Zusammenfassung
In diesem Beitrag soll ein Bilderkennungssystem vorgestellt werden, das seine Leistungsfähigkeit durch die Verbindung von ganzheitlichen und dekompositorischen Erkennungsverfahren erreicht. Durch die Kopplung künstlicher neuronaler Netze mit aus der KI bekannten Methoden zur expliziten Objektmodellierung ist ein hybrides Bilderkennungssystem entstanden, das von uns zur aktiven Erkennung dreidimensionaler Objekte in einem Robotik-Szenario genutzt wird. Verwendet wird dabei ein Industrieroboter mit sechs Freiheitsgraden, an dem seitlich des Tool-Center-Punktes eine Kamera befestigt ist. Dem Paradigma des aktiven Sehens entsprechend [1][3] werden beim Erkennungsvorgang durch automatisches Positionieren des Roboters und damit der Kamera Bilder eines Objektes aus verschiedenen Blickrichtungen aufgenommen und ausgewertet. Die Aufnahmepositionen werden dabei anhand von bildgestützten Lageschätzungen und Modellwissen bestimmt. Konzept und Implementierung des Systems wurden am Beispiel der Erkennung von Autos (Maßstab 1:24) getestet.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
Aloimonos, J.; Weiss, I.: Active Vision. In: Proc. of DARPA Image Understanding Workshop, 5. 552 - 573, 1987.
Austermeier, H.: Farbkonstanz, Segmentierung, Klassifikation - Ein Gesamtsystem zur effizienten Farbbildanalyse in einer Robot-Vision-Applikation. Dissertation (eingereicht), Universität-GH Paderborn, Fachbereich Elektrotechnik, 1997.
Bajcsy, R.: Active perception. Proc. IEEE, Vol.76, Nr. 8, 5. 996 - 1006, 1988.
Bilker, U.: Wissensbasierte Bilderkennung mit symbolischen und neuronal repräsentierten Merkmalen. Fortschritt-Berichte, Reihe 10, Nr. 425, Düsseldorf, VDI-Verlag, 1996.
Bilker, U.; Hartmann, G.: Eckenmerkmale für robuste Erkennung und Fovealisierung in einem Robot Vision System. In: Jähne, B.; Geißler, H.: Haußecker, H.; Hering, F.: Mustererkennung 1996, Berlin, u.a., Springer, S. 590 - 597, 1996.
Bülthoff, H.H.; Edelman, S.Y.; Tarr, M.J.: How are three-dimensional objects represented in the brain? Technical report A.I. Memo No. 1479, MIT, AI Lab, 1994.
Dunker, J.; Hartmann, G.; Stöhr, M.: Single view recognition and pose estimation of 3D objects using sets of prototypical views and spatially tolerant contour representations. In: Proc. of the 13th Int. Conf. on Pattern Recognition, Vol. 4. IEEE Comp. Soc. Press, S. 14 - 18, 1996.
Hartmann, G.; Kräuter, K.O.; Wiemers, H.; Seidenberg, E.; Drüe, S.: Ein distanz-und orientierungsinvariantes lernfähiges Erkennungssystem für Robotikanwendungen. In: Pöppl, S.; Handels, H. (Hrsg.): Mustererkennung 1993, Berlin, u.a., Springer, S. 375 - 382, 1993.
Hubel, D.H.; Wiesel, T.N.: Receptive fields of single neurons in the cat’s striate cortex. In: J. Physiol., 148, S. 574 - 579, 1959.
Koenderink, J.J.; van Doom, A.J.: The internal representation of solid shape with respect to vision. Biological Cybernetics, 32, 5. 211 - 216, 1979.
Lowe, D.: Three-dimensional object recognition from single two-dimensional images. Artificial Intelligence, S. 355 - 395, 1986.
Murase, H.; Nayar, S.K.: Visual Learning and Recognition of 3-D Objects from Appearance. In: International Journal of Computer Vision, 14, S. 5 - 24, 1995.
Munkelt, O.; Zierl, C.: Fast 3-D object recognition using feature based aspect-trees. In: Proc. of the 12th Int. Conf. on Pattern Recognition, Vol. 1. IEEE Comp. Soc. Press, S. 854 - 857, 1994.
Sagerer, G.: Neuronal, Statistisch, Wissensbasiert: Ein Beitrag zur Paradigmendiskussion für die Mustererkennung. In: Pöppl, S.; Handels, H. (Hrsg.): Mustererkennung 1993, Berlin, u.a., Springer, S. 158 - 177, 1993.
Sato, H.; Binford, T.O.: Finding and recovering SHGC objects in an edge image, Computer Vision Graphics and Image Processing, Vol. 57 (3), S. 346 - 356, 1993.
Shapiro, L.G.; Costa, M.S.: Appearance-based 3D object recognition. In: Hebert, M.; u.a.: Object representation in computer vision. Berlin, u.a., Springer, S. 51 - 64, 1995.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1997 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Büker, U., Hartmann, G. (1997). 3-D Objekterkennung durch aktives Sehen und Mehrfachansichten. In: Paulus, E., Wahl, F.M. (eds) Mustererkennung 1997. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-60893-3_51
Download citation
DOI: https://doi.org/10.1007/978-3-642-60893-3_51
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-63426-3
Online ISBN: 978-3-642-60893-3
eBook Packages: Springer Book Archive