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.
<strong>Raum</strong>-<strong>zeitliche</strong> <strong>Segmentierung</strong> von natürlichen<br />
Objekten in stark verdeckten Szenen<br />
<strong>Masterarbeit</strong> am ikg<br />
Einführung und Ziel der Arbeit<br />
Die Erfassung von 3D Objektdaten erfolgt häufig mit Laserscannern und optionalen Kameras zur<br />
Bereitstellung von Farbinformation. Ein wesentlicher Schritt in der Aufbereitung der erfassten 3D<br />
Punktwolken ist die <strong>Segmentierung</strong> von interessierenden Objekten. Die Beschreibung und<br />
Identifikation von natürlichen Objekten in 3D Punktwolken stellt im Vergleich zu anthropogenen<br />
Objekten eine besondere Herausforderung dar. Liegt der Fokus auf der detaillierten Beschreibung<br />
<strong>zeitliche</strong>r Veränderung von natürlichen Objekten, wie zum Beispiel Pflanzen, basierend auf räumlich<br />
verteilten 3D Punktwolken, so ist ein effizientes Verfahren zur <strong>Segmentierung</strong> notwendig.<br />
Im Rahmen dieser <strong>Masterarbeit</strong> soll ein effizientes Verfahren zur <strong>Segmentierung</strong> von natürlichen<br />
Objekten aus 3D Punktwolken, am Beispiel der Gewächshausgurke, entwickelt werden. Die zu<br />
segmentierenden Objekte liegen in 3D Punktwolken unterschiedlicher Aufnahmerichtungen und<br />
Aufnahmezeitpunkte in einem gemeinsamen Koordinatensystem vor. Im Ergebnis soll das<br />
interessierende und segmentierte Objekt als Zeitreihe von 3D Punktwolken zur Verfügung stehen.<br />
Aus der Zeitreihe sollen Informationen über die geometrische Veränderung (das Wachstum,<br />
kurzzeitige, morphologische Anpassungen) abgeleitet werden.<br />
Aufgaben und <strong>zeitliche</strong>r Ablauf<br />
► Einarbeitung in die zur Verfügung stehenden Datensätze (3D Punktwolken mit Remissionswerten<br />
und optionalen Farbinformation aus digitalen Bildaufnahmen)<br />
► Literaturrecherche zum Thema <strong>Segmentierung</strong> von 3D Punktwolken mit dem Fokus auf Verfahren<br />
zur Behandlung unterschiedlicher Aufnahmerichtungen und Aufnahmezeitpunkte<br />
► Implementierung und Adaptierung eines Verfahrens in einer geeigneten Programmiersprache<br />
► <strong>Segmentierung</strong> der interessierenden Objekte in zeitlich aufeinanderfolgenden Aufnahmen<br />
► Gemeinsame <strong>Segmentierung</strong> der identischen, interessierenden Objekte in räumlich<br />
verschiedenen Aufnahmen<br />
► Analyse und Bewertung des implementierten Verfahrens sowie des Nutzens optional verfügbarer<br />
Farbinformation aus digitalen Bildaufnahmen<br />
Hilfsmittel<br />
► Diverse Datensätze von natürlichen Objekten (hier der Gewächshausgurke) in einer<br />
unstrukturierten, kontrollierten Umgebung (Gewächshaus)<br />
► Zeitliche verteilte Datensätze mit Abständen von wenigen Minuten bis zu mehreren Tagen<br />
► Räumlich verteilte Datensätze aus unterschiedlichen Aufnahmerichtungen zur ganzheitlichen<br />
Beschreibung des Objekts in einem gemeinsamen Koordinatensystem<br />
Voraussetzungen<br />
► Programmierkenntnisse in Python sowie nach Möglichkeit in C++<br />
► Sicherer Umgang mit Matlab<br />
Ansprechpartner<br />
Jens-André Paffenholz (Email Jens-Andre.Paffenholz@ikg.uni-hannover.de, Tel. 762-3191)<br />
Institut für Kartographie und Geoinformatik, Appelstraße 9a, 30167 Hannover, <strong>Raum</strong> 603<br />
Das Thema der <strong>Masterarbeit</strong> ist eingebettet in das Forschungsprojekt „<strong>Raum</strong>-zeitlich dichtes<br />
Monitoring von Pflanzenbeständen mittels Messroboter“, welches im Rahmen des Programms "Wege<br />
in die Forschung II - Projektförderung für junge Wissenschaftler/-innen" der Leibniz Universität<br />
Hannover gefördert wird.<br />
Englischer Titel: Spatio-temporal segmentation of natural objects in highly occluded scenes