Home Objektklassifikation anhand von RGBD-Daten mithilfe konsonanter kontinuierlicher Belief-Funktionen
Article
Licensed
Unlicensed Requires Authentication

Objektklassifikation anhand von RGBD-Daten mithilfe konsonanter kontinuierlicher Belief-Funktionen

  • Mario Lietz

    Mario Lietz hat am Karlsruher Institut für Technologie (KIT) Elektro- und Informationstechnik studiert und ist seit Abschluss des Studiums als wissenschaftlicher Mitarbeiter am Institut für Industrielle Informationstechnik tätig. Seine Schwerpunkte liegen auf Klassifikationsproblemen und der Bildverarbeitung.

    Karlsruher Institut für Technologie (KIT), Institut für Industrielle Informationstechnik (IIIT), Hertzstraße 16, 76187 Karlsruhe, Germany, Tel.: +49-721-608-44419

    EMAIL logo
    and Fernando Puente León

    Fernando Puente León leitet das Institut für Industrielle Informationstechnik (IIIT) am Karlsruher Institut für Technologie (KIT). Hauptarbeitsgebiete: Mess- und Automatisierungstechnik, Signalverarbeitung, automatische Sichtprüfung und Bildverarbeitung, Mustererkennung und Informationsfusion.

    Karlsruher Institut für Technologie (KIT), Institut für Industrielle Informationstechnik (IIIT), Hertzstraße 16, 76187 Karlsruhe, Germany, Tel.: +49-721-608-44521

Published/Copyright: October 4, 2014

Zusammenfassung

Momentane Technologien haben die Aufnahme von 3D-Punktdaten stark vereinfacht, wodurch es zu einem Entwicklungssprung in der Objekterkennung gekommen ist. Zur Mustererkennung und bei Klassifikationsaufgaben wird die Belief-Theorie bereits verwendet; dabei werden jedoch weitestgehend nur diskrete Räume betrachtet. Die Erweiterung der Belief-Theorie für den kontinuierlichen Raum eröffnet neue Möglichkeiten in der Datenfusion. Dazu werden in dieser Arbeit konsonante mehrdimensionale Belief-Funktionen konstruiert und dazu passende modellbasierte Merkmalsverfahren entwickelt. Eine Evaluierung geschieht am Beispiel der Klassifikation von Haushaltsgegenständen.

Abstract

Recent technologies have greatly simplified the acquisition of 3D point clouds, which led to a step change in object recognition. In pattern recognition and classification problems, the belief theory in discrete domain has been used successfully. Since the belief theory has been extended to the continuous domain, its use in data fusion needs to be reconsidered. In this article consonant multidimensional belief functions are constructed and a model-based approach to object recognition is presented. In addition, the methods are evaluated by classifying common household objects.

Über die Autoren

Mario Lietz

Mario Lietz hat am Karlsruher Institut für Technologie (KIT) Elektro- und Informationstechnik studiert und ist seit Abschluss des Studiums als wissenschaftlicher Mitarbeiter am Institut für Industrielle Informationstechnik tätig. Seine Schwerpunkte liegen auf Klassifikationsproblemen und der Bildverarbeitung.

Karlsruher Institut für Technologie (KIT), Institut für Industrielle Informationstechnik (IIIT), Hertzstraße 16, 76187 Karlsruhe, Germany, Tel.: +49-721-608-44419

Fernando Puente León

Fernando Puente León leitet das Institut für Industrielle Informationstechnik (IIIT) am Karlsruher Institut für Technologie (KIT). Hauptarbeitsgebiete: Mess- und Automatisierungstechnik, Signalverarbeitung, automatische Sichtprüfung und Bildverarbeitung, Mustererkennung und Informationsfusion.

Karlsruher Institut für Technologie (KIT), Institut für Industrielle Informationstechnik (IIIT), Hertzstraße 16, 76187 Karlsruhe, Germany, Tel.: +49-721-608-44521

Erhalten: 2014-7-21
Angenommen: 2014-8-19
Online erschienen: 2014-10-4
Erschienen im Druck: 2014-10-28

©2014 Walter de Gruyter Berlin/Boston

Downloaded on 27.9.2025 from https://www.degruyterbrill.com/document/doi/10.1515/teme-2014-1047/html
Scroll to top button