Arbeitsplatte 3200 x 1200 mm – Planansicht aus 8 Fotos

Erzeugt aus ~/Documents/Arbeitsplatte/IMG_1826 … IMG_1835.jpeg (8 Aufnahmen derselben polierten Natursteinplatte, iPhone 16 Pro Max, 5712 x 4284 px).

1. Ergebnis – was in out/ liegt

Die Maßstäbe wurden nachgeprüft: auf plan_1-10_A3.pdf misst ein Gitterfeld 20,0 mm (1 m = 100,0 mm), auf plan_1-20_A4.pdf 10,0 mm (1 m = 50,0 mm) – also genau 20 cm bzw. 1 m der realen Platte.

2. Vorgehen

1. Bildinhalt geklärt. Ein lokales Vision-Modell (Ollama) hat jedes Foto beschrieben: dieselbe dunkle, blau geaderte polierte Platte, hängend an einem Kran mit orangem Vakuumheber, auf gepflastertem Hof; 3–4 verschiedene Kamerapositionen.
2. Kamera kalibriert. EXIF: 24 mm Kleinbild-Äquivalent, f = 6,765 mm → Brennweite in Pixeln f = 24 · 5712/36 = 3808 px (Variante über die Diagonale: 3960 px). Gerechnet wurde mit f = 3960 px, Hauptpunkt in Bildmitte, keine Verzeichnung.
3. Plattenrand automatisch gefunden. Pro Foto: grobe Viertel vom Vision-Modell → GrabCut-Segmentierung → jede der vier Kanten per Gradienten-Snapping auf die stärkste Kante in der Nähe gezogen (robuster RANSAC-Linienfit, Residuen 0,1–1,3 px).
4. Gegen die Mehrbild-Konsistenz geprüft. Die 8 Fotos zeigen dieselbe Fläche von verschiedenen Standorten. Nach der Entzerrung müssen die Steinteilungen übereinstimmen; mit diesem Kriterium wurden die Ränder nachjustiert (mittlere Bildkorrelation 0,40 → 0,57; die beste Bildpaarung erreicht 0,86).
5. Metrisch korrigiert. Jedes Viertel wurde minimal so verschoben, dass es exakt die orthogonale Ansicht eines 3200 x 1200 mm-Rechtecks durch die kalibrierte Kamera ist (Bedingung: Seitenverhältnis 2,667 und Orthogonalitätsfehler 0°, geprüft über die Homographie-Zerlegung K⁻¹H = λ[W·r₁, H·r₂, t]).
6. Zusammengeführt. Alle 8 entzerrten Bilder auf 6400 x 2400 px (2 px/mm) gewarpt, pixelweise Median → Rauschen und bewegte Störer (Person, Kranhaken) werden stark unterdrückt; pro Pixel stehen bis zu 8 Stichproben zur Verfügung.

3. Prüfungen (alle nachvollziehbar)

• Kantenfit-Residuen 0,1–1,3 px bei 50–88 % der Kantenlänge mit echtem Helligkeitssprung.
• Homographie-Prüfung: für ein korrekt erkanntes Rechteck muss sich ein eindeutiger Brennweitenwert ergeben. Für das beste Segmentierungsergebnis ergab sich f = 3828 px – das passt auf 0,5 % zu den aus dem EXIF abgeleiteten 3808 px.
• Semantische Kontrolle durch das Vision-Modell auf den entzerrten Bildern: Variante mit metrischer Korrektur zeigt die Platte randfüllend, die kantenbasierte Variante zeigt noch Fremdinhalt (Kranhaken, Stapel) → die metrisch korrigierte Variante wurde bevorzugt.
• Druckmaßstab der PDFs nachgemessen (siehe Abschnitt 1).

4. Wichtige Einschränkung – bitte einmal prüfen

Die Fotos selbst ergeben, mit der kalibrierten Kamera gerechnet, für die sichtbare Plattenfläche ein Seitenverhältnis von etwa 1,8 : 1 – nicht 2,67 : 1 wie bei 3200 x 1200 mm. Das heißt: entweder ist die sichtbare Fläche nicht deckungsgleich mit der 1200 mm hohen Werkplatte (z. B. läuft unten der Stapel/Untergrund mit ins Bild), oder die Platte ist in Wirklichkeit größer (z. B. eine Rohplatte ~3200 x 1800 mm).

Konsequenz für dieses Ergebnis: der Plan wurde so gerechnet, dass die erkannte Fläche exakt als 3200 x 1200 mm abgebildet wird (Punkt 5). Damit stimmen Gitter und Maßstab mit Ihrer Vorgabe überein, und das Steinbild ist nicht verzerrt. Falls die Platte andere Maße hat, ist der Plan entsprechend neu zu rechnen (dauert Sekunden, siehe unten) – die Gitterteilung bleibt dabei immer 20 cm.

Schnellprüfung für Sie: out/checks/IMG_1829_outline.jpg öffnen. Liegt der rote Rahmen genau auf den vier Kanten der Platte? Wenn ja, ist alles korrekt. Wenn nein: die Eckpunkte in metric_quads.json (Prozent der Bildbreite/-höhe, Reihenfolge TL, TR, BR, BL) anpassen und

cd ~/ai-mac-studio
development/arbeitsplatte/.venv/bin/python development/arbeitsplatte/build.py
development/arbeitsplatte/.venv/bin/python development/arbeitsplatte/make_sheets.py

neu laufen lassen. Auch ein anderer Maßstab (z. B. 1:5 oder 1:25) oder eine andere Plattengröße ist damit in einer Minute erzeugt.

5. Alternativvariante

alt_arbeitsplatte_kantenbasiert_2pxmm.png verwendet nur die automatisch gefundenen Kanten ohne metrische Korrektur. Sie zeigt mehr vom Umfeld (unten Stapel/Hof) und ist etwas schärfer, bildet die Platte aber nicht maßstabsgerecht ab. Für einen Plan ist die Hauptvariante gedacht.

6. Werkzeuge / Skripte (in diesem Ordner)

Zwischenstände der Erkennung: coarse_quads.json (Viertel vom Vision-Modell), snapped_quads.json (nur Kanten-Snapping), refined_quads.json / refined_quads2.json (Mehrbild-Abgleich), metric_quads.json (verwendete Endwerte).

Rechenumgebung: .venv (Python 3.14, OpenCV 5.0, numpy, Pillow), ImageMagick, lokales Ollama-Vision-Modell (qwen3.8:27b-mlx, muse-glimmer) – alle Bilddaten blieben lokal.