Name des Teilnehmers: Volker Knauthe
Beschreibung des IT-Forschungsprojekts: Die Digitalisierung von 3D-Objekten ist ein großer technologischer Schritt für eine Vielzahl von industriellen und gesellschaftlichen Bereichen. Sie eröffnet neue Möglichkeiten der Qualitätsbeurteilung, Konstruktionsmethoden, digitalen Konservierung und ist eine Schlüsseltechnologie für die Übertragung der realen Welt in erweiterte und virtuelle Realitäten.
Während die digitale Rekonstruktion von undurchsichtigen Objekten gut erforscht ist und immer weiter voranschreitet, ist die Rekonstruktion von transparenten Strukturen allenfalls für sehr eingeschränkte Fälle und überwiegend bekannte kontrollierte Aufbauten teilweise gelöst.
Die Herausforderung ist durchaus verständlich, denn es ist schwer, bestimmte Arten von Transparenzen überhaupt wahrzunehmen und zu erfassen. Ein Paradebeispiel dafür sind Kinder, die ihre erste Begegnung mit einer nahezu perfekt durchsichtigen Glastür oder einem Ladenfenster haben. Im Klartext: Es gibt mehrere Tiefenebenen (mit möglicherweise unterschiedlichen Ebenen der innewohnenden Faszination und der erkennbaren Objekte), die schwer zu unterscheiden sind. Wenn Menschen älter werden, verbessert sich ihr Sehvermögen nur selten, aber sie neigen dazu, diese Transparenz-Interaktionen auf der Grundlage früherer Erfahrungen zu optimieren, wo sich ein Kopfschmerz im Offensichtlichen verstecken könnte. Diese kurze Geschichte ist der Auftakt zu einem Forschungsplan, der sich auf verschiedene Ansätze konzentriert, um Erfahrung und Wissen für eine bessere Erkennung von transparenten Strukturen und die Generierung von Erkenntnissen über die Eigenschaften der Strukturen selbst zu nutzen.
Der Hauptbeitrag dieses Projekts besteht darin, nach neuen Ansätzen zu suchen, ihre Grenzen, Stärken und Schwächen zu testen und zu beurteilen, wie anwendbar sie (allein oder in Kombination) für potenzielle industrielle Anwendungsfälle sind. Dies beinhaltet und kombiniert sowohl klassische, aus dem Sehen abgeleitete Methoden wie Bewegungsparallaxe, Fokuswechsel und Musterähnlichkeiten, als auch maschinelle Lernansätze.
Software Campus-Partner: TU Darmstadt, ZEISS Gruppe
Umsetzungszeitraum: 01.01.2021 – 30.06.2022
