Ein neuartiges computergestütztes Bildgebungsverfahren verwandelt alltägliche matte Oberflächen wie Wände, Möbel und Kleidung in virtuelle Bildschirme und ermöglicht es Maschinen, dreidimensionale Szenen mit außergewöhnlicher Geschwindigkeit und Präzision zu rekonstruieren. Die Methode wurde von Wissenschaftlern der Rice University und der University of Arizona entwickelt und in der Fachzeitschrift Nature Communications veröffentlicht. Sie adressiert eine zentrale Schwäche aktueller maschineller Bildverarbeitung: die unzureichende Erfassung dynamischer Umgebungen, die sowohl matte als auch reflektierende Objekte enthalten. Durch die Projektion von Laserlicht auf nicht reflektierende Oberflächen und den Einsatz einer hochschnellen neuromorphen Ereigniskamera kann das System rasche Helligkeitsänderungen registrieren, anstatt vollständige Bilder aufzuzeichnen – ein entscheidender Vorteil bei schwierigen Lichtverhältnissen und bewegten Motiven.
Herausforderung gemischter Reflexionseigenschaften
Die meisten gängigen 3D-Bildgebungssysteme nutzen strukturiertes Licht: Sie projizieren Muster auf eine Szene und messen deren Verformung auf Objektoberflächen, um Tiefenkarten zu erstellen. Doch diese Technik stößt schnell an ihre Grenzen, sobald sich Objekte bewegen, das Licht ungünstig ist oder eine Mischung aus matten und spiegelnden Materialien vorkommt. In solchen Umgebungen wird das Licht zwischen den Oberflächen mehrfach gestreut, was die Messungen verfälscht und die Bildqualität verschlechtert. Das neue Verfahren umgeht diese Hürden, indem es genau jene Oberflächen, die bisher Probleme bereiteten – matte Wände, Kleidung und Möbel – zu virtuellen Bildschirmen umfunktioniert, auf denen Laserpunkte reflektiert werden und so glänzende Objekte sichtbar machen.
Deflektometrie in neuer Form
Ashok Veeraraghavan, Leiter der Abteilung für Elektro- und Computertechnik an der Rice University, erklärte, dass das Team auf eine bewährte Methode der Computervision zurückgriff: die Deflektometrie. Diese misst die Form glänzender Oberflächen, indem sie beobachtet, wie sich projizierte Lichtmuster bei der Reflexion verzerren. Bislang erforderte die Deflektometrie große, präzise positionierte Bildschirme, was teuer und unflexibel war. Indem die Forscher nun Laserlicht direkt auf die bereits in der Szene vorhandenen matten Oberflächen projizieren, entfällt die Notwendigkeit spezieller Geräte – jeder Raum wird zu einem funktionsfähigen Bildgebungsraum.
Zweistufiger Prozess: Laser und neuromorphe Kamera
Der Bildgebungsprozess erfolgt in zwei Schritten, wie Aniket Dashpute, Doktorand in Veeraraghavans Labor und Erstautor der Studie, erläuterte. Zunächst tastet ein Laser matte Flächen wie Wände, Kleidung und Möbel ab und erstellt präzise 3D-Karten dieser Oberflächen. Trifft das Laserlicht auf glänzende Objekte, werden die umgebenden matten Flächen effektiv als virtuelle Anzeigen genutzt. Im zweiten Schritt zeichnet eine neuromorphe Ereigniskamera – die nur Änderungen der Lichtintensität registriert, keine vollständigen Bilder – hochgeschwinde 3D-Videos auf. Jiazhang Wang, Postdoktorand am Wyant College of Optical Sciences der University of Arizona und Zweitautor der Studie, betonte, dass diese Kamera mit extrem unterschiedlichen Lichtstärken zurechtkommt – von sehr schwach bis sehr hell – und so alle Oberflächen einer Szene unabhängig von ihrer Reflektivität gleich genau und schnell messen kann.
Echtzeitfähigkeit für anspruchsvolle Anwendungen
Die Kombination aus Laserscanning und ereignisbasierter Bildgebung stellt eine deutliche Abkehr von herkömmlichen 3D-Sensoren dar. Während Standardkameras bei schnellen Bewegungen oder extremen Helligkeitskontrasten überfordert wären, erfasst die Ereigniskamera ausschließlich Veränderungen – das reduziert die Datenmenge und erhöht die zeitliche Auflösung. Dadurch können selbst schnellste Bewegungen präzise verfolgt werden, ohne dass die Datenerfassung ins Stocken gerät. Dies macht das System besonders geeignet für Echtzeitanwendungen, bei denen jede Millisekunde zählt, etwa in der autonomen Navigation oder der industriellen Qualitätskontrolle.
Potenzielle Anwendungen in Schlüsselbranchen
Der Durchbruch könnte die maschinelle Bildverarbeitung in mehreren risikoreichen Bereichen grundlegend verändern. Zu den vielversprechendsten Einsatzfeldern zählen:
- Autonomes Fahren: Die Fähigkeit, Fußgänger, andere Fahrzeuge und Fahrbahnoberflächen bei gemischten Lichtverhältnissen und komplexen Reflexionen präzise zu erfassen, ist für die sichere Navigation unerlässlich.
- Industrielle Inspektion: Hersteller könnten die Technik nutzen, um Defekte auf glänzenden Metallteilen oder transparenten Oberflächen zu erkennen, die herkömmlichen Scannern bislang entgehen.
- Gesichtserkennung: Systeme könnten von einer robusteren Tiefenerfassung in unterschiedlichsten Umgebungen profitieren.
- Menschliche Erfassung: Anwendungen wie Gestenerkennung oder Gesundheitsüberwachung würden von der Geschwindigkeit und Genauigkeit der Methode profitieren.
Skalierbarkeit von mikroskopisch bis architektonisch
Obwohl die Technik bislang nur im Labormaßstab auf einem Tisch demonstriert wurde, betonen die Forscher, dass der Ansatz grundsätzlich skalierbar ist. Florian Willomitzer, außerordentlicher Professor am Wyant College of Optical Sciences und Mitarbeiter an der Studie, erklärte, dass Skalierbarkeit eine entscheidende Voraussetzung für die 3D-Bildgebung sei. Dieselbe Methode könnte angepasst werden, um winzige reflektierende Blutgefäße während einer Operation zu vermessen oder ganze Räume und Gebäude zu digitalisieren. Diese Flexibilität eröffne die Perspektive, das Verfahren entweder für Handgeräte zu miniaturisieren oder für großflächige architektonische Scans auszuweiten.