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

IR-INI 2006–01, c○ 2006 Institut für Neuroinformatik, Ruhr-Universität Bochum, FRG 27
5.2 beschrieben einen korrespondierenden Bildpunkt im nachfolgenden Bild suchen. Zu jedem so
getrackten Punkt wird die Ähnlichkeit der Bildpunkte in beiden Bildern verglichen (z.B. mit Gleichung
(5.7)). Liegt sie unterhalb eines als Parameter festgesetzten Grenzwertes, wird der Punkt
in den nachfolgenden Bilden nicht mehr weiterverfolgt. Da die Ähnlichkeit zu gering ist, müssen
wir davon ausgehen, dass wir den Punkt, den wir eigentlich tracken wollen, verloren haben. Möglicherweise
ist er im zweiten Bild nicht mehr zu sehen. Für die entfernten Punkte werden dann neue
Punkte nach der Methode aus Abschnitt 5.1 ausgewählt.
Ein Punkt kann dann üblicherweise über viele Bilder der Sequenz hinweg verfolgt werden. Wir erhalten
dadurch eine große Anzahl an Punktkorrespondenzen, wir kennen also zu jedem Bildpunkt
eine Anzahl von Bildpunkten in anderen Bildern, die denselben Punkt im Raum abbilden.
5.4 Umsetzung
Das Tracking findet auf der in Kapitel 4 erzeugten segmentierten Bildsequenz statt. Alle Bilder
der Sequenz sind in einer XML-Datei verzeichnet (siehe Abschnitt 4.3). Sie werden nun eingelesen,
der Reihe nach durchlaufen und es wird, wie in Abschnitt 5.3 beschrieben, das Tracking auf ihnen
durchgeführt. Es ensteht so eine große Menge von Punktkorrespondenzen zwischen den Bildern,
die in geeigneten Datenstrukturen abgespeichert werden.
Ein Auschnitt eines beispielhaften Ergebnisses ist auf der linken Seite in Abbildung 5.2 zu sehen.