Auswahl und Evaluierung eines erweiterten Algorithmus zur Kantendetektion für echtzeitfähige Objekterkennung
J. Scheibl
Im Rahmen dieser Bachelorarbeit soll ein erweiterter Algorithmus zur Kantendetektion ausgewählt, implementiert und schließlich evaluiert werden. Der Algorithmus erhält dabei als Eingangssignal ein mehrkanaliges Bild. Zu diesem soll möglichst in Echtzeit ein korrespondierendes binäres Kantenbild bestimmt werden, so dass dieses Kantenbild für eine Objekterkennung geeignet ist.
Um dies zu realisieren, werden vor allem solche Algorithmen in Betracht gezogen, die sich Methoden des überwachten Lernens bedienen. Konventionelle Algorithmen zur Kantendetektion basieren in den meisten Fällen auf der Analyse von Helligkeitsgradienten mit Hilfe von Faltungsmatrizen.
Im Gegensatz dazu können mit den Methoden des überwachten Lernens gleichzeitig verschiedene, komplexere Merkmale berücksichtigt werden. Dies erfolgt durch die Analyse von Bildausschnitten mit Hilfe von Klassifizierungsverfahren.
Die Klassifizierungsverfahren müssen dazu zunächst mittels manuell erstellter Referenzkantenbilder trainiert werden. Derartige Verfahren ermöglichen im Vergleich zu den konventionellen Verfahren eine deutlich zuverlässigere und für die Objekterkennung besser geeignete Kantendetektion.