Zusammenfassung
Der Einsatz von Bildverarbeitungssystemen zur Objekterkennung gewinnt im industriellen Bereich für die Erhöhung der Flexibilität des Produktionsprozesses zunehmend an Bedeutung. Bei der Darstellung des von uns entwickelten konturbasierten Ansatzes gehen wir besonders auf die Probleme bei der Erkennung teilweise sichtbarer Objekte und die Behandlung von Fehlern ein, die bei der Segmentierung in der Regel auftreten. Das Konzept einer Strategie für die Bildinterpretation wird vorgestellt, das auf der Generierung und Verifikation von Hypothesen basiert und intensiven Gebrauch von der Propagierung geometrischer Beschränkungen macht. Es bildet den Rahmen für die von uns gewählte wissensbasierte Vorgehensweise, die eine Lösung der Teilprobleme mit begrenztem Aufwand erlaubt. Die Kontrolle der Interpretation erfolgt durch einen A*-Algorithmus, für den eine geeignete Bewertungsfunktion zum Vergleich von Hypothesen definiert wird. Anhand von Experimenten mit den Teilen eines Elektromotors wird gezeigt, daß die realisierte Vergleichsstrategie die gestellten Anforderungen in vollem Maß erfüllt.
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
K. Behnke: Konturbasierte fehlertolerante Analyse von teilweise sichtbaren Objekten. Studienarbeit, Universität Erlangen-Nürnberg, IMMD5 ( Mustererkennung ), Erlangen-Nürnberg, 1990.
R. Brooks: Symbolic Reasoning among 8-D Models and 2-D Images. Artificial Intelligence, 17: S. 285–348, 1981.
H. Brünig: Bildsegmentierung in einem System zur wissensbasierten Bildanalyse dreidi menionaler Szenen. Dissertation, Universität Erlangen-Nürnberg, Erlangen, 1990.
D. G. Lowe: Three-Dimensional Object Recognition from Single Two-Dimensional Images. Artificial Intelligence, 31: S. 355–395, 1987.
H. Niemann, G. Sagerer, S. Schröder, F. Kummert: ERNEST: A Semantic Network System for Pattern Understanding. IEEE Transactions on Pattern Analysis and Machine Intelligence: S., 1990. In Vorbereitung.
N. Nilsson: Principles of Artificial Intelligence. Springer Verlag, Berlin, 1982.
S. Schröder: Integration einer Wissenserwerbskomponente in eine Systemumgebung für die Musteranalyse. Dissertation, Universität Erlangen-Nürnberg, Erlangen, 1990.
S. Schröder, H. Niemann, G. Sagerer, H. Brünig, R. Salzbrunn: A Knowledge Based Industrial Vision System. In R. Mohr, T. Pavlidis, A. Sanfeliu (Editoren): Structural Pattern Analysis, S. 95–111, World Scientific Pub. Co., Singapore, 1990.
G. Spur, F. Krause: CAD-Technik. Carl Hanser Verlag, München, 1984.
P. Winston: Artificial Intelligence. Addison-Wesley, Reading, Mass., 1984.
L. A. Zadeh: Fuzzy Sets and Their Applications. In L. A. Zadeh, K. S. Fu, K. Tanaka, M. Shimura (Editoren): Fuzzy Sets and Their Application to Cognitive and Decision Processes, Academic Press, New York, 1975.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1990 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Salzbrunn, R., Behnke, K. (1990). Konturbasierte fehlertolerante Erkennung teilweise sichtbarer Objekte. In: Großkopf, R.E. (eds) Mustererkennung 1990. Informatik-Fachberichte, vol 254. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-84305-1_62
Download citation
DOI: https://doi.org/10.1007/978-3-642-84305-1_62
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-53172-2
Online ISBN: 978-3-642-84305-1
eBook Packages: Springer Book Archive