Räumliche Segmentierung und Objekterkennung

点击翻译按钮获取中文摘要

Eine Kernaufgabe der Computer Vision besteht darin, visuelle Daten zu interpretieren und diese Interpretation dazu zu verwenden eine gestellte Aufgabe zu lösen. Typische Aufgabenstellungen bestehen in der Handhabung von Teilen in der Fertigung sowie der Inspektion dieser Teile. In vielen Anwendungsfällen besteht das Ziel der Interpretation darin, ein bestimmtes Objekt zu identifizieren und zu lokalisieren. Dazu muss das System das vollständige Wissen über die Form des Objektes besitzen. Ein derartiges Wissen über ein Objekt wird dem System durch ein Modell des Objekts zur Verfügung gestellt. In den meisten Fällen enthält das Modell Informationen über die Geometrie des Objekts. Ein Vision System, welches ein derartiges Modell verwendet wird als modellbasiertes Vision System bezeichnet und das generelle Problem ein Objekt zu identifizieren und zu lokalisieren wird als Objekterkennung bezeichnet. Die Objekterkennung ist ein zentraler Bestandteil eines automatisierten optischen Mess- und Prüfsystems. Dabei kann es sich zum einen um die Erkennung eines Objekts im Ganzen handeln. Die Aufgabe ist dann, ein oder mehrere Objekte in der Szene zu identifizieren und vorab in einer Datenbasis abgelegten Modellen zuzuordnen. Durch die Zuordnung ergibt sich i.a. auch eine Lokalisierung (Position, Orientierung) des Objekts. Dadurch kann auf spezielle Vorrichtungen verzichtet werden, welche auf mechanischem Wege eine hochgenaue Solliage der Objekte sicherstellen. Zum anderen wird die Objekterkennung auch für die Lokalisierung einzelner Merkmale (features) eines Objekts eingesetzt, wie z.B. Ausrundungen, Nuten oder Bohrungen. Die so detektierten Merkmale, bzw. von ihnen abgeleitete Grössen, können dann direkt mit ihren Sollwerten (z.B. Radius) in der Datenbank verglichen werden. Aus den parallel beantragten Arbeiten zur Kalibrierung und Sensorfusion steht den nachgeordneten Schritten der Interpretation und Objekterkennung ein breites Spektrum von Daten zur Verfügung (Grauwertbilder, Farbbilder, 21/2DDistanzdatensätze, dreidimensionale Einzelpunkte, thematische Bilder, Beleuchtungssequenzen oder Klassifikationsbilder aus Beleuchtungssequenzen), die bereits korrekt zueinander orientiert sind, ähnlich der Kombination von einem digitalen Höhenmodell mit einem Multi-Layer-Orthophoto. Die aufgenommenen Daten werden durch eine räumliche Segmentierung in eine höhere Abstraktionsstufe überführt. Die Segmentierung hat die Aufgabe, aus der gegebenen ikonischen Information dreidimensionale geometrische Strukturprimitive wie Punkte, Linien und Flächen in symbolischer Form zu extrahieren. Des weiteren muss in diesem Schritt eine relationale Beschreibung der Beziehungen dieser Primitive untereinander (z.B. topologische Eigenschaften: Adjazenz, Inzidenz; Ähnlichkeit von Flächenstücken: Krümmungseigenschaften, Orientierung) aufgebaut werden, welche von den nachfolgenden Schritten der Gruppierung und Objekterkennung benutzt wird.