Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Segmentierung von 3D-Daten

 
: Doll, T.
: Plöger, P.-G.; Rome, E.

:
Fulltext urn:nbn:de:0011-n-1631389 (7.3 MByte PDF)
MD5 Fingerprint: f1261424fff19771b2ae8c245677ee3c
Created on: 26.5.2011


Sankt Augustin, 2011, 69 pp.
Sankt Augustin, Hochschule Bonn-Rhein-Sieg, Bachelor Thesis, 2011
German
Bachelor Thesis, Electronic Publication
Fraunhofer IAIS ()
Robotik; 3D-Laserscanner; 3D-Punktwolke; Segmentierung; RANSAC; Nachbarschaftsanalyse; bearing angle

Abstract
Die vorliegende Arbeit wird im Rahmen eines Projektes des Fraunhofer Instituts IAIS erstellt. Hier geht es um die Entwicklung eines neuen 3D-Laserscanners. Basierend auf diesem 3D-Laserscanner soll eine Sicherheits-Anwendung realisiert werden. Für eine Softwarekomponente - die Segmentierung von 3D-Daten - wird der Stand der Forschung untersucht und es werden drei Segmentierungs-Verfahren ausgewählt und implementiert. Der RANSAC-Algorithmus wird zur Detektion von Ebenen eingesetzt. In dieser Arbeit wird er um ein Abbruchkriterium erweitert, welches die Gesamtlaufzeit bei der Segmentierung von mehreren Ebenen verringert. Über die Nachbarschaftsanalyse wird der Merkmalsvektor eines 3D-Datenpunktes durch verschiedene Berechnungen aus der lokalen Nachbarschaft erweitert. Mit diesem erweiterten Merkmalsvektor können bestimmte Merkmale aus den Gesamtdaten - wie Kanten, ebene und unebene Bereiche - extrahiert werden. In Kombination mit dem Fuzzy- C-Means-Algorithmus ist es möglich, diese Bereiche ohne weitere Parameter-Angabe aus 3D-Punktwolken zu bestimmen. Über den Bearing Angle wird eine neue, zweidimensionale Repräsentation der Szene geschaffen. Dabei werden die speziellen Eigenschaften des Laserscanners genutzt und die Polardaten in Winkel überführt. Die Winkel können auf den HSV-Farbraum abgebildet werden. Die zweidimensionale Repräsentation der Winkel ist kontrastreicher als die Projektion der Distanzdaten auf ein Graubild. Sie ermöglicht eine genaue Detektion der Kanten. Abschließend werden alle Verfahren hinsichtlich der Laufzeit und Güte der Segmentierung ausgewertet. Es wird gezeigt, dass die Laufzeit der Segmentierung bei dem Bearing- Angle-Verfahren im Mikrosekunden-Bereich liegt und sich daher für Echtzeitanwendungen eignet. Auch die Genauigkeit der richtig positiv erkannten Flächen ist bei diesem Segmentierungs-Verfahren, im Vergleich zu den anderen beiden, am höchsten.

: http://publica.fraunhofer.de/documents/N-163138.html