DigiPrint

Augmented Reality Anwendung mittels Bilderkennung und innovativem Farbbarcode

Das Ziel des Projektes ist die Herstellung von neuartigen Software- und Hardware-Komponenten für die akustische Geräuschs- und Funktionsprüfung von elektronischen Kleingeräten mit Verfahren der akustischen Mustererkennung. Diese Komponenten sollen sowohl für die Inlineprüfung als auch für die mobile Prüfung genutzt werden können, um den Prüfling anhand seines Eigengeräusches einer Qualitätsklasse zuzuordnen.

Für die mobile Prüfung soll dabei eine akustische Prüfkammer entwickelt werden, mit der eine eindeutige und reproduzierbare Signatur vom Prüfling erstellt und mittels Farbbarcode exportiert werden kann. Zur Analyse sollen komplexe schallbeschreibende Merkmale mit Hilfe intelligenter Verfahren der Mustererkennung bzw. der künstlichen Intelligenz ausgewertet werden.

Im ersten Teil des Projekts wurde die Bilderkennungskomponente durch den Bereich BVIA entwickelt. Dabei kommt die FAISS-Bibliothek (entwickelt durch Facebook AI Research) zur Erkennung der Bilder zum Einsatz. Außerdem wurde eine Datenbank angelegt, die alle zur Bilderkennung genutzten Bilder und alle codierten Medieninhalte speichert. Als Anwendungsbeispiel wurde der in der GFaI entwickelte Kranbahnmesswagen ausgewählt, der bei Erkennung durch die AR-App durch Konstruktionszeichnungen angereichert werden soll.

Außerdem wurde durch den Bereich SDM die Codierung des Megacodes entwickelt (Bild) und erste Versuche zur Decodierung erfolgreich absolviert. Die Codierung geschieht im RGB-Farbraum in allen drei Farbkanälen, sodass eine besonders hohe Informationsdichte erreicht werden kann. Die Decodierung läuft bereits in einer Android-App. Im nächsten Schritt sollen die Algorithmen zur Bilderkennung und die AR-Darstellung mit in die App integriert werden.