In dieser Projektarbeit konnte gezeigt werden, dass das korrekte Vermessen eines Hufes mit dem iPhone 12 pro möglich ist, sofern eine entsprechend korrekte Erkennung des Hufumrisses und die dazugehörende zuverlässige Tiefeninformation vorliegt.
Im Rahmen dieses Projektes soll eine iPohne Applikation entwickelt werden, welche die Masse eines Pferdehufs automatisch und korrekt ermitteln kann. Die Masse sollen in der Breite auf +/- 1mm bestimmt werden. Um dies erreichen zu können, wird das neuste iPhone 12 Pro verwendet, welches die LiDAR Technologie einsetzt.
Die Swiss Galoppers GmbH produziert und verkauft einen Hufschuh. Dabei handelt es sich um einen von einem ausgebildeten Huforthopäden und ausgewiesenen Fachspezialisten entwickelten Schuh, welcher bei Pferden anstelle von Hufeisen eingesetzt werden kann.
Um den passenden Hufschuh zu erhalten müssen Kunden das Huf selbst vermessen. Dabei werden jedoch aufgrund der Zugänglichkeit und der Form des Huf oft falsche Masse ermittelt und somit auch ein unpassender Hufschuh geliefert. Die dadurch ausgelösten Retouren bedeuten zusätzlichen Aufwand für Kunde und Lieferant, was zum einen die Kosten steigert und zum anderen auch eine gewisse Unzufriedenheit, vor allem beim Kunden, auslöst.
Vorgängiges Validieren von verschiedenen Messmethoden mit dem iPhone 12 Pro, wie SceneAnchors, 3D-Punktewolken, usw. haben gezeigt, dass für die Anwendung geforderte Genauigkeiten nur mit einem aufgenommenen Bild und dazu gehörenden Tiefen Punkten des Lidar Sensors erreicht werden kann.
An einer einfachen Messung einer 2D Linie auf einem Blatt Papier, konnte gezeigt werden, dass das Messen mit dem iPhone 12 Pro innerhalb der Toleranz +/- 1mm möglich ist. Dabei wurde unter anderem auch festgestellt, dass Messungen welche zu nahe am zu messenden Objekt sind ungenau werden und dass die Korrektheit der Tiefeninformation entscheidend ist für das Resultat der 2D Bildmessung.
An einem 3D-geruckten Testhuf wurden erste Messungen mit Bilderkennung und dazugehörigen selbst entwickelten Algorithmen durchgeführt. Dort konnte gezeigt werden, dass auch korrektes Messen an einem 3-Dimensionalen Objekt möglich ist. Hier war vor allem der Umgang mit den Tiefen Punkten des Lidar Sensors entscheidend, um notwendige und korrekte Informationen zum Huf zu extrahieren. Wie z.Bsp. das Erkennen der Hufunterseite durch Ebenen-Fits und der daraus resultierenden Hufrandzone.
Erste Testmessungen an echten Hufen haben zusätzlich gezeigt, dass dort die Bilderkennung äusserst anspruchsvoll ist, da dort im Gegensatz zum gedruckten Testhuf, eine sehr heterogene Zusammensetzung von Struktur und Farben auftritt. Um dieses Problem zu lösen, wurde mit ersten Ansätzen gezeigt, wie ein Huf in Stallumgebung erkannt werden kann. Die Bilderkennung ist, jedoch noch anfällig auf, Verschmutzungen oder stark strukturierten Hintergrund, was dann zu einer gezackten Kontur führt und zu verfälschten Messergebnissen.
Weiter wurde ein erster Entwurf einer iOS App entwickelt, welche die erarbeiteten Erkenntnisse und Algorithmen mit einbezieht. Der Benutzer wird durch einen vorgegebenen Ablauf durch eine Messung geführt. Anhand der Messungen, wird mittels vom Kunden vorgegeben Hufschuhgrössenberechnungstabelle der entsprechende Hufschuh ermittelt. Unter anderem wird auch das Datum der letzte Hufpflege berücksichtigt.
Projektdauer: 22.2.2021 bis 20.8.2021
Teamgrösse: 2 Studierende
Aufwand: 360h (180h pro Studierenden)
Material: iPhone 12 Pro
Enrico Maraffio
Sven Böhm
Dominik Frei
Prof. Dr. Christoph Stamm
