Ein Sensor tastet eine Oberflaeche ab und gibt mir ein zweidimensionales
Array mit x/y-Koordinaten aus. Diese Daten sollen zyklisch aufbereitet
und ausgewertet werden (Abstaende zwischen bestimmten Punkten,
Mittelpunkte etc). Das Hauptproblem sind nicht immer vermeidbare
Reflexionen, die sich als Ausreisser im Array aeussern. Wenn ich zB den
tiefsten Punkt der Oberflaeche suche und einzelne Pixel 1cm unter der
Oberflaeche auftreten, ist das Ergebnis einer einfachen Suche nach dem
tiefsten Punkt wertlos. Mein aktueller erster Ansatz ist, eine Kurve
durch die Punkte zu legen, einzelne Stoerpixel beeinflussen das Ergebnis
nicht, ich kann das Minimum in der Kurve bestimmen und habe meine
gewuenschte Position.
Bei groesster Sensoraufloesung (640 Wertepaare) schaffe ich so etwa 3,5
Berechnungen pro Sekunde auf einem Core2Duo, ohne die Glaettung ein paar
zehntausend. Mehr als 85 Berechnungen/Sekunde muss ich nicht schaffen,
weil ich andere Daten nicht schneller bekommen kann, natuerlich waer
eine moeglichst sparsame Berechnung erstrebenswert.
Ich weiss immer, wie die Oberflaeche aussieht (zB konkav, konvex,
V-foermiger Spalt...). Wie geht man so ein Problem grundsaetzlich an,
wie idealisiere ich meine Messdaten effizient so, dass wichtige Details
erhalten bleiben und ausgewertet werden koennen?
Naja, 640 Wertepaare pruefen...
Im Groben habe ich eine For-Schleife, die 640x durchlaufen wird. Darin
werden ein paar kleinere Dinge und die lineare Regression berechnet,
ausserdem eine weitere For-Schleife, die auch 640x durchlaufen wird und
ein paar Koeffizienten berechnet.
Ich schau mir den Median-Filter mal an, testen kann ich erst morgen
wieder.
Ich habe ein wenig mit einem Medianfilter gespielt. Bei kleinen Fehlern
arbeitet er wunderbar und vorallem sehr schnell (<1ms pro Array), bei
ernsten Reflektionen versagt er oder frisst (bei grosser Samplebreite)
zuviel Details weg. Als Vorfilter ist er brauchbar, aber danach muss
noch mehr kommen.
Ich werde kommende Woche weiter probieren.
Die c't hatte vor vielen Jahren einen Artikel über den von der NASA
verwendeten Ausreißererkennungsfilter für die aus verschiedenen Gründen
mit einigen Ausreißerpixeln versehenen Bilder der Marssonden.
Das Grundprinzip war, wenn ich mich richtig erinnere:
1. Man ordnet die Pixel in einem fünfdimensionalen Raum an (also x, y,
R, G, B als gleichberechtigte Koordinaten; bei dir gibt es eben nur
zwei)
2. Man fängt bei jedem Pixel an, größerwerdende konzentrische
Hyperkugeln um den Pixel zu ziehen und nimmt die Kurve "in der Kugel
enthaltene Pixel" gegen "Kugelradius" auf.
3. Je nachdem, ob es sich um einen Ausreißer handelt, ergibt sich ein
charakteristischer Kurvenverlauf.
Ist natürlich, wenn Echtzeit gefordert wird, je nach verfügbarer
Rechenleistung etwas heftig, aber in einer vereinfachten Variante (z.B.
bei jedem Punkt nur Radius n betrachten und prüfen, ob m Punkte im Kreis
enthalten sind, wobei m und n einmal irgendwie eingestellt werden
müssen) vielleicht gerade noch umsetzbar.
Ich habe einige Zeit am System weitergearbeitet. Unabhaengig von der
Vorfilterung brauche ich eine geometrische Auswertung, die Suche nach
einem tiefsten Punkt etc ist nicht mehr ausreichend. Ich moechte die
Sensordaten nach Vorgabe automatisch geometrisch beschreiben. Ich sage
also, dass ich beispielsweise einen V-foermigen Spalt in einer Ebene
abtaste, ich erhalte Oeffnungswinkel und Tiefe. Ich gebe eine halbrunde
Erhebung auf einem Bogen vor, ich erhalte Durchmesser und Hoehe der
Erhebung, usw.
Die Berechnung muss dabei wie gesagt robust gegen Reflektionen sein. Die
sehen wirklich so aus wie sie klingen: Im Punktarray fehlen an der
richtigen Position Punkte, sie liegen in der gespiegelten Kopie der
Daten, quasi heruntergeklappt.
Welcher Buecher soll ich kaufen, wo finde ich einen Anfang?
Eine eigene Frage?
Dieser Thread ist über 13 Jahre alt.
Stell sie in einem eigenen Thread – dort lesen mehr Leute mit, und sie wird öfter und schneller beantwortet.