Kamera-Kalibrierung für optische Messaufgaben mit erweiterter Berechnung und Bewertung

Digitale Kameras sind in der berührungslosen Oberflächenmessung und -prüfung nicht mehr wegzudenken. Dem Lochkamera-Modell werden nach Wunsch Parameter für Verkippung, Verzeichnungen und Verzerrungen hinzugefügt. Aus einer Serie von Bildern eines Referenzmusters werden dann eine Kameramatrix und die Verzerrungsparameter berechnet. In der hierfür häufig und auch von uns benutzten Software OpenCV haben die Hauptmodelle 5 oder 14 Parameter. Die Kriterien für die Zuverlässigkeit einer Kalibrierung sind noch unklar: weder ist bekannt, welche Parameter welche Unsicherheiten haben müssen, um eine gewünschte „Qualität“ zu erreichen, noch wie viele Bilder dafür gebraucht werden. OpenCV errechnet zur Bewertung der Unsicherheit den re-projection error (RPE), dessen alleinige Verwendung aber nicht zu überzeugenden Ergebnissen führt. Um zu besser nachvollziehbaren Unsicherheitsbewertungen zu kommen, führen wir zusätzlich den forward projection error (FPE) ein. Außerdem mussten die Bewertungsmethoden verbessert werden. Wir haben Trainings- und Testmethoden aus dem Machine Learning verwendet und stellen Ergebnisse aus Simulation und Experiment vor, um deren Nützlichkeit einzuschätzen.