Inkrementelle Akquisition von 3D-Objektmodellen - Institut für ...

IR-INI 2006–01, c○ 2006 Institut für Neuroinformatik, Ruhr-Universität Bochum, FRG 3
1.2 Ziel der Arbeit
Anstatt gleich die dreidimensionale Beschaffenheit der ganzen Welt oder zumindest einer kompletten
Umgebung zu erfassen, fangen wir kleiner an und versuchen, ein dreidimensionales Modell eines
kleinen Gegenstandes zu erstellen. Dieser Prozess entspricht dabei nicht dem Erkennen einer bekannten
dreidimensionalen Form sondern der Betrachtung eines zuvor unbekannten Gegenstandes.
Dieses möchte ich deshalb unterstreichen, weil unsere alltägliche Wahrnehmung zum Großteil eine
Wahrnehmung einer bekannten Umgebung und von bekannten Gegenständen ist, und wir meistens
auf unser Wissen zurückgreifen können anstatt tatsächlich ein neues 3D-Modell zu erstellen, wie
wir es hier von dem System erwarten.
Unser Modell wird aus einer Wolke von Raumpunkten bestehen. Dabei wollen wir ausschließlich
optische Informationen benutzen, die aus einer einfachen Webcam gewonnen werden. Damit ist
der erste Schritt vorgegeben: das Erstellen einer Bildsequenz des Objektes aus den Bildern dieser
Webcam. Dabei werden wir (außer für die Segmentierung) kein Wissen über die Kamerapositionen
und internen Parameter der Kamera verwenden. Dafür nehmen wir in Kauf, dass wir lediglich
ein projektives Modell erstellen können (die berechneten Raumpunkte werden also gegenüber den
tatsächlichen Raumpunkten projektiv verzerrt sein) – wie wir sehen werden, ist mit den gegebenen
Informationen auch nicht mehr möglich. Wir werden allerdings herausstellen, mit welchen zusätzlichen
Informationen wir ein metrisches Modell erstellen könnten.
Der Titel dieser Arbeit verspricht eine inkrementelle Erstellung des Modells. Das hier vorgestellte
System arbeitet inkrementell, indem es mit jedem Bild, das verarbeitet wird, das Modell erweitert
und ggf. anpasst. Jedoch werden wir sehen, dass das System aus zahlreichen abgrenzbaren Arbeitschritten
besteht und dass jeder Arbeitsschritt für alle Bilder durchgeführt wird, bevor mit dem
nächsten Arbeitsschritt begonnen wird – so ist die Arbeit auch gegliedert und für das Verständnis
ist diese Vorgehensweise sicher am geeignetsten. Prinzipiell ist es aber genauso möglich, für jedes
Bild – soweit nötig (wir werden sehen, dass nicht alle Bilder in allen Arbeitschritten verwendet werden)
– alle Arbeitsschritte durchzuführen, bevor das nächste betrachtet wird. Das Ergebnis bleibt
das gleiche – eine Ausnahme stellt nur der letzte Arbeitsschritt, das Bundle Adjustment, dar. Hier
kann die Entscheidung, ob er inkrementell oder abschließend auf allen Daten durchgeführt wird,
einen großen Einfluß auf das Ergebnis nehmen.
Das System ließe sich so erweitern, dass auch die Bildakquisition inkrementell durchgeführt werden
könnte. Somit könnte während des Erstellens des Modells entschieden werden, welche Bereiche des
Modells abgefilmt werden müssen um das Modell sinnvoll zu vervollständigen.
1.3 Resourcen
Das hier vorgestellte System wurde am Institut für Neuroinformatik der Ruhr-Universität Bochum
entwickelt. Es war mir somit möglich, die dort vorhandenen Resourcen zu nutzen. Diese umfassen
insbesondere die vorhandene Hardware, die zum Abfilmen der Objekte verwendet wurde (wie
zum Beispiel den Roboterarm – siehe Kapitel 3), sowie die Software-Bibliothek FLAVOR (siehe
hierzu [RPEvdM99]). Aus FLAVOR (kurz für ”
Flexible Library for Active Vision and Object
Recognition“) habe ich neben Methoden zur Bildrepräsentation und mathematischen Methoden
wie Matrixzerlegungen vor allem auch Methoden zum Tracking von Bildpunkten (siehe Kapitel 5)
benutzt.
Als ”
ideelle“ Resource diente – natürlich neben der sonstigen angegebenen Literatur – vor allem
[HZ04], in der die grundlegende Vorgehensweise des überwiegenden Teils des Systems sowie auch
spezielle angewandte Verfahren behandelt werden.
Das System wurde komplett in C++ entwickelt.