Onderzoekers hebben een nieuwe techniek ontwikkeld, genaamd CiGS, waarmee de temperatuurverdeling binnenin een solide object kan worden bepaald op basis van thermische en visuele beelden. De methode maakt gebruik van Gaussian Splatting om zonder complexe 3D-meshes inzicht te krijgen in verborgen warmtebronnen en defecten.
Een team van wetenschappers, waaronder Liu Zhenyuan en Bernd Bickel, heeft een innovatieve benadering gepresenteerd voor het afleiden van de interne temperatuurdistributie van vaste objecten. De methode, aangeduid als CiGS (Conduction in Gaussian Splats), combineert geregistreerde beelden uit het zichtbare spectrum met thermische beelden. Een belangrijk kenmerk van deze techniek is dat deze werkt, zelfs wanneer de thermische camera's slechts een deel van het oppervlak van het object kunnen waarnemen. Volgens een publicatie op arxiv.org wordt stationaire warmtegeleiding hierbij geformuleerd als een Laplace-randwaardeprobleem.
Mesh-vrije reconstructie via Gaussian Splatting
In tegenstelling tot traditionele methoden voor thermische analyse, maakt CiGS geen gebruik van oppervlakte- of volumemesh-structuren. In plaats daarvan wordt een directe randintegraalvergelijking gebruikt die is gediscretiseerd over een puntenwolk. De geometrie van de rand wordt geleverd door een Gaussian-reconstructie van de beelden uit het zichtbare spectrum, terwijl de thermische beelden de benodigde randgegevens aanleveren.
Om de nauwkeurigheid te waarborgen, maakt het systeem gebruik van een specifieke techniek waarbij collocatiepunten worden gesampled uit de gerenderde diepte. Hierbij worden pixels bij diepte-discontinuïteiten, zoals silhouetranden, weggefilterd om foutieve gegevens te voorkomen. Zoals beschreven in een analyse op themoonlight.io, maakt de integratie van RaDe-GS (Rasterizing Depth in Gaussian Splatting) het mogelijk om consistente diepte- en normaalkaarten te genereren, wat essentieel is voor de verdere berekeningen.
Toepassingen in inspectie en detectie
De volledige procesketen van CiGS is differentieerbaar, wat het systeem bijzonder geschikt maakt voor het oplossen van inverse problemen. In de praktijk betekent dit dat de methode kan worden ingezet om onzichtbare elementen in een object te lokaliseren. Volgens de projectinformatie op valency.io kan de techniek worden gebruikt om de positie en diepte van verwarmingsbuizen te bepalen, isolatiedefecten op te sporen en de vorm van interne scheuren te reconstrueren.
Om de effectiviteit van de methode te bewijzen, hebben de onderzoekers experimenten uitgevoerd met zowel synthetische als echt vastgelegde data. Deze tests richtten zich op scenario's met uitdagende topologieën en verschillende soorten randvoorwaarden, waaronder Dirichlet- en Robin-randen. De resultaten tonen aan dat de CiGS-methode overeenkomt met analytische oplossingen en in sommige gevallen een hogere nauwkeurigheid biedt dan traditionele FEM-solvers (Finite Element Method).
Data en validatie
Ter ondersteuning van het onderzoek is er een dataset beschikbaar gesteld. Op het platform huggingface.co is de 'cigs-data' dataset te vinden, die onder andere voorbeelden bevat van begraven verwarmingsbuizen, isolatieproblemen bij gevels en verborgen scheuren. Deze dataset bevat duizenden rijen aan data, verdeeld over trainings-, validatie- en testsets, wat bijdraagt aan de transparantie en reproduceerbaarheid van het onderzoek.
Hoewel 3D Gaussian Splatting inmiddels een breed besproken technologie is binnen de wereld van reality capture en LiDAR, zoals uiteengezet door lidarnews.com, breidt CiGS de toepassing hiervan uit naar het domein van de thermodynamica. Waar eerdere ontwikkelingen zich vaak richtten op de visuele reconstructie van thermische scènes, richt CiGS zich specifiek op de fysieke geleiding binnenin het materiaal.