Masterarbeit Corinna Harmening Raum-zeitliche Segmentierung ...

4.3 Räumliche Segmentierung
4.3.1 Entwicklung einer Segmentierungsstrategie
Grundsätzlich existieren für die räumliche Segmentierung der in dieser Arbeit verwendeten
Daten zwei Möglichkeiten:
• Jede Aufnahme einer Scanposition wird zunächst unabhängig von den anderen
beiden Aufnahmen der Epoche segmentiert. In diesem Fall können die bildhaften
Darstellungen der Daten (Tiefen-, Intensitäts- und/oder RGB-Bilder) für die Segmentierung
verwendet werden. Diese Strategie bringt die bereits in Abschnitt 3.3
erläuterten Vorteile der Vielfalt an bestehenden Verfahren und der Kenntnis über
die Nachbarschaften mit sich. Speziell auf die vorliegenden Daten bezogen, ergeben
sich jedoch zwei schwerwiegende Nachteile: Zum einen wurde mit Hilfe der sorgfältig
ausgewählten Aufnahmekonfiguration die Pflanze zwar komplett erfasst, aufgrund
der unabhängigen Betrachtung der einzelnen Messungen kommt diese vollständige
Erfassung jedoch gar nicht zum Tragen: In den einzelnen Aufnahmen tritt weiterhin
das Problem der Verdeckung und damit von unvollständigen Blättern auf. Zum
anderen müssen – um eine räumlich stimmige Segmentierung zu erhalten – die Segmente
der drei Aufnahmen in einem zweiten Schritt zusammengefügt werden.
• Diese Probleme können umgangen werden, indem alle drei Aufnahmen einer Zeitepoche
gemeinsam segmentiert werden. Die Segmentierung erfolgt nicht länger auf Bildebene,
sondern direkt in der registrierten 3-D-Punktwolke, deren Punkten zusätzlich
die entsprechenden Intensitäts- und RGB-Werte zugeordnet werden können. Nachteilig
ist bei dieser Vorgehensweise die rechenintensive Nachbarschaftssuche.
In dieser Arbeit erfolgt die Segmentierung in der 3-D-Punktwolke, da die Vorteile gegenüber
der ersten Strategie deutlich überwiegen.
Neben der Frage, ob jede Aufnahme für sich oder die 3-D-Punktwolke als Ganzes segmentiert
wird, spielt die Art der Daten eine Rolle, die für die Segmentierung verwendet
werden: Mit dem Wissen, dass eine Segmentierung nach Ähnlichkeitsmaßen gruppiert,
lassen die Abbildungen 4.3 und 4.4 bereits Vermutungen darüber zu, welche Art der Daten
für eine Segmentierung der Gurkenblätter geeignet sein könnte: Die spektralen Daten
zeigen Variationen innerhalb eines Blattes, die zum Teil durch die Blattstrukturen oder
– im Fall des RGB-Bildes – durch Schattenwurf entstehen. Gleichzeitig liefert diese Art
55