Das Echtzeit-3D-Zahnmodell, das auf dem Bildschirm des Intraoralscanners erscheint, sieht einfach aus, ist jedoch das Ergebnis einer hochentwickelten Datenverarbeitungspipeline.
Schritt 1: Punktwolkengenerierung
Das optische System wandelt jedes erfasste Bild mithilfe von Triangulations- oder Konfokalprinzipien in eine 3D-Punktwolke um. Dadurch entstehen Millionen räumlicher Punkte mit XYZ-Koordinaten. Viele Punkte tragen auch RGB-Farbinformationen. Die Punktwolke ist die rohe, unstrukturierte Sammlung von 3D-Daten.
Schritt 2: Rahmen-zu-Rahmenregistrierung (Heften)
Dies ist die kritischste Phase. Aufeinanderfolgende Frames enthalten erhebliche überlappende Bereiche. Algorithmen extrahieren Merkmalspunkte (z. B. Höckerspitzen und Risse) und stellen Korrespondenzen über Frames hinweg her. Anschließend berechnen sie die starre Transformationsmatrix (Rotation + Translation), die jeden Frame in einem einzigen Koordinatensystem ausrichtet. Zu den gängigen Methoden gehören der Iterative Closest Point (ICP)-Algorithmus und seine Varianten. KI-beschleunigtes Feature-Matching ermöglicht Echtzeit-Stitching.
Schritt 3: Punktwolkenfusion
Nach der Registrierung enthalten die Multi-Frame-Punktwolken Redundanz und Rauschen. Fusion führt doppelte Punkte in überlappenden Bereichen zusammen und wendet eine gewichtete Mittelung an, um Rauschen zu reduzieren, wodurch eine einheitliche dichte Punktwolke entsteht.
Schritt 4: Netzrekonstruktion
Die Punktwolke wird in eine dreieckige Netzoberfläche umgewandelt-die Grundlage des STL-Modells. Zu den weit verbreiteten Algorithmen gehören Poisson-Rekonstruktion, Alpha-Formen und Marching Cubes. Dieser Schritt verbindet diskrete Punkte zu einer kontinuierlichen Oberfläche und füllt kleine Löcher.
Schritt 5: Netzoptimierung
Das erzeugte Netz wird einer Vereinfachung (Reduzierung der Dreieckszahl ohne Verlust wesentlicher Details), einer Glättung (Entfernung von Rauschen unter Beibehaltung der Kanten), einer Lückenfüllung (Reparatur fehlender Datenbereiche) und einer normalen Neuberechnung unterzogen.
Schritt 6: Texture Mapping
Farbinformationen aus den Originalbildern werden auf die 3D-Netzoberfläche abgebildet, um ein realistisches Texturmodell zu erstellen. Dies erfordert eine genaue Berechnung, welche Pixelbereiche in den Quellbildern jeder dreieckigen Fläche entsprechen.
Schritt 7: Echtzeit-Rendering
Das verarbeitete Modell wird über die GPU in Echtzeit auf dem Bildschirm gerendert. Ärzte können das Modell sofort drehen und zoomen. Die End-bis-Endlatenz von der Erfassung bis zur Anzeige beträgt in der Regel mehrere zehn Millisekunden und sorgt für ein Echtzeit-Scan-Erlebnis-während{5}Sie{6}}.
Das Verständnis dieser Pipeline hilft Bedienern zu verstehen, warum die Scangeschwindigkeit nicht übermäßig hoch sein kann (die Registrierung braucht Zeit, um Schritt zu halten), warum besondere anatomische Merkmale wichtig sind (die Registrierung hängt von zuverlässigen Merkmalspunkten ab) und warum Datenlücken die Qualität des endgültigen Modells beeinträchtigen.
Bei Aident Technology sind unsere Intraoralscanner der AI{1}}30-Serie für die schnelle-genaue Datenerfassung und -rekonstruktion konzipiert. Mit mehr als oder gleich 30 Bildern pro Sekunde, weniger als oder gleich 10 μm Voll--Genauigkeit, puderfreier Echtfarben-Bildgebung und intelligenter Echtzeitverarbeitung liefert der AI-30 saubere, kontinuierliche 3D-Modelle, die effiziente digitale Arbeitsabläufe in Kliniken und Laboren unterstützen.
Entdecken Sie unsere Intraoralscanner-Lösungen:
- Übersicht über den Intraoralscanner
- Dentaler Mundscanner
- 3D-Intraoralscanner
- Schneller Intraoralscanner
Kontaktieren Sie Aident für eine OEM/ODM-Partnerschaft, Großhandelspreise oder eine Live-Demonstration und erleben Sie, wie sich fortschrittliche Punkt{0}}Cloud-zu-Mesh-Rekonstruktionen in zuverlässige digitale Abdrücke umsetzen lassen.
