Loading...
 
Studienarbeit Sandro Esquivel (2006)


Implementierung von Entscheidungsbäumen zur Objekterkennung in Echtzeit


Zusammenfassung


Gegenstand dieser Studienarbeit ist die Implementierung eines Verfahrens von Vincent Lepetit, Pascal Fua et al. zur Objekterkennung, das auf dem Verfahren des Featurepoint-Matchings basiert und Entscheidungsbäume ("randomized trees") zur Identifizierung von Featurepoints verwendet. Die Entscheidungsbäume werden in einer Offline-Phase unter Verwendung einer Vielzahl vorliegender Kameraansichten des zu lernenden Objekts auf bestimmte Referenzpunkte trainiert, wonach die Identifizierung von Featurepoints zur Laufzeit durch die generierten Bäume mit geringem Rechenaufwand erfolgen kann. Insbesondere ist das Verwenden von Videodaten zum Lernen von Interesse.

Image

Lernen von Keypoints aus einer Videosequenz
Image

Bestimmung der Pose eines gelernten Objektes
Image

Augmentierung der Objektkontur



Betreuer: Kevin Koeser

Download: Studienarbeit (PDF)


Quellen:

  • V. Lepetit, P. Lagger, P. Fua: "Randomized Trees for Real-Time Keypoint Recognition", Conference on Computer Vision and Pattern Recognition, San Diego CA, 06/2005.
  • V. Lepetit, P. Fua: "Towards Recognizing Feature Points Using Classification Trees", Technical Report IC/2004/74, Ecole Polytechnique Federale de Lausanne, 09/2004.
  • V. Lepetit, J. Pilet, P. Fua: "Point Matching as a Classification Problem for Fast and Robust Object Pose Estimation", Conference on Computer Vision and Pattern Recognition, Washington DC, 06/2004.
  • Homepage des Computer Vision Laboratory - Ecole Polytechnique Federale de Lausanne http://cvlab.ep?.ch/research/detect/ferns


Created by koeser. Last Modification: Monday 18 of August, 2014 13:46:38 CEST by sandro.