3D-Scanner-App für Android: Beste Optionen und Workflow

Zusammenfassung

Eine 3D-Scanner-App für Android wählt man am besten anhand der dokumentierten Eignung für die Aufgabe und nicht anhand eines einzelnen Rankings. Die meisten Android-Workflows setzen zuerst auf Photogrammetrie: Sie leiten eine Oberfläche aus überlappenden Fotos ab und können ein Mesh oder ein texturiertes Modell für visuelle Wiederverwendung, Referenzen oder exploratives Drucken erzeugen. Einige erzeugen auch Gaussian Splats, die aus Betrachtungswinkeln überzeugend aussehen können, ohne automatisch ein bearbeitbares, wasserdichtes oder dimensional validiertes Modell bereitzustellen. Die Depth API von ARCore unterstützt tiefenbewusste AR-Erlebnisse, doch ihre Verfügbarkeit belegt nicht, dass eine App nutzbare Scan-Geometrie exportiert. RealityScan Mobile ist beispielsweise für kreative Assets, Prototypen und 3D-Druck-bezogene Anwendungsfälle positioniert und nicht für Messzertifizierung. [1] [2]

Schnellauswahl: Welche 3D-Scan-Ausgabe für Android benötigen Sie?

Beginnen Sie mit dem Ergebnis statt mit dem Wort „Scanner“. Ein mit dem Smartphone erfasstes Objekt kann als texturiertes Mesh für visuelle Referenzen oder einen kreativen Druckprototyp nützlich sein und dennoch zur Überprüfung von Abmessungen ungeeignet sein. Ein Splat ist in der Regel ein betrachtungsorientiertes Ergebnis, während ein Mesh der praktischere Ausgangspunkt für Bereinigung, Bearbeitung und viele Druck-Workflows ist.

Für Messungen gelten höhere Anforderungen. Ein plausibel aussehendes Modell, eine Maßstabsreferenz oder ein dichtes Mesh belegen für sich genommen weder Richtigkeit, Präzision noch Unsicherheit. Formale optische 3D-Messsysteme nutzen festgelegte Abnahme- und Wiederverifizierungsverfahren; das ist ein hilfreicher Kontext, aber kein Maßstab für Smartphone-Apps. [5] [6]

Auswahl nach Ausgabe und Validierungsbedarf

Hinweise: RealityScan Mobile ist für kreative Erfassung und prototypbezogene Anwendungen positioniert; Polycam dokumentiert Android Object Mode, jedoch nicht Android Space Mode; KIRI dokumentiert Mesh-Exporte für unterstützte Scan-Workflows. [2] [3] [4] [7] Messgenauigkeit hängt sowohl mit Richtigkeit als auch mit Präzision zusammen, nicht allein mit visueller Plausibilität. [5] [6]

Was eine Android-„3D-Scanner-App“ tatsächlich macht

Die meisten Android-Workflows zum Scannen von Objekten sind bildbasierte Rekonstruktion und keine direkte Präzisionsmessung. Das Smartphone erfasst hauptsächlich Kamerabilder, daher hängen die Ergebnisse stark von Beleuchtung, visuellen Details, Abdeckung und der Beständigkeit des Objekts während der Erfassung ab.

Eine typische Pipeline verarbeitet überlappende Fotos oder abgetastete Videobilder, identifiziert gemeinsame visuelle Merkmale zwischen Ansichten, schätzt Kameraposen und rekonstruiert aus diesen Beziehungen die Szenenstruktur. Die App kann anschließend ein texturiertes Polygon-Mesh oder eine splat-basierte Darstellung erstellen, Hintergrundfragmente entfernen, schwache Bereiche beschneiden, die Ausgabe vereinfachen und sie für den Export vorbereiten. Polycam beschreibt Objekt-Photogrammetrie als Erzeugung eines Polygon-Meshs mit Texturmaps und nicht als direktes Messverfahren. [8]

• Photogrammetrie: Rekonstruktion aus mehreren überlappenden Bildern durch Abgleich visueller Merkmale und Schätzung von Kamerapositionen und -orientierungen.
• ARCore Depth: Eine Tiefenbild-Funktion für AR. Sie verwendet Tiefe aus Bewegung und kann Informationen aus verfügbarer Hardware, einschließlich Time-of-Flight- oder ToF-Sensoren, zusammenführen. Sie kann Szenenverständnis und AR-Effekte unterstützen, belegt jedoch nicht selbst, dass eine App ein Scan-Mesh exportiert. [1]
• Punktwolke vs. Mesh: Eine Punktwolke ist eine Sammlung abgetasteter 3D-Positionen. Ein Mesh verbindet Positionen zu Polygonflächen und erzeugt damit eine explizite Oberfläche, die repariert, bearbeitet, texturiert oder für den Druck vorbereitet werden kann.
• Gaussian Splat vs. Mesh: Ein Gaussian Splat repräsentiert eine Szene durch viele ansichtsgerenderte Gaussian-Primitiven, während ein Mesh verbundene Oberflächen repräsentiert. Gaussian Splatting ist für schnelle Ansichtssynthese und Szenenerscheinung ausgelegt; es ist nicht automatisch ein wasserdichtes, bearbeitbares Polygonmodell. [8] [9]

Rekonstruktion ist daher ein Inferenzprozess. Strukturlose, reflektierende, transparente, bewegte oder verdeckte Bereiche liefern schwache oder irreführende Hinweise. Ein sauberes visuelles Ergebnis kann dennoch Lücken, lokale Verformungen, schwache Maßstabskontrolle oder Hintergrundgeometrie enthalten, die beim Bearbeiten, Drucken oder Messen des Modells relevant wird.

Android-Hardware-Realitätscheck: ARCore, Depth API und (manchmal) ToF

ARCore ist die Augmented-Reality-Plattform von Google für unterstützte Android-Hardware. Seine Depth API verwendet Tiefe aus Bewegung, indem sie Ansichten beim Bewegen des Smartphones vergleicht, und kann Daten von verfügbarer Hardware wie ToF-Sensoren für verbesserte Tiefenschätzungen zusammenführen. Das ist für AR-Aufgaben einschließlich Verdeckung und Szeneninteraktion nützlich, entspricht jedoch nicht einem kalibrierten 3D-Scanner. [1]

ARCore-Kompatibilität (oder Unterstützung der Depth API) belegt nicht, dass eine bestimmte Scanner-App ARCore Depth verwendet, um exportierte Geometrie zu erzeugen. Prüfen Sie in der Liste der von ARCore unterstützten Geräte von Google das genaue Smartphone-Modell und nicht nur Marke oder Produktfamilie. Diese Liste kann gerätespezifische Fähigkeiten wie die Unterstützung der Depth API ausweisen, während Rekonstruktion, Exporte und Maßstabskontrollen einer App weiterhin fotobasiert sein können. [1] [10]

Hinweise der Depth API zu Tiefenschätzungen

Google beschreibt die genauesten Schätzungen der Depth API als etwa im Bereich von 0.5 m bis ungefähr 5 m, berichtet unter relevanten Bedingungen jedoch robuste, genaue Tiefenschätzungen von 0 bis 65 m. Diese Angaben gelten nur für Tiefenschätzungen. Sie sind weder Scanbereich noch Mesh-Auflösungsspezifikation oder Behauptung zur Maßtoleranz eines exportierten Modells. [1]

Erfassungs-Workflow, der Ergebnisse tatsächlich verbessert

Bessere Rekonstruktionen entstehen durch bewusste Abdeckung, stabile Belichtung und eine klare Trennung zwischen Objekt und Hintergrund. Halten Sie das Objekt ruhig und bewegen Sie das Smartphone langsam genug, um Unschärfe und abrupte Perspektivsprünge zu vermeiden. Erfassen Sie aus mehr als einer Höhe, damit die Rekonstruktion Oberkanten, Seitenübergänge, Vertiefungen und, soweit praktikabel, die Unterseite sieht. Breite, gleichmäßige Beleuchtung ist für Bildabgleich meist einfacher als glänzende Highlights, tiefe Schatten oder wechselndes Tageslicht. Eine Maßstabsreferenz kann den nominalen Modellmaßstab festlegen, validiert jedoch nicht die globale Genauigkeit. Falls Größe wichtig ist, vergleichen Sie mehrere nicht kollineare bekannte Abstände über das rekonstruierte Modell hinweg, statt nur eine Kante zu prüfen. RealityScan bietet ein app-spezifisches Beispiel: Die Dokumentation beschreibt eine Begrenzung auf 300 Bilder, eine Analyse nach 20 Bildern und Bild-Uploads, die während der Erfassung beginnen. Diese Grenzen sind keine allgemeingültige Vorgabe für jede App oder jedes Objekt. [11] [5] [12]

Ein praktischer Erfassungs-Workflow

1. Objekt vorbereiten: Reinigen Sie es, halten Sie es bewegungslos und fügen Sie nur dort vorübergehende, nicht reflektierende visuelle Markierungen hinzu, wo sie wichtige Geometrie nicht verdecken.
2. Licht kontrollieren: Verwenden Sie breite, gleichmäßige Beleuchtung und reduzieren Sie Blendung, ausgefressene Highlights, tiefe Schatten und wechselndes Tageslicht.
3. Kamerapfad planen: Umkreisen Sie das Objekt allmählich und halten Sie dabei einen einigermaßen konstanten Abstand und Bildausschnitt.
4. Betrachtungswinkel variieren: Ergänzen Sie höhere und niedrigere Durchgänge, um Kanten, Löcher, Vertiefungen und Formänderungen sichtbar zu machen, die eine einzelne Umlaufbahn übersieht.
5. Unterseite erfassen: Positionieren Sie das Objekt vorsichtig um oder erfassen Sie einen separaten Satz zur späteren Ausrichtung, wenn die Geometrie der Unterseite wichtig ist.
6. Hintergrund vereinfachen: Verwenden Sie einen visuell abweichenden, nicht reflektierenden Hintergrund, damit sich das Objekt leichter isolieren lässt.
7. Rekonstruktion überprüfen: Prüfen Sie vor dem Export auf Löcher, schwebende Hintergrundfragmente, verzogene Merkmale und schwach abgedeckte Bereiche.
8. Für die Aufgabe exportieren: Bewahren Sie die für Bearbeitung, Anzeige oder Druck erforderliche Ausgabe, und prüfen Sie anschließend größenabhängige Arbeiten anhand mehrerer bekannter Abstände.

Wichtige Kennzahlen: „Genauigkeit“ vs. „sieht real aus“

Ein überzeugendes Rendering ist kein Messergebnis. In der Messtechnik hängt Messgenauigkeit sowohl mit Richtigkeit, also der Nähe zu einem Referenzwert, als auch mit Präzision, also der Nähe wiederholter Ergebnisse zueinander, zusammen. Eine nützliche Modellprüfung beginnt mit der Maßstabskorrektheit: Reproduziert das Modell bekannte Abstände in der für die Aufgabe erforderlichen Größe? Sie sollte auch die Unsicherheit berücksichtigen, die die Streuung ausdrückt, die Werten zugeordnet ist, welche einer Messgröße vernünftigerweise zugeschrieben werden könnten. Erfassungsbedingungen, Rekonstruktionseinstellungen, Qualität des Referenzobjekts und Vergleichsmethode beeinflussen alle, was behauptet werden kann. [5] [12]

Polygonbegrenzung und Texturgröße sind Ausgabeeinstellungen; sie zertifizieren keine Maßgenauigkeit. RealityScan Mobile dokumentiert Mesh-Grenzen von bis zu 1,000,000 Polygonen für die Ausgabe High und bis zu 100,000 Polygonen für die Ausgabe Normal sowie maximale Texturoptionen von 4K und 8K. Diese Steuerungen beeinflussen die Komplexität des Ergebnisses und Bilddetails, nicht die Übereinstimmung mit dem physischen Objekt. [13]

Bewerten Sie bei einem visuellen Asset fehlende Bereiche, Texturkontinuität, Hintergrundreste und ansichtsabhängige Artefakte im vorgesehenen Betrachtungsabstand. Prüfen Sie bei einer Druckreferenz mehrere verteilte Abmessungen und inspizieren Sie Wände, Löcher, Passflächen und unvollständige Bereiche nach der Mesh-Reparatur. Ein Modell kann bei einer Referenzlänge korrekt skaliert sein und dennoch an anderer Stelle lokale Verformungen aufweisen. Wiederholte Erfassungen können zeigen, ob Unterschiede stabil oder von der Erfassung abhängig sind, doch sie machen aus einem nicht validierten Smartphone-Workflow kein Inspektionssystem. ISO 10360-13:2021 veranschaulicht die Abnahme- und Wiederverifizierungskultur optischer 3D-Koordinatenmesssysteme; sie ist keine Prüfmethode für Smartphone-Apps. [6] Keine verlässliche allgemeingültige Genauigkeitsangabe gefunden.

Validierungskennzahlen nach Aufgabe (was messen und berichten)

Hinweise: VIM unterscheidet zwischen Genauigkeit, Richtigkeit, Präzision und Messunsicherheit. [5] [12] Formale Abnahme- und Wiederverifizierungskonzepte bilden einen Kontrast zur nicht validierten Verbrauchererfassung, jedoch keinen direkten Maßstab für Smartphone-Apps. [6]

Beste 3D-Scanner-Apps für Android (2026): Am besten dokumentierte Eignung nach Anwendungsfall

Dies ist eine dokumentationsbasierte Auswahlhilfe, kein Laborvergleich. Sie ermittelt, was Entwickler für Android-Erfassung, -Verarbeitung und -Export dokumentieren, und trennt dabei Workflow-Behauptungen von Behauptungen zur Maßleistung. Verfügbarkeit, Kontoanforderungen, Verarbeitungsort und Exportoptionen können sich ändern; bestätigen Sie daher aktuelle In-App-Optionen, bevor Sie ein Projekt mit einer festen nachgelagerten Anforderung beginnen.

Am besten dokumentierte Eignung von Android-Apps nach Ausgabe und Workflow

Hinweise: RealityScan dokumentiert seine Android-Anforderung, Erfassungsverhalten, Android-GLB-Speicherung und Ausgabesteuerungen. [14] [11] [15] [13] Scaniverse dokumentiert Workflows auf dem Gerät und cloudorientierte Workflows und führt SPZ-, PLY-, GLB- und FBX-Exporte auf; Niantic beschreibt außerdem Splat- und Mesh-Erzeugung auf dem Gerät. [16] [17] KIRIs Android-Eintrag und Hersteller-FAQ führen die genannten Exportformate für unterstützte Workflows auf. [18] [7] Polycam dokumentiert nur Android Object Mode, ohne Android-Splat-Erfassung oder Space Mode. [3] [4] [8]

Keine Herstellerdokumentation gefunden, Stand 29. Oktober 2026, die belegt, dass diese Android-Apps direkt aus Tiefenkarten der ARCore Depth API rekonstruierte Meshes exportieren; implizieren Sie keine von der Depth API abgeleitete Geometrie ohne ausdrückliche Herstellerdokumentation. [1] [14] [16] [18] [3]

RealityScan Mobile ist die am klarsten dokumentierte Option, wenn das unmittelbare Ziel ein Android-Fotoerfassungs-Workflow ist, der zu einem GLB-Asset führt. Seine Erfassungshinweise und Ausgabesteuerungen helfen, Erwartungen für ein Projekt festzulegen, sind jedoch Workflow-Steuerungen und keine Belege für eine angegebene Toleranz. [11] [13] [15]

Scaniverse ist die dokumentierte Wahl, wenn splat-orientierte Visualisierung und Classic-Verarbeitung auf dem Gerät Prioritäten sind. Behandeln Sie diesen Weg nicht als austauschbar mit seinem Cloud-Rekonstruktions-Workflow; bestätigen Sie den gewählten Verarbeitungsmodus und den für das nächste Tool erforderlichen Export. [16] [17]

KIRI Engine verfügt in dieser Gruppe über die umfangreichste dokumentierte Formatliste. Diese Liste sollte nicht als Versprechen verstanden werden, dass jeder Workflow in jeder Version jedes Format bereitstellt; prüfen Sie daher das Exportfenster, bevor Sie eine Erfassung für ein bestimmtes nachgelagertes Tool vornehmen. [18] [7]

Polycam ist eine Android-Option zur Objekterfassung, wenn ein objektfokussierter Photogrammetrie-Workflow ausreicht. Wählen Sie es nicht in Erwartung von Android-Gaussian-Splat-Erfassung oder Android Space Mode. [3] [4]

Exportformate: Was wählen (und warum STL oft enttäuscht)

Wählen Sie einen Export anhand der nächsten Workflow-Phase. Ein Drucktest benötigt möglicherweise nur Geometrie, während ein AR-Asset, Game-Prop oder visuelles Archiv Materialien und Texturbilder zusammen mit dem Mesh benötigt. Ein splat-orientiertes Projekt kann einen kompatiblen Splat-Workflow anstelle eines herkömmlichen druckbaren Oberflächenmodells erfordern.

STL wird von Slicern weitgehend akzeptiert und bleibt für reinen Geometriedruck nützlich, doch Standard-STL enthält keine standardisierten Farb- oder Texturinformationen. Deshalb ist es eine schlechte Übergabe für ein gescanntes Objekt, bei dem Beschriftungen, Materialerscheinung oder Oberflächenfarbe wichtig sind. [19]

Format → behält Texturen? → am besten für → wichtigster Haken

Hinweise: Standard-STL beschreibt Oberflächengeometrie ohne standardisierte Farb- oder Texturunterstützung. [19] MTL stellt Material-, Farb- und Texturdefinitionen bereit, die OBJ-Dateien zugeordnet sind. [20] GLB speichert ein glTF-Asset in einem einzelnen binären Container. [21] PLY kann polygonbasierte Objekte mit Elementen wie Vertices und Flächen beschreiben. [22] Scaniverse führt SPZ unter seinen Exporten auf, doch das belegt kein universelles Verhalten außerhalb kompatibler Workflows. [16]

Verwenden Sie für einen Slicer STL, wenn Erscheinungsdaten irrelevant sind und das Mesh auf Druckbarkeit geprüft wurde. Verwenden Sie für ein texturiertes Asset OBJ mit seinen Begleitdateien oder GLB, wenn das Ziel es unterstützt. Behalten Sie für ein Splat-Projekt das vom vorgesehenen Viewer oder der Toolchain ausdrücklich unterstützte Format bei, statt anzunehmen, es lasse sich ohne Verluste in ein wasserdichtes Mesh konvertieren.

Einschränkungen & Fehlermodi

Smartphone-Rekonstruktion schlägt fehl, wenn Bilder keine stabilen visuellen Hinweise liefern. Glänzende und spiegelnde Oberflächen verschieben Reflexionen bei Kamerabewegung, sodass Software Highlights mit physischen Merkmalen verwechseln kann. Transparente oder durchscheinende Teile zeigen wechselnde Hintergründe und innere Reflexionen statt einer konsistenten Außenfläche. Strukturlose Objekte bieten zu wenige Details, während wiederholte Muster falsche Übereinstimmungen erzeugen können. Dünne Kanten, tiefe Vertiefungen, Löcher und schmale Spalten können unzureichend abgetastet oder aus den meisten Perspektiven verdeckt sein.

Bewegung und Abdeckung führen zu zusätzlichen Fehlern. Bewegungsunschärfe entfernt für den Abgleich erforderliche Details, während ein bewegtes Objekt keine einheitliche Form mehr zeigt. Unterseiten fehlen häufig, weil sie der Kamera nie gezeigt wurden. Hintergrundverschmelzung kann auftreten, wenn Objekt und Hintergrund ähnlich aussehen, während Belichtungsverschiebungen, harte Schatten und ausgefressene Highlights dieselbe Oberfläche in Bildern inkonsistent erscheinen lassen. Gerätekameras, Verarbeitungseinstellungen und verfügbare App-Modi variieren ebenfalls, weshalb ein brauchbares Ergebnis auf einem Smartphone nicht auf einem anderen garantiert ist.

Der Maßstab ist eine eigene Einschränkung. Eine Referenz kann eine nominale Größe festlegen, doch schwache oder Einpunkt-Skalierung deckt Verformungen an anderer Stelle im Modell nicht auf. Falls Abmessungen wichtig sind, vergleichen Sie mehrere bekannte Abstände in getrennten Bereichen und dokumentieren Sie, wie sie geprüft wurden. Eine visuell plausible Rekonstruktion entspricht nicht nachgewiesener Richtigkeit, Präzision oder Unsicherheit für eine definierte Messaufgabe. [5] [12]

Probieren Sie diese Korrekturen, bevor Sie einen Scan verwerfen

• Verwenden Sie breite, diffuse Beleuchtung, um harte Schatten und wandernde Reflexionen zu reduzieren.
• Erhöhen Sie die Trennung zwischen Objekt und Hintergrund mit einem einfachen, kontrastierenden, nicht reflektierenden Hintergrund.
• Bewegen Sie das Smartphone langsamer und halten Sie das Objekt still, um Unschärfe und Posefehler zu verringern.
• Fügen Sie schräge Betrachtungswinkel hinzu, um Seitenwände, Vertiefungen, Kanten und Löcher sichtbar zu machen.
• Positionieren Sie das Objekt bei Bedarf um und erfassen Sie die Unterseite als separaten Satz.
• Sperren Sie Belichtung und Fokus, wenn Smartphone oder App dies ermöglichen, um das Erscheinungsbild konsistenter zu halten.
• Wiederholen Sie die Erfassung mit einem anderen Kamerapfad, wenn ein Bereich verzogen oder unvollständig ist.
• Entfernen Sie bei der Bereinigung schwebende Geometrie, Hintergrundfragmente und offensichtliches Rauschen.
• Erwägen Sie bei geeigneten, unempfindlichen Objekten eine abnehmbare matte Behandlung nur, wo sie sicher und angemessen ist; tragen Sie keine Beschichtungen auf wertvolle, fertige, medizinische, historische oder anderweitig empfindliche Objekte auf.
• Prüfen Sie den nominalen Maßstab anhand mehrerer bekannter Abstände erneut, bevor Sie das Ergebnis für eine größenabhängige Aufgabe verwenden.

Wenn eine Smartphone-App nicht genügt (und was als Nächstes kommt)

Eine 3D-Scanner-App für Android reicht oft für visuelle Assets, Szenenreferenzen, grobe Ansätze für Reverse Engineering und explorative 3D-Druck-Prototypen aus. Sie reicht nicht aus, wenn das Ergebnis eine enge mechanische Passung, eine Bestehen/Nichtbestehen-Inspektionsentscheidung, eine dokumentierte Toleranz oder eine Messangabe mit bekannter Unsicherheit stützen muss. In diesen Fällen ändert sich die Frage von „Sieht das Modell richtig aus?“ zu „Wie eng, konsistent und nachweisbar repräsentiert es das erforderliche Merkmal?“ Messgenauigkeit umfasst sowohl Richtigkeit als auch Präzision. [5]

Ein dedizierter Scanner oder validierter Mess-Workflow beantwortet diese Frage durch kontrollierte Erfassung, geeignete Referenzartefakte, wiederholte Versuche, Vergleich mit bekannter Geometrie und dokumentierte Bewertungsmethoden. Das Ziel ist nicht einfach ein dichteres Mesh, sondern ein Prozess, dessen Leistung für die wichtigen Abmessungen geprüft werden kann. Formale optische 3D-Systeme verwenden Abnahme- und Wiederverifizierungskonzepte, um fortlaufende Leistung nachzuweisen; diese Konzepte sind hilfreicher Kontext, aber kein Ersatz für aufgabenspezifische Smartphone-Validierung. [6]

FAQ

Was ist die beste 3D-Scanner-App für Android im Jahr 2026?

Es gibt keinen universellen Sieger. Die am besten dokumentierte Eignung hängt davon ab, ob Sie ein Mesh für Referenz oder Druck, einen Splat zur Visualisierung, einen raumorientierten Workflow oder validierte dimensionale Ergebnisse benötigen. Nutzen Sie die Ausgabeauswahl und die App-Vergleichstabelle, statt dies als einzelnes Ranking zu behandeln.

Kann eine Android-App ein Objekt in ein 3D-Modell scannen?

Ja. Die meisten Android-Workflows rekonstruieren ein Modell aus überlappenden Bildern, indem sie visuelle Merkmale abgleichen und Kamerapositionen schätzen. Ergebnisse verbessern sich durch gleichmäßige Beleuchtung, vollständige Abdeckung, langsame Bewegung, stabile Belichtung und bei Bedarf separate Ansichten der Unterseite. [11]

Unterstützt Android LiDAR-3D-Scan-Apps?

Android unterstützt Tiefenschätzungen der ARCore Depth API auf Basis von Tiefe aus Bewegung, mit optionaler Nutzung verfügbarer ToF-Hardware. Das begründet kein universelles Android-LiDAR-Erfassungsökosystem und belegt nicht, dass eine bestimmte Scanner-App von der Depth API abgeleitete Geometrie exportiert. [1]

Wie genau ist eine Android-3D-Scanner-App?

Keine verlässliche allgemeingültige Genauigkeitsangabe gefunden. Ergebnisse hängen von Smartphone, Objektoberfläche, Beleuchtung, Abdeckung, Rekonstruktionsmethode, Maßstabskontrolle und Validierungsverfahren ab. Verwenden Sie aufgabenspezifische Prüfungen für Richtigkeit, Präzision, Wiederholbarkeit und Unsicherheit, statt Genauigkeit aus Erscheinung oder Polygonzahl abzuleiten. [5] [6]

Kann ich OBJ, STL, PLY oder GLB aus Android-Scan-Apps exportieren?

Das hängt von App und Workflow ab. RealityScan dokumentiert GLB-Speicherung auf Android; Scaniverse führt SPZ, PLY, GLB und FBX auf; KIRI führt OBJ, STL, PLY, GLB und weitere Formate für unterstützte Workflows auf. Standard-STL enthält nur Geometrie und bewahrt keine standardisierten Farb- oder Texturdaten. [15] [16] [18] [19]

Wie würden Sie einen aussagekräftigen Genauigkeitstest für einen smartphonebasierten Scan gestalten?

Definieren Sie das Artefakt und die zu bewertenden spezifischen Merkmale, verwenden Sie ein geeignetes Referenzinstrument oder rückführbare Referenzgeometrie, geben Sie die Ausrichtungsmethode an, wiederholen Sie die Erfassung und berichten Sie Abweichungen plus eine Streuungskennzahl wie die Standardabweichung. Der erforderliche Schwellenwert hängt von der Aufgabe ab, daher sollte kein generischer Bestehenswert angenommen werden. [5] [12]

Warum sind Gaussian Splats nicht dasselbe wie ein wasserdichtes, bearbeitbares Mesh?

Splats repräsentieren die Szenenerscheinung durch ansichtsgerenderte Gaussian-Primitiven, während ein wasserdichtes Mesh verbundene Polygongeometrie mit expliziten Oberflächen ist. Ein Splat kann aus vielen Perspektiven visuell überzeugend sein, ist jedoch nicht automatisch für Mesh-Reparatur, CAD-nahe Bearbeitung oder 3D-Druck geeignet. [8] [9]

Quellen

Die in diesem Artikel zitierten Quellen sind in der Reihenfolge ihrer ersten Verwendung aufgeführt.

1. ARCore Depth API
2. RealityScan Mobile bei Google Play
3. Welche Geräte werden von Polycam unterstützt?
4. So verwenden Sie Space Mode mit LiDAR-fähigen Geräten
5. VIM-Eintrag 2.13: Messgenauigkeit
6. ISO 10360-13:2021
7. Welche Dateiformate kann KIRI Engine exportieren?
8. So verwenden Sie Object Mode
9. 3D Gaussian Splatting für Echtzeit-Radiance-Field-Rendering
10. Von ARCore unterstützte Geräte
11. RealityScan Mobile Schritt-für-Schritt-Anleitung
12. Internationales Vokabular der Metrologie — JCGM 200:2012
13. RealityScan Mobile 1.6 Versionshinweise
14. RealityScan Mobile Systemanforderungen und Installation
15. RealityScan Mobile Projektdateien
16. Scaniverse bei Google Play
17. Niantic Spatial Capture
18. KIRI Engine bei Google Play
19. STL-Dateiformatfamilie
20. MTL-Dateiformat
21. glTF 2.0 Spezifikation
22. Das PLY-Polygondateiformat