fullseye

文献層: 光学計測と外観検査の信頼性(厳選)

何のコーパスか: 検出確率(POD)と NDE の信頼性、レーザースペックルと光切断・三角測量の不確かさ、偏光からの形状復元、能動 3D の大域光輸送(相互反射・ToF のマルチパス)、光学式 3D センサの受入試験と不確かさ(VDI/VDE 2634・ISO 10360・GUM)、検査計画と合成データ。

Fullseye でなぜ要るか: 外観検査と 3D 計測の結果に「どこまで信じてよいか」を付けるための知識。spc の pod・uncertainty・msa、optics の coherent・shape_from_polarization の各族と、既存の構造化光・照明設計・合成データの op を、規格と古典の側から使い分けられるようにする。

来歴: OpenAlex から取得した論文メタデータの主題側 1,264 本(分野違い・重複を落とした後)を、取得クエリの軸 6 クラスタで持つ生のコーパス(LLM による階層化・要約はしていない、2026-10-13)。この層は人が厳選した層で、軸ごとの概観は人が抄録を読んで自分の言葉で書いたもの、論文は古典と 2020 年以降の有用なものを手で選んだもの(目録 docs/literature/curated/optical_metrology.json)。載せるのは題名・著者・年・DOI だけ(メタデータは CC0。抄録は出版社の権利なので写さない —— 目録の手書き文はコーパスの全抄録と 8 語の並びで突き合わせ、一致があれば生成を止める)。軸の本数は語彙で当たった本数で、2 軸以上に当たる文献は両方で数える。

使い方(op に落とす): 各軸の「使う op」は目録に人が書いた対応で、op 名は生成時に出荷ノート 3,623 本の一覧と突き合わせる(無ければ止まる)。op の後ろはなぜ使うかと型。「Fullseye に無いもの」は op に落ちていない部分を正直に書いたもの。読む順: 話題 → 軸の概観 → 使う op → op ノート(型の契約・実行できる例)→ 厳選した文献。末尾の「op → クラスタ」で逆に引ける。

目次

• T1 検出確率(POD)と NDE の信頼性(287 本)
• T2 レーザースペックルと光切断・三角測量の不確かさ(369 本)
• T3 偏光からの形状復元(181 本)
• T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)(120 本)
• T5 光学式 3D センサの受入試験と不確かさ(332 本)
• T6 検査計画と合成データ(217 本)

T1 検出確率(POD)と NDE の信頼性

287 本(この軸の語彙で当たった本数)

POD(a) は、検査が大きさ a の欠陥をどの確率で見つけるかを表す曲線。データの取り方は 2 通りある。見つけた/見逃したの 2 値(hit/miss)を一般化線形モデルで当てる方法と、欠陥の大きさ a と信号の強さ â の関係を回帰し、判定閾値から POD を導く方法(â vs a)。報告に使うのは a90/95(90 % の確率で見つかる大きさの、95 % 信頼上限)。

文献が繰り返し挙げる落とし穴は 4 つ。標本が少ないと a90/95 が出ない・偏る(2 値データなら 60 個以上が目安)。材質・厚さ・形の違う試験片で作った曲線を流用する。「見つかった最小の欠陥」を能力と取り違える。人が判定する検査では信号の強さで説明できないばらつきが出て、â vs a と hit/miss の答えが食い違う。

実欠陥の試験片は高いので、シミュレーションで応答を作るモデル援用 POD(MAPOD)が広がっている。画像や目視による外観検査に限った POD の研究は少なく、橋梁の目視点検や浸透探傷が数少ない例。

使う op(目録の対応。ノートで型と例を確かめてから使う):

• pod_hitmiss_fit(2 値データから POD(a) と a90/95(Wald と尤度比の 2 通り)、table → table)
• pod_ahat_fit(â vs a の回帰(左右の打ち切りつき最尤法)、table → table)
• pod_from_ahat(回帰と判定閾値から POD 曲線と a90/95、table → table)
• pod_false_call(無欠陥部位の応答から誤検出確率、signal → table)
• pod_decision_tradeoff(閾値を振ったときの a90/95 と誤検出の取引表、table × signal → table)
• msa_attribute_agreement(人が合否を判定する検査の一致度(検査員どうしのカッパ)、table → table)
• defect_contrast(照明条件ごとの欠陥コントラスト(画像検査の â の物理的な元)、table → table)
• sam_cscan(走査型音響顕微鏡の C スキャン。接合のボイドの â を振幅・位相・同相成分で出す(超音波検査の â の物理的な元)、labels2d × table → table)
• sam_frequency_tradeoff(横分解能と減衰の取引から、ボイドの大きさごとに信号が最大になる周波数(POD を良くする周波数の見当)、table → table)
• Fullseye に無いもの: 試験に要る欠陥の数を事前に決める標本設計の op は無い。

厳選した文献(10 本、古い順)

• 題名・著者・年・DOI と、読む理由:
  • George A. Georgiou (2007). PoD curves, their derivation, applications and limitations. 10.1784/insi.2007.49.7.409 —— POD 曲線をどう作り、どこで誤用されるかの総説。最初に読む 1 本
  • Annis Charles et al. (2012). ENIQ TGR Technical Document - Influence of Sample Size and Other Factors on Hit/Miss Probability of Detection Curves (ENIQ report N. 47). 10.2790/43050 —— hit/miss の標本数(60 個の目安)の根拠と試験の設計
  • Jeremy S. Knopp et al. (2012). Statistical Analysis of Hit/Miss Data (Preprint). 10.21236/ada565118 —— hit/miss 解析の歴史と、a90 より大きい欠陥での曲線のふるまいへの懸念と、その対処
  • Ryan M. Meyer et al. (2014). Review of Literature for Model Assisted Probability of Detection. 10.2172/1183633 —— モデル援用 POD(MAPOD)の文献調査
  • E07 Committee (2018). Practice for Probability of Detection Analysis for Hit/Miss Data. 10.1520/e2862-18 —— hit/miss データの POD 解析の規格(ASTM E2862)
  • Iikka Virkkunen et al. (2019). Comparison of â Versus a and Hit/Miss POD-Estimation Methods: A European Viewpoint. 10.1007/s10921-019-0628-z —— â vs a と hit/miss を同じデータで比べ、人の判定で食い違うことを示す
  • Leslie E. Campbell et al. (2019). Benchmark for Evaluating Performance in Visual Inspection of Fatigue Cracking in Steel Bridges. 10.1061/(asce)be.1943-5592.0001507 —— 目視点検の POD を実際の疲労き裂で測った基準データ
  • Miroslav Yosifov et al. (2022). Probability of detection applied to X-ray inspection using numerical simulations. 10.1080/10589759.2022.2071892 —— シミュレーションで作った X 線像で POD を出す(試験片を作らない)
  • Christine E. Knott et al. (2022). Modern Design and Analysis For Hit/Miss Probability of Detection Studies Using Profile Likelihood Ratio Confidence Intervals. 10.32548/2022.me-04272 —— hit/miss 試験の設計と、尤度比による a90/95 の信頼区間
  • Beate Oswald-Tranta et al. (2023). Comparison of hit/miss and ‘â versus a’ POD calculations for short surface cracks using inductive thermography. 10.58286/28076 —— 誘導加熱サーモグラフィで hit/miss と â vs a を比べる(画像による検査の例)

T2 レーザースペックルと光切断・三角測量の不確かさ

369 本(この軸の語彙で当たった本数)

光切断(シート光)と三角測量は、レーザー線の位置を画像で読み、三角測量角で高さに変える。粗い面をコヒーレント光で照らすとスペックルが出て、線の重心が揺れる。この揺れは画素や電気雑音を良くしても消えない床で、波長・観察側の開口・三角測量角・スペックルのコントラストで決まる。

床を下げる手は 3 つ。時間・空間のコヒーレンスを下げる(拡散板を動かす、波長や角度を振る)、観察側の開口を広げる、三角測量角を大きくする(測定範囲と引き換え)。スペックルそのものの統計(強度の分布、コントラスト、粒の大きさ)は Goodman の古典にまとまっている。

2015 年以降の実測研究は、反射率・粗さ・傷といった技術表面の性質で不確かさが材料ごとに変わること、センサの仕様書の値が同じ定義で書かれていないことを示し、横分解能・時間雑音・校正の正しさを揃えた条件で比べることを勧めている。

使う op(目録の対応。ノートで型と例を確かめてから使う):

• triangulation_speckle_limit(三角測量のスペックルの床 δz(閉形式)、入力なし → table)
• laser_line_coherent(粗い面に当てたレーザー線をスペックルごと描く、入力なし → image2d)
• speckle_field(粗い面からのスペックル強度、入力なし → image2d)
• speckle_statistics(スペックル画像のコントラストと粒の大きさ、image2d → table)
• speckle_reduction(低減手段ごとのコントラストの予測、入力なし → table)
• coherent_image(瞳を通したコヒーレント結像、image2d × image2d → image2d)
• lines_gauss(線の中心をサブピクセルで抽出(Steger 法)、image → contour)
• peak_subbin(列ごとの断面のピークをサブビンで(線中心)、signal × indices → signal)
• triangulate_column(位置から深度への三角測量、image2d → depth)
• emva_snr_curve(センサの SNR(光子雑音の床。スペックルの床と比べる)、signal → matrix)
• Fullseye に無いもの: 拡散板の振幅や周波数のような低減装置そのものの設計は op に無い(speckle_reduction は低減後のコントラストを予測するだけ)。

厳選した文献(10 本、古い順)

• 題名・著者・年・DOI と、読む理由:
  • Joseph W. Goodman (1975). Statistical properties of laser speckle patterns. 10.1007/bfb0111436 —— スペックルの 1 次・2 次統計の古典
  • Réjean Baribeau et al. (1991). Influence of speckle on laser range finders. 10.1364/ao.30.002873 —— スペックルが三角測量の距離計の根本的な限界であることを示した
  • Rainer G. Dorsch et al. (1994). Laser triangulation: fundamental uncertainty in distance measurement. 10.1364/ao.33.001306 —— 三角測量の不確かさの床を波長・開口・コントラストで与える式の出典
  • Luo Xiuzhi (2010). Extraction of central positions of light stripe in sub-pixel in 3D surface measurement based on light sectioning method. W2385532213 —— 光切断の線中心をサブピクセルで求める方法(勾配方向の重み付き平均)
  • Shigeo Kubota et al. (2010). Very efficient speckle contrast reduction realized by moving diffuser device. 10.1364/ao.49.004385 —— 動く拡散板によるスペックルコントラストの低減を精密に測った
  • Thomas Mueller et al. (2015). Measurement Uncertainty of Microscopic Laser Triangulation on Technical Surfaces. 10.1017/s1431927615015330 —— 顕微の三角測量で、表面の性質ごとに不確かさがどう変わるか
  • Lukas Traxler et al. (2021). Experimental Comparison of Optical Inline 3D Measurement and Inspection Systems. 10.1109/access.2021.3070381 —— ステレオ・光切断・構造化光などを同じ規則で比べる実験
  • Natalia Swojak et al. (2021). Assessment of selected metrological properties of laser triangulation sensors. 10.1016/j.measurement.2021.109190 —— 三角測量ヘッドの静特性と長さ測定の不確かさの実測
  • Ernst Csencsics et al. (2023). Reducing the Speckle-Induced Measurement Uncertainty in Laser Triangulation Sensors. 10.1109/tim.2022.3230481 —— スペックルによる不確かさの模擬と、拡散板による低減の実測
  • Mengjuan Chen et al. (2024). A Novel Dynamic Light-Section 3D Reconstruction Method for Wide-Range Sensing. 10.3390/s24123793 —— ガルバノで視野を切り替える広範囲の光切断と、その校正

T3 偏光からの形状復元

181 本(この軸の語彙で当たった本数)

誘電体の面で反射した光は部分的に偏光する。偏光度(DoLP)は天頂角(面の法線と視線のなす角)で、偏光の方位(AoLP)は法線の方位で決まり、どちらも Fresnel の式から計算できる。逆に解けば 1 視点から法線が出るが、答えは 1 つに決まらない。方位には π の曖昧さがあり、鏡面反射の天頂角は Brewster 角を挟んで 2 つ、しかも屈折率が要る。

拡散反射は天頂角が一意で物体の縁ほど精度がよい。鏡面反射は信号が強い代わりに曖昧さが増える。曖昧さを解く手として、凸性などの事前知識、物体を少し傾けた 2 枚目(透明体)、多視点と形状の粗い推定(黒い鏡面体)、粗い深度との融合、デフレクトメトリとの融合が文献に並ぶ。

偏光カメラ(画素ごとに 4 方向の偏光子)ではデモザイクの誤差がそのまま法線の誤差になるので、補間法の選び方が精度を左右する。

使う op(目録の対応。ノートで型と例を確かめてから使う):

• polarization_demosaic(偏光センサのモザイクを 4 方向に分ける、image2d → polsweep)
• polarization_demosaic_color(カラー偏光センサのモザイク、image2d → rgbvolume)
• polarization_dolp_map(画素ごとの偏光度、polsweep → image2d)
• polarization_separate(拡散成分と鏡面成分に分ける、polsweep → image2d)
• sfp_dolp_model(天頂角と偏光度の関係(Fresnel)、image2d → image2d)
• dolp_to_zenith(偏光度から天頂角の候補(拡散 1 つ・鏡面 2 つ)、image2d → table)
• aolp_to_azimuth(偏光の方位から法線の方位の候補(π の曖昧さ)、image2d → table)
• sfp_estimate_index(既知の天頂角から屈折率を推定、image2d × image2d → table)
• sfp_normals(法線の候補の集合(曖昧さを集合のまま持つ)、polsweep → table)
• sfp_disambiguate(事前知識や粗い深度で候補から 1 つ選ぶ、table → normalmap)
• sfp_height(法線から高さへ積分、normalmap → image2d)
• sfp_render(法線から偏光カメラの画像を作る(順モデル・真値つき)、normalmap → polsweep)
• normal_from_reflection(デフレクトメトリの法線(鏡面。偏光との融合の相手)、vector × vector → vector)
• Fullseye に無いもの: 透明体の裏面を辿る逆偏光レイトレースと、多視点の偏光を一度に解く op は無い。

厳選した文献(10 本、古い順)

• 題名・著者・年・DOI と、読む理由:
  • Lawrence B. Wolff et al. (1991). Constraining object features using a polarization reflectance model. 10.1109/34.85655 —— Fresnel 係数による偏光反射モデル。材質の区別と拡散/鏡面の分離
  • Miyazaki et al. (2003). Polarization-based inverse rendering from a single view. 10.1109/iccv.2003.1238455 —— 1 視点の偏光から形状・反射・照明をまとめて推定
  • Daisuke Miyazaki et al. (2004). Transparent surface modeling from a pair of polarization images. 10.1109/tpami.2004.1261080 —— 透明体の形状。傾けた 2 枚目で天頂角の曖昧さを解く
  • Stefan Rahmann et al. (2005). Reconstruction of specular surfaces using polarization imaging. 10.1109/cvpr.2001.990468 —— 鏡面を多視点の偏光像から復元(CVPR 2001。コーパスの年は 2005)
  • Gary A. Atkinson et al. (2006). Recovery of surface orientation from diffuse polarization. 10.1109/tip.2006.871114 —— 拡散偏光から法線と高さ。精度の材料依存と屈折率の測り方
  • Achuta Kadambi et al. (2015). Polarized 3D: High-Quality Depth Sensing with Polarization Cues. 10.1109/iccv.2015.385 —— 偏光の法線で粗い深度を高精細にする(Polarized 3D)
  • Daisuke Miyazaki et al. (2016). Surface normal estimation of black specular objects from multiview polarization images. 10.1117/1.oe.56.4.041303 —— 黒い鏡面体の法線を多視点の偏光とスペースカービングで
  • Sofiane Mihoubi et al. (2018). Survey of Demosaicking Methods for Polarization Filter Array Images. 10.3390/s18113688 —— 偏光フィルタ配列のデモザイク法の比較
  • Xuan Li et al. (2023). Polarization 3D imaging technology: a review. 10.3389/fphy.2023.1198457 —— 偏光 3D 撮像の総説(曖昧さの解き方と学習法)
  • Jiazhang Wang et al. (2025). 3D imaging of complex specular surfaces by fusing polarimetric and deflectometric information. 10.1364/optica.538331 —— 偏光とデフレクトメトリを融合して鏡面の曖昧さを解く

T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)

120 本(この軸の語彙で当たった本数)

縞投影・グレイコード・ToF は、ふつう「各画素はプロジェクタの 1 点から直接来た光だけを受ける」と仮定する。凹面の相互反射、半透明体の表面下散乱、プロジェクタのぼけはこの仮定を破り、位相や符号を系統的にずらす。偶然誤差ではないので平均しても消えない。

高い周波数の模様では、各点が受ける大域成分がほぼ一定になる。この観察を使うと、模様とその補模様の 2 枚で直接成分と大域成分を分けられる。測距では、長距離の相互反射は低い周波数の模様を、短距離の散乱は高い周波数の模様を壊す。狭い高周波帯だけで位相シフトする方法や、効果ごとに強い符号を組み合わせる方法はこの分析から出てきた。

ToF では同じ現象がマルチパス干渉として現れ、複数の変調周波数や時間周波数の領域で経路を分ける。物理ベースのレンダリングで真値つきの合成スキャナを作り、手法を比べる研究もある。

使う op(目録の対応。ノートで型と例を確かめてから使う):

• separate_direct_global(ずらした高周波の模様の画像から直接成分と大域成分を分ける(Nayar ら 2006)、images → table)
• high_frequency_patterns(分離と Micro PS に使う高周波の模様(縞・市松・正弦波)、入力なし → images)
• micro_phase_decode(狭い高周波帯の位相シフトを絶対座標に復号(Micro Phase Shifting)、images → table)
• groove_profile(溝・すみ肉などの凹んだ断面を画素ごとの面に分ける、入力なし → table)
• form_factors_2d(凹んだ断面の面どうしの形態係数(Hottel の交差線則)、table → matrix)
• transport_matrix_radiosity(Lambert 面の光輸送行列(ラジオシティ。相互反射の真値の元)、table → table)
• render_transport(輸送行列を通した、直接光 + 相互反射つきのカメラ画像、table × images → images)
• predict_fringe_phase_error(相互反射が縞の位相と高さに入れる誤差を画素ごとに予測、table → table)
• fringe_multipath_phase_error(直接と大域の 2 つのフェーザの和の位相と、最悪の誤差 asin(a2/a1)、入力なし → table)
• tof_multipath_phase(連続波 ToF で複数経路が重なったときの位相と距離の偏り、入力なし → table)
• tof_transport_depth(部屋の隅のような凹みでの ToF の深度の偏り(経路長つきの輸送)、table → table)
• synthesize_fringes(直接光だけの縞を合成(大域光の無い基準)、image2d → images)
• wrapped_phase(N ステップの位相(大域光は位相のずれとして出る)、images → image2d)
• unwrap_phase_2d(位相の展開、image2d → image2d)
• absolute_phase(粗い絶対位相で次数を決める、image2d × image2d → image2d)
• graycode_decode(グレイコードの次数(低周波のビットほど相互反射で誤る)、images → image2d)
• decode_fringe(位相シフトの一括復号、images → depth)
• dtof_depth(ToF の距離(マルチパスで誤る側)、counts → measurement)
• Fullseye に無いもの: 光輸送行列は押し出した 2-D 断面の Lambert 面に限る。3-D の任意形状、表面下散乱、鏡面どうしの相互反射を解く op は無い。

厳選した文献(10 本、古い順)

• 題名・著者・年・DOI と、読む理由:
  • Shree K. Nayar et al. (1991). Shape from interreflections. 10.1007/bf00115695 —— 相互反射で歪んだ形状と反射率から真の値を反復で取り戻す
  • Shree K. Nayar et al. (2006). Fast separation of direct and global components of a scene using high frequency illumination. 10.1145/1141911.1141977 —— 高周波の照明で直接成分と大域成分を分ける(2 枚から)
  • Mohit Gupta et al. (2011). Structured light 3D scanning in the presence of global illumination. 10.1109/cvpr.2011.5995321 —— 大域光に強い構造化光の符号の設計
  • Mohit Gupta et al. (2012). Micro Phase Shifting. 10.1109/cvpr.2012.6247753 —— 狭い高周波帯だけの位相シフト(Micro Phase Shifting)
  • Mohit Gupta et al. (2012). A Practical Approach to 3D Scanning in the Presence of Interreflections, Subsurface Scattering and Defocus. 10.1007/s11263-012-0554-3 —— 長距離と短距離の大域光が別々の周波数の模様を壊すことの分析と実用系
  • Ayush Bhandari et al. (2014). Resolving multipath interference in time-of-flight imaging via modulation frequency diversity and sparse regularization. 10.1364/ol.39.001705 —— ToF のマルチパスを複数の変調周波数と疎性で分ける
  • Esdras Medeiros et al. (2014). Using physically Based Rendering to Benchmark Structured Light Scanners. 10.1111/cgf.12475 —— 物理ベースのレンダリングで構造化光の手法を真値つきで比べる
  • Mohit Gupta et al. (2015). Phasor Imaging. 10.1145/2735702 —— 相関型 ToF の大域光を時間周波数で扱う(Phasor Imaging)
  • Deng Ji et al. (2020). Efficient intensity-based fringe projection profilometry method resistant to global illumination. 10.1364/oe.408835 —— 大域光に強い強度ベースの縞投影(グレイコードへの変換)
  • Hongzhi Jiang et al. (2021). Parallel Single-Pixel Imaging: A General Method for Direct–Global Separation and 3D Shape Reconstruction Under Strong Global Illumination. 10.1007/s11263-020-01413-z —— 画素ごとの単一画素撮像で光輸送を測り、強い大域光の下で形状を取る

T5 光学式 3D センサの受入試験と不確かさ

332 本(この軸の語彙で当たった本数)

光学式 3D センサが何 µm で測れるかを言うには、受入試験と不確かさの 2 つが要る。受入試験の代表は VDI/VDE 2634(第 2・3 部)と ISO 10360-13 で、校正された球・球棒・平面を測り、球の当てはめ残差(プロービング誤差)・球間距離の誤差・平面の当てはめ残差を、決められた位置と向きで求める。触針式 CMM の ISO 10360 の考え方を光学に移したもので、自由曲面の測定能力を確かめる人工物も提案されている。

不確かさは GUM の伝播則と補遺 1 のモンテカルロ法で評価し、両者が合うかを比べた研究が多い。作業ごとの不確かさ(ISO 15530)を点群に当てる試みや、仮想 CMM のように模擬から不確かさを出す方法もある。

縞投影ではプロジェクタの非線形な階調が位相誤差になり、反復で補償できる。この評価の枠組みは学習モデルの深度推定の評価にも使われ始めた。

使う op(目録の対応。ノートで型と例を確かめてから使う):

• gum_standard_uncertainty(半幅や拡張不確かさを分布の形から標準不確かさへ、table → table)
• gum_propagate(伝播則(相関つき)、table → table)
• gum_expanded(有効自由度・包含係数・拡張不確かさ、table → table)
• gum_monte_carlo(補遺 1 のモンテカルロ伝播、table → table)
• gum_validate(モンテカルロで伝播則の結果を検証、table × table → table)
• msa_gauge_rr(繰り返し性と再現性(ゲージ R&R)、table → table)
• msa_bias_linearity(基準値に対する偏りと直線性、table → table)
• fit_sphere_3d(球の当てはめ(プロービング誤差と球間距離の元)、points → primitive)
• ransac_sphere(外れ点に強い球の当てはめ、points → primitive)
• ransac_plane(基準平面、points → primitive)
• surface_form_error(平面の形状誤差(平面度)、image2d → measurement)
• calibration_views(設計レンズ越しの校正板の合成ビュー、table → table)
• Fullseye に無いもの: VDI/VDE 2634・ISO 10360-13 の試験手順そのもの(球・球棒の配置、プロービング誤差と球間距離誤差の算出)を 1 つにまとめた op は無い。上の当てはめと不確かさの op を組み合わせて作る。規格の本文は有償で、このコーパスにも入っていない。

厳選した文献(10 本、古い順)

• 題名・著者・年・DOI と、読む理由:
  • Bing Pan et al. (2009). Phase error analysis and compensation for nonsinusoidal waveforms in phase-shifting digital fringe projection profilometry. 10.1364/ol.34.000416 —— 縞投影の非正弦波(階調の非線形)による位相誤差の解析と補償
  • Bojan Ačko et al. (2012). Standards for testing freeform measurement capability of optical and tactile coordinate measuring machines. 10.1088/0957-0233/23/9/094013 —— 光学式と触針式 CMM の自由曲面測定能力を確かめる人工物
  • Abdelilah Jalid et al. (2016). Comparison of the GUM and Monte Carlo methods on the flatness uncertainty estimation in coordinate measuring machine. 10.1051/ijmqe/2016013 —— 平面度の不確かさを GUM とモンテカルロで比べる
  • Eyþór Rúnar Eiríksson et al. (2016). PRECISION AND ACCURACY PARAMETERS IN STRUCTURED LIGHT 3-D SCANNING. 10.5194/isprs-archives-xl-5-w8-7-2016 —— 構造化光の設計パラメータが精度に効く度合いを VDI/VDE 2634 で測る
  • Piera Maresca et al. (2017). Considerations to the verification of optical measuring machines according to ISO 10360. 10.1016/j.promfg.2017.09.075 —— 画像式測定機を ISO 10360-7 に沿って検証する方法の見直し
  • D. Heißelmann et al. (2018). Determination of measurement uncertainty by Monte Carlo simulation. 10.1142/9789813274303_0017 —— 仮想 CMM によるモンテカルロの不確かさ評価
  • Gorka Kortaberria et al. (2022). Three-Dimensional Point Cloud Task-Specific Uncertainty Assessment Based on ISO 15530-3 and ISO 15530-4 Technical Specifications and Model-Based Definition Strategy. 10.3390/metrology2040024 —— 点群の作業ごとの不確かさ(ISO 15530-3/-4)
  • Davide Maria Fabris et al. (2022). METROLOGICAL CHARACTERIZATION OF OPTICAL 3D COORDINATE MEASUREMENT SYSTEMS – COMPARISON OF ALTERNATIVE HARDWARE DESIGNS AS PER ISO 10360. 10.5194/isprs-archives-xlviii-2-w2-2022-39-2022 —— ISO 10360-13 の試験を実装し、構造化光スキャナの構成を比べる
  • — (2023). DIN EN ISO 10360-13:2023-11, Geometrische Produktspezifikationen_(GPS)- Annahmeprüfung und Bestätigungsprüfung für Koordinatenmesssysteme(KMS)_- Teil_13: Optische 3D KMS (ISO_10360-13:2021); Deutsche Fassung EN_ISO_10360-13:2021. 10.31030/3274809 —— ISO 10360-13(光学式 3D 座標測定系)の書誌レコード。本文は有償
  • Roland Ramm et al. (2025). Benchmarking AI-Based Monocular Depth Estimators in Terms of Their Metrological Potential Following 3-D Sensor Guideline VDI/VDE 2634. 10.1109/lsens.2025.3647147 —— 単眼深度推定を VDI/VDE 2634 の球棒の試験で評価する

T6 検査計画と合成データ

217 本(この軸の語彙で当たった本数)

検査の設計を実機の前にどこまで決められるか、が主題。1 つは視点計画で、CAD やメッシュから、面を必要な画質で覆う少数のカメラ姿勢を探す(粒子群最適化、幾何特徴に応じた標本化、強化学習、階層的な分割)。被覆の最適化は組合せが爆発するので、どれも近似解。

もう 1 つは合成データで、物理ベースのレンダリングで欠陥つきの画像と画素単位のラベルを作り、学習や評価に使う。欠陥を手続き的に置き、物体・カメラ・照明を乱数で振る(ドメインランダム化)と、合成だけで学習したモデルが実画像で学習したモデルに並ぶ例が出ている。効くのは欠陥の形・材質・照明・視点で、レンダリングの標本数ではないという報告もある。

POD の側からは、少ない実欠陥と模擬した応答から hit/miss の POD 曲線を作る研究がある(T1 と繋がる)。

使う op(目録の対応。ノートで型と例を確かめてから使う):

• inspection_dataset(検査用の学習画像を画素完全なラベルつきで n 枚、table × table × table → table)
• defect_dataset(設計レンズ越しの欠陥画像とマスク、入力なし → table)
• random_defects(部品にランダムな欠陥(傷・割れ・打痕・異物…)、table → table)
• surface_defect(2-D の欠陥図を部品の面に貼る、table × image2d → table)
• render_optscene(実在の照明を物理単位で置いて撮る(真値つき)、table × table × table → rgbimage)
• optscene_defect_mask(欠陥画素の真値マスク、table × table → image2d)
• optscene_depth(深度の真値(光軸方向の z)、table × table → image2d)
• illumination_visibility(各点から見た発光点の可視率(落ち影)、table × points × table → signal)
• illumination_design(面と欠陥の組合せに合う照明の順位、入力なし → table)
• lighting_sweep(照明の仰角を振った欠陥コントラスト、入力なし → pairs)
• aug_shot_noise(光子の雑音を足す、image → image)
• aug_read_noise(読み出し雑音を足す、image → image)
• Fullseye に無いもの: 視点計画(どこから撮るか)の op は無い。被覆の最適解に閉形式が無く、真値で確かめる門が立てにくいので見送っている。

厳選した文献(10 本、古い順)

• 題名・著者・年・DOI と、読む理由:
  • Aaron Mavrinac et al. (2014). Semiautomatic Model-Based View Planning for Active Triangulation 3-D Inspection Systems. 10.1109/tmech.2014.2318729 —— 三角測量式 3D 検査の視点計画をモデルと粒子群最適化で
  • Max-Gerd Retzlaff et al. (2015). Synthesizing images using parameterized models for automated optical inspection (AOI). 10.1515/teme-2014-0041 —— 手続き的なモデルと物理ベースの描画で AOI の評価用画像を作る
  • Tuomas Koskinen et al. (2018). Hit/Miss POD With Model Assisted and Emulated Flaws. W2890307309 —— 少数の実き裂と模擬した応答で hit/miss の POD を作る
  • Dennis Mosbach et al. (2020). Feature-Driven Viewpoint Placement for Model-Based Surface Inspection. 10.1007/s00138-020-01116-y —— 面の幾何特徴に応じて視点を少なく置く
  • Christian Landgraf et al. (2021). A Reinforcement Learning Approach to View Planning for Automated Inspection Tasks. 10.3390/s21062030 —— CAD から検査の視点を強化学習で選ぶ
  • Ole Schmedemann et al. (2022). Procedural synthetic training data generation for AI-based defect detection in industrial surface inspection. 10.1016/j.procir.2022.05.115 —— 欠陥を 3D で置く手続き的な合成データとドメインランダム化
  • Omey Mohan Manyar et al. (2022). Physics Informed Synthetic Image Generation for Deep Learning-Based Detection of Wrinkles and Folds. 10.1115/1.4056295 —— シート変形の物理模擬と描画で、しわ・折れの合成画像を作る
  • Shaohu Wang et al. (2023). Hierarchical Viewpoint Planning for Complex Surfaces in Industrial Product Inspection. 10.1109/tmech.2023.3340312 —— 複雑な面の視点計画を階層的に分けて解く
  • Christoph Huber et al. (2025). Fully-Synthetic Training for Visual Quality Inspection in Automotive Production. 10.1016/j.procir.2025.02.205 —— 合成だけで学習した検出器が実画像の学習に並んだ例
  • Runzhou Mao et al. (2026). Rendering Synthetic Defects for Learning‐Based Industrial Inspection. 10.1111/cgf.70550 —— 合成欠陥のどの描画要因が学習に効くか(形・材質・照明・視点)

op → クラスタ(逆引き)

この層で「使う op」に挙がった op と、それが出た軸。op から「どの知識の文脈で使うか」を引く。

op	出た軸
absolute_phase	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
aolp_to_azimuth	T3 偏光からの形状復元
aug_read_noise	T6 検査計画と合成データ
aug_shot_noise	T6 検査計画と合成データ
calibration_views	T5 光学式 3D センサの受入試験と不確かさ
coherent_image	T2 レーザースペックルと光切断・三角測量の不確かさ
decode_fringe	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
defect_contrast	T1 検出確率(POD)と NDE の信頼性
defect_dataset	T6 検査計画と合成データ
dolp_to_zenith	T3 偏光からの形状復元
dtof_depth	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
emva_snr_curve	T2 レーザースペックルと光切断・三角測量の不確かさ
fit_sphere_3d	T5 光学式 3D センサの受入試験と不確かさ
form_factors_2d	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
fringe_multipath_phase_error	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
graycode_decode	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
groove_profile	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
gum_expanded	T5 光学式 3D センサの受入試験と不確かさ
gum_monte_carlo	T5 光学式 3D センサの受入試験と不確かさ
gum_propagate	T5 光学式 3D センサの受入試験と不確かさ
gum_standard_uncertainty	T5 光学式 3D センサの受入試験と不確かさ
gum_validate	T5 光学式 3D センサの受入試験と不確かさ
high_frequency_patterns	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
illumination_design	T6 検査計画と合成データ
illumination_visibility	T6 検査計画と合成データ
inspection_dataset	T6 検査計画と合成データ
laser_line_coherent	T2 レーザースペックルと光切断・三角測量の不確かさ
lighting_sweep	T6 検査計画と合成データ
lines_gauss	T2 レーザースペックルと光切断・三角測量の不確かさ
micro_phase_decode	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
msa_attribute_agreement	T1 検出確率(POD)と NDE の信頼性
msa_bias_linearity	T5 光学式 3D センサの受入試験と不確かさ
msa_gauge_rr	T5 光学式 3D センサの受入試験と不確かさ
normal_from_reflection	T3 偏光からの形状復元
optscene_defect_mask	T6 検査計画と合成データ
optscene_depth	T6 検査計画と合成データ
peak_subbin	T2 レーザースペックルと光切断・三角測量の不確かさ
pod_ahat_fit	T1 検出確率(POD)と NDE の信頼性
pod_decision_tradeoff	T1 検出確率(POD)と NDE の信頼性
pod_false_call	T1 検出確率(POD)と NDE の信頼性
pod_from_ahat	T1 検出確率(POD)と NDE の信頼性
pod_hitmiss_fit	T1 検出確率(POD)と NDE の信頼性
polarization_demosaic	T3 偏光からの形状復元
polarization_demosaic_color	T3 偏光からの形状復元
polarization_dolp_map	T3 偏光からの形状復元
polarization_separate	T3 偏光からの形状復元
predict_fringe_phase_error	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
random_defects	T6 検査計画と合成データ
ransac_plane	T5 光学式 3D センサの受入試験と不確かさ
ransac_sphere	T5 光学式 3D センサの受入試験と不確かさ
render_optscene	T6 検査計画と合成データ
render_transport	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
sam_cscan	T1 検出確率(POD)と NDE の信頼性
sam_frequency_tradeoff	T1 検出確率(POD)と NDE の信頼性
separate_direct_global	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
sfp_disambiguate	T3 偏光からの形状復元
sfp_dolp_model	T3 偏光からの形状復元
sfp_estimate_index	T3 偏光からの形状復元
sfp_height	T3 偏光からの形状復元
sfp_normals	T3 偏光からの形状復元
sfp_render	T3 偏光からの形状復元
speckle_field	T2 レーザースペックルと光切断・三角測量の不確かさ
speckle_reduction	T2 レーザースペックルと光切断・三角測量の不確かさ
speckle_statistics	T2 レーザースペックルと光切断・三角測量の不確かさ
surface_defect	T6 検査計画と合成データ
surface_form_error	T5 光学式 3D センサの受入試験と不確かさ
synthesize_fringes	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
tof_multipath_phase	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
tof_transport_depth	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
transport_matrix_radiosity	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
triangulate_column	T2 レーザースペックルと光切断・三角測量の不確かさ
triangulation_speckle_limit	T2 レーザースペックルと光切断・三角測量の不確かさ
unwrap_phase_2d	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)
wrapped_phase	T4 能動 3D の大域光輸送(相互反射・表面下散乱・マルチパス)

This site is open source. Improve this page.