Inkrementelle Akquisition von 3D-Objektmodellen - Institut für ...
Inkrementelle Akquisition von 3D-Objektmodellen - Institut für ...
Inkrementelle Akquisition von 3D-Objektmodellen - Institut für ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Kapitel 5<br />
Erzeugen <strong>von</strong><br />
Punktkorrespondenzen durch<br />
Tracking<br />
Ziel diesen Kapitels ist es, eine Anzahl <strong>von</strong> Punktkorrespondenzen zwischen den Bildern einer<br />
Sequenz zu erzeugen.<br />
Sieht ein Mensch eine Bildsequenz (einen Film) eines sich bewegenden Gegenstandes, so kann er<br />
einen Punkt auf dem Gegenstand fixieren und der Bewegung des Punktes folgen. In jedem Bild<br />
kann er dadurch problemlos die Position dieses Punktes angeben. Prinzipiell ist dies auch einem<br />
Computer möglich, und auf diese Weise wollen wir die Punktkorrespondenzen finden.<br />
Das hier verwendete Tracking-Verfahren werde ich nur relativ knapp beschreiben, da es im<br />
Wesentlichen nicht Teil meiner Arbeit ist, sondern ich hier vorhandene Funktionen der FLAVOR-<br />
Bibliothek benutzt habe.<br />
Das Tracking findet auf Grauwert-Bildern statt, die Farbbilder der Sequenz werden also vorab<br />
entsprechend umgewandelt.<br />
5.1 Auswahl der Punkte<br />
Um Punkte aus den Bildern auszuwählen, die getrackt werden sollen, wird das Differenzbild aus<br />
zwei aufeinanderfolgenden Bildern der Sequenz erstellt. Es werden dann zufällig Bildpunkte ausgewählt,<br />
an denen – anhand des Differenzbildes ermittelbar – eine Veränderung stattgefunden hat.<br />
Die Hoffnung ist, dass diese Bildpunkte sich relativ zur Kamera bewegende Raumpunkte repräsentieren<br />
und ausreichend Struktur haben, um zum Tracking geeignet zu sein. Es wird darauf geachtet,<br />
dass neue Punkte nicht zu nah an bereits exisitierenden Punkten liegen.<br />
Dieses Verfahren wird nach jedem Trackingschritt (d.h., nach jedem bearbeiteten Bild) benutzt,<br />
wenn die Anzahl der Punkte, die momentan getrackt werden, unterhalb einer als Parameter vorgegebenen<br />
Anzahl liegt. Da ständig Punkte entfernt werden (Erklärung dazu folgt im nächsten<br />
Abschnitt), ist das also nach fast jedem Trackingschritt der Fall.<br />
Es gibt selbstverständlich bessere Methoden, um ”<br />
interessante“, also gut geeignete, Punkte zu finden.<br />
Beispielsweise könnte ein Algorithmus wie der Ecken-Detektor <strong>von</strong> Harris benutzt werden<br />
[HS88] oder das biologisch motivierte Verfahren <strong>von</strong> Würtz und Lourens [WL97]. Das hier benutzte<br />
Verfahren hat allerdings brauchbare Ergebnisse geliefert und hat den Vorteil, recht einfach und<br />
schnell zu sein.<br />
23