Zusammenfassung
In diesem Beitrag wird ein Verfahren zur automatischen Generierung hybrider Objektmodelle für die aktive 3D Objekterkennung vorgestellt. Unser Verfahren setzt direkt auf den von uns verwendeten ErkennungsStrategien auf. Diese basieren auf einer holistischen Auswertung der Kamerabilder auf einer subsymbolischen Ebene, die ergänzt wird durch eine Objektbeschreibung auf der Basis mehrerer Ansichten des Objektes aus unterschiedlichen Blickrichtungen und einer Reihe dazugehöriger charakteristischer Detailansichten. Die von uns gewählte Erkennungsarchitektur erlaubt die Generierung von Objektmodellen durch einmaliges Präsentieren der Objekte, so daß auf aufwendige Trainingssequenzen verzichtet werden kann. Dazu werden zunächst die Begriffe Objektansicht und Detailansicht geklärt, bevor ein Verfahren zur Auswahl charakteristischer Ansichten vorgestellt wird. Die Objektmodellierung erfolgt dann mit Hilfe dieser charakteristischen Ansichten in semantischen Netzwerken.
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
Büker, U.; Hartmann, G.: Knowledge based view control of a neural 3-D object recognition system. Proc. of the 13th ICPR, Vol. 4, 1996, pp. 24–29.
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.
Carbonell, J.: Machine learning. Cambridge, MA (MIT-Press ), 1990.
Edelman, S.; Bülthoff, H.H.: Orientation dependence in the recognition of familiar and novel views of 3D objects. In: Vision Research, vol. 32, 1992, pp. 2385–2400.
Gremban, K.D.; Ikeuchi,K.: Planning multiple observations for object recognition. Int. Journal of Computer Vision, 12: 2 /3, 1994, pp. 137–172.
Haitmann, G.; et.al.: The SENROB Vision-System and its Philosophy. Proc. of the 12th ICPR, Vol. II, 1994, pp. 573–576.
Michalski, R.; Carbonell, J.G.; Mitchell, T. (Hrsg.): Machine Learning: An Artificial Intelligence Approach. Vol. 1, Tioga, Palo Alto, 1983.
Morik, K.: Knovledge Acquisition and machine learning. London, Acad. Press, 1993.
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.
Ritter, H.; Martinetz, T.; Schulten, K.: Neuronale Netze. Bonn, Addison-Wesley, 1994.
Rojas, R.: Theorie der neuronalen Netze. Berlin, Springer, 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.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1998 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Büker, U., Kalkreuter, B. (1998). Automatische Generierung hybrider Objektmodelle. In: Levi, P., Schanz, M., Ahlers, RJ., May, F. (eds) Mustererkennung 1998. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-72282-0_64
Download citation
DOI: https://doi.org/10.1007/978-3-642-72282-0_64
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-64935-9
Online ISBN: 978-3-642-72282-0
eBook Packages: Springer Book Archive