Lehrstuhl für Informatik 5 (Mustererkennung)

Lehrstuhl für Informatik 5 (Mustererkennung)2.2hörende Positionen von Kamera und Roboterarm ermittelt, die anschließend zur Hand-AugeKalibrierung verwendet werden können. Um bei der Kalibrierung gute Ergebnisse zu erzielen,ist ein zusätzlicher Datenauswahlschritt notwendig. Im letzten Jahr wurden mehrere Datenselektionsalgorithmenentwickelt, wobei der erfolgreichste auf einer Vektorquantisierung der Rotationsachsender Positionsdaten basiert.Diese robuste Hand-Auge Kalibrierung kann nicht nur zur Kalibrierung einer auf einem Roboterarmmontierten Kamera verwendet werden, sondern auch im Bereich der Selbstkalibrierungvon Stereokamerasystemen. Im Teilprojekt B6 des SFB 603 wurde sie zudem erfolgreich fürdie Kalibrierung eines optischen Trackingsystems für Endoskope eingesetzt.2.2 Erscheinungsbasierte, statistische ObjekterkennungProjektleitung:Prof. Dr.-Ing. Heinrich NiemannBeteiligte:Dipl.-Inf. Marcin GrzegorzekStichwörter:Objekterkennung; Objektlokalisation; Objektklassifikation; statistische Modellierung;Wavelets; Farbmodellierung, KontextmodellierungLaufzeit: 1.6.1999 - 30.11.2005Förderer: DFGKontakt:Dipl.-Inf. Marcin GrzegorzekTel.: +49.9131.85.27275, Fax: +49.9131.303811,E-Mail: grzegorz@informatik.uni-erlangen.deZiel dieses Projekts, das im Rahmen des Graduiertenkollegs “Dreidimensionale Bildanalyseund -synthese” durchgeführt wird, ist die Klassifikation und Lokalisation von Objekten in Bildern.Dazu wird ein erscheinungsbasierter Ansatz eingesetzt. Dementsprechend wird kein vorhergehenderSegmentierungsprozess benötigt, der geometrische Merkmale wie Kanten oderEcken detektiert, sondern die Merkmale werden direkt aus den Intensitäten der Bildpunkte bestimmt.Bei diesem Ansatz werden lokale Merkmale benutzt, die mit Hilfe der Wavelet Multi-Skalen-Analyse berechnet werden. Modelliert werden diese Merkmale statistisch mit Hilfe vonDichtefunktionen. So können auch Beleuchtungsschwankungen und Rauschen gehandhabtwerden.Bei realen Anwendungen sind die Objekte oft partiell verdeckt und können sich vor beliebigemHintergrund befinden. Deshalb wird auch der Hintergrund explizit modelliert und in der Erkennungsphasefür jeden Merkmalsvektor entschieden, ob er zum Objekt oder zum Hintergrund gehört.Auch mehrere Objekte können im Bild auftreten, die lokalisiert und klassifiziert werden sollten.Im Allgemeinen ist die Anzahl der Objekte, die sich im Bild befinden, nicht bekannt. Ein Ab-72