Information
- Visibility: hidden
- Publication Type: Bachelor Thesis
- Workgroup(s)/Project(s):
- Date: September 2020
- Date (Start): February 2020
- Date (End): 8. September 2020
- Matrikelnummer: 01527148
- First Supervisor: Eduard Gröller
Abstract
Die Computertomografie hat sich in der industriellen Messtechnik in den letzten Jahren als Verfahren zur zerstörungsfreien und schnellen Erfassung aller äußeren und inneren Oberflächen bewährt. Die Ergebnisse einer Computertomografie liegen zunächst in Form eines Volumendatensatzes vor. Für die messtechnische Anwendung müssen Oberflächen-punkte ermittelt werden. Besteht das gemessene Werkstück nur aus einem Material, im Folgenden Monomaterial genannt, so reicht zumeist ein Binarisierungsverfahren aus (z.B. Marching Cubes). Besteht es jedoch aus mehreren Materialien, im Folgenden Multi-Material genannt, werden Segmentierungsverfahren benötigt, insbesondere dann, wenn eine geschlossene Oberflächenbeschreibung (z.B. als Dreiecksnetz) gefordert ist. Die meisten Segmentierungsalgorithmen benötigen eine umfassende Parametrierung, um hinreichend gute Ergebnisse zu erzielen. Die Parametrierung unterscheidet sich jedoch stark für verschiedene Volumendaten. Um die Parameterwerte korrekt zu wählen, sind dazu Kenntnisse über bestimmte Eigenschaften der Daten erforderlich. Es wurde ein Ver-fahren entwickelt, implementiert und validiert, das mithilfe morphologischer Operatoren ermöglicht, umfangreiche Metadaten speichereÿzient zu extrahieren und anschließend abzulegen. Zusätzlich wurde ein Werkzeug implementiert, welches es ermöglicht die-se, i.A. mehrdimensionalen, Statistiken zu visualisieren. Eine intuitive Einschätzung bestimmter Eigenschaften wird hierdurch ermöglicht, was die Parametrierung von Seg-mentierungsalgorithmen vereinfacht. Ansätze zur automatischen Auswertung werden präsentiert.Additional Files and Images
No additional files or images.
Weblinks
No further information available.BibTeX
@bachelorsthesis{Gietl_2020, title = "Charakterisierung von R\"{o}ntgen-CT-Volumendaten von Multi-Material-Messobjekten", author = "Patrick Gietl", year = "2020", abstract = "Die Computertomografie hat sich in der industriellen Messtechnik in den letzten Jahren als Verfahren zur zerst\"{o}rungsfreien und schnellen Erfassung aller \"{a}u{\ss}eren und inneren Oberfl\"{a}chen bew\"{a}hrt. Die Ergebnisse einer Computertomografie liegen zun\"{a}chst in Form eines Volumendatensatzes vor. F\"{u}r die messtechnische Anwendung m\"{u}ssen Oberfl\"{a}chen-punkte ermittelt werden. Besteht das gemessene Werkst\"{u}ck nur aus einem Material, im Folgenden Monomaterial genannt, so reicht zumeist ein Binarisierungsverfahren aus (z.B. Marching Cubes). Besteht es jedoch aus mehreren Materialien, im Folgenden Multi-Material genannt, werden Segmentierungsverfahren ben\"{o}tigt, insbesondere dann, wenn eine geschlossene Oberfl\"{a}chenbeschreibung (z.B. als Dreiecksnetz) gefordert ist. Die meisten Segmentierungsalgorithmen ben\"{o}tigen eine umfassende Parametrierung, um hinreichend gute Ergebnisse zu erzielen. Die Parametrierung unterscheidet sich jedoch stark f\"{u}r verschiedene Volumendaten. Um die Parameterwerte korrekt zu w\"{a}hlen, sind dazu Kenntnisse \"{u}ber bestimmte Eigenschaften der Daten erforderlich. Es wurde ein Ver-fahren entwickelt, implementiert und validiert, das mithilfe morphologischer Operatoren erm\"{o}glicht, umfangreiche Metadaten speichereÿzient zu extrahieren und anschlie{\ss}end abzulegen. Zus\"{a}tzlich wurde ein Werkzeug implementiert, welches es erm\"{o}glicht die-se, i.A. mehrdimensionalen, Statistiken zu visualisieren. Eine intuitive Einsch\"{a}tzung bestimmter Eigenschaften wird hierdurch erm\"{o}glicht, was die Parametrierung von Seg-mentierungsalgorithmen vereinfacht. Ans\"{a}tze zur automatischen Auswertung werden pr\"{a}sentiert.", month = sep, address = "Favoritenstrasse 9-11/E193-02, A-1040 Vienna, Austria", school = "Research Unit of Computer Graphics, Institute of Visual Computing and Human-Centered Technology, Faculty of Informatics, TU Wien ", URL = "https://www.cg.tuwien.ac.at/research/publications/2020/Gietl_2020/", }