beispielsweise die Oberfläche eines Objektes für den Scanner zu dunkel ist und daher kein Signal liefert oder sich Teile gegenseitig verdecken. Das Problem wurde jetzt gelöst.

Informatiker des Max-Planck-Instituts für Informatik haben gemeinsam mit Kollegen von Intel und dem Intel Visual Computing Institute der Universität des Saarlandes eine Methode entwickelt, die selbst aus unvollständigen Aufnahmen ein digitales Objekt rekonstruieren kann. Die Forscher nutzen dafür einen speziellen Typ eines neuronalen Netzwerkes.

»Obwohl die 3D-Scan-Technologie in den vergangenen Jahren einen erheblichen Sprung gemacht hat, ist es immer noch eine Herausforderung, die Geometrie und Form eines realen Objektes digital und automatisiert zu erfassen«, erklärt Mario Fritz, der am Max-Planck-Institut für Informatik die Gruppe »Scalable Learning and Perception« leitet. Laut Fritz sind Tiefensensoren, etwa der Microsoft Kinect Sensor, sehr leistungsfähig, aber sie funktionieren nicht auf allen Materialien gleich gut, was zu verrauschten Daten oder sogar fehlenden Messwerten führt. »Die daraus resultierenden fehlerhaften oder sogar unvollständigen 3D-Geometrien stellen ein echtes Problem für eine Reihe von Anwendungen dar, etwa in der virtuellen, erweiterten Realität oder bei der Zusammenarbeit mit Robotern und im 3-D-Druck«, erklärt Mario Fritz.

Gemeinsam mit weiteren Forschern von Intel und dem Intel Visual Computing Institute der Saar-Uni entwickelte er daher eine Methode, die auch mit unvollständigen Datensätzen funktioniert. Sie nutzt ein spezielles neuronales Netzwerk. »Unsere Methode benötigt keinerlei Aufsicht während der Lernphase, was in dieser Form ein Novum ist«, erklärt Fritz. Auf diese Weise konnten die Forscher beispielsweise einen flachen Monitor, dessen digitales Abbild nach dem 3-D-Scan eher einer Bretterwand glich, so rekonstruieren, dass jedermann wieder in dem digitalen Objekt einen Monitor erkennen konnte. Damit schlagen die Saarbrücker Informatiker auch bisherige Methoden, die fehlerhafte 3D-Scans verbessern und Formen vervollständigen. Auch bei der Klassifizierung von gescannten Objekten zeigt die Methode aus Saarbrücken sehr gute Ergebnisse. In Zukunft wollen die Wissenschaftler ihre Methode weiterentwickeln, so dass es auch bei verformbaren Objekten und größeren Szenen funktioniert.