3D scanning voor passende mondkapjes

Mondkapjes, of mondmaskers, zijn door de SARS-COV-2 pandemie niet meer uit het straatbeeld weg te denken. De kwaliteit en comfort van de pasvorm van medische en niet-medische mondmaskers wordt bepaald door hoe goed het mondmasker overeenkomt met de afmetingen van het gezicht van de drager.
Echter is er geen goed overzicht van de antropometrie van het gelaat van de Nederlandse bevolking waardoor de pasvorm van mondmaskers nu vaak niet optimaal is. Er is dus vraag naar een laagdrempelige en veilige manier om gezichtskenmerken in kaart te brengen en betere ontwerprichtlijnen voor mondkapjes.
Driedimensionaal (3D) scannen doormiddel van Light Detection and Ranging (LiDaR) technologie in combinatie met slimme algoritmes lijkt wellicht een manier om gezichtskenmerken snel en laagdrempelig vast te leggen bij grote groepen mensen. Daarnaast geeft het 3D scannen van gezichten de mogelijkheid om niet enkel de afmetingen van gezichten te meten, maar ook 3D pasvisualisaties uit te voeren. Hoewel 3D
scannen geen nieuwe technologie is, is de LiDaR technologie pas sinds 2020 geïntegreerd in de Ipad en Iphone waardoor het toegankelijk gemaakt is voor consumenten. Doormiddel van een research through design benadering zal onderzocht worden of deze technologie gebruikt kan worden om betrouwbare en valide opnames te maken van gezichten en of er op basis hiervan ontwerprichtlijnen ontwikkeld kunnen worden. In dit KIEM GoCi-project zal daarnaast ingezet worden om een kennisbasis en netwerk op te bouwen voor een vervolg aanvraag over de inzet van 3D technologieën in de mode-industrie.

Eindrapportage

Het doel van het onderzoek was om het ontwerp van mondmaskers te verbeteren door een systeem te
ontwikkelen voor het in kaart brengen van gezichtskenmerken. Het onderzoek richtte zich op het gebruik van
Light Detection and Ranging (LiDaR)-technologie, ingebouwd in de nieuwste iPads, en te testen of het
hiermee mogelijk is valide 3D-beelden van gezichten te verkrijgen en daaruit afmetingen te extraheren.
In het eerste werkpakket werd het vermogen van de LiDAR- en TrueDepth-sensoren geanalyseerd. De
LiDAR-sensor produceert gedetailleerde output; hij is ontworpen om omgevingen te scannen en heeft een
verminderde gevoeligheid. De TrueDepth-sensor, ontworpen om het gezicht van de eigenaar te detecteren,
gaf goede precisieresultaten en een goede meshstructuur met een significanter aantal faces dan de LiDar.
Er werd een reeks 3D-scans van verschillende gezichten gemaakt met de TrueDepth-sensor. De
proefpersonen werden gescand met een standaard FFP2 masker in homogeen licht, en er werd een
systeem geïmplementeerd om de belangrijkste kenmerken van de gezichten snel te meten en de gebieden
te detecteren waar het masker niet goed past.
In het tweede werkpakket werden verschillende benaderingen gebruikt om informatie over afmetingen en
onjuiste passing te extrapoleren uit de verkregen 3D-scans. De eerste benadering was gebaseerd op
kleursegmentatie, waarbij een masker van heldere kleur werd gebruikt om deze door filtering van het gezicht
te scheiden. De kwaliteit van de resultaten was afhankelijk van homogene verlichting tijdens de scan, en het
systeem had moeite met het detecteren van gaten tussen het masker en het gezicht vanwege schaduwen.
De tweede benadering onderzocht het gebruik van een recursieve segmentatie om de meest relevante
gebieden van het gezicht te detecteren, zoals oorgaten, ogen en neus. Het topologische algoritme slaagde
erin de gezichtsmaten te identificeren, maar slaagde er niet in de ruimte tussen het gezicht en het masker te
identificeren