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

点击翻译按钮获取中文摘要

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.