Situiertes Sehen für bessere Erkennung von Objekten und Objektklassen

Autor: Sven Olufs, Peter Einramhof, David Fischinger, Walter Wohlkinger, Markus Vincze, Aitor Aldoma, Ekaterina Potapova, Michael Zillich, Kai Zhou
Rok vydání: 2012
Předmět:
Zdroj: e & i Elektrotechnik und Informationstechnik. 129:42-52
ISSN: 1613-7620
0932-383X
DOI: 10.1007/s00502-012-0072-6
Popis: Eine Hauptaufgabe fur Roboter ist es, Objekte und Objektklassen zu erkennen, um diese zu finden und handzuhaben. Bild-basierte Ansatze lernen aus grosen Datenbanken, haben aber keinen Zugriff auf Kontextwissen zur Verfugung, zum Beispiel, wie Roboter in Zimmern navigieren. Wir schlagen daher den Ansatz des situierten Sehens vor, um kontextuelles Wissen uber die Aufgabe und die Anwendung zur Verbesserung der Objekterkennung zu verwenden. Basierend auf der Bestimmung des freien Bodens vor dem Roboter, der fur die sichere Navigation notwendig ist, zeigen wir, dass dadurch die Lokalisierung, das Erkennung von Flachen und die Kategorisierung von Objekten vereinfacht werden. Wir zeigen ferner, dass Objektklassen effizient aus 3D-Web-Daten gelernt werden konnen, wenn das Lernen virtuelle 2,5D-Ansichten verwendet, um die Sicht der Sensoren des Roboters auf die reale Welt anzunehmen. Mit diesem Ansatz wurden 200 Objektklassen (zu finden unter www.3d-net.org) modelliert und in Szenen erkannt, z. B. Stuhle mit einer Erkennungsrate von 93 Prozent.
Databáze: OpenAIRE
Externí odkaz: