einführung in die objekterkennung im dreidimensionalen raum

Lehrstuhl Graphische Systeme

Brandenburgische Technische Universität Cottbus

Einführung in die Objekterkennung im

dreidimensionalen RaumSind Objektrepräsentation und

Segmentierung trennbar?

Matthias Krause

nach Ruzena Bajcsy,Franc Solina,Alok Gupta

Lehrstuhl Graphische Systene

Matthias KrauseSeminar Mustererkennung2004

Definition der Vorverarbeitung

• Jeder geometrische Signalverarbeitungsalgorithmus, der die Daten eines Sensors in eine anwendungsoptimierte Form übersetzt

• Frühverarbeitungsalgorithmen partitionieren oder segmentieren idealerweise die Rohdaten in geometrische Grundformen, so dass jeder Bilddatenpunkt zu einer geometrisch gedeuteten Gruppe gehört

• Ziel: Rauschen entfernen, Geometrie erhalten

Range Images - Tiefenbilder

Oberflächengeometrie

• Vorverarbeitung: Glätten und Entfernen von irrelevanten Daten.

Glättungsverfahren:• Mittelwertglättung – linear oder

nichtlinear– Gute Rauschunterdrückung– Abschwächung hoher Ortsfrequenzen– Verwischen von Kanten

• Nichtlinearer Medianfilter– Keine Kantenverwischung– Rechenaufwand

• K-nearest-neighbor-Glättung– Gute Alternative bei K=5 zur 3x3

Mittelwertglättung

Glättungsverfahren(2)

• Jede Aufnahme benötigt andere Verfahren

• Verfahren nicht vergleichbar -> individuell anpassen

• Bestrebung, von möglichst wenigen Parametern abhängig zu sein

Objekterkennung

Objekt Objekt

Teile Teile

Features Features

DatenDaten

Modellierung Beobachtung

Objekterkennung – Aufgaben

• ALV – autonome Land-Fahrzeuge– Viele, wahrscheinlich unbekannte Objekte der Natur

• Industrielle Roboter-Bilderkennung– Wenige Objekte an einem Zeitpunkt– Dennoch bis zu 150.000 verschiedene Bauteile im

Repertoire• Industrielle Inspektion

– Fehlerentdeckung• Weltraumanwendungen

– On Board – gut beschrieben– Planetenerforschung

• Heim- und Dienstroboter– Komplexe Umgebung, komplexe Objekte

• Warenhausroboter– Flexible Routen

Objekterkennung – Dimensionen

• Zahl der Objekte• Variabilität der Modelle• Komplexität des Hintergrundes• Berechnungskomplexität

Einführung

• 1. Was sind die geometrischen Grundformen, die (möglicherweise eindeutig) die Daten beschreiben?

• 2. Welche Prozesse ermöglichen die Dekomposition?

• 3. Was ist die grundlegende Kontrollstrategie, um die gemessenen Daten zu erklären?

Die Rolle von Grundformen

• Die Welt ist zu komplex, um sie digital zu repräsentieren.

• Daher muss der visuelle Input auf ein Niveau reduziert werden, welches den jeweiligen Anforderungen genügt.

• Vereinfachung bedeutet, Bilder in Entitäten zu teilen, die den entsprechenden realen Objekten anwendungsgenügend entsprechen (Prinzip der Sparsamkeit).

Die Rolle von Grundformen (2)

• müssen Formanalyse ermöglichen• Polyeder• Kugeln• verallgemeinerte Zylinder• Superquadriken

Polyeder

http://mathworld.wolfram.com/Polyhedron.html

Kugeln

• http://mathworld.wolfram.com/Sphere.html

Verallgemeinerte Zylinder

• http://mathworld.wolfram.com/GeneralizedCylinder.html

Superquadriken

Superquadriken(2)

• Zum Ausprobieren:• http://www.gamedev.net/

reference/programming/features/superquadric/superquadric.zip

Wahl der Grundform

• Eine Grundform: einfacher Segmentierungsprozess, aber nicht natürlich– Bsp: Eine Gerade aus Kreisstücken

darstellen oder umgekehrt• Natürliche Grundformwahl:

Kombinatorische Explosion• -> Limitierung der Anzahl von

Grundformen

Einflussfaktoren• Manchmal möglich, zu wissen, dass

eine bestimmte Klasse von geometrischen Modellen genügt, um die Welt zu beschreiben– Lagerverwaltung – aus Kisten, also

Quadern

• Weiß man die Komplexität der Szene, ist eine Vereinfachung der Kontrollstruktur möglich, da das Wissen um die Dimension der Objekte die Wahl des Formmodells vereinfacht

Einflussfaktoren(2)

• Unterschiedliche Ziele aufsteigender Komplexität– Objektvermeidung– Objektmanipulation– Objektidentifikation

Repräsentationsarten

• Volumetrische Repräsentation• Formbasierte Repräsentation• Grenzenbasierte Repräsentation

Volumetrische Repräsentation

• Liefert umfassende Eigenschaften– Gesamtform– Klassifizierung der Grundformen

nach• Länglich, flach, rund, zugespitzt,

gebogen oder verdreht

Formbasierte Repräsentation

• Liefert Details über Oberflächen, die Teile von größeren Volumenkörpern sind

• Differenziert zwischen – flachen oder gebogenen, – konkaven gegen konvexe, – glatten gegen raue Oberflächen

Grenzenbasierte Repräsentation

• Repräsentiert die Oberfläche und Biegung nahe der Grenzen

• Trennt Objekte vom Hintergrund -> definiert dadurch das Objekt

Vereinfachen der Wahl

• Statt kombinatorischer Suche:– Aus den Daten bestimmen, wo

welches Modell eingesetzt werden sollte

– Möglicherweise eine “grob zu fein”-Strategie

• Ein umfassendes System sollte alle Grundformarten beinhalten

Kriterien der Auswahl von Grundformen

• Dreidimensional: Superquadriken• Zweidimensional:

Oberflächengrundformen• Eindimensional:

Konturgrundformen

Nachteile:Zu lokal, um Zusammenhänge zu

erkennenStörungsempfindlich gegenüber lokalen

Veränderungen

Vorteile:Erkennen KonturdetailsBeschreiben die globale FormTeilen Objekte auf

Oberflächengrundformen

• Unstetigkeiten werden als Begrenzungen gezählt

• Menschliche Wahrnehmung definiert Objekte als Ansammlung von Oberflächen

• werden Unstetigkeiten als Falten wahrgenommen, sind bessere Objektbeschreibungen möglich

Volumengrundformen• Parametrische Modelle sehr beliebt

– Kompakte Beschreibung (wenige Parameter) komplexer Formen

• Vorteile von Superquadriken– Überall differenzierbar– Enthalten eine große Bandbreite von natürlichen Formen– Einfach lösbare Parameter

Der Segmentierungsprozess

• Entscheidung, was zur Segmentierung benötigt wird

• Zwei Basisstrategien: Grob zu fein, Fein zu grob

• Beide vor- und nachteilbehaftet, beide benötigt

• Einteilung nach Repräsentationen ebenfalls möglich

Grob zu Fein

• Schnelle Abschätzung über Volumen/Grenzen/Oberflächen des Objekts

• Weitere Verfeinerung bis zum gewünschten Detailgrad

• Aber: die detektierbaren Details oft nur durch Repräsentationsänderung ermittelbar

Grundidee:

• Progressives blurring der Bilder klärt die Grobstruktur

• Details beeinflussen nicht die Grobstruktur, daher kein Backtracking erforderlich

Scale-Space

• Tiefpassfilter auf verschiedenen Auflösungen erzeugt einen Skalen-Raum

• Niedrige Skalen beschreiben Details

• Hohe Skalen beschreiben homogene Regionen

Fein zu Grob

• Einige Details können beim Klassifizierungsprozess helfen, da sie Objekte ausschließen können

• Zuviele Details enden in kombinatorischer Explosion

Segmentierung durch volumenbasierte Repräsentanten

• Binford und Nevatia: Basis = verallgemeinerte Zylinder

• Solina: Basis = Superquadriken

Solina

• Gegeben: Tiefenbild• Fasse alle Objektpunkte in einem

Elipsoid zusammen• Minimierung des Ellipsoids: Beziehe

rekursiv die Objektpunkte mit ein und finde Parameter, damit die Form die Objektpunkte schneidet oder nahe der Oberfläche ist

• Problem: mehrere Objekte nicht separierbar

Segmentierung durch Informationen über die

Grenzen• Basiert auf der Erkennung von

Unstetigkeiten in Tiefenwerten und Orientierung

• Objektpunkte mit ähnlichen Eigenschaften werden verschmolzen

• Kurvenannäherung kann durchgeführt werden (Splines, etc)

Segmentierung durch Informationen über die

Grenzen(2)• Verdeckungen (und Unterbrechungen)

erkennbar durch Weiterführung der Kurven

• Ramachandran zeigt: uneindeutige Oberflächeninformationen können durch die Kanteninformationen gelöst werden

Segmentierung durch Oberflächengrundformen

• Sehr beliebt, da einfacher handhabbar als Volumenkörper

• Der Prozess beginnt bei lokalen Nachbarschaften und wird ausgedehnt– Wasserscheiden-Verfahren

• Problem: unwichtige lokale Minima• Für den Gesamtkontext volumetrische

Modelle besser geeignet

Kontrollstruktur

• Wie sollen die drei Strukturen verwoben werden?

• Zwei Extrema– Parallele Abarbeitung

• Auftauchen von Konfliktsituationen, die gelöst werden müssen

– Sequenzielle Abarbeitung• Bei Erreichen von „falschen Fährten“

wäre Backtracking nötig

Kontrollstruktur (2)

• Menschliche Erkennung kann Kanten ergänzen

• Ziel: Rechnerbasiert muss ein System ebenfalls anpassungsfähig sein

Vorschlag• Paralleles Abarbeiten von volumen-

und grenzbasierter Segmentierung– da gegensätzlich– Interaktion zwischen den Methoden zur

Kontrolle und Präzisierung von Grenzen/Körpern

• Oberflächenanalyse für Details– Konflikt-Lösungsmöglichkeit für

„unsichtbare Kanten“ -> Ermittlung der Unstetigkeitstellen

Kontrollstruktur (3)• Muss Verlässlichkeit der Informationen

feststellen• Muss Teil/Ganzes-Beziehungen entscheiden• Braucht viele Parameter -> vorfestgelegt

oder im Prozess ermittelt• Z.B.

– Größe(-nbereich) der lokalen Nachbarschaften– Größe(-nbereich) der volumetrischen Modelle– Anzahl (oder Bereich) der erwarteten Einheiten– Schwellenwerte für Partitionierung und

Zusammenführung– Detailgrad

Zusammenfassung

• Bei der Bilderkennung gibt es zwei grundlegende Verfahren

• Objektrepräsentation und Segmentierung• Diese sollten zusammen angewendet

werden, da sie einander ergänzen können• Ein Vorschlag zur Zusammenarbeit wurde

vorgestellt:– Das Finden von Volumenkörpern wird

einschränkend unterstützt durch Kantenfindung

– Feinere Details werden mittels Oberflächenrepräsentierung gefunden

Quellen:• EarlyProcessing – EP discussion group• Segmentation versus object representation - are they

separable? Ruzena Bajcsy, Franc Solina, Alok Gupta• Superquadriken

– http://www.gamedev.net/reference/articles/article1172.asp – http://graphics.tu-bs.de/lvcg01-02/Vorlesung1/

Superquadriken.pdf• Skalenräume

– http://cyvision.if.sc.usp.br/msskeletons/– http://www.isip.uni-luebeck.de/~metzler/pdf

/bvm99-metzler.pdf• Segmentierung mit Superquadriken

– http://www.cs.caltech.edu/~arvo/papers/GenMod.pdf• Objekte:

– http://mathworld.wolfram.com• Webquellen vom 27.7.2004

einführung in die objekterkennung im dreidimensionalen raum

Documents

raum vii raum viii - krebsmagazin.de

plastik aus dem griech.: plassein = bilden, formen;...

to ld to ld · 2018. 6. 29. · agenda 03.07. hamburg...

konvexe hüllen im dreidimensionalen raum. allg. grundlagen:...

lehrskript – mathematik – q12 – analytische...

berechnete erzeugung von dreidimensionalen ...€¦ ·...

differentialgeometrie - staff.uni-oldenburg.de · iv sie in...

entwicklung eines dreidimensionalen hypermedia-systems zur

deutschlehrertag - lewebpédagogique · 2014. 4. 5. ·...

gebäude a 10.11 - hs-rm.de · 16:00 10.11.2016...

wochenplaner 000 vors nachs 1516 · klasse stundenplan...

technische zeichnungen raum in raum system filetechnische...

aus der chirurgischen und gynäkologischen kleintierklinik...

efector dualis - objekterkennung zur fehlerprüfung und...

online kernsuche in dreidimensionalen terrains...

sensoren zur objekterkennung · das trainingspaket tp 1311...

mehr raum im raum

4d die terminplanung - archobau.ch · raum b raum a raum b...

„von der pädagogik zum raum – vom raum zur...

raum raum raum raum · quo vadis, cloud computing? ein...