| Abstract: | Een machine vision platform dat in staat is om gedetailleerde scans van grote oppervlakken te maken, vormt een waardevol
instrument voor onderzoek naar hout en houttechnologie. Op dit moment worden objecten gescand met flatbedscanners.
Het is nodig gedetailleerder te gaan en grotere oppervlakken te kunnen scannen om op die manier onderzoek op te schalen
en meer informatie te extraheren. In een eerdere thesis werden al verschillende componenten aangeschaft en samengesteld
tot een Cartesiaanse robot. Het frame van deze robot is een CNC-machine waar bij de gereedschapshouder een camerasys-
teem en hoogtesensor is bevestigd. Het doel van deze thesis is om software te ontwikkelen voor dit systeem, zodat de robot
onderliggende houten objecten kan scannen en beelden op giga-schaal kan genereren. Daarnaast moet de robot op een
gebruiksvriendelijke manier aanstuurbaar zijn voor houtonderzoekers. Deze doelen worden bereikt door eerst een hoog-
tekaart te genereren met behulp van de hoogtesensor en vervolgens beelden te maken van het object op basis van deze
hoogtekaart. De robot beweegt langs drie richtingen en neemt beelden langs deze richtingen. Er worden beelden genomen
op verschillende hoogtes om te compenseren voor de beperkte scherptediepte van het camerasysteem. Vanwege het be-
perkte gezichtsveld van het systeem worden beelden genomen in zowel de x- als y-richting, die een kleine overlap hebben
tussen opeenvolgende beelden. De beelden op verschillende hoogtes worden samengevoegd tot één geheel met behulp
van Extended Focus Imaging (EFI) en daarna gecorrigeerd voor vignettering. Een mozaïekstitchingalgoritme wordt gebruikt
om de beelden samen te voegen, op basis van hun overlap, tot één gigabeeld. Daarnaast is er een grafische webapplicatie
ontwikkeld voor het bedienen van de robot en het kalibreren van de verschillende onderdelen. Het resultaat is een systeem
dat gigabeelden kan maken van onderliggende objecten. Meerdere scans kunnen worden gestart via de grafische applicatie
waardoor het systeem autonoom grote oppervlakken kan inscannen. Het systeem zal een bijdrage leveren aan het onderzoek
naar hout en houttechnologie. |
|---|
| Abstract (Eng): | A machine vision platform that can scan large
surfaces in detail is a great tool for research in wood and
wood technology. In a previous thesis, several components were
acquired and assembled into a Cartesian robot. The frame of this
robot is a CNC machine with toolholder, and on this toolholder a
camera system, a laser height sensor are attached. Although the
various components have been combined into a unified whole, the
system is still lacking a brain. The goal of this thesis is to develop
software for this system, enabling the robot to scan underlying
wooden objects and generate images on a gigascale. Additionally,
the robot must be user-friendly for wood researchers to operate.
These objectives are achieved by first generating a height map
using the laser sensor, and then capturing images of the object
based on this height map. The robot moves along three directions
and captures images along these directions. Images are taken at
different heights to compensate for the limited depth of field
of the camera system. Due to the limited field of view of the
system, images are captured in both the x and y directions,
with a small overlap between consecutive images. The images
at different heights are combined into a unified whole using
extended focus imaging (EFI) and corrected for vignetting. A
mosaic stitching algorithm is used to merge the images based on
their overlap into a gigapixel image. Additionally, a graphical
web application has been developed to operate the robot and
calibrate the different components. The result is a system capable
of generating gigapixel images of objects. Multiple scans can be
initiated through the graphical application, allowing the system
to autonomously scan large surfaces. The system will contribute
to research in wood and wood technology. |
|---|