Möjligheterna med fotometrisk stereo

Kvalitetstest av lackade ytor med fotometrisk stereo

Lackering är en kritisk process i fordonsindustrin eftersom det är kostsamt att åtgärda eventuella fel. Lackeringen kommer ofta sent i tillverkningen när produktion har ett högt värde. Att åtgärda fel blir därför dyrt.

I fordonsindustrin används stenskott som en metod för att bedöma kvalitén på lackerade ytor. Man skjuter en bestämd mängd sten på en yta och sedan utvärderar man skadornas omfattning. Manuell utvärdering är tidsödande och dessutom finns en risk för bedömningsfel på grund av avsaknad av kvantifierbara parametrar.

Under mitt examensarbete undersökte jag om fotometrisk stereo är en lämplig metod för att automatiskt identifiera och analysera stenskottsskador på lackerade testpaneler. Fokus har varit att bestämma skadans omfattning och avgöra hur många lager lack som skadan penetrerat.

“Ökad tillgång på billiga kamerasensorer och mikrokontroller tillsammans med molntjänster och bra internetkommunikation möjliggör billigt insamlande och analys av stora datamängder”

Fotometrisk stereo med hjälp av algoritmer

Fotometrisk stereo är en metod som introducerades redan på 80-talet av Robert J. Woodham [1]. Metoden går ut på att använda kända ljuskällor tillsammans med modeller för hur ljus reflekteras för att bestämma normalen på en yta. Detta görs i praktiken genom att tar flera bilder medan man belyser ett objekt från olika håll. Sedan beräknas normalen genom att jämföra ljusförhållandena i de olika bilderna. Normalen till ytan kan sedan integreras för att återskapa en 3D-modell av ytan.

För att undersöka om fotometrisk stereo är en lämplig metod utvecklades en kamerarigg som kan belysa ett objekt från förutbestämda vinklar. Algoritmer implementerades för insamling och brusreducering av bilddata, fotometrisk stereo, Integrering av gradientfält, identifiering och klassificering av skador.

Fotometrisk stereo visade sig vara ett bra verktyg för den här typen av problem och det finns stora potential för att ersätta kostsamma montona kvalitetskontroller med en säkrare metodik.

Med AI och Computer Vision ökar möjligheterna

Ökad tillgång på billiga kamerasensorer och mikrokontroller tillsammans med molntjänster och bra internetkommunikation möjliggör billigt insamlande och analys av stora datamängder. Detta kombinerat med stora framsteg inom artificiell intelligens och computer vision, dvs. att utifrån bilddata hitta relevant information, kan göra stora förbättringar i industriella applikationer. Vi har sett denna utveckling i allt från självkörande bilar till att Googls AlfaGo slog värden bästa Go spelare 2017[2]. Fotometrisk stereo kan vara ett fördelaktigt sätt att samla in data jämfört med en vanlig bild eftersom det innehåller information om ytans form.

På Knightec vill vi vara drivande i utvecklingen och genom bred och djup kompetens ge kunden den bästa lösningen.

Skribenten

Linus Beccau är nyexaminerad civilingenjör i teknisk fysik från Umeå universitet. Han har stort teknikintresse och var under studietiden drivande i att utveckla teknisk fysiks Innovatorium, en miljö där studenterna kan utveckla sina tekniska intressen och bygga allt från 3D-skrivare och robotar till twittrande kaffekokare. Han var också vinnare i teknisk fysiks Robbottävling år 2015 tillsammans med knightecs Marc Sellgren.