Masterarbeit Corinna Harmening Raum-zeitliche Segmentierung ...
Masterarbeit Corinna Harmening Raum-zeitliche Segmentierung ...
Masterarbeit Corinna Harmening Raum-zeitliche Segmentierung ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
2.3 Registrierung unterschiedlicher Aufnahmerichtungen<br />
lisierung des ICP-Algorithmus dar.<br />
Im darauffolgenden Schritt werden zwischen den beiden Datensätzen die nächsten Nachbarn<br />
ermittelt und – unter der Annahme, dass diese nächsten Nachbarn korrespondierenden<br />
Punkten entsprechen – die Transformation zwischen den beiden Datensätzen bestimmt.<br />
Nach Durchführung dieser Transformation erfolgt erneut eine Nachbarschaftssuche.<br />
Das Verfahren wird so lange iterativ fortgesetzt, bis die Änderung des mittleren<br />
quadratischen Fehlers der korrespondierenden Punkte kleiner als ein vorgegebener Schwellwert<br />
wird. Der ICP-Algorithmus konvergiert, wie von Besl u. McKay (1992) dargelegt,<br />
immer – jedoch nicht zwangsläufig gegen das globale Minimum. Aus diesem Grund ist eine<br />
sorgfältige Grobregistrierung notwendig, die gute Näherungswerte für die Initialisierung<br />
des Algorithmus liefert [Campbell u. Flynn (2001)].<br />
Für eine Multi-View-Feinregistrierung führt der ICP-Algorithmus zu keinen guten Ergebnissen,<br />
da der Registrierungsfehler mit der Anzahl der Aufnahmerichtungen zunimmt<br />
[Oishi u. a. (2003)]. Aus diesem Grund existieren für diesen Fall – ähnlich wie für die<br />
Grobregistrierung – Algorithmen, die die unterschiedlichen Aufnahmerichtungen gleichzeitig<br />
ineinander überführen. Ein Beispiel für eine solche simultane Feinregistrierung ist<br />
in Neugebauer (1997) zu finden:<br />
Ausgangspunkt für den Algorithmus bilden n Distanzbilder B i , deren relative Orientierungen<br />
θ i – bestehend aus drei Translationen und drei Rotationen – näherungsweise aus der<br />
Grobregistrierung bekannt sind. Der Autor formuliert die Feinregistrierung als Optimierungsproblem,<br />
das eine vorher definierte Distanz D zwischen den Überlappungsbereichen<br />
[<br />
]<br />
aller Distanzbilder in Abhängigkeit von der relativen Orientierung θ = θ 0 ,...,θ n 1<br />
minimiert:<br />
ɛ 2 = min ∑ i≠j<br />
D(T (θ)<br />
i B i ,T (θ)<br />
j B j ) (2.1)<br />
mit:<br />
ɛ : Verbesserungsquadratsumme<br />
T (θ)<br />
i : Ähnlichkeitstransformation unter Verwendung der relativen Orientierung θ.<br />
Da es sich um ein nichtlineares Optimierungsproblem handelt, muss zum einen eine Linearisierung<br />
erfolgen, zum anderen wird eine Iteration durchgeführt, die die aus der Grobregistrierung<br />
bekannten Näherungswerte Schritt für Schritt verbessert.<br />
13