No abstract

Halo mura affects visual quality of automotive displays. We report on two quantitative methods to measure halo of OLEDs and (FALD) LCDs. The relative halo “luminance” for an OLED is in the range of 0.01 %, which is about 10x larger than that of a state‐of‐the‐art FALD LCD. The decline of halo is exponential and spreads for more than 10 mm. By using the measurements of lines with a length of about 32 pixels as input for simulations, we can extract the halo of a single pixel. A user study resulted in moderate perception of halo at night for negative mode GUIs and relatively high insensitivity for positive mode.

No abstract

3D-Bildverarbeitungssysteme benötigen erhebliche Konfigurations- und Ausführungszeiten. Vor diesem Hintergrund wird in diesem Beitrag ein intelligentes kamerabasiertes modulares Sensorsystem zur kontextbezogenen optischen Erfassung und Verarbeitung von 3D-Daten für Industrie-4.0-Anwendungen vorgeschlagen. Das System basiert auf einer modularen, serviceorientierten Architektur, welche die gesamteFunktionalität des Systems kapselt. Zusätzlich werden die Funktionalitäten und Merkmale der modularen Architektur auf Grundlage des GenICam-Standards semantisch beschrieben. Darüber hinaus definiert das vorgestellte System ein Kontextmodell, welches sowohl intrinsische als auch extrinsische Einflüsse berücksichtigt. Dazu werden entsprechende Reaktionen auf Umwelteinflüsse, wie beispielsweise Fremdlicht,definiert. Darüber hinaus wird eine neuartige FPGA-basierte Architektur eingesetzt, um die Performanz von 3D-Bildverarbeitungsalgorithmen in Bezug auf die Ausführungszeit durch die Nutzung von Pipelining und Parallelisierung zu verbessern. Die im Rahmen einer Fallstudie und auf Basis eines deflektometrischen Sensorsystems erzielten Ergebnisse zeigen, dass das System dynamisch an Fremdlicht anpassbar ist. Weiterhin kann die Ausführungszeit des Deflektometrie-Algorithmus mittels der FPGA-basierten Architektur erheblich reduziert werden.

Plenoptic camera based system captures the light-field that can be exploited to estimate the 3D depth of the scene. This process generally consists of a significant number of recurrent operations, and thus requires high computation power. General purpose processor based system, due to its sequential architecture, consequently results in the problem of large execution time. A desktop graphics processing unit (GPU) can be employed to resolve this problem. However, it is an expensive solution with respect to power consumption and therefore cannot be used in mobile applications with low energy requirements. In this paper, we propose a modified plenoptic depth estimation algorithm that works on a single frame recorded by the camera and respective FPGA based hardware design. For this purpose, the algorithm is modified for parallelization and pipelining. In combination with efficient memory access, the results show good performance and lower power consumption compared to other systems.