Loading...
 

Effiziente Repraesentation von hochdimensionalen Merkmalsvektoren fuer die Korrespondenzfindung (Volker Haertel)

Fuer die spaetere Registrierung einer Kamera in einer Szene werden in einer Lern-Phase affin-invariante Bildmerkmale mit hochdimensionalen Beschreibungen aus unterschiedlichen Sichten extrahiert. So kann eine 3D-Region in einer Szene eine ganze Klasse von (aehnlichen) Merkmalsbeschreibungen besitzen. Bei der Registrierung eines neuen Kamerabildes werden die im Bild detektierten, zunaechst unbekannten Merkmale effizient mit den zuvor "gelernten" Merkmalen verglichen. Dabei entspricht die Suche im Merkmalsraum einer Klassifizierung von Merkmalsbeschreibungen ("Welche gelernte 3D Region ist die wahrscheinlichste fuer dieses Merkmal?"). In dieser Arbeit wird ein Merkmalsdetektor (MSER, Maximally Stable Extremal Regions) zusammen mit einem robusten hochdimensionalen Deskriptor benutzt und es wird fuer eine effiziente Suche im Merkmalsraum eine geeignete Datenstruktur mit einer Dimensionsreduktion der Merkmalsbeschreibungen kombiniert.

Image

Ueberblicks-Poster(Klicken zum Vergroessern)
Image

Beispielbild mit MSER Ellipsen

Kevin Koeser, Volker Haertel and Reinhard Koch:
Robust Feature Representation for Efficient Camera Registration
LNCS 4174 (DAGM 2006), pp. 739–749, September 2006, Berlin, Germany


Diplomarbeit (pdf)

Betreuer: Kevin Koeser


Created by koeser. Last Modification: Friday 15 of January, 2010 16:05:21 CET by rwulff.