Options
2007
Doctoral Thesis
Titel
Neues Verfahren zur invarianten Objekterkennung und -lokalisierung auf der Basis lokaler Merkmale
Abstract
In den letzten Jahren hat sich das Maschinelle Sehen zu einer Schlüsseltechnologie mit einem breiten Spektrum von Anwendungsgebieten entwickelt. Die meisten Anwendungen des Maschinellen Sehens lassen sich ohne visuelle Objekterkennung nicht realisieren. Daher stellt die visuelle Objekterkennung einen Hauptbestandteil von maschinell sehenden Systemen dar. Diese Arbeit befasst sich mit robuster Objekterkennung auf der Basis lokaler Merkmale. Es wird eine allgemeine Methodik zur einfachen Auswertung von Objekttransformationen vorgestellt. Mittels dieser Methodik wird ein Verfahren zur rotations-, skalierungs- und verschiebungsinvarianten Objekterkennung auf der Basis von Gaborfiltern entwickelt. Durch die Verwendung von Filterergebnissen ergeben sich Bedingungen für die Merkmalsextraktion. Zur Einhaltung der Bedingungen wird ein modifiziertes Gaborfilter entworfen. Der damit erzeugte Merkmalsraum ist so aufgebaut, dass Rotationen und Skalierungen in Verschiebungen überführt werden. Um die möglichen Einsatzgebiete des Verfahrens zu vergrößern, werden drei Erweiterungen vorgestellt. Im Einzelnen werden eine Beschleunigung mittels programmierbarer Hardware, eine Auswertung von Farbinformationen und eine Vorfilterung signifikanter Umgebungen untersucht. Zur Demonstration der Flexibilität und Robustheit des entwickelten Verfahrens werden drei sehr unterschiedlichen Beispielanwendungen vorgestellt. Es wird gezeigt, dass das Verfahren robust zur Erkennung von Messmarken in natürlichen Umgebungen eingesetzt werden kann. Des Weiteren wird das Verfahren zur Vollständigkeitsprüfung des Inhalts durchsichtiger Plastiktüten verwendet. Trotz Reflexionen und Abschattungen ist eine Objekterkennung möglich. Um die Eignung für unterschiedlichste Objekte nachzuweisen, wurde weiter gezeigt, dass das Verfahren auch zur Georeferenzierung von Satellitenbildern geeignet ist.
ThesisNote
Zugl.: Karlsruhe, Univ., Diss., 2007