@mastersthesis { Nie2016, author = { Oliver Nietfeld }, title = { Analyse von Clusteralgorithmen zur visuellen Gruppierung der Umgebung f{"u}r die Szenenerkennung }, month = { January }, year = { 2018 }, school = { Paderborn University }, type = { Bachelor's thesis }, abstract = { Um in einem unbekannten Gebiet autonom zu agieren, muss ein mobiler Roboter eine Repr{"a}esentation der Umgebung erlernen. In nat{"u}rlichen dynamischen Szenarien ist eine optische Kamera optimal, damit die Komplexit{"a}t der Umwelt Rechnung tragen kann. Orte, die in der N{"a}he zueinander liegen, teilen einen {"a}hnlichen visuellen Eindruck. Daher ist dieser Eindruck hilfreich, um die Struktur der Umgebung auf Basis der Nachbarschaftsbeziehung zu erfassen. Um diese Gruppen anzulegen, eignen sich Clusteralgorithmen. Im Rahmen dieser Bachelorarbeit werden die Gist-Merkmale der von der Kamera aufgenommenen Bilder genutzt, sodass die Orte auf Basis ihrer Nachbarschaft gruppiert werden koennen. Schlie{\ss}lich werden die ausgew{"a}hlten Clusteralgorithmen im Bezug auf ihre Nutzbarkeit zur Ortsgruppierung und die Anwendung f{"u}r Szeneerkennung analysiert. Auf Basis der korrekt zugeordneten Bilder zu den erstellten Clustern werden die Algorithmen evaluiert. Dazu werden die GPS (Global Positioning System) Koordinaten der Orte als Groundtruth verwendet. } }