Masterarbeit Corinna Harmening Raum-zeitliche Segmentierung ...

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