Zusammenfassung
Die Leistungsfähigkeit aktiver Sehsysteme und speziell fovealisierender Systeme hängt in starkem Maße von der Effizienz der eingesetzten Auf merksamkeitssteuerung ab. Geeignete Fovealisierungsstrategien sind notwendig, um zum einen interessante Bildbereiche, die einer genaueren Betrachtung bedürfen, zu lokalisieren und zum anderen, um mit ausreichender Genauigkeit eine Erkennung durchführen zu können. In diesem Beitrag wird die Auswertung von Eckeninformation sowohl für die Erkennung als auch für die Fovealisierung in einem aktiven Robot Vision System vorgestellt Es wird gezeigt, in welcher Form diese Eckeninformation in einem neuronalen Bilderkennungssystem erzeugt und zur Verfügung gestellt wird. Anhand einer Reihe von Testbildern wird die Robustheit und Eignung der Merkmale untersucht. Im Anschluß daran wird gezeigt, wie eine homogene Einbindung der neuronalen Verarbeitungsmechanismen und der vorgestellten Eckenfovealisierung in eine wissensbasierte Kontrollschicht realisiert wurde.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Aloimonos, J.; Weiss, I.: Active Vision. In: Proc. of DARPA Image Understanding Workshop, S. 35–54, 1987.
Ballard, D.H.: Animate vision. Artificial Intelligence, Vol. 48, S. 57–86, 1991.
Bajcsy, R.: Active perception. Proc. IEEE, Vol.76, Nr. 8, S. 996–1006.
Büker, U.; Hartmann, G.: Wissensbasierte Bilderkennung mit neuronal repräsentierten Merkmalen. In: Sagerer, G.; Posch, S.; Kümmert, F. (Hrsg.): Mustererkennung 1995, Berlin, u.a., Springer, S. 586–593, 1995.
Dunker, J.; Hartmann, G.; Stöhr, M.: A multiple-view approach to 3D recognition based on complex model neurons. In: Proceedings of the ICANN’95, Vol. 2, S.281– 286, 1995.
Hartmann, G.; Kräuter, K.O.; Wiemers, H.; Seidenberg, E.; Drüe, S.: Ein distanz- und orientierungsinvariantes lernfahiges Erkennungssystem für Robotikanwendungen. In: Pöppl,S.; Handels, H. (Hrsg.): Mustererkennung 1993, Berlin, u.a., Springer, S.375– 382, 1993.
Kräuter, K.-O.: Distanz- und orienüerungsinvaiante Extraktion von Konturinformation aus den Kameradaten eines Robot-Vision-Systems. Dissertation, Universität-GH Paderborn, 1995.
Milanese, R.; Bost, J.-M.; Pun, T.: A relaxation network for a feature-driven visual attention system. SPIE Neural and Stochastic Methods in Image and Signal Processing, Vol. 1766, S. 542–553, 1992.
Moravec, H.P.: Towards automatic visual obstacle avoidance. In: 5th Int. Joint Conf. Artificial Intelligence. Cambridge, MA, S. 584–590.
Reisfeld, D.; Wolfson, H.; Yeshurun, Y.: Context-Free Attentional Operators: The Generalized Symmetry Transform. Int. Journal of Computer Vision, Vol. 14, S. 119–130, 1995.
Yeshurun, Y; Schwartz, E.L.: Shape description with a space-variant sensor: Algorithm for scan-path, fusion, and convergence over multiple scans. IEEE Trans, on Pattern Analysis and Machine Intelligence, 11, S. 1217–1222, 1989.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1996 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Büker, U., Hartmann, G. (1996). Eckenmerkmale für robuste Erkennung und Fovealisierung in einem Robot Vision System. In: Jähne, B., Geißler, P., Haußecker, H., Hering, F. (eds) Mustererkennung 1996. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-80294-2_61
Download citation
DOI: https://doi.org/10.1007/978-3-642-80294-2_61
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-61585-9
Online ISBN: 978-3-642-80294-2
eBook Packages: Springer Book Archive