Masterarbeit Corinna Harmening Raum-zeitliche Segmentierung ...
Masterarbeit Corinna Harmening Raum-zeitliche Segmentierung ...
Masterarbeit Corinna Harmening Raum-zeitliche Segmentierung ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
6 Zusammenfassung/Ausblick<br />
Schwierigkeit bei der Pflanzensegmentierung – die Trennung sich berührender Blätter –<br />
für die Gurkenpflanzen gelöst werden konnte.<br />
Als problematisch erwies sich in sämtlichen Berechnungen das starke Messrauschen: Trotz<br />
Verwendung des robusten RANSAC-Algorithmus zur Bestimmung der lokalen Normalenvektoren<br />
führte es zu einem stark übersegmentierten Ergebnis in der Vorsegmentierung,<br />
woraus ein hoher Rechenaufwand während des Region-Mergings resultierte.<br />
Im Anschluss erfolgte die <strong>Segmentierung</strong> der <strong>zeitliche</strong>n Dimension unabhängig von der<br />
räumlichen <strong>Segmentierung</strong>. Verwendet wurde ein auf Dynamic Time Warping basierendes<br />
Shape-Matching-Verfahren, welches die korrespondierenden Segmente der zu unterschiedlichen<br />
Zeitpunkten erfassten Datensätze über die Form identifizierte. Dieses Verfahren<br />
erwies sich insbesondere für eine <strong>zeitliche</strong> <strong>Segmentierung</strong> von Aufnahmen mit relativ geringen<br />
<strong>zeitliche</strong>n Abständen und damit geringen Blattbewegungen und -verformungen als<br />
sehr zufriedenstellend: Neben dem reinen Tracking der Segmente über die Zeit gelang<br />
es, Übersegmentierungen in den verschiedenen Aufnahmen zu identifizieren und zu eliminieren.<br />
Das Verfahren stieß jedoch an seine Grenzen, wenn zwischen den verschiedenen<br />
Aufnahmen so große Zeitabstände lagen, dass sich sowohl die Position eines Blattes als<br />
auch insbesondere seine Form deutlich verändert hatten.<br />
Um das Potential der Ergebnisse für eine Phänotypisierung der Gurkenpflanzen zu testen,<br />
wurden die Segmente mit α-Shapes vermascht und basierend auf dieser Vermaschung die<br />
entsprechenden Blattflächen bestimmt. Der Vergleich der auf Grundlage unterschiedlicher<br />
<strong>Segmentierung</strong>sergebnisse errechneten Flächeninhalte zeigte, dass für eine aussagekräftige<br />
Phänotypisierung zunächst weitergehende Untersuchungen sowohl in Bezug auf die Generierung<br />
einer optimalen Vermaschung als auch hinsichtlich der Eliminierung von Ausreißern<br />
durchzuführen sind.<br />
Ausblickend bleibt festzuhalten, dass bereits durch eine Modifikation der Aufnahmekonfiguration<br />
das <strong>Segmentierung</strong>sproblem leichter zu lösen ist: Für Daten mit geringerem<br />
Messrauschen ist eine signifikante Verringerung des Rechenaufwands für das Region-<br />
Merging zu erwarten. Hinzu kommt, dass für eine vollständige <strong>Segmentierung</strong> eine über<br />
die gesamte Punktwolke gleichmäßige Datendichte vorliegen muss. Bislang ist diese Voraussetzung<br />
aufgrund der Ausrichtung des Laserscanners insbesondere bei horizontalen<br />
Blattoberflächen nicht gegeben. Eine Änderung der Ausrichtung des Laserscanners bzw.<br />
124