Forscher entwickeln neuen Algorithmus, der die Genauigkeit von 3D-Scans komplexer Objekte verbessert

Ein Forscherteam hat zwei neue Algorithmen zur Verarbeitung von Punktwolken entwickelt, die die Qualität von 3D-Scans deutlich steigern können. Die Methode zielt besonders auf die präzise Erfassung von Kanten und komplexen Strukturen ab.

Bei der 3D-Digitalisierung von Objekten durchläuft der Scan mehrere Verarbeitungsschritte. Nach der eigentlichen Aufnahme durch Scanner – sei es per Photogrammetrie, Laser oder strukturiertem Licht – entstehen zunächst Punktwolken. Diese dreidimensionalen Datensätze müssen anschließend analysiert werden, um Oberflächen, Kurven und Kanten zu identifizieren. Erst dann lässt sich ein vollständiges 3D-Modell erstellen.

Die neuen Algorithmen setzen genau an diesem kritischen Analyseschritt an. Der erste Algorithmus, „Dual 3D Edge Extraction“, erkennt nicht nur scharfe, sondern auch weiche Kanten in den Scandaten. Dies ist besonders wichtig, da reale Objekte oft beide Kantentypen aufweisen. Der zweite Algorithmus, „Opacity-Color Gradation“, erzeugt fließende Übergänge sowohl in Farbe als auch Transparenz. Dadurch werden feine Strukturen besser dargestellt und die Tiefenwahrnehmung von 3D-Kanten verbessert.

Die Rechenanforderungen bleiben dabei im Rahmen: Die Forscher konnten die Algorithmen erfolgreich auf einem MacBook Pro mit M2 Max Chip und 96 GB RAM testen. Auch auf weniger leistungsstarken Systemen – etwa mit Intel Core i7 und 8 GB RAM – ließen sich Datensätze mit bis zu 108 3D-Punkten verarbeiten. Die Berechnungszeit liegt dabei auf einem ähnlichen Niveau wie bei herkömmlichen Methoden.

Die praktischen Tests zeigen deutliche Verbesserungen: Bei komplexen Scans werden wesentlich mehr Details und Kanten korrekt erkannt als mit bisherigen Verfahren. Dies könnte die Qualität von 3D-Modellen für den 3D-Druck erheblich steigern.