Ergänzung fehlender Informationen bei der Erstellung von 3D-Modellen durch Inferenz in einem Markov-Zufallsfeld

在高质量的情况下，真实的3D效果存在复杂的问题。因此，sind aufgrund der geometrischen Komplexität und der eingeschränkten Sensorplatzierungsmöglichkeiten often Teile der Szene in艾伦Ansichten verdeckt.韦尔登用摄像机和激光扫描仪检查传感器，因此无法确定问题的解决方案。Weiterhin韦尔登für manche Teile der Szene努尔Daten einer Modalität vorliegen.因此，将数据融合到一个一致的模型中也会产生更好的信息。这一研究将是艺术在感觉空间中的基本问题。因此，我们必须通过一个马尔可夫-祖法尔斯菲尔德韦尔登，将数据融合，将模型展开，并将虚拟模型和虚拟设计结合起来。我们需要将传感器和辅助策略结合起来，这是最大的可行性。Der Einquilding des nichtparametrischen Belief-Propagation Algorithms，der die Beschreibung auch multimodaler Wahrscheinlichkeitsoften und nichtlinearer zeitlicher und räumlicher Zusammenhänge erlaubt soll uns diesem Ziel näher bringen.

Die Erfassung realer 3D Umgebungen in hoher Qualität ist mit komplizierten Problemen verbunden. So sind aufgrund der geometrischen Komplexität und der eingeschränkten Sensorplatzierungsmöglichkeiten oft Teile der Szene in allen Ansichten verdeckt. Werden verschiedene Sensoren wie Kameras und Laserscanner verwendet, so stellt sich das Problem unterschiedlicher Abtastraten. Weiterhin werden für manche Teile der Szene nur Daten einer Modalität vorliegen. So hat die Datenfusion zur Herstellung eines konsistenten Modells auch die Ergänzung fehlender Informationen zu bewerkstelligen. Das Forschungsvorhaben will diese Probleme auf grundlegende Art im Sensorraum lösen. Dazu soll dieser durch ein Markov-Zufallsfeld modelliert werden, das die Fusionierung verschiedener Datenquellen, die Ergänzung unvollst¨andig abgetasteter Modelle und die Erzeugung virtueller Ansichten erlaubt. Um verschiedene denkbare Kombinationen von Sensoren und Aufnahmestrategien abzudecken, ist hierbei maximale Flexibilit¨at gefragt. Der Einsatz des nichtparametrischen Belief-Propagation Algorithmus, der die Beschreibung auch multimodaler Wahrscheinlichkeitsdichten und nichtlinearer zeitlicher und räumlicher Zusammenhänge erlaubt soll uns diesem Ziel näher bringen.