Aussehensbasierte Objektrepräsentation für Stereo Vision

Forschungsprojekt P 13981Aussehensbasierende Objektrepräsentation für Stereo VisionRobert SABLATNIG24.01.2000 3D-Objekterkennung ist eine Grundvoraussetzung für die Lösung komplexerer Aufgaben wie tracking oder Effektorkontrolle. Traditionelleirweise werden zur 3D-Objekterkennung ein benutzerdefiniertes, geometrisches (CAD) 3D-Modell und/oder zuverlässige Korrespondenzbestimmung zwischen Modell und Bildmerkmalen (matching) benötigt. Appearance basierte Objektrepräsentation benötigt hingegen weder ein benutzerdefiniertes Modell noch die Berechnung von Korrespondenzen. Statt dessen wird das Objektmodell anhand einer Menge von Intensitätsbildern des Objekts unter verschiedenen Ansichten und Beleuchtungsbedingungen erstellt. Diese Bilder können unter Verwendung eines subspace Verfahrens wie z.B. principal component analysis (PCA) effizient komprimiert werden; neue Ansichten (views) des Objekts werden hierbei als Linearkombination einer kleinen Anzahl orthogonaler Basis-Bilder (eigen-images) dargestellt. Die Koeffizienten gültiger Linearkombinationen definieren eine parametrische Fläche (manifold) in dem von den Basisbildern aufgespannten Vektorraum; diese Tatsache wird von sogenannten parametrischen subspace Methoden benutzt, um verschiedene Objektparameter, z.B. Orientierung, zu erhalten. Parametrische subspace-Methoden wurden in der Vergangenheit erfolgreich zur Lösung verschiedenster Objekterkennungsaufgaben, wie z.B. tracking, Effektor-positionierung und visuelle Inspektion, eingesetzt. Die meisten dieser Systeme modellieren jedoch nur eine kleine Untermenge aller Objektparameter, z.B. zweidimensionale Translation und den Einfluß einer Lichtquelle. Ziel unseres Projektes ist es daher, ein parametrisches subspace-Modell zu entwickeln, welches beliebige Positionen und Orientierungen des Objekts im Arbeitsbereich repräsentieren kann. Im besonderen sollen folgende Probleme behandelt werden: Effiziente Repräsentation hochdimensionaler parametrischer subspace manifolds, Entwicklung von subspace-Methoden für stereo vision, robuste Erkennung, autonome und inkrementelle Modellerstellung. Im Rahmen des Projekts soll eine Softwarebibliothek für aussehensbasierte Objektrepräsentation entworfen und implementiert werden. Die Leistungsfähigkeit und praktische Relevanz des Systems soll anhand von Experimenten aus dem Gebiet industrieller Anwendungen, wie z.B. visuelle Inspektion oder Positionierung eines Roboterarmes, demonstriert werden.