Masterarbeit





Konturbasierte Objekterkennung aus Tiefenbildern eines 3D-Laserscanners







vorgelegt von:



Stefan Stiene







Universität Osnabrück
Fachbereich Informatik


Erstgutachter: Prof. Dr. Joachim Hertzberg
Zweitgutachter: Prof. Dr. Martin Riedmiller

Zusammenfassung

Objekterkennung spielt in verschiedensten Industrie- und Forschungsbereichen eine zentrale Rolle. Einem mobilen Roboter soll sie beispielsweise ermöglichen, seine Umwelt nicht nur aufnehmen und sich in dieser bewegen zu können, sondern diese zu interpretieren und mit ihr zu interagieren. Insbesondere ist konturbasierte Objekterkennung ein schon seit Mitte des letzten Jahrhunderts intensiv betriebenes Forschungsgebiet. Die dadurch entstandene Vielzahl der zur Verfügung stehenden Verfahren sowie die einfache Extraktion der Objektkonturen aus Tiefenbildern motivieren diese Arbeit.
Die Tiefenbilder werden mit Hilfe eines 3D-Laserscanners, der auf dem mobilen Roboter Kurt3D installiert ist, aufgenommen. Die Segmentierung der Tiefenbilder mittels adaptivem Schwellwertverfahren wird durch eine semantische Betrachtung der Messwerte erleichtert. Diese entfernt Bodenpunkte im Tiefenbild und markiert Tiefensprünge. Die aus dem segmentierten Tiefenbild extrahierten Konturen werden durch verschiedene Merkmale beschrieben und mittels einer Support-Vector-Machine klassifiziert. Es werden geometrische Merkmale, Hu- und Zernike-Momente, die Curvature-Scale-Space-Repräsentation, das Border-Signature-Verfahren sowie die Angular-Radial-Transformation eingesetzt. Die Performanz der Klassifizierer wird mit Hilfe der Receiver-Operating-Characteristics-Analyse untersucht.

Abstract

Object detection plays an important role in different industrial and research domains. For example it ought to enable a mobile robot not only to map its environment and maneuver in it, but also to interpret and interact with it. In particular, contour-based object detection is a research domain since mid last century. The resulting multiplicity of available methods and the simple contour extraction from range images motivate this work.
The range images are obtained by a 3D laser scanner, that is mounted on the mobile robot Kurt3D. The range image segmentation by adaptive thresholding is simplified by prepend interpretation of the measured data. The interpretation removes the ground points in the range image and marks range steps. The segmented range images extracted from contours, are described using several features and classified by a Support Vector Machine. Geometric features, Hu and Zernike moments, the Curvature Scale Space representation, the Border Signature method as well as the Angular Radial Transformation are used. The performances of the classifiers are tested with the Receiver Operating Characteristics Analysis.

 

Danksagung

Zunächst möchte ich Professor Joachim Hertzberg danken, der mich während der gesamten Arbeit mit konstruktiver Kritik und hilfreichen Beiträgen unterstützt hat. Des Weiteren möchte ich Andreas Nüchter und Kai Lingemann für die Betreuung während der gesamten Arbeit danken. Ihre programmiertechnische und fachliche Erfahrung hat diese Arbeit erst ermöglicht.
Dank gilt auch Annika Schomaker sowie allen anderen Korekturlesern. Abschließend möchte ich noch meinen Eltern danken, die mir durch ihre finanzielle Unterstützung dieses Studium ermöglicht haben.