6,8 MB, PDF-File

Transcription

6,8 MB, PDF-File

Fachhochschule Wiesbaden,
Fachbereich Physikalische Technik
SCHOTT Glas Mainz,
Abteilung Forschung und Technologieentwicklung Veredelungstechnik
Diplomarbeit
von
Michael Stelzl
zum Thema:
Einsatz von Bildverarbeitungssystemen
in der Produktionsautomatisierung
am Beispiel der Glasindustrie
Januar 2001
Referent: Prof. Dr. rer. nat. Gerd Küveler, FH Wiesbaden
Korreferent: Dipl. Ing. (FH) Stephan Drozniak, SCHOTT Glas
Inhaltsverzeichnis
1
Einleitung ............................................................................................................4
2
Ziel der Diplomarbeit.........................................................................................5
3
Komponenten eines Bildverarbeitungssystems ...............................................6
3.1 Objekte ....................................................................................................................... 7
3.2 Beleuchtung ............................................................................................................... 7
3.2.1
3.2.2
3.2.3
3.2.4
3.2.5
3.2.6
3.2.7
3.2.8
3.2.9
3.2.10
3.2.11
3.2.12
3.2.13
3.2.14
Diffuses Auflicht ............................................................................................................ 9
Diffuses Durchlicht......................................................................................................... 9
Auflicht Dunkelfeld ...................................................................................................... 10
Durchlicht Dunkelfeld .................................................................................................. 10
Kombinationen von Beleuchtungen.............................................................................. 11
Telezentrische Beleuchtung .......................................................................................... 12
Strukturierte Beleuchtung ............................................................................................. 12
Lichtschnittverfahren .................................................................................................... 12
Farbspektrum der Beleuchtung ..................................................................................... 13
Fremdlicht..................................................................................................................... 14
Beugungseffekte ........................................................................................................... 15
Verwendung von polarisiertem Licht ........................................................................... 16
Verminderung von Reflexionen.................................................................................... 17
Leuchtmittel.................................................................................................................. 18
3.3 Optik......................................................................................................................... 20
3.3.1
Abbildungsgesetze ........................................................................................................ 20
3.3.2
Blende........................................................................................................................... 21
3.3.3
Tiefenschärfe ................................................................................................................ 22
3.3.4
Bildfeldgröße ................................................................................................................ 23
3.3.5
Minimaler Arbeitsabstand............................................................................................. 24
3.3.6
C-Mount- und CS-Mount-Objektive............................................................................. 25
3.3.7
Objektivformat.............................................................................................................. 25
3.3.8
Abbildungsfehler .......................................................................................................... 25
3.3.8.1 Verzeichnung ........................................................................................................... 26
3.3.8.2 Farbfehler................................................................................................................. 26
3.3.8.3 Bildwölbung............................................................................................................. 26
3.3.9
Objektivtypen ............................................................................................................... 27
3.4 Sensor ....................................................................................................................... 29
3.4.1
3.4.2
3.4.3
3.4.4
3.4.5
CCD-Chip ..................................................................................................................... 29
Videonorm .................................................................................................................... 29
Eigenschaften der Sensoren .......................................................................................... 31
Zeilenkamera ................................................................................................................ 31
CMOS-Chip.................................................................................................................. 32
3.5 Bilderzeugung.......................................................................................................... 32
3.5.1
3.5.2
3.5.3
3.5.4
3.5.5
Signalumwandlung ....................................................................................................... 32
Abtastfehler................................................................................................................... 33
Pixeltakt ........................................................................................................................ 34
Bildfehler ...................................................................................................................... 35
Digitale Systeme........................................................................................................... 36
3.6 Auswerteeinheit ....................................................................................................... 36
3.6.1
Bildvorverarbeitung ...................................................................................................... 36
3.6.2
Punktoperationen .......................................................................................................... 37
3.6.2.1 Look-Up Tabelle...................................................................................................... 37
3.6.2.2 Binarisierung............................................................................................................ 38
3.6.2.3 Lokale Operationen.................................................................................................. 40
3.6.3
Auswertung................................................................................................................... 43
3.6.3.1 Kantenerkennung ..................................................................................................... 43
3.6.3.2 Blobanalyse.............................................................................................................. 44
1
3.6.3.3 Mustererkennung ..................................................................................................... 44
3.6.3.4 Vorgehensweise bei der Erstellung von Prüfprogrammen....................................... 46
3.6.3.5 Genauigkeit der Algorithmen................................................................................... 47
3.7 Kommunikationseinheit.......................................................................................... 48
3.8 Reaktionseinheit ...................................................................................................... 48
3.9 Allgemeiner Aufbau eines Bildverarbeitungssystems.......................................... 49
4
Hard- und Software für Applikationen..........................................................50
4.1 Ansätze im Hardwareaufbau ................................................................................. 50
4.1.1
4.1.2
4.1.3
4.1.4
Intelligente Kamera....................................................................................................... 50
Kamera mit externer Auswertehardware ...................................................................... 52
PC-Kamera ................................................................................................................... 55
PC-basierte Systeme ..................................................................................................... 56
4.2 Softwarebibliotheken .............................................................................................. 56
4.2.1
4.2.2
Common Vision Blox (CVB) ....................................................................................... 57
Matrox Imaging Library ............................................................................................... 58
4.3 Parametrierbare Software...................................................................................... 59
4.3.1
4.3.2
NeuroCheck .................................................................................................................. 59
SAC-Coake ................................................................................................................... 59
5
Anlagenhersteller..............................................................................................61
6
Durchführung von Projekten ..........................................................................62
6.1 Lastenheft................................................................................................................. 62
6.2 Kontaktaufnahme ................................................................................................... 63
6.3 Alternative Technologien........................................................................................ 64
6.4 Bemusterung............................................................................................................ 64
6.5 Angebotsprüfung..................................................................................................... 65
6.6 Lieferantenauswahl................................................................................................. 65
7
Beispielprojekte ................................................................................................66
7.1 Winkelmessung Lichtleiterstab.............................................................................. 66
7.2 Konturenprüfung Armaturengläser...................................................................... 75
7.3 Automatische Fehlererkennung an ungeschliffenen Fernsehschirmen.............. 77
8
Ausblick.............................................................................................................81
9
Literatur- und Quellenverzeichnis..................................................................82
9.1 Quellen ..................................................................................................................... 82
9.2 weiterführende Literatur........................................................................................ 82
9.3 Fachvorträge............................................................................................................ 83
9.4 Fachmessen .............................................................................................................. 84
9.5 Linksammlungen zum Thema Bildverarbeitung ................................................. 84
9.6 Internetseiten ........................................................................................................... 84
9.7 Firmenverzeichnis ................................................................................................... 85
2
Selbständigkeitserklärung
Ich versichere, die vorliegende Arbeit selbständig unter der Anleitung des Referenten
und des Korreferenten durchgeführt und nur die angegebenen Referenzen und
Hilfsmittel benutzt zu haben.
Anmerkung:
Die in dieser Diplomarbeit erwähnten Produkt- und Markennamen können Marken
oder eingetragene Markennamen der jeweiligen Eigentümer sein. Sollten
Schutzrechte verletzt worden sein, war dies nicht beabsichtigt.
3
1
Einleitung
Die Automatisierung von Produktionsanlagen spielt in der heutigen Zeit eine immer
größere Rolle. Im Zuge der Modernisierung solcher Anlagen müssen auch die
ständig steigenden Qualitätsanforderungen an das hergestellte Produkt erfüllt werden. Die Anforderungen an die in der Produktion eingesetzten Messmittel wachsen
daher stetig. Man ist auf der Suche nach immer besseren Techniken, die aber
gleichzeitig noch flexibler und kostengünstiger werden sollen.
Bei vielen Anwendungen ist eine mögliche Lösung dieses Problems der Einsatz von
industriellen Bildverarbeitungssystemen. Sie sind oft billiger und flexibler als
traditionelle Techniken oder machen eine Qualitätskontrolle im geforderten Umfang
überhaupt erst möglich.
Vereinfacht ausgedrückt wird bei diesen Systemen ein Objekt durch eine Kamera
aufgenommen, das entstandene Bild elektronisch ausgewertet und ein Ergebnis
ausgegeben. So kann z. B. überprüft werden, ob ein Produkt vorgegebene Qualitätskriterien erfüllt oder nicht.
Aufbau und Einsatz solcher Bildverarbeitungssysteme sollen in dieser Diplomarbeit
behandelt werden.
4
2
Ziel der Diplomarbeit
Diese Arbeit wurde in Zusammenarbeit mit der Firma Schott Glas in Mainz erstellt.
Eine Zielvorgabe war es, das Themengebiet Bildverarbeitung zusammenzufassen,
um Mitarbeitern, die neu mit diesem Gebiet in Berührung kommen, ein Grundwissen
zu vermitteln und einen Leitfaden für die Durchführung von Projekten an die Hand
zu geben.
Gleichzeitig sollte aber erreicht werden, dass diese Darstellung auch von Personen
ohne spezielles Fachwissen leicht zu verstehen ist.
So wird versucht, diese Zusammenstellung auf einem leicht verständlichen Level zu
halten, ohne jedoch den theoretischen Hintergrund allzu sehr zu vernachlässigen.
Dazu sollen auch viele Beispiele und Abbildungen helfen.
Es werden zunächst allgemein die benötigten Teilkomponenten eines Bildverarbeitungssystems vorgestellt, deren Funktionsweise und die notwendigsten
theoretischen Grundlagen erläutert.
Anschließend werden die verschiedenen Ansätze beim Aufbau solcher Systeme
gezeigt und deren Einsatzbereiche verglichen.
Exemplarisch werden einige der typischen Auswertungsalgorithmen und ihre
Verwendung vorgestellt.
Im letzten Teil der Arbeit werden dann anhand einiger Projekte, die im Rahmen der
Tätigkeit bei der Firma Schott Glas durchgeführt wurden, einzelne Schritte einer
Projektplanung als Beispiel dargestellt, bei denen das zuvor zusammengetragene
Wissen in der Praxis angewandt wurde.
5
3
Komponenten eines Bildverarbeitungssystems
In diesem Kapitel werden zunächst die einzelnen Komponenten eines industriellen
Bildverarbeitungssystems beschrieben. Dieses ist vom Aufbau her dem menschlichen
Sehsystem sehr ähnlich. Betrachten wir ein Beispiel:
Abb. 3-1: Der Mensch als Bildverarbeitungssystem
Vorrausetzung für das Sehen ist das Vorhandensein von Licht. Es ist ohne
Beleuchtung nicht möglich, die Dartscheibe zu sehen. Bei geeigneter Beleuchtung
wird das Bild der Dartscheibe durch eine Linse und die Iris auf unsere Netzhaut
abgebildet. Beim Auftreffen des Lichtes reagieren die Stäbchen bzw. die Zapfen, die
sich auf der Netzhaut befinden, mit Reizen, die dann durch den Sehnerv an das
Sehzentrum im Gehirn übermittelt werden. Dieses setzt die Reize zu einem Bild
zusammen und stellt es für die Auswertung zur Verfügung. Nach der Auswertung
durch das Gehirn werden Ergebnisse wie Wurfrichtung und Wurfstärke wiederum
über Nerven an den Arm übermittelt.
Diese Komponenten kann man in ähnlicher Weise auch in industriellen Bildverarbeitungssystemen wiederfinden:
-
Objekt
Beleuchtung
Optik
Sensor
Bilderzeugung
Auswertung
Kommunikation
Reaktion
Somit ergibt sich eine erste einfache Beschreibung: Ein vorhandenes Objekt wird
beleuchtet und durch eine Optik auf einen Sensor abgebildet. Dieser muss das Licht
in verwertbare Signale umwandeln, welche an die Bilderzeugung übertragen werden.
Dort werden sie wieder zu einem Bild zusammensetzt, das einer Auswerteeinheit zur
Verfügung gestellt wird. Sie errechnet ein Ergebnis, das dann über Kommunikationsschnittstellen an ein übergeordnetes System oder direkt an eine Reaktionseinheit
übertragen wird. Diese führt die von dem Ergebnis abhängige Reaktion aus.
6
3.1
Objekte
Alle Objekte, deren relevante Merkmale mit ausreichendem Kontrast erfassbar sind,
können durch Bildverarbeitungssysteme untersucht werden. Die möglichen
Anwendungszwecke sind annähernd unbegrenzt. Von kleinsten Strukturen bis hin zu
sehr großen Objekten können unterschiedlichste Dinge erfasst werden. Einige
Beispiele sollen hier aufgezählt werden.
-
In der Halbleiterindustrie werden Eigenschaften im Mikrometerbereich untersucht
Massenartikel wie Zahnbürsten können erst durch Bildverarbeitung in dem
geforderten Umfang auf Produktionsfehler überprüft werden.
Für die Anfertigung von Maßanzügen kann der Körper eines Kunden mit Hilfe
der Bildverarbeitung vollständig vermessen werden.
Mit Robot-Vision-Systemen wird in Häfen die Lage von Überseecontainern
bestimmt, um sie übereinander stapeln zu können.
Diese Beispiele sind nur ein kleiner Auszug aus möglichen Anwendungen. Es sind
sowohl 40 t schwere Container als auch mikroskopisch kleine Halbleiter als Objekt
möglich. Dies macht die Bildverarbeitung zu einer universell einsetzbaren
„Querschnittstechnologie“.
3.2
Beleuchtung
Als Informationsträger der Bildverarbeitung dient Licht. Es handelt sich dabei um
elektromagnetische Wellen, die mit dem Sensor in Wechselwirkung treten, welche
abhängig von Eigenschaften des Lichtes sind. Mögliche Eigenschaften sind z. B.:
-
Wellenlänge
Intensität
Richtung
Polarisation
Die Eigenschaften des Lichtes sind in erster Linie von der Wahl der Lichtquelle
abhängig, jedoch verändern sich die Eigenschaften durch Wechselwirkung mit dem
Objekt. Das durch das Objekt beeinflusste Licht wird durch die Bildverarbeitung
betrachtet. Diese Wechselwirkungen sind:
-
Brechung
Reflexion
Absorption
Die Aufgabe der Beleuchtung ist es, die relevanten Merkmale so hervorzuheben,
dass sie mit möglichst hohem Kontrast im Bild erscheinen. Ohne diesen Kontrast ist
keine zuverlässige Signalverarbeitung möglich. Genau dies macht die Beleuchtung
zu einer der wichtigsten Komponenten in der Bildverarbeitung, da sie maßgeblich
die Bildqualität beeinflusst. Es sind nur Merkmale auswertbar, die auch im Bild zu
sehen sind. Zum einen ist es fast unmöglich, Informationen, die bei der Bildaufnahme verloren gehen, wieder herzustellen. Zum anderen erspart eine sorgfältige
Auswahl der Beleuchtung eine sonst vielleicht notwendige Bildvorverarbeitung, die
wiederum Rechenleistung und somit auch Zeit und Geld in Anspruch nimmt.
7
Die Beleuchtung ist die Komponente, mit der sich am einfachsten der nötige
Aufwand minimieren und die Erfolgsaussichten und die spätere Prozesssicherheit
maximieren lassen.
gut
schlecht
- geringer Kontrast der Schrift
- für den Menschen lesbar
- mit Bildverarbeitung nur durch
höheren Aufwand lesbar
- Kante nicht scharf abgebildet
- Ungenauigkeit bei der
Kantenantastung
- kein Kontrast zwischen
Einstellschraube und Gehäuse
- Vermessung der
Einstellschraube nicht möglich
Abb. 3.2-1:Einfluss der Beleuchtung auf die Bildqualität
Werksbilder der Firma VISION & CONTROL, Suhl
Wegen der Bedeutung dieser Komponente sollen ihre Eigenschaften und theoretischen Grundlagen hier ausführlich erklärt werden.
Am Markt ist eine Vielzahl von Beleuchtungsquellen in unterschiedlichsten Ausführungen erhältlich. Diese können wiederum in beliebig vielen verschiedenen
Anordnungen verwendet werden. Die Variationsmöglichkeiten sind daher nahezu
unbegrenzt. Eine kleine Auswahl an gebräuchlichen Beleuchtungen soll hier vorgestellt werden.
Generell können Beleuchtungsanordnungen danach unterschieden werden, ob das
entstandene Bild in der Summe eher hell oder dunkel ist. Dementsprechend wird ein
Bild, das sehr viele dunkle Punkte hat und in dem die Merkmale wie z. B. Kanten
hell erscheinen, als Dunkelfeldbeleuchtung und umgekehrt ein helles Bild, bei dem
die Merkmale dunkel erscheinen als Hellfeldbeleuchtung bezeichnet.
(Siehe Abb. 3.2-2 und 3.2-3)
8
Abb. 3.2-2: Dunkelfeldbeleuchtung
Abb. 3.2-3: Hellfeldbeleuchtung
Eine weitere Unterscheidungsmöglichkeit ist der Weg, den das Licht zwischen
Beleuchtung über das Objekt zum Sensor zurücklegt. So wird unterschieden, ob ein
Objekt im Durchlicht oder im Auflicht beleuchtet wird, d. h. ob ein Bild in Transmission oder in Reflexion aufgenommen wird.
Je nach Verwendung von diffusem oder nicht diffusem Licht kann zwischen
gerichteter und ungerichteter Beleuchtung differenziert werden.
3.2.1 Diffuses Auflicht
Eine Flächenleuchte bestrahlt ein Objekt, bei dem z. B. eine Verschmutzung der
Oberfläche andere optische Eigenschaften als die restliche Oberfläche zeigt. Die
Kamera nimmt das reflektierte Licht auf. Zeigt die Verschmutzung eine geringere
Reflexion und eine höhere Absorption, erscheint sie als dunkler Fleck in einem
hellen Bild.
Abb. 3.2-4: diffuses Auflicht
Abb. 3.2-5: verschmutzte Oberfläche
3.2.2 Diffuses Durchlicht
Die Kamera empfängt das Licht der Flächenleuchte, welches durch das Objekt
teilweise absorbiert wird. Im Bild ist sozusagen der Schatten des Objektes zu
erkennen. Diese Beleuchtung eignet sich sehr gut, um die Kontur von Teilen mit
hoher Lichtabsorption mit hohem Kontrast hervorzuheben. Mit ihr kann z. B. an
gestanzten Blechteilen überprüft werden, ob alle geforderten Bereiche ausgestanzt
sind. Wird diese Beleuchtung ohne eine weitere Beleuchtung verwendet, gehen
Informationen über die Oberfläche verloren, da diese vollständig schwarz erscheint.
9
Abb. 3.2-6: diffuses Durchlicht
Abb. 3.2-7: Stanzteil im Durchlicht
3.2.3 Auflicht Dunkelfeld
Das Licht einer gerichteten Beleuchtung wird an der Oberfläche des Objektes
reflektiert. Der Winkel ist so gewählt, dass ohne Merkmale das reflektierte Licht die
Kamera nicht erreicht und das Bild schwarz wird. Nur wenn Merkmale oder Fehler
vorhanden sind, wird das Licht entweder gestreut oder in einem anderen Winkel
reflektiert. So erscheinen die Merkmale als helle Bereiche mit hohem Kontrast. Diese
Anordnung eignet sich sehr gut, um z. B. Kratzer oder Verschmutzungen an
reflektierenden Oberflächen zu erkennen. Diese würden im Hellfeld nur einen
schlechten oder sogar keinen Kontrast zeigen (siehe Abbildung Hellfeld). Als
Beispiel sei hier die Kratzersuche an polierten Metall- oder Glasoberflächen erwähnt,
wobei nur Informationen über eine Seite des Objektes erfassbar sind.
Abb. 3.2-8: gerichtetes Auflicht Dunkelfeld
Abb. 3.2-9: Armaturenglas im Auflicht Dunkelfeld
3.2.4 Durchlicht Dunkelfeld
Die Eigenschaften dieser Beleuchtung sind denen des Auflichtes in Dunkelfeldanordnung sehr ähnlich. Auch hier wird eine gerichtete Beleuchtung benutzt, die
aber in Transmission angeordnet ist. Der Winkel wird so gewählt, dass das Licht
durch ein Objekt mit ausreichender Transparenz an der Kamera vorbeistrahlt.
Vorhandene Merkmale, die den Lichtweg ändern, erscheinen im dunklen Bild als
helle Bereiche. Da in dieser Anordnung durch das Objekt hindurch beleuchtet wird,
erhält man Informationen über beide Seiten und das Volumen. Diese Anordnung
eignet sich sehr gut, um in transparenten Materialien wie z. B. Flachglas Blasen,
Steine, geschliffene Kanten, Kratzer, Staub oder ähnliche Merkmale zu finden.
10
Abb. 3.2-10: gerichtetes Durchlicht Dunkelfeld
Abb. 3.2-11: Blasen in Glas mit Durchlicht Dunkelfeld
3.2.5 Kombinationen von Beleuchtungen
Die hier beschriebenen Anordnungen führen nicht immer zum Ziel, da eine einzige
Beleuchtung oft nicht alle Merkmale im Bild sichtbar machen kann. Auch dies soll
an einem Beispiel verdeutlicht werden. Bei einem Wabenblech soll überprüft
werden, ob die Oberseite abgerundet ist und die Stege die korrekte Stärke haben.
Wird das Blech im diffusen Hellfeld Durchlicht betrachtet, ist die Kontur sehr gut zu
erkennen und somit auch die Stärke der Stege, jedoch ist keine Information über die
Oberseite zu gewinnen. Im gerichteten Hellfeld Auflicht können Informationen über
die Oberseite gewonnen werden, nicht jedoch über die Kontur. Um beide Merkmale
im Bild erkennen zu können, ist die Kombination beider Beleuchtungen notwendig.
Objektiv
A
A-A
A
einfallendes
Licht
reflektiertes
Licht
Abb. 3.2-12:Skizze des Wabenblechs
Abb. 3.2-14: diffuse Hellfeld
Durchlicht Beleuchtung
Abb. 3.2-13:Skizze des Strahlengangs
Abb. 3.2-15: gerichtetes Auflicht
Abb. 3.2-16: Kombination beider
Beleuchtungen
11
3.2.6 Telezentrische Beleuchtung
Eine besondere Form der gerichteten Beleuchtung ist die telezentrische Beleuchtung.
Sie wird mit telezentrischen Optiken verwendet, die später erklärt werden. Bei dieser
Bauart wird versucht, zur optischen Achse paralleles Licht zu erzeugen. Dies gelingt
nur begrenzt, so dass diese Beleuchtungen eine geringe Apertur, d. h. einen geringen
Öffnungswinkel zeigen. Diese Art von Beleuchtung wird für genaue Vermessungsaufgaben wie z. B. bei Präzisionsdrehteilen verwendet. Der geringe Öffnungswinkel
sorgt für scharfe Kantenübergänge, da der „Schatten“ sehr scharf auf den Sensor
abgebildet wird.
Optik
TZB
Abb. 3.2-17:Beispiel für Telezentrische Beleuchtung
Abb. 3.2-18: Anordnung der Beleuchtung
Werksbild der Firma VISION & CONTROL, Suhl
3.2.7 Strukturierte Beleuchtung
Beim entstehenden Kamerabild handelt es sich um eine Projektion des dreidimensionalen Raumes in ein zweidimensionales Bild. Um räumliche Informationen
über das Objekt zu erhalten, ist die Verwendung einer strukturierten Beleuchtung
nötig. Je nachdem ob das Objekt mit einem Lichtpunkt, einer Lichtlinie oder einem
Lichtgitter beleuchtet wird, unterscheidet man zwischen Triangulations-,
Lichtschnitt- oder Gitterprojektionsverfahren.
Beim Triangulationsverfahren kann die Höhe an einem Punkt erfasst werden, beim
Lichtschnittverfahren entlang einer Linie und beim Gitterprojektionsverfahren erhält
man eine größere Rauminformation.
Mit diesem Verfahren erhält man Informationen über die dritte Dimension dadurch,
dass die Beleuchtung in Abhängigkeit vom Einfallswinkel an einer anderen Ort auf
der Oberfläche auftrifft. Dieser Auftreffpunkt ist im Bild zu erkennen, wenn an
dieser Stelle eine diffuse Reflexion erfolgt. Dann ist auch die Berechnung der Höhe
möglich.
3.2.8 Lichtschnittverfahren
Eine meist durch einen Laser erzeugte Linie wird auf ein Objekt abgebildet. Aus dem
Versatz der Linie im entstehenden Bild lässt sich aus den geometrischen
Verhältnissen die Höhe berechnen. Bei dem in Abbildung 3-2.19 dargestelltem
Lichtschnittverfahren, ist die Anordnung so gewählt, dass die Auslenkung der Linie
genau der Höhe h entspricht. Dies ist an dem gleichschenkligen gelben Dreieck in
der Abbildung zu erkennen. Die entstehende Laserpojektionsebene und die optische
Achse der Kamera sind in einen Winkel von 45° angeordnet. Wird die Oberfläche
abgerastert, kann eine Volumenmodel des Objektes erzeugt werden.
12
Kamera
Laser
a
h
Abb. 3.2-19: Lichtschnittverfahren
Abb. 3.2-20: Strukturierte Beleuchtung
3.2.9 Farbspektrum der Beleuchtung
Für die Auswahl der Beleuchtung sollte man auch die Wellenlänge des verwendeten
Lichtes beachten. Oft werden in der Bildverarbeitung keine Farbkameras verwendet.
Unterschiedliche Farben können im Bild die selben Helligkeitswerte (Grauwerte)
haben, so dass die geforderten hohen Kontraste nicht erreicht werden können. In
diesem Fall ist es möglich, mit der Farbe des Lichtes zu experimentieren, um
kontrastreichere Bilder zu erreichen. Bekanntlich ist weißes Licht aus einer Vielzahl
von Spektralfarben zusammengemischt. Wird ein Farbanteil aus diesem Spektrum
entfernt, ist die Komplementärfarbe zu sehen.
Abhängig von den Eigenschaften des Objektes wird Licht unterschiedlicher
Wellenlänge unterschiedlich stark absorbiert, reflektiert oder transmittiert. Zeigt ein
mit weißem Licht bestrahlter Körper eine hohe Absorption für gelbes Licht, ist im
restlichen reflektierten Licht dieser Anteil geringer als vorher. Somit erscheint dieser
Körper blau (Komplementärfarbe zu gelb). Die beiden Bilder eines blauen
Einstellreglers mit weißer Stellschraube liefern unter blauer und gelber Beleuchtung
unterschiedliche Kontraste.
Unter blauem Licht kann die Einstellschraube schlecht vom Gehäuse unterschieden
werden, weil die Reflexionseigenschaften des blauen Gehäuses und der weißen
Stellschraube unter diesem Licht annähernd gleich sind (Abb. 3.2-21). Wird aber mit
gelbem Licht beleuchtet, erscheint das Gehäuse im Bild dunkel, weil der
Gehäusekunststoff dieses Licht stark absorbiert und damit eine geringere Reflexion
zeigt (Abb. 3.2-22). Im Gegensatz dazu hat die weiße Stellschraube gute
Reflexionseigenschaften für gelbes Licht und erscheint daher hell. Wird ein Objekt
mit der „eigenen Farbe“ beleuchtet, erscheint dieses im Bild hell, wird es mit der
Komplementärfarbe beleuchtet, erscheint es dunkel.
Der Vollständigkeit halber wird hier auch der Farbkreis abgebildet, mit dem die
Komplementärfarbe eines zu untersuchenden Objektes ermittelt werden kann (Abb.
3.2-23). Dazu wird im Farbkreis die der Objektfarbe gegenüberliegende Farbe
gesucht.
13
Abb. 3.2-21:Bild mit blauer Beleuchtung
Abb. 3.2-22.: Bild mit gelber Beleuchtung
grün
cyan
gelb
blau
rot
magenta
Abb. 3.2-23: Farbkreis der Komplementärfarben
3.2.10 Fremdlicht
An vielen Stellen, an denen industrielle Bildverarbeitungssysteme eingesetzt werden,
kann das Umgebungslicht störend wirken. Für diesen Fall kann neben einer
Fremdlichtabschattung auch die Auswahl der Beleuchtung die Prozesssicherheit
gewährleisten. Die Wellenlänge des zu verwendenden Lichtes wird so gewählt, dass
sich das Spektrum der Beleuchtung vom Spektrum des Fremdlichtes abhebt und
letzteres durch Filter ausgeblendet werden kann. Bei Tageslicht ist üblicherweise
eine Beleuchtung zu wählen, die im Infrarotbereich liegt, da die üblichen Sensoren,
die sogenannten CCD-Chips, über den sichtbaren Bereich des Lichtes hinaus im IRBereich noch empfindlich sind (Abb. 3.2-24). Durch die Verwendung eines Filters
wird sichergestellt, dass das Fremdlicht im Gegensatz zum IR-Licht den Sensor nicht
erreicht. Es ist aber zu berücksichtigen, dass sich auf vielen CCD-Chips bereits ein
IR-Filter befindet, der den Empfindlichkeitsbereich jenseits des sichtbaren Lichtes
einschränkt. Damit soll verhindert werden, dass z. B. warme Objekte, die die im IRBereich liegende Wärmestrahlung aussenden, ein anderes Bild erzeugen als kalte
Objekte. (Eine Ausnahme ist die Thermographie, die gerade nur diesen Spektralbereich der Wärmestrahlung betrachtet, um Aussagen über die Temperatur und deren
Verteilung an Objekten machen zu können.)
14
sichtbar für CCD-Chip
ca. 1100nm
UV
VIS
IR
sichtbar für den Menschen
Abb. 3.2-24: Vergleich Empfindlichkeitsbereich von CCD-Chips und dem Menschen
Auch bei der Verwendung von infrarotem Licht sind die Absorptions-, Reflexionsund Transmissionseigenschaften verschiedener Materialien unterschiedlich ausgeprägt. So erscheint der Aufdruck eines SMD-Bauteils unter weißem Licht mit gutem
Kontrast, da das Licht vom Gehäuse stark absorbiert wird. Das IR-Licht dringt
jedoch ins Gehäuse ein und wird diffus gestreut, wodurch die Schrift nicht mehr gut
zu erkennen ist. Daher ist es wichtig, bereits im Vorfeld zu überprüfen, welche
Kontraste bei dieser Beleuchtung erzielt werden.
Abb. 3.2-25: SMD-Bauteil unter weißem Licht
Abb. 3.2-26: SMD-Bauteil unter IR-Licht
3.2.11 Beugungseffekte
Bei starken Vergrößerungen von Objekten kann es zu Beugungseffekten kommen.
Auch hier spielt die Wellenlänge des Lichtes eine Rolle.
Kommt die Pixeldimension, d. h. der Wert, der für die Größe eines abgebildeten
Bildpunktes steht, in die Größenordnung der Wellenlänge des Lichtes, ist der
Wellencharakter des Lichtes nicht mehr zu vernachlässigen. Licht breitet sich z. B.
hinter einem sehr dünnen Spalt nicht mehr nur linear aus. Es ist Licht an Stellen zu
beobachten, an denen es nach der linearen Optik nicht zu erwarten wäre. Als
Erklärung sei hier auf das Huyghen´sche Prinzip verwiesen, das jeden Punkt einer
Wellenfront als Ausgangspunkt einer neuen Wellen sieht (z.B [Hering92]).
Dieser Effekt der Beugung ist an jeder Kante zu beobachten, ist aber meist
vernachlässigbar klein, außer bei den erwähnten hohen Vergrößerungen.
Die folgende Abbildung zeigt eine Kante, die mit telezentrischer Beleuchtung und
Optik bei 10-facher Vergrößerung aufgenommen wurde. Ein Bildpunkt entspricht
einer Strecke von 1 µm, liegt also in der Größenordnung der Wellenlänge des
Lichtes. Es ist deutlich die helle Umrandung der Kante zu erkennen, die durch die
Beugung hervorgerufen wurde. Die Beugung ist proportional zur Wellenlänge des
Lichtes, d. h. bei rotem Licht ist dieser Effekt fast doppelt so stark ausgeprägt wie bei
blauem Licht.
15
Abb. 3.2-27: Beugungseffekte bei hohen Vergrößerungen
3.2.12 Verwendung von polarisiertem Licht
Als letzte Möglichkeit, mit den Eigenschaften des Lichtes zu experimentieren, sei
hier die Veränderung der Polarisationsrichtung des Lichtes erwähnt. Hierbei spielen
die Welleneigenschaften des Lichtes eine Rolle.
Natürliches Licht besteht aus kurzen Wellenzügen, die völlig regellos in alle
Richtungen schwingen. Ein sogenannter Polfilter hat die Eigenschaft, nur die
Komponenten des Lichtes durchzulassen, die in einer bestimmten Ebene schwingen.
Die Vorgänge bei Reflexion und Transmission sind abhängig von der Polarisationsrichtung und dem Einfallswinkel des verwendeten Lichtes. Wird polarisiertes Licht
als Durchlicht verwendet, verändern verschiedene Materialien die Polarisation unterschiedlich stark. Wird vor die Kamera ein Polarisationsfilter montiert, erhält man
unterschiedliche Kontraste in Abhängigkeit von der Drehrichtung des Filters.
Dieser Effekt wird häufig durch Spannungsdoppelbrechung ausgelöst, bei der
Spannungen in Materialien, wie in dem hier abgebildeten Glasstück, die Polarisation
des transmittierten Lichtes verändern. Ohne Polarisationsfilter ist das Glas durch
seine Transparenz schlecht vom Hintergrund zu trennen. Werden jedoch zwei
Polarisationsfilter jeweils vor und nach der Probe in gekreuzter Anordnung
verwendet, ist das Glas gut zu erkennen. Ohne ein Medium, welches die Polarisation
verändert, ist das Bild schwarz. Der erste Filter läßt nur den Teil des Lichtes durch,
der in einer Richtung schwingt und gerade dieses Licht wird vom zweiten Filter
vollständig gesperrt, da er um 90° verdreht ist. Die im Glas durch zu schnelle
Abkühlung „eingefrorenen“ Spannungen ändern die Polarisationsrichtung des nach
dem ersten Filter bereits polarisierten Lichtes, so dass dieses vom zweiten Filter nicht
mehr vollständig absorbiert werden kann. Das Glas hebt sich daher vom Hintergrund
ab.
Abb. 3.2-28: Glasprobe ohne Polarisationsfilter
Abb. 3.2-29: Glasprobe mit gekreuzten Polarisationsfilter
16
3.2.13 Verminderung von Reflexionen
Störende Reflexionen können durch Polfilter minimiert werden. Unpolarisiertes
Licht ist nach einer Reflexion teilweise polarisiert. Teile des reflektierten Lichtes
können daher durch einen in korrekter Drehlage verwendeten Polfilter aus dem restlichen Licht ausgeblendet werden. Weil störende Reflexionen gerade bei der Prüfung
von Glas eine großes Problem darstellen, sei hier eine ausführlichere Darstellung
erlaubt.
Der beschriebene Effekt lässt sich durch das Brewster-Gesetz erklären.
Die als Licht in das Medium eintretende elektromagnetische Strahlung regt
wiederum die Elektronen des Mediums zur Emission von elektromagnetischer
Strahlung an, da diese in eine erzwungene Schwingung versetzt werden. Diese
Emission unterliegt einer gewissen Abstrahlcharakteristik: in Schwingungsrichtung
wird nichts abgestrahlt und senkrecht zur Schwingungsrichtung ist diese Abstrahlung
maximal [Hering92, S. 470].
I=0
Licht
e-
I=Max.
Abb. 3.2-30: Intensitätsverteilung des Lichtes
Die Einfallsebene wird durch die Flächennormale und den einfallenden Strahl aufgespannt. Licht, das senkrecht zur Einfallsebene polarisiert ist, wird als s-polarisiert
bezeichnet; Licht, das parallel zur Einfallsebene polarisiert ist, analog als p-polarisiert. Der Brewster-Effekt ist nur bei p-polarisiertem Licht zu beobachten. Nur bei
diesem Licht kann die Schwingungsrichtung der Elektronen mit der Ausbreitungsrichtung des reflektierten Strahls übereinstimmen. Bei diesem sogenannten
Brewsterschen Winkel ist daher bei p-polarisiertem Licht annähernd keine Reflexion
vorhanden. Dieser Winkel ist leicht nach dem Brechungsgesetz und den
Winkelsummen zu errechnen. Bei dieser Formel ist n die Brechzahl des jeweiligen
Mediums, das zweite Medium Luft mit dem Brechungsindex von annähernd 1 wurde
vernachlässigt.
α B = tan −1 n
Für das Medium Glas wird eine Brechzahl von 1,5 angenommen. Daraus ergibt sich
ein Winkel von 56,3° zum Lot, bzw. von 33,7° zur Fläche.
In den Abbildungen 3.2-31 und 3.2-32 wird die Polarisationsrichtung des Lichtes
durch Pfeile für eine Schwingungsrichtung in Zeichnungsebene und durch Punkte für
eine Schwingungsrichtung senkrecht zur Zeichnungsebene verdeutlicht.
17
α α
Luft
n1~1
90°
Medium
n2
β
Abb. 3.2-31:
Brewsterwinkel mit s-polarisiertrem Licht
keine Beeinflussung der Reflexion
Abb. 3.2-32:
Brewsterwinkel mit p-polarisiertem Licht
minimale Reflexion
Je stärker sich der Einfallswinkel von unpolarisiertem Licht dem Brewsterwinkel
nähert, desto stärker ist es s-polarisiert. Es kann durch einen senkrecht zur
Schwingungsrichtung angeordneten Polfilter ausgeblendet werden. Analog dazu
kann auch p-polarisiertes Licht verwendet werden. Je näher der Einfallswinkel am
Brewsterwinkel liegt, desto geringer ist die Reflexion. Bei den hier abgebildeten
Beispielen wurde als Einfallswinkel ein Winkel gewählt, der sehr nahe am
Brewsterschen Winkel lag. Die unerwünschten Reflexionen verschwinden fast vollständig durch einen Polfilter und das Logo wird wieder gut lesbar.
Abb. 3.2-33: Glasprobe ohne Polarisationsfilter
Abb. 3.2-34: Glasprobe mit Polarisationsfilter
3.2.14 Leuchtmittel
Nachdem die Vielfalt der möglichen Beleuchtungskombinationen besprochen wurde,
sollen die üblich verwendeten Leuchtmittel erklärt werden. Zum Einsatz kommen in
der Regel:
-
Leuchtstoffröhren
Halogenlampen
Leuchtdioden (LED)
Laser
18
Leuchtstoffröhren werden häufig als Flächenleuchten eingesetzt, wobei durch
Reflektoren und vorgesetzte Platten (z. B. Milchglasplatten), die als Diffusoren
dienen, eine möglichst homogene Intensitätsverteilung erreicht werden soll. Es
entsteht eine homogen leuchtende Fläche, die als diffuses Durch- oder Auflicht
verwendet wird. Ringleuchten mit einigen Zentimetern Durchmesser kommen
ebenfalls zum Einsatz. Der Ring ist jedoch für den sogenannten Starter unterbrochen,
wodurch die Lichtverteilung nicht ideal ist. Außerdem ist zu beachten, dass die
Lampen bei der niederfrequenten 50Hz-Netzspannung periodische Helligkeitsschwankungen erzeugen, die das Bild negativ beeinflussen können. Der Einsatz von
Hochfrequenzvorschaltgeräten ist daher notwendig. Sie sorgen dafür, dass die
Frequenz der Helligkeitsschwankung nicht mehr in der Größenordnung der Bildaufnahmerate liegt.
Halogenlampen sind sehr helle Leuchtmittel. Sie werden meist in Verbindung mit
Lichtwellenleitern verwendet. Sie ermöglichen es, die Lampe an geschützten Stellen
zu platzieren und das Licht an den für die Beleuchtung notwendigen Ort zu leiten.
Dort sind sie zudem leicht austauschbar. Dies ist bei diesen Lampen durchaus
notwendig, da die Lebensdauer mit etwa 2.000 Stunden relativ kurz ist. Ein weiterer
Vorteil ist die Möglichkeit, faseroptische Querschnittswandler zu verwenden,
wodurch zum Beispiel lichtstarke Linienlichter erzeugt werden können, wie sie bei
Zeilenkameras benötigt werden. Auch werden verschiedene faseroptische Ringleuchten am Markt angeboten, die je nach Austrittswinkel der Faserenden als
Hellfeld- oder Dunkelfeldbeleuchtung verwendet werden können.
Leuchtdioden (LEDs) können in verschiedensten Anordnungen wie Linien, Rechtecken oder Ringen und auch in allen Kombinationen verwendet werden. Sie haben
den entscheidenden Vorteil, dass jede Diode einzeln geschaltet werden kann.
Dadurch können mit nur einer schaltbaren Beleuchtung Bilder unter verschiedenen
Beleuchtungsverhältnissen gemacht werden. Dies ist bei Objekten nötig, bei denen
nicht alle Merkmale durch eine einzige Beleuchtung in einem aufgenommenen Bild
dargestellt werden können. Leuchtdioden haben eine extrem lange Lebensdauer von
mehr als 50.000 Stunden, sie sind nahezu verschleißfrei. Dies ist in Systemen mit
kontinuierlichen Prozessen sehr wichtig, da hier ein Ausfall der Beleuchtung oft auch
eine Produktionsstörung oder sogar Produktionsausfall bedeutet.
Einzig die Leuchtkraft lässt durch Alterung nach, was in einigen Fällen eine
Helligkeitsnachführung notwendig macht. LEDs lassen sich gut als Blitzlicht für
schnelle Prozesse verwenden.
Als letztes sei hier erwähnt, dass üblicherweise LEDs verwendet werden, die im
roten oder im nahen Infrarotbereich arbeiten, was den bereits erwähnten Einsatz von
Tageslichtfiltern ermöglicht und auch die an der Anlage arbeitenden Mitarbeiter
nicht stört.
Laser werden als Lichtquelle für die Bildverarbeitung fast ausschließlich in Form
von Laserdioden verwendet. Sie kommen sehr oft als strukturierte Beleuchtung wie
bei dem Lichtschnittverfahren zum Einsatz, da sie gute Fokussierungsmöglichkeiten
haben.
19
3.3
Optik
Analog zum menschlichen Sehen mit Hilfe von Linse und Iris, wird auch in der
Bildverarbeitung ein optisches System in Form eines Objektives und einer Blende
benötigt. Es hat die Aufgabe, das Objekt mit den durch die ausgewählte Beleuchtung
hervorgehobenen Merkmalen auf den Sensor scharf abzubilden.
3.3.1 Abbildungsgesetze
Betrachten wir zunächst die idealisierte dünne Linse. Linsen werden durch ihre
Brennweite charakterisiert, sie gibt den Abstand zwischen Hauptebene und den
Brennpunkten auf beiden Seiten an. Strahlen, die parallel in die Linse einfallen,
verlaufen auf der gegenüberliegenden Seite durch den Brennpunkt F‘. Analog dazu
werden Strahlen, die durch den Brennpunkt F laufen, nach der Linse zu parallelen
Strahlen. Strahlen die durch den Mittelpunkt der Linse verlaufen, werden nicht
abgelenkt. So ergibt sich Bildpunkt A‘ als scharfes Bild von Punkt A.
g
b
P
A
G
F‘
C‘
B
A‘
O
C
F
f
f
Abb. 3.3-1: prinzipieller Strahlengang einer dünnen Linse
Der Abstand von Gegenstand bzw. Bild zur Hauptachse wird als Gegenstandsweite g
bzw. Bildweite b bezeichnet. Die Dimension des Objektes bzw. des Bildes wird
Gegenstandsgröße G und Bildgröße B genannt. Da es sich bei den Dreiecken ACO
und A’C’O um ähnliche Dreiecke handelt, stehen die jeweiligen Seiten der Dreiecke
in einem konstanten Verhältnis, woraus sich nach Umformung die Gleichung für den
Abbildungsmaßstab ergibt:
B b
=
G g
Durch die Ähnlichkeit der Dreiecke POF und A’C’F gilt ebenfalls:
B
B b b− f
= = =
PO G g
f
Durch einfache Umformung erhält man die bekannte Abbildungsgleichung nach
Abbe:
1 1 1
= +
f g b
20
Durch die Gleichung des Abbildungsmaßstabes und der Abbildungsgleichung nach
Abbe lassen sich die meisten nötigen Größen errechnen.
In Wirklichkeit bestehen Optiken nicht aus einer idealen dünnen Linse, sondern aus
ganzen Linsensystemen. Diese korrigieren bestehende Abbildungsfehler. Um die
eben beschriebenen Zusammenhänge und Gleichungen weiter benutzen zu können,
wird eine weitere Hauptebene H‘ eingeführt. Werden alle Größen auf die jeweilige
Haupteben bezogen, gelten weiterhin alle Gesetzmäßigkeiten. Für praktische
Anwendungen sind die Gegenstandsweiten so groß, dass der Hauptebenenabstand
vernachlässigbar ist und die Gleichungen ohne Einschränkung verwendet werden
können. Sind die Gegenstandsweiten jedoch klein, sollte der Abstand der
Hauptebenen beachtet werden.
g
H
H‘
f
b
f‘
G
F
F‘
B
Abb. 3.3-2: Hauptebenen einer dicken Linse
3.3.2 Blende
Die Abbildungseigenschaften eines Objektivs hängen neben der Brennweite auch
von dem eingestellten Durchmesser der Blende ab. Mit der Blende kann man die
einfallende Lichtmenge regulieren und so die Helligkeit des Bildes der eingesetzten
Beleuchtung anpassen. Ist das Objekt stark beleuchtet, muss ein kleiner Blendendurchmesser gewählt werden, damit das Bild nicht zu hell wird und umgekehrt. Die
Blende wird durch die sogenannte Blendenzahl charakterisiert, die folgendermaßen
definiert ist:
f
k= .
d
f
d
Abb. 3.3-3: Relative Öffnung eines Objektives
21
Ist die Blende nicht stufenlos einstellbar, ist eine internationale Blendenreihe
genormt, die aus folgenden Zahlen besteht:
1,0 1,4 2 2,8 4 5,5 8 11 16 22 32.
Von Blende zu Blende wird die Beleuchtungsstärke halbiert. Die Menge des
einfallenden Lichtes ist dem Quadrat der Blendenzahl umgekehrt proportional. Die
Blendenzahlen wachsen daher mit dem Faktor 2 [Demant98, S266].
æ1ö
E~ç
èk
2
1
æ 1 ö
E~ç
2
è 2k
2
3.3.3 Tiefenschärfe
Die Blende beeinflusst auch die Tiefenschärfe der Anordnung. Theoretisch können
nur Objekte scharf abgebildet werden, die in einer Ebene liegen, da nur für diesen
Bereich die Abbildungsgleichungen gelten. Jedes Objekt, das sich in einem anderen
Abstand befindet, wird unscharf abgebildet. Der Bereich, in dem diese Unschärfe
vernachlässigbar ist, wird als Tiefenschärfe bezeichnet. Die Unschärfe ist abhängig
vom Abstand zwischen Sensor und Fokusebene und den Winkeln der Strahlen, die
durch die Blende und die Bildweite bestimmt werden. Die Unschärfe wird durch den
entstehenden Unschärfekreis mit dem Durchmesser C charakterisiert. Die Festlegung
des zulässigen maximalen Durchmessers ist prinzipiell willkürlich. Für einfache
Aufgaben werden Durchmesser von zwei Pixeln toleriert, da ein Pixel die kleinste
erfassbare Bildeinheit darstellt und eine Unschärfe erst bei zwei Pixeln erkennbar ist.
Für hochgenaue Vermessungsaufgaben sind Angaben von einem halben Pixel üblich,
da ein Punkt dieser Größe bei den üblichen Sensoren nicht zwei Pixel gleichzeitig
belichten kann.
g0
C
gv
gh
Abb. 3.3-4: Herleitung der Tiefenschärfe
Für die Tiefenschärfe ∆g gilt die Formel:
∆g = g h − g v ≅
2 g 0 Ck (g 0 − f )
f2
Der Anwender kann schnell in der Formel und auch in der Zeichnung die
Zusammenhänge zu erkennen, die für ihn meist ausreichen. Er will nur wissen, wie
die Umgebungsbedingungen die Tiefenschärfe beeinflussen. Je kleiner der
22
Blendendurchmesser, desto kleiner wird der Unschärfekreis. Die Tiefenschärfe wird
also größer. Aber mit abnehmendem Blendendurchmesser, d. h. mit zunehmender
Blendenzahl, wird jedoch das Bild dunkler, da weniger Licht den Sensor erreicht.
Zwischen beiden Werten muss ein Kompromiss gefunden werden.
Die Tiefenschärfe wird mit zunehmender Gegenstandsweite größer. Ab einem
Grenzwert werden sogar alle Objekte scharf abgebildet. Mit einer Verkleinerung der
Brennweite wird ebenfalls eine Erhöhung der Tiefenschärfe erreicht.
-
kleinerer Blendendurchmesser
größere Gegenstandsweite
kleinere Brennweite
- größere Tiefenschärfe
Abb. 3.3-5: Verkleinerte Blende und verkleinerter Unschärfekreis
3.3.4 Bildfeldgröße
Für den Anwender ist die Größe des erfassbaren Bildfeldes relevant. Ihn interessiert,
wie groß ein Objekt sein kann, um das entstehende Bild bei gegebenen
Arbeitsabstand auf den Sensor mit festgelegter Größe vollständig abzubilden. Dazu
wird die Abbildungsgleichung nach b aufgelöst und in die Gleichung für den
Abbildungsmaßstab eingesetzt. Löst man diese Gleichung nach G auf, erhält man:
G=
g− f
B
f
Für übliche Gegenstandsweiten ist im Zähler die Brennweite vernachlässigbar klein.
G≈
g
B
f
Um ein größeres Bildfeld erfassen zu können, muss man also entweder die Gegenstandsweite, die auch Arbeitsabstand genannt wird, vergrößern oder das Objektiv
durch ein Objektiv mit kleinerer Brennweite austauschen. Umgekehrt gilt analog,
dass für kleinere Objekte geringere Arbeitsabstände oder größere Brennweiten nötig
sind.
-
größere Gegenstandsweite
kleinere Brennweite
-
größeres Bildfeld
23
3.3.5 Minimaler Arbeitsabstand
Eine weitere Möglichkeit die Abbildungseigenschaften zu verändern, ist die Verwendung von Zwischenringen, die zwischen Kamera und Objektiv geschraubt
werden können.
Beim Scharfstellen des Bildes wird die Bildweite verändert, um sie der Gegenstandsweite anzupassen. Dazu werden die in einem Gewinde befestigten Linsen durch eine
Drehung der Linsenfassung entlang der optischen Achse bewegt. Ist ein Objekt
unendlich weit entfernt, wird das Bild in der Brennebene scharf abgebildet, d. h. die
Bildweite ist minimal und entspricht der Brennweite.
Für jede kleinere Gegenstandsweite muss die Bildweite vergrößert werden, indem
die Linse vom Sensor wegbewegt wird. Der minimale Arbeitsabstand ist erreicht,
wenn die Bildweite maximal ist. Die Bildweite ist durch die Länge des Gewindes
und dem damit verbundenen Anschlag, bis zu dem die Linse bewegt werden kann,
beschränkt. Eine Vergrößerung der maximalen Bildweite und damit eine
Verkleinerung des minimalen Arbeitsabstandes kann nur durch den Einsatz von
Zwischenringen erreicht werden.
Durch die Verwendung des Zwischenrings wird aber auch der maximale
Arbeitsabstand verkleinert, da die minimale Bildweite nun um die Stärke des
Zwischenrings vergrößert ist und somit Gegenstände ab einer bestimmten Entfernung
gmax. nicht mehr scharf abgebildet werden können. Der maximale Arbeitsabstand
verringert sich durch den Einsatz von Zwischenringen schneller als der minimale
Arbeitsabstand. Die maximale Dicke der Zwischenringe ist eingeschränkt, da ab
einem bestimmten Wert der maximale Arbeitsabstand kleiner als der minimale
Arbeitsabstand würde. Es ist dann keine scharfe Abbildung mehr möglich.
g max . =
-
größerer Zwischenring
f ⋅ ( f + s Ring )
f ⋅ bmin
=
bmin − f
s Ring
-
kleinerer minimaler Arbeitsabstand
kleinerer maximaler Arbeitsabstand
Brennweite
Auflagenmaß
Sensor
Zwischenring
Abb. 3.3-6: Verwendung von Zwischenringen
24
3.3.6 C-Mount- und CS-Mount-Objektive
Die gängigsten Objektiv-Ausführungen sind die sogenannten C-Mount- und CSMount-Objektive. Sie besitzen die gleichen Gewinde, unterscheiden sich jedoch im
Auflagenmaß. Dies ist der Abstand zwischen Objektivauflage und Sensor (Abb. 3.36). Beim C-Mount ist es mit 17,525 mm und beim CS-Mount mit 12,525 mm
genormt. Zwischenringe werden auch als Adapterstücke verwendet.
Eine CS-Mount-Kamera kann mit C-Mount-Objektiven verwendet werden, da der
Abstand durch den Einsatz eines 5 mm Zwischenrings angepasst werden kann.
Eine C-Mount-Kamera hingegen kann nur mit C-Mount-Objektiven verwendet
werden, da die CS-Mount-Objektive zu weit vom Sensor entfernt wären.
3.3.7 Objektivformat
Bei der Auswahl der Objetive ist darauf zu achten, dass das Objektivformat, d. h. die
Größe des entstehenden Lichtkreises, zum verwendeten Sensorformat passt. Die
gemachten Angaben sind keine absoluten Größen, sondern sind auf die Sensorformate ausgelegt. So kann ein 1‘‘-Sensor vollständig durch ein 1‘‘-Objektiv ausgeleuchtet werden, da er gerade in den Lichtkreis passt. Es ist verständlich, dass
kleinere Sensoren mit größeren Objektiven verwendet werden können, jedoch nicht
umgekehrt.
∅ 15,9 mm
6,6mm
6,6mm
∅ 6,0 mm
8,8mm
8,8mm
Abb. 3.3-7: 2/3‘‘-Sensor mit Lichtkreis
eines 1/3‘‘-Objektivs
[[Demant98, S. 280]
Abb. 3.3-8: 2/3‘‘-Sensor im Lichtkreis
eines 1‘‘-Objektivs
[[Demant98, S. 280]
Um den Anwendern die Auswahl der Objektive möglichst leicht zu machen, bieten
viele Hersteller Tabellen an, in denen die passenden Objektive nachgeschlagen
werden können. Einige der Hersteller haben diese Tabellen auch im Internet
veröffentlicht. Als Beispiel sei hier die Homepage der Firma Data Translation
http://www.datatranslation.de erwähnt. Die Tabellen sind nach Arbeitsabstand,
Objektgröße und Sensorgröße sortiert und ermöglichen eine schnelle Auswahl ohne
Rechenaufwand.
3.3.8 Abbildungsfehler
Neben den Abbildungsgesetzen ist auch die Kenntnis über die möglichen
Abbildungsfehler wichtig. Diese Fehler sind durch die erreichte Qualität der
modernen Objektive oft vernachlässigbar, sollten aber für genaue Vermessungsaufgaben Beachtung finden.
25
3.3.8.1 Verzeichnung
Der Abbildungsmaßstab von Linsen ist abhängig vom Abstand der Strahlen zur
optischen Achse, d. h. der Abbildungsmaßstab für Punkte am Rand kann größer oder
kleiner sein, wodurch das Bild verzerrt wird. Geraden in einem Bild werden daher
zum Mittelpunkt hin- bzw. weggekrümmt, wodurch die sogenannte Kissen- bzw.
Tonnenverzeichnung entsteht. Die Verzeichnungswerte liegen in der Regel zwischen
0,2% und 1%, wodurch Abweichungen bis zu mehreren Bildpunkten möglich sind.
Abb. 3.3-9: Kissenverzeichnung
Abb. 3.3-10: Tonnenverzeichnung
3.3.8.2 Farbfehler
Beim Durchgang von weißem Licht durch ein Prisma wird das Licht in seine
Spektralfarben zerlegt. Dieser Effekt beruht auf der Dispersion des Lichtes. Durch
sie ist die Brechzahl des Mediums von der Wellenlänge des Lichtes abhängig. Dieser
Effekt ist auch bei Linsen zu erkennen. Die Fokussierung eines Bildpunktes ist
prinzipiell nur für eine Wellenlänge exakt, da die Brennweite vom Brechungsindex
abhängt und damit die Abbildungsgleichung eine andere ist. Ist das Bild eines blauen
Objektes scharf, ist das Bild eines roten Objektes bei gleichen Einstellungen
unscharf. Dieser Fehler wird chromatische Aberration genannt. Durch den Einsatz
mehrerer Linsen mit entgegengesetzten Dispersionen wird versucht, einen über alle
Wellenlängen konstanten Brechungsindex zu erreichen. Dies gelingt begrenzt,
wodurch für hochgenaue Vermessungen die Verwendung von monochromatischem
Licht, d. h. Licht einer Wellenlänge, ratsam ist.
Abb. 3.3-11: Blaues fokussiertes
Viereck
Abb. 3.3-12: rotes Viereck mit gleichen
Einstellungen
3.3.8.3 Bildwölbung
In der Praxis wird das Bild durch die Linse auf einer gewölbten Fläche erzeugt. Der
Sensor stellt jedoch eine planare Fläche dar. Das Bild ist daher an den Rändern
unscharf, da dort die Fokuspunkte weiter vom Sensor entfernt sind.
Sensor
gewölbte
Bildebene
Abb. 3.3-13: gewölbte Bildebene
26
3.3.9
Objektivtypen
Für einfache Aufgabe ohne hohe Anforderungen werden günstige Standardobjektive
mit den beschriebenen Abbildungsfehlern angeboten.
Ist die genaue Lage von Merkmalen im Bild, jedoch nicht die genaue Größe relevant,
können verzeichnungsarme Optiken verwendet werden. Sie sind auch für einfache
Vermessungsaufgaben von Objekten geringer Dicke, die im konstanten Abstand
aufgenommen werden, geeignet.
Für hochgenaue Vermessungsaufgaben ist der Einsatz von telezentrischen
Objektiven notwendig. Bei diesen Objektiven wird eine Blende genau in den
Brennpunkt gelegt, wodurch nur Strahlen den Sensor erreichen, die objektseitig
parallel zur optischen Achse verlaufen. Im Telezentrie-Bereich ist daher der
Abbildungsmaßstab konstant. Eine Änderung der Gegenstandsweite führt zu keiner
Änderung der Bildgröße. Dies zeigen die Abbildungen 3.3-16 und 3.3-17 am
Beispiel des blauen Zylinders.
konstanter
Abbildungsmaßstab
Änderung der
Gegenstandsweite
Abb. 3.3-14: Strahlengang der telezentrischen Optik
So können auch unerwünschte perspektivische Abbildungen verhindert werden, wie
die Abbildungen 3.3-15 bis 3.3-17 am Beispiel der roten Bohrung zeigen.
Abb. 3.3-15: Objekt
Abb. 3.3-16: Bild mit normaler OptikAbb. 3.3-17: Bild mit telezentrischer Optik
Diese Optiken werden für genaue Aufgaben mit telezentrischen DurchlichtBeleuchtungen verwendet, da sie im Vergleich zu normalen Aufbauten die genaueren
Ergebnisse liefert (Abb. 3.3-18).
27
entozentrisches Objektiv und
diffuse Beleuchtung
große Beleuchtungs- und
große Obkjektivapertur
Überblendung und Reflexion
EZO
telezentrisches Objektiv und
diffuse Beleuchtung
große Beleuchtungs- und
kleine Objektivapertur
Reflexion an Radius
TZO
telezentrisches Objektiv und
telezentrische Beleuchtung
kleine Beleuchtungs- und
kleine Objektivapertur
keine Überblendung und
keine Reflexion
f
TZO
TZB
wahre
Größe
Abb. 3.3-18: Polierter Bolzen unter verschiedenen Bedingungen
Werksbilder der Firma VISIOSN&CONTROL, Suhl
An den Bildern ist die Steigerung der Kantenqualität durch geringe Öffnungswinkel
zu sehen. Es kommt nicht zu Überblendungen oder störenden Reflexionen am Radius
des Stabes. Die abgebildete Kante entspricht der wahren Kante.
Für einige Anwendungen können Superweitwinkel-Objektive, die auch als
Fischaugen-Objektive bezeichnet werden, zum Einsatz kommen. Sie ermöglichen
aufgrund ihrer Bauart und dem damit verbundenen extremen Öffnungswinkel 360°Aufnahmen. Solche Aufnahmen zeigen eine hohe Kissenverzeichnung und sind
daher nur für Anwesenheitskontrollen z. B. im Inneren von rotationssymmetrischen
Objekten geeignet [Demant98, S. 281].
Für die Untersuchung an unzugänglichen Stellen werden sogenannte Technoscope
eingesetzt, die vom Aufbau her den in der Medizin verwendeten Endoscopen sehr
ähnlich sind. Bei diesen stabförmigen Optiken, die aus Objektiv, Okular und Beleuchtung bestehen, wird Licht meist durch einen Lichtleiter zum Objekt und wieder
zurück geleitet. Üblicherweise werden dazu faseroptische Bildleitfasern verwendet.
Die hier erwähnten Optiken entsprechen nur einem kleinen Ausschnitt. Es sind viele
weitere Optiken erhältlich, die jedoch nur für sehr spezielle Anwendungen eingesetzt
werden.
28
3.4
Sensor
3.4.1 CCD-Chip
Der Sensor hat die Aufgabe, das entstandene Bild in verwertbare Signale
umzuwandeln. Dazu werden lichtempfindliche Elemente benötigt, die ein von der
Beleuchtungsstärke abhängiges elektrisches Signal erzeugen. Heutzutage werden in
fast allen Kameras dazu sogenannte CCD-Chips (charge coupled device) verwendet.
Dabei handelt es sich um flächig oder zeilenförmig angeordnete lichtempfindliche
Halbleiterelemente, die als Pixel bezeichnet werden. Je nach Anordnung der Pixel
handelt es sich um Matrix- bzw. Zeilenkameras.
Während der Belichtungszeit, die auch Integrationszeit genannt wird, wandelt der
Sensor einfallendes Licht in Elektronen um und speichert diese entstehende Ladung.
Durch die kleinen Sensorgrößen ist es nicht möglich, jedes Sensorelement einzeln zu
verdrahten. Sie werden durch Schieberegister verbunden und später durch Umladungsvorgänge sequenziell ausgelesen. Nach der Integrationszeit wird die Ladung
der einzelnen Elemente zeilenweise erst in das vertikale und dann ins horizontale
Schieberegister transportiert und ausgelesen. Der Beleuchtungswert wird als analoges zeitabhängiges Spannungssignal übertragen. Um die einzelnen Elemente zu
trennen, sind ebenfalls Potenzialwälle notwendig, so dass der Anteil der lichtempfindlichen Fläche des Sensors um die Register und die Potenzialwälle vermindert
wird. Dieser Anteil wird als Fillfaktor bezeichnet.
3.4.2 Videonorm
Die Sensoren einer Matrixkamera stammen oft aus dem günstigen Massenmarkt der
Videotechnik und arbeiten daher nach der CCIR-Norm, die die Übertragung von
Halbbildern beinhaltet. Dieses Verfahren wird auch als Interlaced-Verfahren bezeichnet. Durch die Halbbildübertragung, z. B. beim Fernsehen, wird ein für den
Menschen ruhigeres Bild erzeugt. Es wird erst nur eine Hälfte der Sensorelemente,
d. h. alle ungeraden Zeilen und später die andere Hälfte der Elemente ausgelesen.
Um den Beginn einer neuen Zeile oder eines neuen Halbbildes zu markieren, werden
Zeilen durch horizontale Synchronisationsimpulse und die Halbbilder durch einen
vertikalen Synchronisationsimpuls getrennt. Diese Impulse unterscheiden sich in
ihrer Dauer und genauen Position, die später von der Bilderzeugung erkannt werden.
Vertikale Schieberegister
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Sensorelemente
Horizontales Schieberegister
Ausgang: U(t)
U(t)=VSYNC, U(1), U(2), U(3), U(4), HSYNC, U(9),U(10),U(11),U(12), VSYNC, U(5), U(6), U(7), U(8), HSYNC, U(13), U(14), U(15),U(16)
Abb. 3.4-1: CCD-Sensor und sequenzielle Auslesung nach Videonorm
29
Durch die Beleuchtung der einzelnen
Elemente mit Licht einer bestimmten
Intensität I und Wellenlänge λ wird
während der Integrationszeit TI pro
Element mit den Koordinaten x und y
eine gewisse Ladungsmenge Q erzeugt, welche sequenziell ausgelesen
und als ein von der Zeit t abhängiges
analoges Spannungssignal U an den
Ausgang übertragen wird.
Abb. 3.4-2: Beleuchteter Sensor
I(x,y,λ
λ)
7
7
15
39
39
15
7
7
7
15
86
95
95
86
15
7
7
39
95
95
95
95
39
7
7
39
95
95
95
95
39
7
7
15
86
95
95
86
15
7
7
7
15
32
32
15
7
7
Q(x,y,TI)
U(t)
Abb. 3.4-3: Prozentualer Ladungszustand der Sensorelemente
Abb. 3.4--4: Signalumwandlungen
Vollbild
1. Halbbild
110
2. Halbbild
100
90
80
relative Spannung
70
60
50
40
30
20
10
0
-10
-20
-30
Zeile
1
Zeile
3
Zeile
5
Zeile
2
Zeile
4
Zeile
6
-40
-50
Zeit
VSYNC
HSYNC
Abb. 3.4-5: Prinzipskizze des Spannungssignals
30
3.4.3 Eigenschaften der Sensoren
Die Sensoren werden durch mehrere Eigenschaften charakterisiert. Die Anzahl der
Sensorelemente bestimmt die Auflösung des späteren Bildes. Standard-Videokameras arbeiten mit 752 x 582 Pixeln. Hochauflösende Kameras mit 1024 x 1024
oder teure Kameras mit bis zu 4000 x 4000 Pixeln finden ebenfalls Einsatz. Für den
Einsatz in der Astronomie werden sogar Kameras mit 8000 x 8000 Pixeln eingesetzt.
Die Pixelgröße gibt die tatsächliche Größe eines Elementes an und liegt im µmBereich, z. B. 8,3=µm x 8,3 µm. Für genaue Vermessungen sollten nur Sensoren mit
quadratischen Elementen verwendet werden, da rechteckige das entstehende Bild
negativ beeinflussen würden.
Die Sensorgröße gibt die Größe der lichtempfindlichen Fläche an. Durch die
fortgeschrittene Herstellungstechnologie können diese Halbleiterbauteile in immer
kleineren Abmessungen mit höheren Auflösungen hergestellt werden, wodurch die
Anforderungen an die Optiken ebenfalls kleiner werden, da eine kleinere Fläche
homogen ausgeleuchtet werden muss. Früher waren 1‘‘-Sensoren üblich, heute sind
auch 2/3‘‘- und 1/3‘‘-Sensoren erhältlich und in Zukunft werden es 1/4‘‘-Sensoren
sein.
Die Lichtempfindlichkeit gibt an, ab welcher Beleuchtungsstärke ein Sensor Bilder
liefern kann. Auch der Dunkelstrom, d. h. ein Signal ohne Lichteinfall, bedingt diese
Grenze, da er in den Signal-Rauschabstand einfließt. Er entsteht, da Ladungsträger
nicht nur durch einfallendes Licht, sondern auch durch thermische Anregung im
Sensorelement erzeugt werden können. Er kann durch Kühlung des Sensors verringert werden.
Beim hier erwähnten Interlaced-Verfahren kommt es bei schnell bewegten Objekten
zum Halbbildversatz, da sich zwischen den beiden Bildern das Objekt bewegt hat.
Abhilfe schafft die Verwendung eines Progressive-Scan-Sensors, der Vollbilder
überträgt und somit diesen Fehler nicht aufweist.
3.4.4 Zeilenkamera
Neben den Matrixkameras ist auch die Verwendung von Zeilenkameras möglich. Bei
ihnen sind Sensorelemente in einer Reihe angeordnet. Solche Kameras eignen sich
sehr gut für die Kontrolle von Endlosmaterialien wie Stahlbänder, Papier, Textilstoffe etc. Für die Produktionsüberwachung werden sie über das sich bewegende
Band montiert.
Abb. 3.4-6: Prinzipskizze einer automatischen Fehlererkennung an Flachglas mit einer Zeilenkamera
31
Diese Kameras nehmen in bestimmten Zeitabständen, die konstant oder von der
Bandgeschwindigkeit abhängig sein können, eine Zeile auf. Die entstehenden Zeilen
werden später zu einem Bild zusammengesetzt und können wie die Bilder einer
Matrixkamera ausgewertet werden. Auch bei Applikationen, für die extrem hohe
Auflösungen notwendig sind, die durch Matrixkameras nicht mehr erreicht werden
können, ist der Einsatz von Zeilenkameras notwendig. Für die Erfassung des Objektes muss die Kamera oder das Objekt bewegt werden, damit die Kamera einzelne
Ausschnitte des Objektes aufnehmen kann. Ein handelsüblicher Flachbettscanner
funktioniert übrigens auf die gleiche Weise.
3.4.5 CMOS-Chip
Neben den erwähnten CCD-Chips werden in Zukunft wohl vermehrt CMOS-Chips
(complementary metal oxide semiconductor) eingesetzt werden. Die Funktionsweise
dieser Chips ist der Funktionsweise der CCD-Chips sehr ähnlich.
CCD-Chips zeichnen sich durch ausgereifte und etablierte Technologie, sowie
geringes Signal-Rausch-Verhältnis aus. Sie ermöglichen aber nur das vollständige
Auslesen von Halb- bzw. Vollbildern.
Demgegenüber bieten CMOS-Chips die Möglichkeit, gezielt einzelne Pixel oder
Pixelbereiche auszulesen. Somit können auch einzelne Teile des Bildfeldes
aufgenommen werden. Da mehr elektronische Komponenten auf dem Chip integriert
werden können, ist eine günstigere Herstellung möglich. Dadurch verringern sich die
Systemkosten. Leider ist bei diesen Chips das Signal-Rausch-Verhältnis derzeit noch
deutlich schlechter. Auch wenn diese Technologie noch nicht so ausgereift ist, bietet
sie aber ein Potenzial, das es in Zukunft zu nutzen gilt.
3.5
Bilderzeugung
Das vom Sensor erzeugte Signal muss aufbereitet werden, um es der Auswerteeinheit
als Bild zur Verfügung zu stellen. Die Komponente, die dieses Bild erzeugt, wird
Framegrabber genannt.
3.5.1 Signalumwandlung
Beim Sensorsignal handelt es sich, wie oben beschrieben, um eine zeitabhängige
Spannung, die die Aneinanderreihung der Ladung der einzelnen Sensorelemente
wiedergibt. Dabei wird der Beginn der Zeilen und der Halbbilder durch die Synchronisationsimpulse markiert. Dieses analoge Signal muss digitalisiert werden.
Dazu wird das Signal vom Framegrabber mit einer konstanten Frequenz abgetastet.
Die Abtastung startet mit einem Synchronisationsimpuls. Das Zeitintervall zwischen
den Abtastungen ist konstant. Die Abtastung wird solange weitergeführt, bis ein
neuer Impuls den Beginn einer neuen Zeile oder eines neuen Halbbildes anzeigt. Der
jeweils eingelesene Spannungswert wird mit einer 8 Bit-Auflösung digitalisiert und
als Grauwert übertragen. Eine Auflösung von 8 Bit bedeutet, dass der erfasste
Spannungsbereich in 28 = 256 Teile unterteilt wird. Zwischenwerte sind nicht
möglich.
Die einzelnen Werte werden in den Kurzspeicher übertragen und dort nach ihrer
Reihenfolge wieder zu einem Bild zusammengesetzt. Die gesamte Umwandlung der
Signale ist in 3.5-1 dargestellt.
32
Vollbild
1. Halbbild
110
2. Halbbild
100
90
80
70
relative Spannung
U(t)
60
50
40
30
20
10
0
-10
Z1
-20
Z3
Z5
Z2
Z4
Z6
-30
-40
-50
Zeit
Abtastzeitpunkte
100
Digitalisierte Spannung
80
U1,U2,U3...
60
40
20
0
VSYNC
18
18
38
99
99
38
18
18
HSYNC
18
G1,G2,G3...
99
242
242
242
242
99
18
HSYNC
18
38
219
242
242
219
38
18
VSYNC 18
18
38
99
99
38
18
18
18
38
219
242
242
219
38
18
18
99
242
242
242
242
99
18
18
99
242
242
242
242
99
18
18
38
219
242
242
219
38
18
38
99
99
38
18
18
18
18
18
G(x,y)
Abb. 3.5-1 Signalumwandlungen
33
....
3.5.2 Abtastfehler
Am entstehenden Bild ist bereits zu erkennen, dass es durch die beschränkte
Auflösung zu einem Informationsverlust kommt. Die Form des Kreises ist nur zu
erahnen. Merkmale, die kleiner als die Pixeldimension sind, können nicht erfasst
werden.
Die Abtastfrequenz wird unabhängig von der Auslesefrequenz der Pixel durch einen
Oszillator erzeugt. Der eingelesene Spannungswert, der zum Grauwert eines Bildpunktes umgerechnet wird, muss also nicht dem Spannungswert des zugehörigen
Pixels entsprechen. Die Anzahl der abgetasteten Spannungswerte wird nur durch das
von der Oszillatorfrequenz abhängige Zeitintervall ∆t festgelegt. Die Pixelanzahl pro
Zeile im entstehenden Bild, d. h. die vertikale Auflösung, muss nicht mit der
Pixelanzahl des Sensors übereinstimmen. Dies kann zu Verfälschungen führen, die
bei bestimmten Anwendungen nicht toleriert werden können.
digitalisierte Werte
digitalisierte Werte
U(t)
U(t)
∆t
t0
t0
Tatsächliche Werte der
Sensorelemente
Tatsächliche Werte der
Sensorelemente
Abb. 3.5-3: Abtastfrequenz > Auslesefrequenz
Abb. 3.5-2: Abtastfrequenz = Auslesefrequenz
0
39
53
118
∆t
230
230
118
53
39
0
Abb. 3.5-4: korrekte Zeile
0
33
46
66
132
224
250
178
86
53
39
13
Abb. 3.5-5: verfälschte Zeile
3.5.3 Pixeltakt
Um sicherzustellen, dass ein Wert zum korrekten Zeitpunkt digitalisiert wird, ist die
Synchronisation der Pixel notwendig. D. h. die Kamera muss neben dem Videosignal
ein weiteres Signal übertragen, das als Pixeltakt bezeichnet wird. Dieses Signal muss
der Framegrabber ebenfalls unterstützen, damit er im Kameratakt zum korrekten
Zeitpunkt den Spannungswert digitalisiert.
34
3.5.4 Bildfehler
Alle bisher beschriebenen Komponenten dienen dazu, das Objekt und die
zugehörigen Merkmale zu erfassen. Das entstandene Bild, das später ausgewertet
werden soll, ist je nach Auswahl der Komponenten stark fehlerbehaftet. Alle Fehler
bestimmen das Ergebnis der Auswertung und die damit verbundene Genauigkeit
bzw. die Prozesssicherheit. Wie stark sich ein Bild vom Objekt unterscheiden kann,
soll an einem Beispiel gezeigt werden.
Ein Blechteil soll auf Maßhaltigkeit überprüft werden und wird mit einem
Förderband durch ein Prüfsystem mit Bildverarbeitungskomponenten bewegt. Als
Komponenten werden ein diffuses Durchlicht, ein Standardobjektiv, eine Standardkamera und ein dazu passender Framegrabber verwendet.
Jede dieser Komponenten erzeugt spezifische Fehler:
- Durch die diffuse Beleuchtung werden die Kanten nicht scharf abgebildet.
- Die Führung des Förderbandes ist nicht beliebig genau, dadurch ist der Abstand
von Objekt zu Kamera nicht konstant.
- Da keine telezentrische Optik verwendet wird, ist somit auch die Bildgröße nicht
konstant.
- Die Optik zeigt eine Verzeichnung, wodurch das entstandene Bild verzerrt ist.
Dieses verzerrte Bild wird mit einer begrenzten Auflösung aufgenommen und
übertragen.
- Da es sich um eine Halbbildübertragung handelt, zeigen die beiden Halbbilder
einen Versatz.
- Und weil die Abtastfrequenz des Framegrabbers nicht mit der Auslesefrequenz
der Kamera übereinstimmt, ist das Bild gedehnt.
Die Bilderreihe zeigt anhand der übertrieben dargestellten Fehler, wie stark sich ein
Bild von dem Objekt unterscheiden kann. Es leuchtet ein, dass die Informationen, die
bereits bei der Bildaufnahme verloren gehen, nicht durch noch so genau arbeitende
Algorithmen bei der Vermessung wiederhergestellt werden können. Durch die
geringe Auflösung (Pixelanzahl) ist nicht mehr zu erkennen, welche Kante gewellt
und welche gezackt ist. Für den Anwender ist es daher wichtig zu wissen, dass das
aufgenommene Bild nicht mehr genau die Eigenschaften des Objektes widerspiegelt.
Es kann nur begrenzt Informationen zur Verfügung stellen und erhebliche
Ungenauigkeiten beinhalten.
Abb. 3.5-6: Ideales Bild
Abb. 3.5-7: Bild mit
Unschärfe, Verzeichnung und
falschem Abbildungsmaßstab
Abb. 3.5-8: Digitalisiertes Bild mit
Halbbildversatz und
Stauchung in x-Richtung
35
3.5.5 Digitale Systeme
Für die industrielle Bildverarbeitung werden immer mehr Systeme angeboten, die
nicht nach der beschriebenen Videonorm arbeiten. Diese Systeme sind noch sehr
teuer, da sie nur in geringen Stückzahlen gefertigt werden. Sie bieten jedoch die
Möglichkeit, die beschriebenen Übertragungsfehler, die durch das Digitalisieren des
analogen Signals der Pixel entstehen, durch andere Übertragungsarten zu vermindern. So werden digitale Kameras angeboten, die jeden ausgelesenen Pixel direkt
digitalisieren und in digitaler Form an die Auswerteeinheit übertragen. Diese
Kameraart ist sehr gut für genaue Vermessungsaufgaben geeignet, da sie praktisch
keine der beschriebenen Übertragungsfehler zeigt.
Jeder Hersteller entwickelt seine eigene Übertragungstechnik und den damit
verbundenen Datenbus, wodurch die Komponenten verschiedener Hersteller nicht
untereinander kompatibel sind. Abhilfe könnte das Bussystem IEEE-1394 sein. Es
wurde bereits vor Jahren von der Firma Apple unter dem Namen FireWire entwickelt
und hält im Moment Einzug in die Videotechnik und Unterhaltungselektronik. So ist
jeder neue digitale Camcorder mit dieser Schnittstelle versehen. Der Einsatz dieser
Technik im Massenmarkt und die damit verbundenen Stückzahlen lassen auf fallende
Preise hoffen. Neben dem günstigen Preis zeichnet sich dieser Datenbus vor allem
durch seine hohen Übertragungsraten von 400 Mb/s und zukünftig sogar 1600 Mb/s
aus. So ist verständlich, dass bereits einige Firmen im Bereich der industriellen
Bildverarbeitung digitale Kameras für diesen Datenbus entwickelt haben.
3.6
Auswerteeinheit
Die Auswerteeinheit hat die Aufgabe, die gewünschten Informationen aus dem
erzeugten Bild zu gewinnen.
Beim menschlichen Sehvorgang wertet das Gehirn das übermittelte Bild aus. Es ist in
der Lage, sehr schnell die unrelevanten Inhalte eines vollständigen Bildes zu
vernachlässigen. Der Mensch kann sich auf bestimmte Objekte konzentrieren und
diese beurteilen, ohne das gesamte Bild auswerten zu müssen. Er kann ebenfalls sehr
gut störende Bildinformationen ausblenden. Es ist für ihn kein Problem, auch bei
starkem Regen Objekte zu erkennen, solange es hell genug ist. Die Regentropfen
sind fast unsichtbar, wenn der Beobachter sich nicht auf sie konzentriert.
Ein Bildverarbeitungssystem ist von sich aus nicht in der Lage zu entscheiden,
welcher Bildinhalt relevant ist und welcher nicht. Die Kriterien für die Entscheidung,
welche Inhalte ausgewertet werden sollen, müssen dem System durch die Programmierung mitgeteilt werden. Die Gewinnung der gesuchten Informationen erfolgt
mit Hilfe mathematischer Rechenvorschriften.
3.6.1 Bildvorverarbeitung
Vor der eigentlichen Auswertung ist oft eine Veränderung des Bildes notwendig.
Dieser Schritt wird Bildvorverarbeitung genannt. Er hat die Aufgabe, die Eigenschaften des Bildes zu verbessern und Störungen zu minimieren. Ein Mittel ist die
Verwendung von Filtern. In Abhängigkeit von den Grauwerten des Originalbildes
wird ein neues Bild mit anderen Eigenschaften errechnet.
36
3.6.2 Punktoperationen
Man unterscheidet zwischen Punktoperationen, bei denen der Grauwert eines Pixels
im neuen Bild nur vom Grauwert des korrespondierenden Pixels im Originalbild
abhängt, und den lokalen Operationen, bei denen der neue Grauwert eines Pixels von
mehreren Pixeln im alten Bild abhängt.
3.6.2.1 Look-Up Tabelle
Ein typisches Beispiel für eine Punktoperation ist die Look-Up-Tabelle. Der
Grauwert des Zielpixels ist eine beliebige Funktion des Grauwertes des Eingangspixels:
GZ ( x, y ) = f (GE ( x, y ))
Um die Berechnung des neuen Bildes zu beschleunigen, wird die Funktion in einer
Tabelle, der sogenannten Look-Up-Tabelle, hinterlegt, d. h. für jeden Eingangsgrauwert wird „nachgeschaut“ (engl.: look), welcher Ausgangsgrauwert dem neuen
Pixel zugewiesen werden soll.
GZ(x,y)=GE(x,y)/2
Eingangsgrauwert
150
194
Eingangsbild
51
19
Ausgangsgrauwert
...
...
148
74
149
74
150
75
151
75
152
76
153
76
154
77
155
77
...
...
75
25
97
9
Ausgangsbild
Abb. 3.6-1: Funktion der Look-up-Tabelle
Viele Programme bieten die Möglichkeit, die Funktion, mit deren Hilfe die Tabelle
errechnet wird, selbst vorzugeben. Dazu wird sie entweder als Formel eingegeben
oder in grafischer Form selbst erzeugt. Werden Formeln verwendet, bei denen es zu
Werten außerhalb des erlaubten Bereichs von 0 bis 255 (8 Bit-Auflösung) kommt,
werden die Zahlen entweder durch 0 oder 255 ersetzt. So kann z. B. ein Bild durch
folgende Funktion schnell invertiert werden:
GZ ( x, y ) = 255 − GE ( x, y )
Auch kann der Kontrast verstärkt werden, indem gewisse Grauwertbereiche
aufgehellt oder verdunkelt werden.
Abb. 3.6-2: Originalbild
Abb. 3.6-3: Invertiertes Bild
Abb. 3.6-4: Bild mit Kontrastverstärkung
37
3.6.2.2 Binarisierung
Die am häufigsten verwendete Punktoperation ist die Binarisierung. Sie verringert
den Speicherplatz des Bildes und die damit verbundene notwendige Rechenleistung
für die Auswertung des Bildes. Aus den 256 möglichen Grauwerten werden in
Binärbildern nur die zwei möglichen Grauwerte 0 für Schwarz und 1 für Weiß
errechnet. Typische Anwendung ist das Setzen eines Schwellwertes GS (Treshhold).
Alle Pixel im Eingangsbild mit Grauwerten, die kleiner als der Schwellwert sind,
werden zu schwarz und die restlichen werden zu weiß.
ìG ≤ GS = 0
GZ = í E
G E > GS = 1
Abb. 3.6-5: Vergleich Grauwertbild und Binärbild
Die Binarisierung dient zur Trennung von Objekt und Hintergrund. Diese Trennung
ermöglicht später eine einfache und schnelle Segmentierung. Durch Beleuchtungsschwankungen unterliegen jedoch die aufgenommen Bilder oftmals Helligkeitsschwankungen. Diese verhindern den Einsatz eines festen Schwellwertes, so dass er
für jedes Bild neu berechnet werden muss. Man spricht von Schwellwertnachführung. Durch die Berechnung wird sichergestellt, dass das Objekt sich immer noch
vom Hintergrund abhebt und so von ihm getrennt werden kann.
Eine Möglichkeit der Berechnung ist die Verwendung eines Histogramms. Die Pixel
mit gleichem Grauwert werden gezählt und ins Verhältnis zur Gesamtzahl der Pixel
gesetzt. Diese Häufigkeit wird in einem Histogramm dargestellt. In der Regel hat
man in einem Bild viele helle Punkte des Objektes und viele dunkle Punkte, die den
Hintergrund repräsentieren. Dies wird durch die Ausbildung von zwei Maxima im
Histogramm deutlich. Für jedes neue Bild wird der Schwellwert zwischen beide
Maxima gesetzt.
Die Bildreihe auf der nächsten Seite zeigt einen Strichcode, der bei unterschiedlichen
Lichtverhältnissen aufgenommen wurde.
Werden die Bilder mit einem konstanten Schwellwert binarisiert, ist der Strichcode
nur beim mittleren Bild auszuwerten. Wird für jedes einzelne Bild anhand eines
berechneten Histogramms ein angepasster Schwellwert verwendet, ist der Strichcode
in allen drei Bildern auswertbar.
38
Originalbilder
Binärbilder mit konstantem Schwellwert
Histogramme der Orginalbilder
Binärbilder mit Schwellwertberechnung im Histogramm
Abb. 3.6-6: Vergleich der Binarisierung mit konstantem und berechnetem Schwellwert
39
Sind im Bild sowohl helle als auch dunkle unrelevante Bildpunkte vorhanden, ist die
Verwendung einer zweiten Binärschwelle notwendig. Die Schwellen werden so
gelegt, das sie unterhalb und oberhalb der relevanten Bereiche liegen. So werden
sowohl helle als auch dunkle Punkte des Hintergrundes vom Objekt getrennt. Die
Verwendung weitere Schwellwerte ist möglich. Sie wird jedoch selten angewandt.
ìGE ≥ GS 2 = 0
GZ = í G E > GS 1 = 1
î GE ≤ GS1 = 0
Originalbild
ein hoher
Schwellwert
ein niedriger und ein hoher
Schwellwert
ein niedriger
Schwellwert
Abb. 3.6-7: Verlust von Informationen durch den Einsatz nur eines Schwellwertes
3.6.2.3 Lokale Operationen
Bei den lokalen Operationen wird der neue Grauwert des Pixels durch eine Funktion
berechnet, in die neben dem eigentlichen Pixel auch seine Nachbarpixel eingehen.
GZ = f (G ( x − n ⋅ ∆x )...G ( x + n ⋅ ∆x ), G ( y − n ⋅ ∆y )...G ( y + n ⋅ ∆y ))
Auch hier wird diese Funktion näherungsweise berechnet, wozu eine sogenannte
Filtermaske mit einer bestimmten Kantenlänge erzeugt wird, in der die
Eingangspixel entsprechend ihrer Lage gewichtet werden. Eine solche Maske wird
als Filterkern bezeichnet.
Als Beispiel soll hier der Gaußfilter mit einem 3 x 3 Filterkern dargestellt werden,
der zur Glättung von Bilder verwendet wird (Abb. 3.6-8 und 3.6-9).
Da für die Berechnung der Zielpixel am Rand Teile des Filterkerns auf nicht
vorhandene Pixel zugreifen würden, werden diese entweder entfernt, mit einem
konstanten Grauwert versehen oder durch die ersten berechenbaren Pixel ersetzt. Die
letztere Methode hat den Vorteil, dass das neue Bild weder verkleinert wird, noch
dass neue Kanten entstehen. Typische Filtergrößen sind 3 x 3, 5 x 5, 7 x 7 und 9 x 9.
40
1
16
1
2
1
2
4
2
1
2
1
Abb. 3.6-8: Filterkern des 3 x 3 Gaußfilters
GZ= (1 • 40 + 2 • 180 + 1 • 250 + 2 • 10 + 4 • 40 + 2 • 180 + 1 • 10 + 2 • 10 + 1 • 40) / 16= 79
250
180
250
250
250
250
137
137
156
219
246
246
250
40
180
250
250
250
137
137
156
219
246
246
250
10
40
180
250
250
88
88
79
156
219
219
250
10
10
40
180
250
72
72
28
79
156
156
250
10
10
10
40
180
115
115
72
88
137
137
250
250
250
250
250
250
115
115
72
88
137
137
Abb. 3.6-9: Funktionsweise des Gaußfilters
41
Es sind sehr viele Filter einsetzbar. Da für den Anwender die Eigenschaften des
Filters wichtig sind, folgt ein kleiner Überblick über übliche Filter:
Tabelle 1: übliche Filter und ihre Funktionen
Filter
Mittelwert
Gaußfilter
Median
Kontrast
Erosion
Dilatation
Closing
Opening
Sobel x, Sobel y
Eigenschaft
Glättung des Bildes
Glättung des Bildes mit stärkerer Gewichtung der mittleren Pixel
Glättung des Bildes mit Erhalt der Kantenschärfe
Kantenextraktion
Vergrößerung der dunklen Bereiche
Vergrößerung der hellen Bereiche
Schließung der Unterbrechungen an hellen Objekten
Schließung der Unterbrechungen an dunklen Objekten
Richtungsabhängige Kantenextraktion
Closing
Opening
Kantenextraktion Sobel x
Mittelwert
Orginalbild
Kantenextraktion Sobel y
Dilatation
Errosion
Kontrast
Abb. 3.6-10: Auswirkung verschiedener Filter
42
3.6.3 Auswertung
Moderne Bildverarbeitungssysteme bieten umfangreiche Möglichkeiten, Informationen aus dem Bild zu gewinnen. In diesem Abschnitt soll ein kleiner Ausschnitt aus
den möglichen Methoden gezeigt werden.
3.6.3.1 Kantenerkennung
Um ein Objekt zu vermessen, muss der Ort der Kante erkannt werden. Durch die
Beleuchtung muss die relevante Kante mit einem ausreichendem Kontrast im Bild
dargestellt werden. Ist dies der Fall, kann bereits im Grauwertbild entlang einer Linie
nach Helligkeitsunterschieden gesucht werden. Es werden zwei Verfahren unterschieden: Das Schwellwertverfahren und das Kontrastverfahren.
Beim Schwellwertverfahren wird der genaue Ort der Kante durch einen Schwellwert
repräsentiert. Dieses Verfahren ist sehr schnell, da entlang der Linie nur ein gewisser
Grauwert gefunden werden muss. Der gefundene Ort der Kante kann jedoch durch
Helligkeitsschwankungen wandern.
Ein anderes Verfahren stellt das Kontrastverfahren dar. Bei ihm wird entlang der
Linie die Stelle mit dem höchsten Kontrast, d. h. dem Ort mit der höchsten Helligkeitsänderung (1. Ableitung) gesucht.
gefundene Position
gefundene Position
Weiß
Schwellwert
1. Ableitung
Grauwert
Weiß
Schwarz
Schwarz
Position
Grauwertübergang
entlang der Suchlinie
Abb. 3.6-11: Schwellwertverfahren
Position
Grauwertübergang
Abb. 3.6-12: Kontrastverfahren
Bei einer Vermessung werden in der Regel im Suchfenster sehr viele Punkte
bestimmt, die den Verlauf der Kante repräsentieren. Über diese Punkten können verschiedene Maße wie maximaler, minimaler oder mittlerer Abstand ermittelt werden.
Letzterer wird mit Hilfe einer durch lineare Regression ermittelten Ausgleichsgerade
gemessen. Als Abstandmaß wird der Abstand der Geraden ermittelt. Auf die selbe
Weise werden auch andere Formen durch Ausgleichgeometrien wie Kreise und
Ellipsen angenähert, um sie vermessen zu können.
Suchbereiche
gefundene Punkte
maximaler Abstand
minimaler Abstand
mittlerer Abstand
Abb. 3.6-13: Geradenantastung
Ausgleichgeraden
43
Ausgleichskreis
Suchbereich
gefundene Punkte
Abb. 3.6-14: Kreisantastung
3.6.3.2 Blobanalyse
Bei der Blobanalyse werden im Binärbild zusammenhängende schwarze oder weiße
Flächen, sogenannte Blobs (binary large object) gesucht. Die gefundenen Bereiche
können auf ihre Eigenschaften untersucht werden. Mögliche Eigenschaften sind
Schwerpunkt, Fläche, Umfang, längste bzw. kürzeste Ausdehnung usw. Mit den
Ergebnissen lassen sich z. B. die Anzahl der Objekte bestimmen, die die geforderten
Eigenschaften besitzen. Im hier gezeigten Beispiel soll die Anzahl der Bohrungen in
einem Bauteil überprüft werden.
zusammenhängende
weiße Flächen suchen
Blobs mit abweichenden
Eigenschaften
Anzahl
überprüfen
Anzahl = 8
o.k.
Abb. 3.6-15 Beispiel für eine Blobanalyse
3.6.3.3 Mustererkennung
I
In der Bildverarbeitung muss oft ein Objekt bzw. ein Merkmal im Bild gefunden
werden. Dazu wird ein Objekt oder Merkmal aufgenommen, markiert und im
Speicher des Systems als Muster hinterlegt. Dieser Vorgang wird in der Regel als
Einlernen bezeichnet. Im neuen Bild wird versucht, dieses Muster wieder zu finden.
Für dieses Wiederfinden kommen eine Vielzahl von unterschiedlichen Algorithmen
zum Einsatz. Sie unterscheiden sich in ihrer Schnelligkeit, Genauigkeit und
Flexibilität. Die einfachsten Algorithmen können nur Objekte mit gleicher Größe und
ohne Verdrehung finden.
Andere Algorithmen können das Muster in jedem Drehwinkel im neuen Bild wieder
finden. Seit wenigen Jahren werden sehr flexible und dennoch schnelle Algorithmen
angeboten, die trotz Verdrehung, Größenänderung, Beleuchtungsänderung und sogar
teilweiser Verdeckung das Muster dennoch sicher finden. Diese Eigenschaften der
sogenannten grauwertbasierten Algorithmen werden als verdrehungs-, größen-,
beleuchtungs- und verdeckungsinvariant bezeichnet. Der Anwender muss die
Grenzen des von ihm ausgewählten Verfahrens kennen, um sicherzustellen, dass die
Aufgabe unter den gegebene Bedingungen sicher gelöst wird.
Ist z. B. nicht sichergestellt, dass das Objekt immer in der richtigen Drehlage im Bild
erscheint, muss ein Algorithmus verwendet werden, der verdrehungsinvariant ist. Die
44
Algorithmen geben als Ergebnis ein Übereinstimmungsmaß (Score) zwischen
eingelerntem Muster und gefundenen Muster an. Dem Bediener wird die Möglichkeit
gegeben, ein Grenze anzugeben. Wird für ein Objekt dieser Wert unterschritten, wird
es nicht als erkannt markiert. Eine typische Grenze ist 0,8, d. h. das System muss ein
Objekt mit mindesten 80% der hinterlegten Merkmale im neuen Bild finden.
im Speicher
hinterlegtes Muster
Abb. 3.6-16: Bild mit einzulernendem Muster
Abb. 3.6-17: neues Bild mit gefundenen Mustern
Die erwähnten grauwertbasierten Algorithmen eignen sich hervorragend für das
sogenannte Robot-Vision.
In immer mehr Bereichen der Industrie, vor allem in der Automobilindustrie, werden
Roboter eingesetzt. Sie fahren vorgegebene Koordinaten ab, z. B. um Bauteile aufzunehmen und abzulegen oder um Bauteile zu verkleben der zu verschweißen. Ohne
den Einsatz von Bildverarbeitungssystemen müssten Objekte immer sehr genau
positioniert werden, damit die im Roboter hinterlegten Koordinaten mit den
Koordinaten des Objektes übereinstimmen. Diese Positionierung ist störanfällig, sehr
aufwändig und damit teuer. Ist ein Objekt verschoben, kann der Roboter darauf nicht
reagieren.
Die Bildverarbeitung macht den Roboter „sehend“. Sie wertet das Bildfeld aus, sucht
die hinterlegten Muster und übergibt die nötigen Koordinaten an den Roboter. Beim
hier dargestellten Beispiel handelt es sich um das Entpalettieren von Motorbauteilen.
Vor dem Einsatz eines Bildverarbeitungssystems mussten die Bauteile immer genau
positioniert sein. Durch die Verwendung eines Systems kann auf eine genaue
Positionierung verzichtet werden. Das Muster des Bauteils wird in das System
eingelernt und im Bild gesucht. Die Koordinaten und der Drehwinkel werden an den
Roboter übertragen, welcher dann die Bauteile greift und an der vorgesehenen
Position ablegt. Im Bild sind gefundene Übereinstimmungen durch einen roten
Rahmen und fehlende Übereinstimmungen durch einen gelben Rahmen markiert.
45
Abb. 3.6-18: Grauwertbasierte Mustererkennung
Werksbild der Firma ISRA, Darmstadt
3.6.3.4 Vorgehensweise bei der Erstellung von Prüfprogrammen
Bei der Komplexität der möglichen Anwendungen ist es unmöglich, ein einheitliches
Lösungskonzept zu erstellen. Die übliche Vorgehensweise ist aber oft die gleiche.
Nach dem Schritt der Bildaufnahme muss die Notwendigkeit einer Bildvorverarbeitung geprüft werden. Je nach verwendetem System und den späteren
Algorithmen muss das Bild binarisiert werden. Danach werden Bereiche definiert,
die untersucht werden müssen. Oft sind relevante Objekte nicht an der selben
Position, so dass die Suchbereiche dynamisch für jedes Bild neu positioniert werden
müssen. Dazu eignet sich z. B. eine gefundene Kante, ein Blob, ein Muster oder
ähnliche Merkmale. Nun können relativ zu den Positionen Suchlinien oder
Arbeitsbereiche definiert werden, um alle relevanten Informationen aus dem Bild zu
gewinnen.
Es können je nach System Vollständigkeitskontrollen, Vermessungen, Mustererkennungen, Texturanalysen, Druckbildkontrollen, Schrift- und Codeerkennungen
und vieles mehr durchgeführt werden. Für jedes Problem gibt es mehrere Lösungswege. Ziel ist aber, eine möglichst einfache und daher schnelle und dennoch
prozesssichere Lösung zu finden. Der Bediener muss sicherstellen, dass Merkmale,
die er verwendet, immer eindeutig und vor allem immer in der geforderten Form
vorhanden sind. Positioniert man einen Suchbereich nach einem Muster muss dieses
natürlich immer vorhanden ist. Wird nach einem Blob einer gewissen Größe gesucht,
darf dieser durch Prozessschwankungen nicht außerhalb der tolerierten Größe liegen.
Wird eine Kante verwendet, muss diese mit ausreichendem Kontrast dargestellt sein
und nicht z. B. durch Fremdlicht überblendet sein.
Für den Einsatz von Bildverarbeitungssystemen ist es besonders wichtig, zu Beginn
eines Projektes genau zu definieren, was das System tun soll, bzw. welche Merkmale
wie untersucht werden sollen, und welche Parameter sich ändern können. Diese
Arbeit bedingt das gesamte weitere Vorgehen und ist daher bestimmend für die
Kosten und die Erfolgsaussicht. Sie wird daher in einem späteren Kapitel noch näher
beschrieben.
46
3.6.3.5 Genauigkeit der Algorithmen
Bei der Planung von Bildverarbeitungssystemen wird fast immer nach der
Genauigkeit der Auswertung gefragt. Die Genauigkeit solcher Systeme hängt von
vielen Faktoren ab. Diese Frage kann daher nicht wie bei Messgeräten mit einer Zahl
oder einer prozentualen Abweichung beantwortet werden. Wichtigster Faktor ist die
Pixeldimension. Sie ist die kleinste darstellbare Einheit. Sie wird bestimmt durch die
Größe des aufgenommenen Bildes und die Auflösung der Kamera. Wird ein Bildfeld
von 5 cm x 5 cm durch eine Kamera mit 1000 x 1000 Pixeln aufgenommen,
entspricht ein Pixel einer Länge von 50 µm. Wird mit der selben Kamera ein Bildfeld
von 5 m x 5 m aufgenommen, entspricht ein Pixel 5 mm. Die Genauigkeit hängt also
in erster Linie von der Größe des Bildes ab. Die Messgenauigkeit wird daher in der
Regel als Bruchteil von Pixeln angegeben.
Sie hängt neben der Bildgröße auch von der Beleuchtung, dem damit verbundenen
Kontrast, der Bildqualität und den jeweils verwendeten Algorithmen ab. Hersteller
geben als theoretischen Wert für die Genauigkeit 1/10 Pixel, einige Firmen sogar
1/40 Pixel an. In der Realität werden oft 1/3 Pixel angenommen. Diese Werte können
jedoch nur durch statistische oder Approximationsverfahren erreicht werden.
Bei der Kantenerkennung kann man unter guten Bedingungen die genaue Lage der
Kante im Subpixelbereich abschätzten. Der Grauwert, den ein Sensorelement liefert,
wird durch die mittlere Beleuchtungsstärke seiner Fläche bedingt. Wird im
entstandenen Bild entlang einer Linie nach einer Kante gesucht, kann der stufenähnliche Grauwertverlauf durch Interpolationslinien dem tatsächlichen Verlauf der
Beleuchtungsstärke genähert werden. Die Interpolationslinie liefert bei Verwendung
des Schwellwertverfahrens Kantenpositionen, die zwischen den Pixeln liegen. Es
wird eine Position im Subpixelbereich bestimmt. Da es sich um eine Abschätzung
handelt, kann es auch zu Fehlern kommen. In der Abbildung ist ein Objekt gezeigt,
welches das selbe Bild und damit die gleiche Kante liefern würde. Der maximale
Abstand der beiden Kanten ist jedoch ein anderer.
Auf Sensor
abgebildetes Objekt 1
geschätzte Positionen
entstandenes Bild
Weiß
Grauwert
Interpolations
-linie
Schwellwert
Schwarz
Suchlinie
Position
Grauwertübergang
Auf Sensor abgebildetes
Objekt 2
Abb. 3.6-19: Kantenantastung im Subpixelbereich
47
In vielen Anwendungen werden die Koordinaten eines Objektes errechnet. Dies kann
z. B. durch eine Schwerpunktberechnung geschehen. Durch die beschränkte Auflösung wird ein Objekt gerastert, d. h. der Ort der gefundenen Kanten entspricht
nicht der genauen Position der tatsächlichen Kante. Je mehr Punkte als Grundlage für
die Positionsbestimmung verwendet werden, desto genauer ist die errechnete
Position, da sich die Abweichungen der einzelnen Punkte herausmitteln.
Es sind ebenfalls alle Bildfehler (Verzeichnung, Halbbildversatz, Verzerrung...) zu
beachten, die die Abbildung eines Objektes und damit ihre Merkmale verändern.
Grundsätzlich wird die Genauigkeit größer durch:
-
3.7
höhere Auflösung
kleineres Bildfeld
angepasste Optik (geringe Verzeichnung, telezentrisch, hohe Tiefenschärfe ...)
angepasste Beleuchtung (hoher Kontrast, scharfe Kanten)
angepasste Hardware
Interpolation
größere Anzahl an Stützpunkten bzw. Merkmalen
Kommunikationseinheit
Die Kommunikationseinheit hat die Aufgabe die ermittelten Ergebnisse an ein
übergeordnetes System oder direkt an die Reaktionseinheit zu übermitteln.
Die Ergebnisse können bestimmt sein für:
-
Bedienpersonal
Prozesssteuerung
Qualitätsdatenbank
Reaktionseinheit
Je nach Bestimmungsort stehen verschiedene Möglichkeiten zur Verfügung:
3.8
Bildschirmanzeigen, Signallampen
digitale Ein- und Ausgänge
serielle Schnittstellen (RS-232)
sonstige Schnittstellen (CAN-Bus, Profibus ....)
Reaktionseinheit
Die Reaktionseinheit hat die Aufgabe, die vom Ergebnis abhängige Aktion auszuführen. Reaktionen können sein:
-
das Greifen eines Bauteils durch einen Roboter nach Lagebestimmung
Ausschleusung von Teilen mit unzureichenden Eigenschaften
Änderung der Prozeßparameter
Markierung defekter Zonen auf Bandmaterial
Sortierung von Objekten
48
3.9
Allgemeiner Aufbau eines Bildverarbeitungssystems
Nachdem die einzelnen Komponenten genauer vorgestellt sind, kann nun die anfängliche Beschreibung eines Gesamtsystems genauer formuliert werden.
Für die Bilderfassung muss ein vorhandenes Objekt beleuchtet werden. Die durch die
Beleuchtung hervorgehobenen Merkmale des Objektes werden durch die Optik auf
den Sensor abgebildet. Der Sensor muss das Licht in verwertbare elektrische Signale
umwandeln, welche an die Bilderzeugungseinheit übertragen werden. Das (fehlerbehaftete) Bild wird einer Auswerteeinheit zur Verfügung gestellt, die dieses Bild
durch ausgewählte Algorithmen auswertet und ein Ergebnis errechnet. Diese Algorithmen werden durch die Bedienschnittstelle ausgewählt. Das Ergebnis wird über
Kommunikationsschnittstellen an ein übergeordnetes System oder direkt an eine
Reaktionseinheit übertragen, welche die von dem Ergebnis abhängige Reaktion ausführen soll.
Objekt / Prozeß / Materialfluß
Bediener
Bedienschnittstelle
Algorithmen
Optik
Signal
Bilderzeugung
Bild
Auswertung
Sensor
Kommunikationsschnittstelle
Aktion
Reaktionseinheit
Übergeordnetes
System
Abb. 3.9-1: allgemeiner Aufbau eines Bildverarbeitungssystems
49
4
Hard- und Software für Applikationen
Die Kosten für ein Bildverarbeitungssystem waren früher sehr hoch. Man benötigte
Softwarespezialisten, die alle nötigen Softwaremodule vollständig programmieren
mussten. Die nötigen Algorithmen wurden speziell für jede Applikation angepasst
oder sogar neu entwickelt. Jede Anlage war meist eine Einzellösung, die fast
vollständig neu entworfen werden musste. Die Hardware war sehr speziell und damit
teuer. Die Kosten solcher Systeme lagen durch die hohen Entwicklungskosten in der
Regel weit über 100.000 DM. Durch die Standardisierung der Soft- und HardwareKomponenten können heute Lösungen unter 20.000 DM realisiert werden. Lösungen
einfacher Problemstellungen sind sogar direkt vom Anwender ohne die Hilfe von
Spezialisten möglich. Für diesen Einsatz werden mittlerweile sehr viele Komponenten angeboten, welche sich grundlegend im Hardwareansatz unterscheiden.
4.1
Ansätze im Hardwareaufbau
Je nachdem wo die beschriebenen Komponenten im System untergebracht sind,
können die Systeme in unterschiedliche Kategorien unterteilt werden, wobei die
Grenzen zwischen diesen Kategorien fließend sind. Es ist möglich, zwischen
intelligenten Kameras, Kameras mit externer Auswertehardware, PC-Kameras und
PC-basierten Systemen zu unterscheiden.
Im folgenden werden zunächst allgemein die Vor- und Nachteile solcher Systeme
diskutiert und dann exemplarisch verschiedene am Markt erhältliche Produkte
vorgestellt, die im Laufe dieser Diplomarbeit als Leihgeräte für ausführliche
praktische Test zur Verfügung gestellt wurden. Dabei ist der Hinweis wichtig, dass
diese Produkte nicht für Vergleichszwecke getestet wurden. Die Produkte unterscheiden sich erheblich im Einsatzweck, in der Leistungsfähigkeit, in der Flexibilität
und im Anschaffungspreis. Die hier vorgestellten Produkte zeigen eine Momentaufnahme eines kleinen Spektrums im äußerst vielfältigen und dynamischen Markt
der Bildverarbeitung. Wie im PC-Markt sind auch hier die Zeitabstände zwischen
den Neuentwicklungen sehr kurz, d. h. die hier vorgestellten Produkte können in
einem Jahr bereits veraltet oder gar nicht mehr am Markt erhältlich sein. Dennoch ist
es sinnvoll an ihnen die grundsätzlichen Vor- und Nachteile solcher Systeme zu
zeigen.
4.1.1 Intelligente Kamera
Als intelligente Kameras werden solche Systeme bezeichnet, bei denen alle
Komponenten in miniaturisierter Form in ein Gehäuse integriert sind. D. h. neben
Optik und Sensor incl. Elektronik sind in das Gehäuse ein Framegrabber, die
Auswerteeinheit – meist ein digitaler Signalprozessor (DSP) –, eine Speichereinheit,
die Kommunikationseinheit in Form von digitalen Ein- und Ausgängen samt serieller
Schnittstelle, wie auch ein Anschluss für einen Bildschirm eingebaut. Diese Systeme
sind nicht viel größer als reine Kameras. Ihr Vorteil liegt vor allem in ihrer geringen
Größe, bei dennoch erstaunlicher Leistungsfähigkeit. Sie haben den Vorteil, dass sie
keine Infrastruktur wie PC-basierte Systeme benötigen (siehe 4.1.4). Die intelligente
Kamera passt z. B. im Falle eines rauen Produktionsumfeldes, wie es bei der Heißformgebung in der Glasproduktion vorliegt, in das selbe Kühlgehäuse, das auch für
die Videokamera nötig gewesen wäre. Wie bei der Videokamera sind die Anschlussleitungen gesondert vor Hitze zu schützen. Insgesamt spart man also bei diesem
System vollständig die sonst nötige und sehr kostenintensive Peripherie.
50
Die intelligenten Kameras haben trotz ihre geringen Größe eine weites Spektrum an
unterschiedlichen Einsatzbereichen. Um sie einzurichten, wird ein PC, z. B. ein
Laptop, benötigt, auf dem mit der zugehörigen Software die Prüfprogramme erstellt
werden und über die serielle Schnittstelle in die Kamera übertragen werden. Dies ist
nötig, da in der Kamera nicht genügend Speicherplatz vorhanden ist, um die
Bediensoftware, alle nötigen Algorithmen, die notwendigen Musterbilder, mehrere
Prüfprogramme und Fehlerbilder abzulegen. So lagert man die Bediensoftware und
die Bibliothek mit den Algorithmen auf den Laptop aus, an dem die nötigen
Prüfbefehle ausgesucht und parametriert werden. Das so erstellte Prüfprogramm wird
in die für die Kamera verständliche Maschinensprache übersetzt und übertragen.
Sobald man die Kamera einschaltet, wird das Prüfprogramm ausgeführt, wobei im
Speicher der Kamera mehrere Programme hinterlegt werden können, zwischen denen
durch die vorhanden Schnittstellen umgeschaltet werden kann. Die jeweiligen Prüfergebnisse können über die serielle Schnittstelle an das übergeordnete System
übermittelt werden. Über die digitalen Ausgänge kann je nach Ergebnis ein Vorgang
freigegeben oder gestoppt werden.
Für Versuchszwecke wurde von der Firma FiberVision eine leistungsfähige intelligente Kamera PICTOR M1108 von Vision&Control zur Verfügung gestellt. Bei
diesem Modell kommt ein Progressive-Scan-Chip mit einer Auflösung von 640 x
480 Bildpunkten und quadratischen Pixeln zum Einsatz. Die Speicherkapazität
beträgt für Bilder 8 MB DRAM, das entspricht 17 Vollbildern oder 34 Halbbildern
und für Programme und Daten steht ein 2 MB EPROM-Speicher zur Verfügung. Für
die Kommunikation stehen neben der seriellen RS-232 Schnittstelle noch 4 digitale
Ein- und ebenfalls 4 digitale Ausgänge zur Verfügung. Die Abmessungen betragen
100 mm x 50 mm x 36 mm und das Gewicht beträgt ca. 250 g.
Die Software erlaubt es, die Kamera sehr komfortabel einzurichten. Sie ist menügesteuert und intuitiv zu bedienen. Ist der Bediener mit der Materie der Bildverarbeitung etwas vertraut, sind die meisten Befehle, die in einer umfangreichen
Bibliothek hinterlegt sind, selbsterklärend. Eingerichtet wird im Bildschirm des
Laptops, die Auswirkungen der Befehle können gleich an dem an die Kamera
angeschlossen Ausgabebildschirm nach einem Testlauf betrachtet werden.
Suchfenster und Arbeitsbereiche lassen sich leicht einrichten, indem man durch einen
Doppelklick mit der rechten Maustaste die Maussteuerung im Eingabebildschirm des
Laptops deaktiviert und einen Cursor im Ausgabebildschirm erzeugt, mit dem man
die Fenster in der Größe verändern und verschieben kann. Durch einen weiteren
Doppelklick wird die Maussteuerung des PC wieder aktiviert. Befehle kann man
löschen und einfügen, ihre Reihenfolge nachträglich ändern. Erstellte Befehle
werden entsprechend ihre Reihenfolge auf der Programm-Oberfläche VC-Win mit
den zugehörigen wichtigsten Parametern dargestellt, was für die Übersicht eines
Prüfprogramms sehr vorteilhaft ist.
Aufgenommene Bilder lassen sich auf den PC übertragen, jedoch ist die Übertragung
über die Schnittstelle sehr langsam und es wird nur das eigentliche Bild
abgespeichert ohne zusätzliche Bildschirm-Overlays. Die Software erkennt bei der
Initialisierung der Verbindung automatisch, um welchen Kameratyp es sich handelt,
und gibt dementsprechend nur die vom Modell unterstützten Befehle frei. Dieses
System zeichnet sich durch seinen geringen Platzbedarf und die niedrigen Kosten für
die Peripherie aus. Ist die Leistungsfähigkeit ausreichend und ist eine Veränderung
der Prüfroutinen selten nötig, lassen sich mit diesem System kompakte und günstige
Lösungen realisieren.
51
Abb. 4-1: Eingabebildschirm VC-Win
Abb. 4-3: Pictor M1108
Abb. 4-2: Ausgabebildschirm VC-Win
Abb. 4-4: Eingebauter Pictor
4.1.2 Kamera mit externer Auswertehardware
Diese Systeme haben ähnliche Komponenten wie die intelligente Kamera. In diesem
Ansatz ist der Sensor und die Optik vom Rest des Systems getrennt. Es wird
ebenfalls keine PC-Struktur verwendet, sondern es kommen DSPs zum Einsatz. Das
Zentralgerät mit integrierter Bilderzeugung, Auswertung und Kommunikation kann
an beliebigen Stellen positioniert werden. Üblicher Einsatzort ist ein naher Schaltschrank. Die Abmessungen sind größer als bei der intelligenten Kamera, da diese
Systeme höhere Rechenleistung und Speicherplatz besitzen. In der Regel sind daher
Bediensoftware und die Algorithmen im Gerät integriert, so dass Prüfprogramme
ohne Zusatzgeräte erstellt werden können. Diese Geräte eignen sich für
Applikationen bei denen die Platzverhältnisse ebenfalls beengt sind und auf die
Parametrierung ohne Zusatzgeräte gewünscht ist.
Von der Firma Matsushita wurde eine Micro-Imagechecker A200 bereitgestellt. Das
System besteht aus einer Progressive-Scan-Kamera mit 512 x 480 Pixel einem 32-bit
RISC Prozessor 14 Ausgängen, 11 Eingängen, zwei RS-232 Schnittstellen. Es kann
mit bis zu drei weiteren Kameras, die an der selben Auswerteeinheit betrieben
werden, ausgebaut werden. Es hat die Abmessungen 120 mm x 40 mm x 74 mm und
ein Gewicht von ca. 300 g.
Die Verkabelung und Inbetriebnahme dieses Gerätes gestalten sich sehr einfach. Es
sind kleine praktische Hilfsroutinen hinterlegt, die den Anwender bei der korrekten
Einstellung von Blende und Fokus unterstützen. Die implementierte Bibliothek ist
sehr umfangreich und mit ihr können die meisten Standard-Bildverarbeitungsaufgaben gelöst werden. Der vorhandene Auto-Trigger kann hervorragend für
Messungen an schnellen Fließbändern eingesetzt werden. Er ermöglicht es, das
52
Bildfeld mit sehr hohen Bildraten aufzunehmen, da nicht jedes Bild ausgewertet
werden muss. Erst wenn sich ein Objekt an der korrekten Stelle befindet, d. h. wenn
in einem vorher definierten Suchbereich ein Hell/Dunkelübergang stattfindet, wird
die Auswertung aktiviert. Bei normalen Systemen muss die Anzahl der Auswertungen incl. der Bildaufnahme pro Sekunde bzw. der Prozesstakt, so gewählt werden,
dass jedes Teil mindestens einmal vollständig im Bild ist und somit korrekt ausgewertet werden kann. Durch diesen Auto-Trigger ist die Auswertezeit nicht mehr so
kritisch, da sie nicht bei jedem Bild ausgeführt werden muss, wodurch der mögliche
Prozesstakt maximiert wird. Auch kann dieser Trigger eine oft notwendige
Lichtschranke ersetzen. Des Weiteren können auch hauseigene Beleuchtungskomponenten der Firma Matsushita direkt an das A200 angeschlossen, mit Strom
versorgt und auch gesteuert werden.
Bei der Entwicklung dieses Systems wurde allem Anschein nach mehr Wert auf die
Leistungsfähigkeit sowohl in der Auswertezeit als auch in der Zeit für die
Bildaufnahme (8,4 ms) als auf die Bedienbarkeit gelegt. Die Bedienung dieses
Gerätes ist nicht selbsterklärend, wobei dies natürlich nur ein subjektiver Eindruck
ist. Durch die beschränkte Anzahl an Tasten gestaltet sich die Bedienung an einigen
Stellen umständlich. Laut Hersteller war es gerade das Ziel, ein Bedienkonzept ohne
eine komplexe Menü- und Maussteuerung mit wenigen überschaubaren Tasten zu
entwickeln, da das Personal oft keine Erfahrung mit Windows-Systemen besitzt. Hat
man aber das Bedienkonzept einmal verstanden, können leistungsfähige Prüfprogramme erstellt werden.
Dieses Gerät zeichnet sich durch seinen attraktiven Preis und die hohe Geschwindigkeit aus. Es ist sinnvoll einzusetzen, wenn hohe Taktraten und geringer
Platzbedarf gefordert sind und komplexe Änderungen an den Prüfprogrammen nur
selten notwendig sind.
Abb. 4-5: A200 der Firma Matsushita
Das zweite Gerät dieser Bauart war das von einem Vertriebsingenieur vorgestellte
InSight 2000 der Firma Cognex. Dieses Paket besteht aus einer digitalen
Progressive-Scan-Kamera mit 800 x 600 Pixeln, einem 4 MB großen Flashspeicher
für fast 20 Verarbeitungsprogramme, 16 MB SDRAM Arbeits- und Bildspeicher,
einem Keypad, 10 digitalen Ein- und Ausgängen, und zwei RS-232 Schnittstellen.
Das Gerät hat die Abmessungen 293 mm x 143 mm x 46 mm und ein Gewicht von
970 g. Schon die Abmessungen dieses Systems liegen wie auch der Preis in der
oberen Kategorie.
53
Das System zeichnet sich durch ein hervorragendes Bedienkonzept und eine äußerst
umfangreiche Bibliothek an Algorithmen aus. Die Darstellungsmöglichkeiten am
Bildschirm sind außergewöhnlich gut. Auch die Verwendung einer digitalen Kamera,
die prinzipbedingt eine sehr gute Bildqualität liefert und deren Belichtungszeit
gesteuert werden kann, ist selten. Als Eingabegerät fungiert ein Keypad, wie es z. B.
auch bei Spielkonsolen eingesetzt wird.
Ungewöhnlich ist Verwendung eines Eingabe-Spreadsheet. Dies erscheint auf den
ersten Blick etwas ungewohnt, funktioniert aber ausgesprochen gut. Für Anwender,
die bereits mit Tabellenkalkulationsprogrammen gearbeitet haben, ist die Bedienung
sehr einfach. Die Prüfbefehle werden mit den zugehörigen Parametern und späteren
Ergebnissen in einzelne Zellen geschrieben. Alle Zellen können wie gewohnt mit
verschiedenen Operatoren verknüpft werden. Dieses Spreadsheet ermöglicht eine
Flexibilität wie sie eigentlich nur von programmierten Lösungen bekannt ist.
Am Bildschirm lassen sich Eingabefenster darstellen und ggf. mit Passwortschutz
versehen, die es dem Maschinenbediener erlauben, Toleranzen zu ändern. Das
laufende Programm kann von Personen mit den nötigen Zugriffsrechten während des
Betriebes verändert werden. Bei der Eingabe kann das Eingabespreadsheet
halbtransparent dargestellt werden, wodurch die Auswirkungen auf den Betrieb
sofort im Hintergrund erkennbar sind.
Neben dem guten Bedienkonzept fällt auch die Anzahl der auswählbaren Prüfbefehle
auf. Dieses System enthält viele der bereits von den PC-Systemen der Firma Cognex
bekannten Algorithmen in gleicher oder ähnlicher Form, z. B. einen leistungsfähigen
grauwertbasierten Algorithmus.
Das vorgestellte System hat allerdings einen hohen Preis. Es ist dennoch interessant
für Anwendungen, bei denen PC-basierte Systeme zuviel Platz benötigen würden,
aber eine ähnliche Leistungsfähigkeit gefordert ist und eine häufige Änderung oder
Neuerstellung von Prüfprogrammen durch Personen mit geringen Programmierkenntnissen notwendig ist.
Abb. 4-6: Komponenten des InSight 2000
Werksbild der Firma Cognex
Abb. 4-7: Bildschirm mit halbtransparentem
Spreadsheet und im Automatikbetrieb
Werksbild der Firma Cognex
54
4.1.3 PC-Kamera
Als PC-Kameras werden Kameras bezeichnet, bei denen wie bei der intelligenten
Kamera alle Komponenten in einem Gehäuse integriert sind. Nur ist im Gegensatz zu
anderen Systemen hier ein vollständiger PC mit allen üblichen Elementen wie
Festplatte, Betriebssystem, Arbeitsspeicher und üblichen Schnittstellen im Gehäuse
vorhanden. Dies wird durch die Verwendung von miniaturisierten Komponenten des
PC-Marktes, speziell aus dem Laptop-Bereich, ermöglicht. So ist auch verständlich,
dass das Volumen dieser Geräte im Vergleich zu den intelligenten Kameras größer
ist. Da es sich um einen vollständigen PC handelt, bietet diese Bauart ähnliche
Flexibilität und Leistungsfähigkeit wie PC-basierte Systeme.
Einzige Einschränkung ist auch hier die notwendige Kompatibilität zwischen Softund Hardware. Auch diese Kameras werden in verschiedenen Ausführungen in
Rechenleistung, Auflösung und Speicherkapazität angeboten. Durch ein Standardbetriebssystem, meist auf Windows-Basis, können verschiedene Bildverarbeitungsprogramme installiert werden. Es kann zwischen selbst erstellten Programmen oder
parametrierbaren Softwarepaketen ausgewählt werden, was bei den bisher
beschriebenen Geräten nicht möglich ist, da die verwendete Software dies nicht
zulässt. So ist es möglich, dieses System durch Bibliotheken mit den jeweiligen
Algorithmen, die entweder zugekauft oder selbst programmiert werden, den eigenen
Anforderungen anzupassen. Prüfprogramme werden wie bei den PC-basierten
Systemen durch die gewählte Software über die zur Verfügung gestellten Schnittstellen bzw. Oberflächen mit Maus und Keyboard programmiert oder parametriert.
Ein Nachteil dieser Geräte ist, dass im Falle eines Defektes nicht, wie beim PC, jede
Komponente einzeln ausgetauscht werden kann, sondern, da die Komponenten oft
als Baugruppen zusammengefasst sind ein vollständiger Austausch der Baugruppe
notwendig ist.
Ein Gerät der Firma SAC aus Karlsruhe konnte im Rahmen einer Messevorführung
getestet werden. Bei dem gezeigten Gerät handelte es sich um eine CamALot III mit
740 x 540 Pixeln, 64 MB Arbeitsspeicher, einer 1,2 GB Festplatte, einem Intel
Pentium Prozessor, mit Windows 98 als Betriebssystem, 11 digitalen Ausgängen, 9
digitalen Eingängen, einer seriellen Schnittstelle, einer parallelen Schnittstelle, sowie
einer Netzwerkkarte und der firmeneigenen Software SAC-Coake, einem sogenannten Bildverarbeitungsinterpreter, der die Erstellung von komplexen Prüfprogrammen
ohne Programmierkenntnisse über eine grafische Programmierschnittstelle mittels
Drag & Drop ermöglicht. Dieses Programm wird später noch näher beschrieben.
Auch die anderen Softwarepakete der Firma, die auf spezielle Anwendungen
ausgelegt sind, sind kompatibel zu diesem Kameramodell. Es lassen sich ebenfalls
eigene Algorithmen oder Programme auf dem Betriebssystem implementieren, um
die Funktion der Kamera den eigenen Anforderungen anzupassen. So kann dieses
Modell z. B. durch die Netzwerkkarte an ein firmeneigenes Netzwerk angeschlossen
und von einem Arbeitsplatz im Bürobereich aus gewartet werden. Die Kamera kann
auch mit Programmen eingesetzt werden, die anhand der Ergebnisse des Prüfprogramms gewisse Regelfunktionen oder Prozesssteuerungen ausführen.
Da es sich um ein System mit integriertem PC handelt, ist die Leistungsfähigkeit
dieses Systems von den jeweils eingesetzten Komponenten und vor allem von der
verwendeten Software abhängig. Die Leistungsfähigkeit der PC-Kameras ist im
Vergleich zu PC-basierten Systemen meist schlechter, da die miniaturisierten
Komponenten aus dem Laptop-Bereich geringere Leistungsdaten besitzen.
55
Solche Systeme eignen sich für Anwendungen, bei denen die Flexibilität von PCbasierten Systemen benötigt wird, der zur Verfügung stehende Platz aber
eingeschränkt ist.
Abb. 4-8: PC-Kamera der Firma SAC
Werksbild der Firma SAC, Karlsruhe
4.1.4 PC-basierte Systeme
Dieser Ansatz verwendet Komponenten aus dem Computermassenmarkt, die durch
Komponenten für den Einsatz in der Bildverarbeitung erweitert werden. Diese
Systeme bieten die höchste Flexibilität, da sie den Anforderungen der jeweiligen
Applikation angepasst werden können. Die Rechenleistung der Systeme nimmt stetig
zu, da die Rechenleistung der Computer ständig weiter gesteigert wird. Dieser
Leistungsgewinn wird ohne Einsatz von Entwicklungskosten erreicht.
Allerdings benötigen solche Systeme sehr viel Platz für PC, Bildschirm und alle
Anschlüsse, was an einigen Stellen in der Produktion gar nicht möglich ist oder sehr
viel Aufwand verursacht. Bei schwierigen Verhältnissen im Produktionsumfeld, wie
z. B. bei der Heißformgebung in der Glasproduktion, sind Vorkehrungen zum Schutz
der Hardware wie etwa klimatisierte Schaltschränke nötig.
Mittlerweile bieten aber viele Hersteller PC-basierte Lösungen an. Wichtigster
Bestandteil der PC-basierten Systeme ist die Software. Durch sie können die
gewünschten Prüfprogramme auch vom Anwender selbst erstellt werden. Je nach
Fachwissen des Anwenders sind unterschiedliche Softwarevarianten erhältlich.
4.2
Softwarebibliotheken
Wurden früher alle Algorithmen für die Bildverarbeitung selbst programmiert, sind
heute Software-Bibliotheken erhältlich. Sie bestehen aus einer Zusammenstellung
von Verfahren, mit denen die Bilder ausgewertet werden. Neben den Algorithmen
enthalten diese Sammlungen auch Module zur Bilderfassung und zur Visualisierung.
Diese Produkte setzen jedoch ein hohes Maß an Programmiererfahrung voraus. Sie
erleichtern auf der einen Seite die Erstellung einer Lösung erheblich, da die
Algorithmen nicht selbst entwickelt werden müssen. Der Anwender muss aber noch
einen erheblichen Teil an weiteren Modulen für die Gesamtlösung selbst
programmieren.
Die Algorithmen werden in der Entwicklungsumgebung in Form von sogenannten
DLLs (dynamic link library) eingebunden, wobei festgelegte Anforderungen zu
beachten sind. Es handelt sich dabei um einzelne Funktionen, denen Eingangsgrößen,
wie Bilder und Parameter übergeben werden und die wiederum Ergebnisse in Form
56
eines Bildes, von Zahlenwerten o. Ä. zurückgeben. Ein Beispiel für diese Art der
Bibliothek ist das Produkt Halcon der Firma MVTec.
Eine Weiterentwicklung dieser Softwareschnittstelle ist die ActiveX-Schnittstelle.
Sie ermöglicht eine einfachere Einbindung von Bildverarbeitungsfunktionen. Die bei
DLLs noch umständliche Einbindung vereinfacht sich durch diese Schnittstelle
erheblich. Solche Produkte werden vermehrt angeboten, da Entwickler mit weniger
Programmiererfahrung durch sie schnell und dennoch sehr flexibel Programme
erstellen können. Solche Produkte wurden in Verbindung mit Visual Basic im
Rahmen dieser Arbeit ausführlich getestet. Solche Programme werden z. B. von der
Firma Stemmer als Common Vision Blox und von der Firma Matrox als Matrox
Imaging Library (MIL) angeboten.
4.2.1 Common Vision Blox (CVB)
Bei diesem Produkt wird jede Funktion (Tool) einzeln angeboten. So müssen nur
Tools gekauft werden, die auch für die jeweilige Applikation benötigt werden. Die
Kosten für das Grundmodul liegen bei ca. 600 DM. Die Preise für die Tools liegen
zwischen wenigen hundert Mark (Kantenerkennung) und mehreren Tausend Mark
für die umfangreicheren Tools (Objekterkennung).
Als Distributor für Bildverarbeitungskomponenten bietet die Firma Stemmer ein
umfangreiches Produktspektrum aller nötigen Komponenten an. Da die gesamte
Hard- und Software aus einer Hand geliefert werden, ist die Kompatibilität zwischen
den einzelnen Elementen sichergestellt.
Hier ein kleines Programmierbeispiel in Visual Basic, bei dem in einem geladenen
Bild von einem Mittelpunkt aus kreisförmig nach der Kante gesucht wird. Es werden
zuerst die Koordinaten für die Suchbereiche festgelegt bzw. errechnet. In einer
Schleife wird das Tool mit den neu berechneten Parametern auf das dargestellte Bild
angewendet und die gefundenen Punkte als Overlay angezeigt (Abb. 4-9)
Das zur Befehlsschaltfläche „Bild laden“ gehörende Modul ist ein Standardtool des
CVB. In der Entwicklungsumgebung wird das ActiveX-Element EdgeControl auf die
Oberfläche abgelegt und kann direkt aus dem Programm ohne Deklaration im
Programmtext aufgerufen. Die gefundenen Koordinaten können in einer Matrix
abgelegt werden und stehen für weitere Auswertungen zur Verfügung. So könnte
beispielsweise der Durchmesser der Öffnung durch einen Ausgleichskreis vermessen
oder die Lage des Ausgusses erkannt werden.
Quellcode:
Private Sub Kante_Click()
Dim I As Integer
pi=3.141
‘ Zuweisung des Bildes
CVCEdgeControl1.image = CVdisplay1.image
‘ Schleife zur Berechnung des Suchbereiches für die kreisförmige Kantenantastung
For I = -70 To 240 Step 10
CVCEdgeControl1.Threshold1 = 140
CVCEdgeControl1.x0 = 320 - 100 * Sin(I / 180 * pi)
CVCEdgeControl1.y0 = 240 + 100 * Cos(I / 180 * pi)
CVCEdgeControl1.x1 = CVCEdgeControl1.x0 - 5 * Cos(I / 180 * pi)
CVCEdgeControl1.y1 = CVCEdgeControl1.y0 - 5 * Sin(I / 180 * pi)
CVCEdgeControl1.x2 = 320 - 200 * Sin(I / 180 * pi)
CVCEdgeControl1.y2 = 240 + 200 * Cos(I / 180 * pi)
‘ Ausführung der Kantenantastung
CVCEdgeControl1.Execute
‘ Markierung des gefundenen Punktes
CVdisplay1.AddLabel I, False, 255, 1, CVCEdgeControl1.px, CVCEdgeControl1.py
Next I
End Sub
57
Abb. 4-9: Bildschirm mit gefundenen Kantenpositionen
Der Umgang mit solchen Tools ist sehr einfach und auch für unerfahrene
Programmierer erlernbar. Für Anwender ohne Programmierkenntnisse ist dieses
Produkt jedoch nicht sinnvoll einsetzbar.
4.2.2 Matrox Imaging Library
Dieses Produkt der Firma Matrox ist dem Common Vision Blox sehr ähnlich. Es
wird aber als vollständiges Paket mit allen verfügbaren Funktionen für mehrere
Tausend Mark angeboten. Für jedes erstellte Programm, das eingesetzt wird, ist eine
sogenannte Runtime-Lizenz zu erstehen. Die Kosten liegen hier bei mehreren
hundert Mark. Da die Firma Matrox eine Vielzahl von Framegrabbern herstellt, ist
für jede Anwendung ein kompatibler Framegrabber mit den jeweiligen Leistungsdaten erhältlich. Sehr interessant ist das Gerät Matrox 4Sight II. Es handelt sich dabei
um eine kleinen PC, dessen Leistungsdaten ebenfalls den Anforderungen angepasst
werden können. Die eingebaute Hardware ist kompatibel zur hauseigenen Software.
So lassen sich sehr kompakte aber dennoch äußerst flexible Applikationen erstellen.
Dieses Gerät ist auch auf den bereits erwähnten IEEE-1394-Bus ausgelegt. Dadurch
ist auch die Verwendung von digitalen Kameras möglich.
Abb. 4-10: Matrox 4Sight II
Werksbild der Firma Matrox
58
4.3
Parametrierbare Software
Alle bisher erwähnten Software-Produkte können nur von Anwendern mit
Programmiererfahrung verwendet werden. Für Anwender, die auch ohne
Programmierkenntnisse selbst Applikationen erstellen wollen, sind Produkte erhältlich, die Lösungen ohne Programmierung ermöglichen. Diese Programme werden
nur parametriert, d. h. es werden vorgefertigte Prüfbefehle aneinandergereiht und mit
den Eingangsparametern versehen. Das Ziel einfache Bedienbarkeit kann nur über
die Beschränkung der Komplexität der Software erreicht werden. So ist durch die
festgelegten Prüfbefehle und deren Eingangsgrößen die Flexibilität von solchen
Programmen gegenüber der von programmierten Lösungen stark eingeschränkt.
4.3.1 NeuroCheck
Die Software NeuroCheck ist Kernstück eines Leihsystems, das die Firma DS-GmbH
aus Remseck für die Dauer dieser Arbeit zur Verfügung stellte.
Dieses Produkt eignet sich hervorragend, eigene Applikationen ohne Programmierkenntnisse zu erstellen. Hierzu stehen vielfältige Prüfbefehle zur Verfügung, die per
Maus ausgewählt und parametriert werden. Die Software ist äußerst leicht zu
erlernen und zu bedienen. Mit ihr lassen sich dennoch leistungsfähige Applikationen
erstellen. Es können verschiedene Benutzerprofile mit entsprechenden Zugriffsrechten definiert und durch Passwörter geschützt werden. Kommunikation über
übliche Schnittstellen (seriell, parallel, digital ...) ist sehr einfach möglich.
Diese Software eignet sich sehr gut, um im Rahmen einer Voruntersuchung zunächst
eine schnelle Lösung zu erarbeiten. In der neuesten Version ist das Programm durch
viele Internet- und Netzwerkoptionen erweitert worden. Das Layout der Visualisierung kann in Grenzen den eigenen Anforderungen angepasst werden. Es ist möglich,
ein eigenes Programm mit entsprechender Oberfläche und Eingabefenstern zu
nutzen, aus dem heraus NeuroCheck über die OLE-Schnittstelle (Softwareschnittstelle) gestartet und gesteuert werden kann. Zwischen den im NeuroCheck erstellten
Prüfprogrammen und dem eigenen Programm können in beide Richtungen Daten
ausgetauscht werden. So können von außen Sollwerte und Parameter in den einzelnen Prüfschritten verändert und Ergebnisse der Prüfungen aus einer Ergebnismatrix
ausgelesen werden.
Um die Flexibilität einer programmierten Lösung zu erreichen, wird dem Anwender
die Möglichkeit geboten, eigene DLLs ins Programm als neue Prüfbefehle einzubinden. So können weitere Tools, die nicht im Programm enthalten sind, eingebaut
werden. Diese Möglichkeit kann aber nur von erfahrenen Programmierern genutzt
werden.
4.3.2 SAC-Coake
Die Funktionsweise des SAC-Coake der Firma SAC aus Karlsruhe ist der des bereits
vorgestellten Programms NeuroCheck ähnlich, einzelne Prüfbefehle werden in Form
von Icons an eine frei wählbare Stelle im sogenannten Programmeditor gesetzt und
im danach erscheinenden Fenster parametriert („Drag & Drop“).
Nicht nur der Name CamALot der PC-Kamera zeugt von der Fantasie der
Entwickler. Auch die Verwendung einiger Prüfbefehle ist sehr kreativ und praktisch
gelöst. So können Suchbereiche für Vermessungsaufgaben durch einen im Bild
erscheinenden Messschieber eingerichtet werden. Er hebt sich nicht nur durch sein
Erscheinungsbild, sondern auch durch seine komfortable Bedienung von den
59
restlichen auf den Markt befindlichen Produkten ab. Der Messschieber lässt sich in
alle nötigen Richtungen verändern oder verschieben. Auch zeigt dieses Programm
durch die Möglichkeit verschiedene Arten von Variablen, wie Punkte und Geraden,
zu definieren, eine erhöhte Flexibilität, da auf diese Variablen in späteren Abschnitten des Prüfprogramms zugegriffen werden kann.
Die größte Flexibilität wird bei der sogenannten Professional Edition erreicht, in der
das Programm im offengelegten Quellcode den eigen Wünschen angepasst oder
durch eigene Module erweitert werden kann. Dadurch lassen sich für reguläre
Aufgaben schnell Prüfprogramme ohne großen Programmieraufwand erstellen.
Sollte für eine Applikation ein spezielles nicht vorhandenes Modul benötigt werden,
kann es jedoch vom Anwender hinzuprogrammiert oder -gekauft und eingebunden
werden, ohne den Rest des Programms selbst erstellen zu müssen.
Durch die erhöhte Flexibilität ist an einigen Stellen die Übersichtlichkeit bzw. die
einfache Bedienbarkeit vermindert, da nicht jeder Schritt selbsterklärend und sofort
zu verstehen ist. Auch ist an einigen Stellen nicht ersichtlich, wie man zwischen den
Betriebsmodi wechselt.
Dieses Programm ist außerdem in einer Version lieferbar, die es ermöglicht, einen
handelsüblichen Scanner als Bildquelle zu verwenden. Mit einem Scanner können
plane Gegenstände, die auf die Scannerplatte gelegt werden, in sehr hoher Auflösung
aufgenommen und somit auch sehr genau vermessen werden, wobei ein Scanner
durch seinen äußerst niedrigen Preis das Projektbudget stark entlastet. Man kann
noch genauere Ergebnisse erzielen, wenn man die bestehende Möglichkeit nutzt,
variierende Abbildungsmaßstäbe des Scanners mit Hilfe einer Kalibrierplatte
festzustellen und im aufgenommen Bild später zu korrigieren.
Die Software eignet sich hervorragend für Anwender, die bereit sind für die größere
Flexibilität eine aufwendigere Bedienung, die natürlich etwas Training benötigt, in
Kauf zu nehmen. Speziell Anwender mit sehr guten Visual Basic Kenntnissen sollten
die Professional Edition des SAC-Coake in Betracht ziehen, da die Möglichkeiten
Prüfprogramme zu erstellen durch die Offenlegung des Quellcodes nahezu
unbegrenzt sind, aber dennoch Applikationen von Anwendern ohne Programmierkenntnisse erstellt werden können.
Abb. 4-11: Oberfläche des SAC-Coake / Werksbild der Firma SAC, Karlsruhe
60
5
Anlagenhersteller
In vielen Fällen ist es nicht sinnvoll, eine Applikation mit zugekauften Komponenten
selbst zu erstellen. Viele Aufgabenstellungen sind auch für die modernen standardisierten Bildverarbeitungslösungen zu komplex. Dies würde eine vollständige
Neuentwicklung nötig machen, die oft viel zu teuer ist. Auch ist nicht immer das
nötige Fachwissen für ein solches Projekt vorhanden. Dann ist es günstiger, mit
einem Anlagenhersteller zusammenzuarbeiten.
Viele Hersteller haben sich auf bestimmte Anwendungen spezialisiert und besitzen
dadurch bereits große Erfahrung bei der Durchführung von Projekten in diesen
Bereichen. Es existieren auch meistens schon laufende Anlagen oder Produkte, die
den Anforderungen des neuen Projektes angepasst werden können. Dies spart einen
Großteil der sonst nötigen Entwicklungskosten.
Ist keine Lösung vorhanden und daher eine Neuentwicklung notwendig, ist die
Zusammenarbeit mit einem solchen Hersteller ebenfalls sinnvoll, da die Erfahrung
und das Fachwissen in diesen Firmen ein enormes Einsparpotenzial bei den
Entwicklungskosten mit sich bringt. Im Rahmen dieser Arbeit wurde Kontakt zu
zwei großen Bildverarbeiterfirmen aufgenommen, die in der Nähe des Standortes der
Firma Schott Glas ansässig sind.
Die Firma ISRA aus Darmstadt stellt sehr leistungsfähige Systeme für die
Oberflächeninspektion, speziell auch für Gläser her. Daher ist sie für die Firma
Schott Glas als Spezialglashersteller durch ihre Erfahrung und räumliche Nähe ein
sehr interessanter Partner. Auch die Systeme für das Robot Vision zeichnen sich
durch hohe Flexibilität und Prozesssicherheit aus.
Kontakt wurde ebenfalls mit der Firma Vitronic aus Wiesbaden, einer der größten
Bildverarbeiterfirmen Deutschlands, aufgenommen. Neben ihren Standardprodukten
bietet Vitronic die Entwicklung von Spezialanwendungen an. Die Firma beschränkt
sich in der Regel auf sehr komplexe und schwierige Problemstellungen. Sie zeichnet
sich durch ein hervorragendes Fachwissen in allen Bereichen der Bildverarbeitung
aus.
Beide Firmen bieten fast ausschließlich Anwendungen für den High-End-Bereich an.
Weitere kontaktierte Firmen sind im beigefügten Firmenverzeichnis erwähnt.
61
6
Durchführung von Projekten
Die bis jetzt theoretisch vorgestellten Komponenten werden in der Praxis für die
jeweils durchzuführenden Projekte ausgewählt und zusammengestellt.
6.1
Lastenheft
Am Anfang eines jeden Projektes steht die genaue Definition der Aufgabenstellung.
Es muss genau festgelegt werden, welche Eigenschaften eines Objektes untersucht
werden sollen und welche Kriterien das Objekt erfüllen muss. Die gewünschte
Genauigkeit der Auswertung sowie die Zeitabläufe bei der Produktion wie z. B.
Taktzeiten müssen ermittelt werden.
Aus diesen Daten muss ein Lastenheft erstellt werden, das neben den für die
Beschaffung von Anlagen üblichen Punkten weitere Bedingungen umfasst. Der
spätere genaue Inhalt wird meist in Zusammenarbeit mit dem Lieferanten angepasst,
da die Realisierung der Aufgabe sich erheblich vom ersten Ansatz unterscheiden
kann.
Mögliche Inhalte sind:
-
Beschreibung des Prüfteils
- Bildfeldgöße
- Gesamtgröße des Prüfteils
- Produktspektrum
- Größe des zu untersuchenden Ausschnitts
- Material
- Transmission
- Reflexion
- Farbe
- Temperatur
- Oberflächenbeschaffenheit
- Textur
- Bedruckung
- Verschmutzung der Oberfläche
- Bewegung (gleichförmig, ungleichförmig, Schwingungen)
- Position im Bildfeld (konstant, nicht konstant)
-
Definition der Aufgabe
- zu erkennende Merkmale
- Genauigkeit
- Art der Auswertung
- Umgang mit Messwerten
- variierende Toleranzen
- Fehlerkatalog
-
Umgebungsbedingungen
- Taktzeiten
- Zeit zum Einrichten neuer Produkte
- Hintergrund des Prüfteils
- Fördersystem
- Raumtemperatur
62
-
Fremdlicht
Schmutz
Feuchtigkeit
zu Verfügung stehender Platz (Kamera, Beleuchtung, Auswerteeinheit,
Bildschirm)
Arbeitsabstand
Abstand zwischen Komponenten (Auswertung, Bildschirm, Kamera,
Beleuchtung)
-
Bedienoberfläche
- Passwortschutz der Oberfläche
- Eingabe von neuen Toleranzen
- Einlernen von neuen Objekten (Musterteile, CAD-Zeichnungen, ...)
- Anpassung des Programms
- Abspeichern von Bildern
- Visualisierung
-
Anlagenanbindung
- kontinuierliche Prüfung oder externes Startsignal
- Schnittstellen
- Kommunikation
- Statistiken
- Fernwartung
-
Systemarchitektur
- Hardwareaufbau
- Betriebsystem
- stand alone oder vernetzt
-
Dokumentation
- Schaltpläne
- Konstruktionspläne
- Handbücher
- Musterbilder
- Quellcode der Software (gegebenenfalls bei Notar hinterlegen)
- Wartungsplan
6.2
Kontaktaufnahme
Um einen Lieferanten auszuwählen, muss man Kontakt mit möglichen Anbietern
aufnehmen. Dazu eignen sich vor allem Messen. Dort kann das Produktspektrum des
Lieferanten begutachtet und die Applikation vor Ort mit den Firmen durchgesprochen werden. Ist der Besuch einer Messe nicht möglich, muss der Kontakt mit
Lieferanten auf andern Wegen hergestellt werden.
Eine gute Adressenquelle ist die Fachabteilung „Industrielle Bildverarbeitung/
Machine Vision“ im Verband Deutscher Maschinen- und Anlagenbau e.V. (VDMA).
Viele Firmen im Bereich der Bildverarbeitung sind Mitglied dieses Verbandes. Sie
sind in seiner Jahresbroschüre [VDMA00] mit Adresse und Firmenbeschreibung
erwähnt. Dort können sie anhand ihrer Referenzen und Kernkompetenzen
ausgewählt werden. Das Internet ist ebenfalls eine hervorragende Informationsquelle
für mögliche Lieferanten. Da allein in Deutschland mehr als 100
63
Bildverarbeiterfirmen am Markt sind, muss bereits bei der Kontaktaufnahme eine
Vorauswahl stattfinden.
Einige Firmen haben sich auf besondere Anwendungen spezialisiert. Diese Firmen
können bereits große Erfahrung im gesuchten Bereich haben. Oder sie haben sogar
Standardlösungen im Angebot, die sich leicht an die Anforderungen anpassen lassen.
Dadurch verringert sich der Planungs- bzw. Entwicklungsaufwand erheblich.
Bereits vor der Kontaktaufnahme sollte feststehen, ob die Anlage von einem
Systemlieferanten bezogen werden soll oder ob man mit zugekauften Komponenten
die Anlage selbst entwickelt und in Betrieb nimmt.
Aspekte bei der Auswahl können sein:
6.3
Produkte (Standardlösung vorhanden)
Größe des Unternehmens (Gewährleistung auch in Zukunft)
Erfahrungen (Ähnliche Anlage bereits geliefert)
Referenzen
Kapazität
Persönliche Aspekte
Regionale Lage (kurze Wege und somit schnelle Reaktion und Support)
Alternative Technologien
Neben der Bildverarbeitung werden für einige Anwendungen alternative Technologien angeboten, deren Einsatz auch zu überprüfen ist. Diese Technologien können in
einigen Fällen erhebliche Vorteile bringen. Ein Beispiel für solche Technologien ist
der Einsatz von Laserscannern. Der Aufbau ähnelt dem einer Zeilenkamera. Ein in
eine Richtung oszillierender Laserpunkt rastert die Oberfläche des Objektes ab. Auch
hier kann in Reflexion oder Transmission gemessen werden. Der Vergleich des
reflektierten oder transmittierten Lasersignals mit einem Sollsignal lässt Rückschlüsse auf mögliche Abweichungen der Eigenschaften des Objektes zu. Durch
solche Systeme werden z. B. optische Fehler in Flachglas erkannt. Die Möglichkeit
Fehler zu unterscheiden und zu klassifizieren sind allerdings bei solchen Systemen
gegenüber der Bildverarbeitung begrenzt.
6.4
Bemusterung
Nach der ersten Kontaktaufnahme muss der Lieferant bemustert werden. D. h. ihm
müssen für eine Voruntersuchung, bei der er ein Anlagenkonzept erarbeitet,
aussagekräftige Musterteile zu Verfügung gestellt werden. Die relevanten Eigenschaften der Teile müssen den Eigenschaften der späteren Prüfteile entsprechen.
Dabei handelt es sich nicht nur um die Eigenschaften, die später überprüft werden,
sondern auch um Eigenschaften, die ihrerseits die Prüfung beeinflussen. Hier
gemachte Fehler können später große Schwierigkeiten hervorrufen. Kann für die
Voruntersuchung nur ein Prototyp zur Verfügung gestellt werden, muss sichergestellt
sein, dass das spätere Produkt die gleichen Bilder erzeugt. Hat der Prototyp z. B.
durch andere Prozessparameter eine vom Produkt abweichende Oberfläche, kann
dies einen völlig anderen Aufbau der Beleuchtungen notwendig machen.
64
6.5
Angebotsprüfung
Nach der Voruntersuchung geben die Hersteller ein Angebot über Komponenten
oder Komplettsysteme ab. Neben dem Angebotsvergleich zwischen den Anbietern ist
eine genaue Überprüfung aller Angebote nötig. Es ist sicherzustellen, dass die
Auswertung der Merkmale und die Prozessanbindung genau den eigenen Wünschen
entsprechen. Der Softwareanteil an solchen Anlagen ist sehr hoch und gerade in
diesem Bereich sind Verwechselungen schnell möglich. Daher bedarf es hier einer
genauen Kontrolle.
6.6
Lieferantenauswahl
Nach dem Vergleich der Angebote wird ein Lieferant ausgewählt. Die Aspekte sind
die gleichen wie bei der Kontaktaufnahme. Hinzu kommen Aspekte, die die Anlage
betreffen:
-
Leistungsfähigkeit
Genauigkeit
Kosten/Nutzen
Schulungsaufwand
Prozesssicherheit
65
7
Beispielprojekte
Im Rahmen dieser Arbeit wurden eine Reihe von Projekten im Bereich der Bildverarbeitung durchgeführt. Einige dieser Projekte unterliegen der Geheimhaltung, da
es sich um neue Produkte oder Produktionsverfahren handelt. Sie dürfen daher nur
ohne Details oder gar nicht veröffentlicht werden. Als Beispiele werden drei Projekte
vorgestellt.
7.1
Winkelmessung Lichtleiterstab
Ein Produkt der Firma Schott sind faseroptische Lichtleiterstäbe (FST). Diese
werden z. B. in die Handstücke von Bohrern aus der Zahnmedizin eingesetzt, um
Licht innerhalb des Handstückes an den Bohrerkopf zu leiten. Dem Kunden werden
Spezifikationen wie z. B. Maßhaltigkeit dieser FST zugesichert. Während der
Produktion werden die Stäbe gebogen und zugesägt. Der Winkel==α dieses Biegevorgangs ist durch die Alterung der verwendeten Biegeformen und Prozessschwankungen fehlerbehaftet. Bisher konnte nur manuell an wenigen Stichproben
der Winkel überprüft werden. Infolge der gestiegenen Anforderungen will man aber
eine 100%-Kontrolle aller FST einführen. Sie muss schneller und ebenso genau wie
die bisherige optische Vermessung mittels eines telezentrischen Projektors sein.
Diese telezentrischen Projektoren bilden den Schatten des FST auf eine Mattscheibe
ab. Der Schatten kann durch einen x-y-Tisch auf der Scheibe verschoben werden. An
der Mattscheibe befindet sich ein Sensor, der einen Helldunkelübergang zusammen
mit den Koordinaten des Tisches ermitteln kann. So werden pro Schenkel des
Winkels drei Koordinaten der Kante ermittelt und mittels linearer Regression eine
Geradengleichung errechnet. Zwischen diesen Geraden wird der Winkel berechnet
und ausgegeben. Dieser Methode ist sehr umständlich und langsam.
Abb. 7-1: Zeichnung des fertigen Stabes
α
Abb. 7-2: Bild des Stabes während der Produktion
66
Folgende Anforderungen wurden formuliert:
Der Winkel α soll mit einer Genauigkeit von mindestens 0,05° gemessen werden.
Der FST wird manuell ins Bildfeld des Systems gelegt und die Auswertung ebenfalls
manuell gestartet. Der Messwert soll auf einem Bildschirm ausgegeben werden. Eine
Kommunikation mit weiteren Geräten ist nicht notwendig. Der FST ist zu diesem
Zeitpunkt erkaltet. Die Produktionsumgebung ist sehr sauber. Sie entspricht Laborbedingungen. Die Auswertungszeit kann bis zu 10 Sekunden betragen.
Messgröße:
Sollwert:
Genauigkeit:
Fördertechnik:
Zeitanforderung:
Umgebung:
Kommunikation:
Winkel α
21°
∆α<0,05°
manuell
t<10 sec.
Laborbedingungen
keine
Die Erstellung eines ausführlichen Lastenheftes war durch die geringen Anforderungen nicht notwendig. Da in der Abteilung das nötige Fachwissen vorhanden
war, wurde entschieden, eine Lösung durch zugekaufte Komponenten selbst zu
realisieren.
Kontaktiert und bemustert wurden die Firmen FiberVision, Cognex, DS-GmbH und
Stemmer. Sie wurden gebeten, eine Voruntersuchung durchzuführen. Aus den
Ergebnissen sollte ein Angebot über die nötigen Komponenten erstellt werden.
Folgende Komponenten wurden angeboten:
FiberVision:
- Pictor M1004 inkl. VC11-Kamera 740 x 580 Pixel
- telezentrisches Objektiv inkl. Tageslichtfilter
- IR-Flächenlicht als Durchlicht (96 mm x 46 mm)
- VCWin 1.6
- Anschlußmaterial
Cognex:
- InSight 2000
- telezentrisches Objektiv
- Flächenlicht
DS-GmbH:
- DS-SG PCI-Karte zur Bilddatenübertragung, pixeltaktkompatibel, asynchron
- Asynchron CCD-Kamera 782 x 582 Pixel
- verzeichnungsarmes Präzisions-Objektiv
- NeuroCheck 5.0
Stemmer:
Die Firma Stemmer machte kein Angebot, da ihrer Auffassung nach die
Voruntersuchung gezeigt habe, dass diese Genauigkeit mit üblichen Auflösungen
(1024 x 1024) nicht zu erreichen wäre.
67
Die Angebote unterschieden sich nicht nur im Preis erheblich (12.000 DM bis 22.000
DM), sondern auch in den verwendeten Komponenten. Unterschiede waren in der
Verwendung von Tageslichtfiltern, telezentrischen Optiken und den Kameras festzustellen.
Das Argument der Firma DS-GmbH für ihr angebotenes Objektiv war die geringe
Tiefe (3,3 mm) des Objektes und der feste Arbeitsabstand. Die Abbildungseigenschaften der Optik seien für diese Aufgabenstellung ausreichend.
Für die Verwendung eines Tageslichtfilters in Verbindung mit einem IR-Licht sprach
nach Aussagen der Firma FiberVision die Verhinderung von störenden Reflexionen
an der Oberfläche des FST.
Ein Telefonat mit der Firma Stemmer ergab, dass die Genauigkeit der Kantenantastung durch die Auflösung im geforderten Bereich liegt. Um die geforderte
Genauigkeit zu erreichen, sei die Verwendung einer Zeilenkamera notwendig. Sie
müsse in Verbindung mit einem Schrittmotor o. Ä. das Objekt mit einer sehr hohen
Auflösung abtasten.
Die Aussagen bezüglich der erforderlichen Auflösung widersprachen sich. Daher
war es notwendig, eine Fehlerabschätzung durchzufuhren. Als Kameraauflösung
wurden 1000 x 1000 Pixel angenommen. Der Faserstab hat eine Ausdehnung von ca.
80 mm. Sie muss durch das Bild erfasst werden. Daraus ergibt sich ein Bildfeld von
80 mm x 80 mm. Aus der Bildfeldgröße und der Auflösung erhält man eine
Pixeldimension von 80 µm. Die Pixelkoordinaten und somit auch die angetasteten
Punkte der Kante können also nur in diesen Schritten angegeben werden. Zwischenwerte sind nur durch Subpixelroutinen möglich. Sie sollen in diesem Fall vernachlässigt werden, da sie bei der Kantenantastung nur eine Abschätzung darstellen.
1000 Pixel
1000 Pixel
Abb. 7-3: angenommenes Bildfeld
Eine Hälfte des Schenkels hat eine Länge von 40 mm. Unter der Annahme, dass zur
Winkelbestimmung nur der äußerste Punkt als einzelner Stützpunkt angetastet wird,
ergibt sich folgendes Dreieck, aus dem der Winkel bestimmt werden kann. Als ∆h
wird die Pixeldimension von 0,08 mm angenommen, da die Kante zwischen zwei
Pixeln springen kann. Um die Abweichung des Winkels zu bestimmen, muss der
zweite Winkel mit dem vergrößerten Schenkel berechnet und vom Sollwert
abgezogen werden. Der errechnete Fehler gilt für beide Schenkel und geht somit
doppelt in den Gesamtfehler ein.
α1 = 10,5° l ≈ 40mm
h1 = tan (10,5°) ⋅ 40mm = 7,4136mm
∆h = 0,08mm
æ h + ∆h ö
α '1 = tan −1 ç 1
= 10,61°
è 40mm
∆α1 ≈ 0,1°
∆α ges. ≈ 0,2°
∆h
h1
α‘1 α1
l
Abb. 7-4: entstehendes Dreieck
68
Die Winkelbestimmung zieht jedoch nicht nur einen Punkt als Grundlage zur
Winkelbestimmung heran, sondern es werden viele Punkte angetastet. Die Stützpunkte werden mittels linearer Regression durch eine Ausgleichsgerade angenähert,
deren Winkel bestimmt wird. Der mögliche Fehler ist schwer zu berechnen. Daher
wird er im Tabellenkalkulationsprogramm Excel abgeschätzt.
Wie beschrieben ist die Pixeldimension 8 µm. Es können also nur ganze Vielfache
dieses Wertes als Koordinaten vorkommen. Die dafür notwendige Rundung wird
durch eine kleines Makro in VBA (Visual Basic for Applications) ausgeführt. Die
entstehenden Koordinaten werden in ein Diagramm eingetragen. Durch Einfügen
einer linearen Trendlinie erhält man die Geradengleichung der linearen Regression
und kann aus den beiden ermittelten Steigungen den Winkel zwischen den Geraden
berechnen. Es kommt zu Abweichungen zwischen theoretischem und ermittelten
Wert. Diese Berechnung wurde für 40 und für 400 Stützpunkte bei verschiedenen
Winkeln der ersten Gerade durchgeführt.
Winkel2
Winkel1
x-Achse
Abb. 7-5: Geradenabschnitte des FST
Geradengleichung:
y = m⋅ x +b
m1 = tan −1 (winkel1) m2 = tan −1 (winkel1 − 21)
α Re gerssion = tan −1 (m1 ) − tan −1 (m2 )
Quellcode des Makros:
Private Sub CommandButton1_Click()
aktivetabelle = ActiveSheet.Name
pixelanzahl = 400
' maximale Pixelanzahl pro Geradenabschnitt
stützpanzahl = 40 ' Anzahl der Stützpunkte für die lineare Regression
winkelgerade1 = 10 ' Winkel der ersten Gerade zur x-Achse
Pi = 3.141592654
m1 = Tan(winkelgerade1 * Pi / 180) ' Berechnung der Steigung Gerade 1
m2 = Tan((winkelgerade1 - 21) * Pi / 180) ' Berechnung der Steigung Gerade 2
For i = 1 To stützpanzahl
' x-Koordinate des Pixels
Worksheets(aktivetabelle).Cells(i, 5) = 0.08 * i * pixelanzahl/stützpanzahl
' genaue y-Koordinate der Kante an Stelle x
Worksheets(aktivetabelle).Cells(i, 6) = 0.08 * i * m1 * pixelanzahl/stützpanzahl
' gerundete y-Koordinate der Kante an Stelle x
Worksheets(aktivetabelle).Cells(i, 7) = 0.08 * Val(i * m1 * pixelanzahl/stützpanzahl
' genaue y-Koordinate der Kante an Stelle x
Worksheets(aktivetabelle).Cells(i, 8) = 6 + 0.08 * i * m2 * pixelanzahl/stützpanzahl
' gerundete y-Koordinate der Kante an Stelle x
Worksheets(aktivetabelle).Cells(i, 9)=0.08*Val(6/0.08+i*m2*pixelanzahl/stützpanzahl)
Next i
End Sub
69
Lineare Regression mit 40 Stützpunkten pro Gerade
7
6
5
Winkel zwischen den Geraden:
20,978°
y / mm
4
y = 0,176360x - 0,040308
R2 = 0,999805
y = -0,194690x + 5,968923
R2 = 0,999833
3
2
Gerade1
Gerade2
1
Linear (Gerade1)
Linear (Gerade2)
0
0
5
10
15
20
25
30
35
-1
x / mm
Abb. 7-6 entstandenes Diagramm
Tabelle 2: Abschätzung der Fehler durch die begrenzte Auflösung, 40 Stützpunkte
Winkel1
20
15
10
5
0
m1Regression
0,363959
0,267974
0,176360
0,087664
0,000000
40 Stützpunkte
m2Regeression
αRegression
-0,017083
20,978
-0,104109
20,945
-0,194690
21,019
-0,286745
21,010
-0,383762
20,995
Abweichung
-0,022
-0,055
0,019
0,010
-0,005
Tabelle 3: Abschätzung der Fehler durch die begrenzte Auflösung, 400 Stützpunkte
Winkel1
20
15
10
5
0
m1Regression
0,363933
0,267933
0,176462
0,087423
0,000000
400 Stützpunkte
m2Regeression
αRegression
-0,017121
20,979
-0,105099
20,999
-0,194442
21,011
-0,286671
20,992
-0,383891
21,001
Abweichung
-0,021
-0,001
0,011
-0,008
0,001
Die Abschätzung zeigte, dass die geforderte Genauigkeit bei ausreichender
Stützpunktanzahl erreicht werden kann. Die Werte gehen von idealen Bedingungen
aus, d. h. es wird angenommen, dass keine Abbildungsfehler vorhanden sind und die
Kante genau gefunden wird. Durch Abbildungsfehler ist ein größerer Fehler nicht
auszuschließen.
Überlegungen, eine hohe Auflösung durch die Verwendung einer bewegten Zeilenkamera erreichen zu können, führten zur Idee, diesen Aufbau durch einen handelsüblichen Scanner zu realisieren. Der FST hat, wie beschrieben, eine geringe Tiefe
und kann auf die Glasplatte eines Scanners gelegt werden. Dessen zeilenförmiger
70
CCD-Chip, der durch einen Schrittmotor bewegt wird, erlaubt extrem hohe
Auflösungen. Zu Testzwecken wurden Bilder eines FST mit einem Scanner
aufgenommen und durch die Software NeuroCheck ausgewertet. Die Bilder zeigten
eine scharfe Abbildung der Kante mit sehr gutem Kontrast.
Ein Vergleich zwischen alter Methode und den Testbildern ergab eine Abweichung
von 0,2°. Auch wurde eine Abweichung zwischen den Auswertungen unterschiedlicher Bilder des gleichen FST festgestellt. Dies konnte durch die sowohl in xals auch in y-Richtung unkonstanten Abbildungsmaßstäbe erklärt werden. Daraus
ließ sich folgern, dass die Werte von der Lage des FST auf dem Scanner abhängig
sind. Um also einen handelsüblichen Scanner verwenden zu können, waren weitere
Anpassungen notwendig.
Abb. 7-7: Originalbild
Abb. 7-8: Bild mit Verzeichnung
Durch Messung eines Stabes mit bekanntem Winkel kann ein Umrechnungsfaktor
ermittelt werden. Die ermittelten Winkel werden also mit bekannten Winkeln
kalibriert. Die Abweichung zwischen den einzelnen Messwerten dürfen die
geforderte Genauigkeit nicht überschreiten.
Um die Reproduzierbarkeit ermitteln zu können, war eine statistische Untersuchung
mit einer hohen Stichprobenanzahl nötig. Dazu wurde die Messung provisorisch
automatisiert. Im Internet wurde ein Tool zum Bildeinzug nach TWAIN-Standard
gefunden. Dieser Standard definiert eine Softwareschnittestelle, um Bildquellen
anzusprechen. Das Tool DaVinci Pro der Firma Herd Software Entwicklung aus
Bürstadt kann als ActiveX- Steuerelement in eine eigene Anwendung implementiert
werden. Es wurde ein Programm in Visual Basic erstellt, welches den Scanvorgang
auslöst und das aufgenommene Bild in einer Datei unter einem festen Pfad auf der
Festplatte ablegt. In NeuroCheck wurde ein Prüfprogramm erstellt, das auf diesen
Pfad zugreift und das dort abgelegte Bild auswertet. Das Prüfprogramm wird durch
die Visual Basic Anwendung gestartet und die in einer Matrix abgelegten Ergebnisse
werden ausgelesen und auf dem Bildschirm dargestellt.
Programmcode:
‘ Deklaration
Option Explicit
Dim NeuroCheck As Object
Dim CheckRoutine As Object
Dim SingleCheck As Object
Dim CheckFunction As Object
Private Sub Command3_Click()
‘ Reset des Textfeldes
TxtWinkel.Text = ""
‘ Aktivierung des Scanvorgang
Call DavCtl1.TWAINAquire(True, 0)
‘ Abspeichern des Bildes
DavCtl1.SaveToFile ("d:\lichtleiterstab\mess_stab_2.bmp")
71
‘ Starten von NeuroCheck
NeuroCheck.open ("d:\lichtleiterstab\lichtleiterstab_winkel_anschlag.Chr ")
Set CheckRoutine = NeuroCheck.ActiveCheckRoutine
NeuroCheck.OperatingMode = 3
CheckRoutine.Visible = True
NeuroCheck.execute
‘ Schleife zum Auslesen der Ergebnismatrix
For Each SingleCheck In CheckRoutine
For Each CheckFunction In SingleCheck
If CheckFunction.functionid = 527 Then
TxtWinkel = Round(CheckFunction.getresultitem(0, 1), 3) & "°"
Next CheckFunction
Next SingleCheck
End Sub
Private Sub Form_Load()
‘ Objektzuweisung
Set NeuroCheck = CreateObject("NeuroCheck.Application")
End Sub
Private Sub Form_Unload(Cancel As Integer)
‘ Schließung NeuroCheck
NeuroCheck.quit
End Sub
Abb. 7-9: durch TWAIN Schnittstelle geöffnetes Scannerprogramm Abb. 7-10: gescanntes Bild und ermittelter Winkel
Abb. 7-11: In NeuroCheck erstelltes Prüfprogramm
72
Dieses Programm erlaubte es, eine statistische Untersuchung mit vertretbarem
Aufwand durchzuführen. In einer ersten Messreihe wurde der Stab nach jeder
Messung ohne feste Positionierung neu auf den Scanner gelegt und die Bilderfassung
und Auswertung gestartet. So konnte der Einfluss der Positionierung auf den Scanner
ermittelt werden. In einer zweiten Messreihe wurde zur Positionierung ein
provisorischer Anschlag aus Pappe auf der Scannerplatte befestigt. Pro Messreihe
wurden jeweils 100 Messwerte aufgenommen.
Tabelle 4: Messwerte der Winkel ohne Anschlag
21,019
21,002
21,000
21,004
21,022
21,016
21,027
21,028
21,016
21,018
21,025
21,015
21,012
21,020
21,009
21,016
21,042
21,033
21,047
21,012
21,005
21,005
21,005
21,004
21,007
21,019
21,020
21,004
21,008
21,022
Winkel ohne Anschlag
21,032 21,042 20,997 21,025
21,005 21,031 21,044 21,036
21,035 21,004 21,034 21,039
21,025 21,003 21,050 21,049
21,019 21,053 21,030 21,028
21,019 21,039 21,018 21,022
21,027 21,054 21,023 21,035
21,035 21,028 21,017 21,025
21,016 21,024 21,021 21,020
21,017 21,045 21,034 21,029
21,022
21,006
21,001
20,997
20,998
21,047
21,042
21,050
21,047
21,047
21,056
21,033
21,032
21,037
21,033
21,029
21,014
21,000
21,040
21,029
21,051
21,047
21,044
21,039
21,013
21,014
21,024
21,015
21,019
21,021
21,022
21,006
21,001
20,997
20,998
21,047
21,042
21,050
21,047
21,047
21,056
21,033
21,032
21,037
21,033
21,029
21,014
21,000
21,040
21,029
21,051
21,047
21,044
21,039
21,013
21,014
21,024
21,015
21,019
21,021
Tabelle 5: Messwerte der Winkel mit Anschlag
21,019
21,002
21,000
21,004
21,022
21,016
21,027
21,028
21,016
21,018
21,025
21,015
21,012
21,020
21,009
21,016
21,042
21,033
21,047
21,012
21,005
21,005
21,005
21,004
21,007
21,019
21,020
21,004
21,008
21,022
Winkel mit Anschlag
21,032 21,042 20,997 21,025
21,005 21,031 21,044 21,036
21,035 21,004 21,034 21,039
21,025 21,003 21,050 21,049
21,019 21,053 21,030 21,028
21,019 21,039 21,018 21,022
21,027 21,054 21,023 21,035
21,035 21,028 21,017 21,025
21,016 21,024 21,021 21,020
21,017 21,045 21,034 21,029
Um eine Aussage über die Reproduzierbarkeit zu machen wurden die Messreihen
statistisch ausgewertet:
Tabelle 6: Statistische Auswertung der Winkel
ohne Anschlag mit Anschlag
21,109
21,056
αmax.
21,021
21,025
αmittel
20,958
20,997
αmin
0,088
0,031
αmax−αmittel
0,063
0,028
αmax−αmittel
Standardabweichung
0,026
0,015
Anzahl
100
100
73
Es zeigte sich einerseits, dass bei Verwendung dieses Scanners ein Anschlag nötig
ist, um die geforderte Genauigkeit zu erreichen. Ohne Anschlag sind die
beobachteten maximalen Abweichungen zu groß. Die vorgenommene Untersuchung
zeigte aber auch, dass der Scanner als Bildquelle geeignet ist. Die Entscheidung,
übliche Komponenten der Bildverarbeitung durch ihn zu ersetzen, konnte schnell
getroffen werden. Am zugehörigen Arbeitsplatz in der Produktion ist bereits ein PC
vorhanden. Auf diesem Rechner befindet sich eine Qualitätsdatenbank, in die
Produktionsdaten eingegeben werden. Er kann ebenfalls für diese Anwendung
mitverwendet werden.
Durch diesen Zusammenhang muss als Hardware nur ein handelsüblicher leistungsfähiger Scanner (ca. 800 DM) angeschafft werden. Für die Software würde die
Anschaffung eines einzelnen Bildverarbeitungstools zur Kantenantastung genügen.
Die Kosten für dieses Tool liegen bei wenigen hundert Mark (Edge Tool von
Common Vision Blox). Zusammen mit dem Grundmodul des Common Vision Blox
entstehen Softwarekosten von ca. 1000 DM. Die Gesamtkosten liegen somit unter
2000 DM.
Da man aber diesen Aufbau auch für Produkte mit anderen Formen verwenden
wollte, entschoss man sich, eine Bildverarbeitungssoftware zum schnellen Erstellen
solcher Lösungen anzuschaffen. Die Entscheidung fiel zunächst zugunsten
NeuroCheck, da es für diese Art von Anwendungen konzipiert ist.
Vor der Bestellung wurde auf einer Messe (allerdings erst kurz vor Beendigung
dieser Arbeit) der Kontakt zur Firma SAC aus Karlsruhe aufgenommen. Eines ihrer
Produkte ist der bereits beschriebene Bildverarbeitungsinterpreter SAC-Coake. Diese
Software kann mit einer TWAIN-Schnittstelle erweitert werden. Das Programm ist
eine Visual Basic Anwendung. Als Professional Version mit offengelegtem SourceCode war es für die Ingenieure im vorgesehenen Einsatzbereich ideal, da sie sehr
gute Visual Basic Programmierkenntnissen besitzen. So können sowohl schnelle und
daher günstige Lösungen erstellt, als auch für spezielle Anwendungen alle
gewünschten Anpassungen vor Ort vorgenommen werden. Daher eignete sich diese
Software für den gewünschten Einsatz an dieser Stelle besser als das Produkt
NeuroCheck.
Bei Gesprächen mit der Firma stellte sich heraus, dass durch ein weiteres Modul die
Abbildungsfehler des Scanners erfasst und in der Software korrigiert werden können.
Dies wird durch das Einscannen einer hochgenauen Kalibrierplatte ermöglicht. Die
Verzerrung des regelmässigen Musters auf der Platte wird während einer Kalibiermessung für jeden Bildpunkt erfasst und in allen späteren Bildern durch die Software
korrigiert. Eine solche Platte war während der Erstellungszeit dieser Arbeit für
Testzwecke noch nicht lieferbar. Nach der bereits vorgenommen Inbetriebnahme des
bestellten Scanners und dem Test mit dem Produkt der Firma SAC sind weitere
Arbeiten notwendig, die aus zeitlichen Gründen erst nach Fertigstellung der Arbeit
stattfinden können.
Wenn die Kalibrierplatte eingetroffen ist, muss das Kalibriermodul der Software
getestet werden. Nach der Kalibrierung muss ein erneuter Vergleich zwischen der
alten und der neuen Messmethode stattfinden, um die Notwendigkeit einer
Umrechnung des Messwertes festzustellen. Eine Wiederholung der statistischen
Untersuchung zur Sicherstellung der Reproduzierbarkeit ist der letzte Schritt vor der
Realisierung in der Produktion und der Schulung des vorhandenen Personals.
74
7.2
Konturenprüfung Armaturengläser
An einem Standort der Firma Schott Glas wurde eine Produktionsanlage für
Armaturengläser aufgebaut. Bei diesen Gläsern handelt es ich um kleine Glasscheiben mit unterschiedlichen Formen, die mit einer Antireflex-Schicht versehen
sind. Die Glasprodukte werden für Zulieferer der Automobilindustrie hergestellt.
Dort werden sie als Sichtscheiben für Autoarmaturen verwendet. Dem Kunden wird
die Maßhaltigkeit der Kontur zugesichert. So soll sichergestellt werden, dass die
Gläser in die vorgesehenen Fassungen passen.
In der Herstellung werden die Formen in große Flachglasscheiben geritzt. Die Gläser
werden in weiteren Schritten vereinzelt und die Brechkanten geschliffen. Die
geschliffenen Gläser werden vor dem Verpacken manuell auf Kratzer und Ausmuschelungen überprüft. Die Maßhaltigkeit wird ebenfalls manuell stichprobenartig
überprüft.
In die Produktionskette sollte eine Anlage zur automatischen Konturvermessung
implementiert werden. Folgende wichtigen Anforderungen wurden formuliert und im
Lastenheft zusammengefasst:
Produkteigenschaften:
Bruttomaß:
diverse Geometrien bis D = 250 mm
Glasdicke:
2,0mm +/-0,2mm
Transmission:
> 90%
Reflexion:
0,3% (bis zu 15% bei Fehlern)
Material:
Klarglas
Eigentemperatur:
< 40°C
Oberfläche:
sauber
Rand:
geschliffene Kanten
Produktvielfalt:
20 Varianten
Messaufgabe:
- Überprüfung der Gläser auf Maßhaltigkeit und Formabweichungen
- Genauigkeit:
- +/− 0,1mm
Einlernen:
- CAD-Zeichnungen oder Referenzteil
- Muster müssen im System hinterlegbar sein
- Umrüstzeit < 5min
Produktionsbedingungen:
- Eintypenfahrweise
- Rollenförderer als Transportsystem
- 600 Teile pro Stunde
- Fremdlicht
Anlagenaufbau:
- eventuell nötiges Handlingsystem
- Messsystem
- Visualisierung
75
Prozeßschritte:
- Handling im Messsystem
- Vermessung der Gläser
- Qualitätsentscheid
- Ausschleusung
- Messwerte an übergeordnetes System senden
- Visualisierung
Da diese Aufgabe sehr komplex ist, fiel die Entscheidung, mit einem Systemlieferanten zusammenzuarbeiten. Die Firma ISRA hat bestehende Produkte für die
Oberflächeninspektion von Gläsern im Angebot und bereits mehrere Anlagen an
Schott geliefert. Da diese Systeme Glasfehler erkennen können, wurde die
Messaufgabe um diese Prüfung erweitert.
Es erfolgte die Kontaktaufnahme und anschließend die Übergabe des Lastenheftes
und der Musterteile. Die Firma ISRA legte nach einer Voruntersuchung ein Angebot
für eine Lösung vor.
Formulierte Messaufgabe:
- Maßhaltigkeit der Gläser auf 0,1 mm bestimmen
- Blasen und Kratzer ohne Berücksichtigung der Glasseite erkennen
- limitierbare zulässige Fehleranzahl
- limitierbarer minimaler Fehlerabstand
Anlagenkonzept:
- Messung in Dunkelfeld und Transmission
- telezentrische Optik
- Zeilenkamera mit 4096 Pixeln
- Scanrate konstant 5000 Hz
In Gesprächen über das Angebot stellte sich heraus, dass es bei der Formulierung der
Messaufgabe zu einem Missverständnis gekommen war. Sowohl im Lastenheft als
auch im Angebot wurde von Maßhaltigkeit gesprochen. Die Firma Schott wollte
überprüfen lassen, ob jeder einzelne Punkt der Kontur in einem Toleranzbereich um
die Sollkontur liegt. Die Firma ISRA überprüfte die Maßhaltigkeit mit einer anderen
Methode. Aus angetasteten Konturpunkten sollten Ausgleichsgeometrien errechnet
und deren Maße untersucht werden. Damit wären aber nicht alle vorkommenden
Fehler erfasst worden, wie man anhand der Abbildungen 7-11 bis 7-14 erkennen
kann.
Dies ist ein gutes Beispiel dafür, wie wichtig es ist, Aufgabenstellungen bis ins
Detail genau zu definieren. Wird ein solcher Fehler nicht vorzeitig erkannt, kann dies
zu erheblichen Kosten führen. Wäre die Bestellung dieser Anlage ausgelöst worden,
hätte die Firma ISRA eine Anlage genau nach ihrem eigenem Angebot geliefert. Die
Firma Schott hätte eine Anlage erhalten, die die gewünschte Aufgabe nicht erfüllt.
76
Abb. 7-11: Musterteil
Abb. 7-12: Fehlerteil
Außerhalb des Toleranzbereiches
liegende Konturpunkte
Toleranzband
gefundene Kontur
Abb. 7-13: gewünschte Auswertung
mit gefundenen Konturabweichungen
Errechneter Ausgleichskreis
Abb. 7-14: angebotene Auswertung
mit korrektem Durchmesser der
Ausgleichsgeometrie
In weiteren Gesprächen wurden zusätzlich weitere Parameter wie Standort der
Anlage, Schnittstellen, Umgebungsbedingungen usw. abgeklärt. So wurde die
Anlage durch einen Inkrementalgeber erweitert. Er löst die Aufnahme einer Zeile in
Abhängigkeit von der Bandgeschwindigkeit aus. Dadurch können mögliche
Schwankungen in der Bandgeschwindigkeit kompensiert werden. Sie würden zu
einer Verzerrung des aus Zeilen zusammengesetzten Bildes führen. Des weiteren
wurde die Software durch die gewünschte Konturenvermessung erweitert. Auch
dieses Projekt konnte bis zum Abschluss der Diplomarbeit noch nicht abgeschlossen
werden. Eine Realisierung ist jedoch weiterhin geplant.
7.3
Automatische Fehlererkennung an ungeschliffenen Fernsehschirmen
Im Hauptwerk der Firma Schott werden die Glasteile für die Produktion von
Fernsehröhren hergestellt. Neben den sogenannten Trichtern werden auch in einem
kontinuierlichen Vierschichtbetrieb im Laufe eines Jahres mehrere Millionen
sogenannte Schirme hergestellt. Die Schirme werden aus einem heißen Glastropfen
gepresst und in einen Kühlofen eingelegt. Nach einer langsamen Abkühlung werden
die Schirme manuell auf mögliche Fehler untersucht, das sind z. B. Blasen,
Einschlüsse, Verunreinigungen, Kratzer, Risse usw.
77
Nach der Fehlersuche am Kühlbandende werden die Rohschirme geschliffen und
poliert, um geforderte optische Eigenschaften zu erreichen. Nach diesem Schritt
werden die polierten Schirme nochmals manuell auf Fehler untersucht. Die fehlerhaften Schirme werden aussortiert. Sie werden entweder als Scherben wiederverwendet oder erneut geschliffen um geringe Oberflächenfehler auszubessern.
Danach werden sie verpackt und zum Kunden verschickt.
Im Rahmen dieser Arbeit sollte eine Machbarkeitsstudie zu einer automatischen
Fehlererkennung am Kühlbandende erstellt werden. Folgende Arbeitspakete wurden
formuliert:
-
Einarbeiten ins Thema
Erstellung eines Fehlerkataloges
Entwurfserstellung eines Lastenheftes
Kostenrechnung zur Erkennung möglicher Einsparpotenziale
Erstellung möglicher Materialflußkonzepte
Lieferantensuche, Kontaktaufnahme, Begutachtung
Vergleich möglicher Systeme
Details und Ergebnisse unterliegen der strengen Geheimhaltung. Sie können daher
hier nicht veröffentlicht werden. Aber eine kurze Zusammenfassung des Projektes
kann dennoch gegeben werden.
Nach dem Besuch der Produktionslinien und der Begutachtung jedes Produktionsschrittes galt es, die gemachten Beobachtungen und das erarbeitete Wissen über die
Vorgehensweise der manuellen Prüfung in einen Fehlerkatalog zusammenzustellen.
Er sollte als Grundlage des Lastenheftes dienen, um die Messaufgabe genau
formulieren zu können.
Manuelle Prüfer unterscheiden folgende Fehlerarten:
-
runde Blasen
lange Blasen
Steine
Einschlüsse
Schlieren
Ölflecken (eingebrannte Rückstände des Formenschmiermittels)
Schmutz (eingebrannte Schmutzpartikel)
Risse
Anschläge (Glasverletzungen durch Kontakt mit Handlingsystem)
Kratzer
fehlender Pin (eingeschmolzenes Bauteil für spätere Elektronik)
Jeder Schirmtyp wird in unterschiedliche Zonen eingeteilt, in denen unterschiedliche
Fehlerkriterien gelten.
Für die unterschiedlichen Fehler gibt es unterschiedliche Kriterien, die zum
Ausschuss führen können:
-
Vorhandensein
Anzahl pro Zone
Anzahl pro Schirm
Mindestabstand zwischen zwei Fehlern
Ort und Eindringtiefe des Fehlers
Winkel länglicher Blasen (<15°)
78
Beim Einsatz eines Bildverarbeitungssystems dürfen folgende Einflüsse nicht stören:
-
Scherenschnitt (Deformation der Oberfläche, Schnittkante des Glastropfens)
Inhomogene Oberfläche des Schirms (raue ungeschliffene gepresste Oberfläche)
Lose Partikel/Verschmutzungen auf der Oberfläche
Im Vergleich mit der manuellen Prüfung ergaben sich beim Bildverarbeitungssystem
folgende Einsparmöglichkeiten:
Bei automatischer Fehlererkennung an ungeschliffenen Schirmen:
- geringere Personalkosten
- geringerer Durchschlupf zum Kunden
- weniger Reklamationen
- Schleifkosteneinsparung, da keine defekten Schirme geschliffen werden
Bei automatischer Fehlererkennung an geschliffenen Schirmen:
- geringere Personalkosten
- geringerer Durchschlupf zum Kunden
- weniger Reklamationen
Folgende Firmen wurden kontaktiert:
-
Pennekamp, Wuppertal
IPS, Kanada
Vitronic, Wiesbaden
Pennekamp:
Diese Firma bietet ein System für geschliffene und ungeschliffene Schirme. Das
System kann Fehler erkennen, nicht aber klassifizieren. Deshalb ist eine Nachkontrolle der gefundenen Fehler notwendig. Es wurde daher als Sortierhilfe
eingestuft. Dieses System wurde bei Schott bereits an ungeschliffenen Schirmen
getestet. Die Tests verliefen nicht zufriedenstellend, laut Pennekamp müsste die
Sauberkeit der Schirme und die Oberflächenqualität verbessert werden. Das System
arbeitet mit einer Hellfeld-Durchlicht-Beleuchtung. Die Schirme sind nach dem
Kühlband teilweise stark verschmutzt. Das System kann den losen Oberflächenschmutz nicht von Fehlern unterscheiden. Auch muss der Bereich des Scherenschnittes von der Inspektion ausgeschlossen werden.
Ein Einsatz an geschliffenen Schirmen sollte dagegen ohne Probleme möglich sein.
Diese Schirme zeigen keine Verschmutzung und haben im Gegensatz zu den
ungeschliffenen Rohschirmen sehr gute optische Eigenschaften.
Pennekamp entwickelt ein neues System (Anfang 2001) mit höherer Leistungsfähigkeit in Bezug auf Auflösung und Erkennung.
IPS:
IPS bietet ein umfassendes, modulares System zur Fehlererkennung an geschliffenen
Fernsehschirmen. Im Gegensatz zum System von Pennekamp ist es in der Lage,
Fehlerarten zu klassifizieren, Fehler in der Höhe zu vermessen und einen Qualitätsentscheid zu fällen. Es wird daher als selbstentscheidendes System eingestuft.
Da das System keine ungeschliffenen Schirme prozesssicher prüfen kann (Test
Anfang 2000 erfolglos), plant IPS, ein neues System für ungeschliffene Schirme ca.
Anfang 2002 auf den Markt zu bringen.
79
Vitronic:
Vitronic bietet kein fertiges System zur Fehlererkennung an Fernsehglas an. Vitronic
ist darauf spezialisiert, Bildverarbeitungs-Lösungen nach Kundenspezifikation zu
erstellen.
Für die Fehlererkennung an Fernsehglas wurde von Vitronic bereits ein Lösungskonzept erstellt, welches die Entwicklung eines neuartigen Sensors erfordern würde.
Die geplante EU-Förderung des Entwicklungsvorhabens wurde jedoch nicht bewilligt, so dass dieser Weg zum damaligen Zeitpunkt nicht weiter verfolgt wurde.
Eine Zusammenarbeit mit Vitronic kann dann sinnvoll sein, wenn die Wünsche der
Firma Schott stark von den Standardsystemen der beiden anderen Hersteller abweichen. (Beispielsweise falls Schott eine „Low Cost“-Lösung zur Unterstützung des
Sortierers einsetzen wollte).
In jedem Fall muss aber mit einem hohen Aufwand für die Entwicklung gerechnet
werden.
Ergebnis der Studie:
Das Einsparpotenzial einer automatischen Fehlererkennung ist vorhanden. Keine der
kontaktierten Firmen bietet ein fertiges System für die automatische Fehlererkennung
an ungeschliffenen Schirmen an, welches den Anforderungen von Schott gerecht
wird. Sowohl die Firma Pennekamp als auch die Firma IPS entwickeln ein neues
System, um ungeschliffene Schirme prozesssicher zu inspizieren. Für ungeschliffene
Schirme bieten beide Firmen Systeme an. Diese Systeme unterscheiden sich
erheblich in den Anschaffungskosten und in der Leistungsfähigkeit. Die Firma
Vitronic wäre in der Lage ein für Schott maßgeschneidertes System zu entwickeln.
Dies würde aber zu hohe Entwicklungskosten nach sich ziehen.
80
8
Ausblick
In dieser Arbeit ging es einerseits darum, einen Überblick über das Themengebiet
Bildverarbeitung zu geben. An einigen Stellen klang andererseits schon an, dass eine
solche Zusammenfassung nur eine Momentaufnahme sein kann. Gerade bei der
Bildverarbeitung ist ein steigendes Tempo bei der Entwicklung von neuen
Technologien festzustellen.
Es zeigte sich, dass der anscheinend so einfache menschliche Sehvorgang („Das sieht
man doch!“) äußerst komplex ist und nur schwer in digitalisierter Form nachgebildet
werden kann. Die Entwicklung versucht, die beschränkten Möglichkeiten von Bildverarbeitungssystemen ständig zu erweitern. Dies ist aber nur durch den Einsatz von
umfangreicheren Algorithmen möglich.
Früher kamen durch die beschränkte Rechenleistung nur sehr einfache und unflexible
Methoden zum Einsatz. Waren komplexere Aufgaben zu lösen, mussten mit
erheblichem Aufwand ganze Rechenzentren für eine einzige Applikation aufgebaut
werden, um die Berechnungen in kurzer Zeit ausführen zu können.
Heute ist bereits die Rechenleistung von standardisierten Systemen groß genug, um
komplizierte Algorithmen zu verwenden.
Die möglichen Einsatzgebiete vergrößern sich daher ständig. Zum einen können
durch die gesteigerten Möglichkeiten neue Aufgaben gelöst werden. Zum anderen
werden durch die Standardisierung, sowohl in der Hardware als auch in der Software, die Kosten so gering, dass die Bildverarbeitung an Stellen eingesetzt werden
kann, an denen sie früher zu kostspielig war. Außerdem wird trotz der verwendeten
komplizierten Methoden die Bedienung der Systeme immer einfacher werden.
Die Bildverarbeitung bietet ein immenses Potenzial, das es in Zukunft zu nutzen gilt.
Bei der allgemeinen Euphorie ist aber auch zu beachten, dass ein System nur so
flexibel sein kann, wie es die Programmierung durch den Menschen vorsieht.
Bei der Bildverarbeitung geht es um ein „Erkennen“ von bestimmten Eigenschaften.
Dies beinhaltet Entscheidungen, die vom Menschen vorgegeben werden müssen.
Die vorgestellten Beispiele aus der Praxis zeigten, dass die Zusammenarbeit von
Kunde und Lieferant immer wichtiger ist. Dies gilt sicher nicht nur für die Glasindustrie. Es ist Aufgabe des Kunden, die relevanten Eigenschaften genau zu
definieren. Der Lieferant seinerseits muss sicherstellen, dass diese Eigenschaften im
Sinne des Kunden ausgewertet werden.
Vielleicht kann durch diese Arbeit verdeutlicht werden, dass auch der Kunde ein
„Gespür“ für die möglichen Missverständnisse und die momentanen Grenzen
entwickeln muss, damit die Projektabwicklung erfolgreich verläuft.
81
9
Literatur- und Quellenverzeichnis
9.1
Quellen
[Hering92]
E. Hering / R. Martin / M Stohrer
„Physik für Ingenieure“
Springer Verlag, Berlin 1992
[Jahr00]
I. Jahr
Vortrag “Auswahl der richtigen Beleuchtung“
Firma VISION&CONTROL, Suhl 2000
[Demant98]
C. Demant / B. Streicher-Abel / P. Waskewitz
„Industrielle Bildverarbeitung“
Springer-Verlag, Berlin 1998
[VDMA00]
„Automatisierung mit industrieller Bildverarbeitung 200/01“
VDMA Fachabteilung Industrielle Bildverarbeitung/Machine Vision
Der Zielvorgabe eines Überblicks entsprechend nenne ich außer diesen direkt
benutzten Quellen ausführlicher weitere Fundorte für Informationen zum Thema
Bildverarbeitung.
9.2
weiterführende Literatur
W. Abmayr
„Einführung in die digitale Bildverarbeitung“
Teubner-Verlag, Stuttgart 1994
H. Ernst
„Einführung in die digitale Bildverarbeitung“
Franzis-Verlag, München 1991
P. Haberäcker
„Praxis der digitalen Bildverarbeitung und Mustererkennung“
Carl Hansa Verlag, München 1995
B. Jähne
„Digitale Bildverarbeitung“
Springer-Verlag, Berlin 1997
H. Kuchling
„Taschenbuch der Physik“
Harri Verlag, Frankfurt 1989
J.S. Lim
„Two-Dimensional Signal an Image Processing“
Prentice Hall, Englewood Cliffs, New Jersey 1990
82
L. Papula
„Mathematik für Ingenieure“
Vierweg & Sohn Verlag, Braunschweig 1991
H. J. Paus
„Physik in Experimenten und Beispielen“
Carl Hansa Verlag, München 1995
H. Vogel
„Gerthsen Physik“
Springer Verlag, Berlin 1997
K. Voß / H. Süße
„Praktische Bildverarbeitung“
P. Zamperoni
„Methoden der digitalen Bildsignalverarbeitung“
Vierweg & Sohn Verlag, Braunschweig 1989
9.3
Fachvorträge
Gabriele Jansen
„Kriterien für den erfolgreichen Einsatz von Bildverarbeitungssystemen“
Firma Quiss, Puchheim
Klaus Bücher
„Einsatzmöglichkeiten von Bildverarbeitungssystemen“
Firma Vitronic, Wiesbaden
Michael Beising
„Wie kommunizieren Bildverarbeitungssysteme“
Firma SAC, Karlruhe
Manfred Hock
„Die wirtschaftliche Bedeutung der Schlüsseltechnologie Bildverarbeitung“
VDMA, Franfurt
Klaus Singer
„Erhöhung der Wirtschaftlichkeit durch den Einsatz von Produktionsanlagen durch
den Einsatz von Bildverarbeitungssystemen“
Firma tis, Erfurt
83
9.4
Fachmessen
Optatec
Internationale Fachmesse für Optik und Optoelektronik
Juni 2000, Messegelände Frankfurt
Control
Internationale Fachmesse für Qualitätssicherung
Mai 2000, Messe Sinsheim
Glastec
Internationale Fachmesse Maschinen – Ausrüstung – Anwendungen – Produkte
Oktober 2000, Messe Düsseldorf
Messcomp
Kongreßmesse für industrielle Meßtechnik
September 2000, Wiesbaden
Motek
Internationale Fachmesse für Montage- und Handhabungstechnik
September 2000, Messe Sinsheim
Vision
Internationale Fachmesse für industrielle Bildverarbeitung und
Identifikationstechnologien
Oktober 2000, Stuttgart
9.5
Linksammlungen zum Thema Bildverarbeitung
Coputer Visiosn Software
http://www.cs.cmu.edu/~cil/v-source.html
Forum für digitales Sehen
www.bildanalyse.de
Anbieter von Bildverarbeitungssystemen
http://www.uni-kl.de/IIBV/anbieter.html
Links zum Thema Bildverarbeitung, CCD-Kameras, Optik und Beleuchtung
http://www.fh-giessen.de/FACHBEREICH/EI/links/bildverarbeitung.html
gesammelte Links zur (Farb-)Bildverarbeitung
http://www.forwiss.tu-muenchen.de/~hafner/public/bv-links.html
9.6
Internetseiten
Thüringer Forschungsschwerpunkt „Bildverarbeitung, Mustererkennung und
technische Sehsysteme“
http://kb-bmts.rz.tu-ilmenau.de/kb-bmts/default.htm
Grundlagen der Bildverarbeitung
http://wwwisg.cs.uni-magdeburg.de/lehre/bv/bv1.html
84
9.7
Firmenverzeichnis
Basler AG
An der Strutsbek 60-62
22926 Ahrensberg
www.baslerweb.com
Cognex Germany, Inc
Emmy-Noether-Straße 11
76131 Karlsruhe
www.cognex.com
Data Translation GmbH
Im Weierleben 10
74321 Bietigheim-Bissingen
www.datatranslation.de
DS GmbH
Neckarstr. 76/1
71686 Remseck
www.ds-gmbh.com
Ernst Pennekamp GmbH & Co. KG
Hölker Feld 22
42279 Wuppertal
FiberVision GmbH
Jens-Otto-Krag-Straße 11
52146 Würselen
www.fibervision.de
Frauenhofer Allianz Vision
Am Weichselgarten 3
http://vision.fhg.de
Herd Software Entwicklung
Rudolf-Virchow-Straße 8
68642 Bürstadt
www.herdsoft.com
HGV Vosseler GmbH & Co. KG
An der Lehmgrube 9
74613 Öhringen
www.hgv.de
IPS, Image Processing Systems Inc.
221 Whitehall Drive
Markham, ON, Canada L3R 9T1
www.ipsautomation.com
85
ISRA Vision Systems AG
Industriestraße 14
64297 Darmstadt
www.isra.de
LASOR AG
Rudolf-Diesel-Straße 24
33813 Oerlinghausen
www.lasor.com
Matrox Electronic Systems GmbH
Inselkammerstarße 8
82008 Unterhaching
www.matrox.com
Matsushita Electric Works Deutschland GmbH
Rudolf-Diesel-Ring 2
83607 Holzkirchen
www.matsushita.de
MVTec Software GmbH
Neherstraße 1
81675 München
www.mvtec.com
National Instruments Germany GmbH
Konrad-Celtis-Straße 79
81369 München
www.ni.com
Optik, Elektronik & Gerätetechnik
Wildbahn 8b
15236 Frankfurt Oder
www.oeg-messtechnik.de
Optmetron GmbH
Riemerstr. 358
81829 München
www.optometron.de
Quiss GmbH
Lilienthalstraße 5
82178 Puchheim
www.quiss.com
SAC GmbH
Sirius Advanced Cybernetics
Haid- und Neu Str. 7
76131 Karlsruhe
www.sac-vision.de
86
Schott Glas
Hattenbergstraße 10
55014 Mainz
www.schott.de
Stemmer Imaging GmbH
Gutenbergstraße 11
82178 Puchheim
www.stemmer-immaging.de
tis, technologie intelligenter sensoren
Flughafenstraße 4
99092 Erfurt
www.tis-erfurt.de
VDMA
Verband deutscher Maschinen- und Anlagenbau e.V.
Lyoner Strasse 18
60528 Frankfurt
Viscom GmbH Industrielle Bildverarbeitung
Carl-Buderus-Str. 9-15
30455 Hannover
www.viscom.de
VISION & CONTROL GmbH
Pfütschbergstraße 16
98527 Suhl
www.vision-control.de
Vision Components GmbH
Ottostraße 2
76275 Ettlingen
www.vision-components.de
VITRONIC Dr.-Ing. Stein
Bildverarbeitungssysteme GmbH
Hasengartenstraße 14a
65189 Wiesbaden
www.vitronic.de
87
Danksagung
An dieser Stelle möchte ich allen danken, die zum Gelingen dieser Arbeit beigetragen haben:
In erster Linie gilt mein Dank dem Referenten dieser Arbeit, Herrn Prof. Dr. rer. nat.
Gerd Küveler, sowie dem Korreferenten, Herrn Dipl. Ing. (FH) Stephan Drozniak,
für ihre kompetenten Kommentare und Verbesserungsvorschläge.
Ebenfalls möchte ich mich bei folgenden Firmen für ihre Unterstützung bedanken:
-
-
bei der Firma SCHOTT Glas, die die Erstellung dieser Arbeit ermöglicht hat
bei der Firma DS-GmbH für ihre Leihgabe eines Bildverarbeitungssystems, mit
dem ich während der gesamten Diplomarbeit sehr schnell die erarbeitete Theorie
in der Praxis überprüfen konnte.
bei der Firma VISION & CONTROL (Herrn Dipl.-Ing. Ingmar Jahr) für die
Bereitstellung des umfangreichen Bildmaterials.
bei den Firmen FiberVision, Cognex, Matsushita und SAC für die zur Verfügung
gestellten Leihsysteme.
bei den Firmen ISRA und Vitronic für die Möglichkeit bei ihnen vor Ort Anlagen
ausführlich testen zu können.
Den Mitarbeitern der Abteilung Forschung und Technologieentwicklung
Veredelungstechnik habe ich für das hervorragende Arbeitsklima zu danken.
Besonderer Dank gilt meiner Familie und meinen Freunden, auf deren Unterstützung
ich mich immer verlassen konnte.
88

6,8 MB, PDF-File

Transcription

Similar documents

Eyesight - SensoPart

Medienkompass

MEMORIAV BULLETIN

Q-Lab Corporation SAe Cancels J1960 and J1885 Test Methods

Drehzahlbegrenzer speedotronic speedlimiter

Poster_Form- und Lagetoleranzen

Digitale Bildverarbeitung

Die Compact FlashCard CF auf dem Vormarsch