Analyse von Clusteralgorithmen zur visuellen Gruppierung der Umgebung für die Szenenerkennung

O. Nietfeld


Um in einem unbekannten Gebiet autonom zu agieren, muss ein mobiler Roboter eine Repräesentation der Umgebung erlernen. In natürlichen dynamischen Szenarien ist eine optische Kamera optimal, damit die Komplexität der Umwelt Rechnung tragen kann. Orte, die in der Nähe zueinander liegen, teilen einen ähnlichen 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. Schließlich werden die ausgewählten Clusteralgorithmen im Bezug auf ihre Nutzbarkeit zur Ortsgruppierung und die Anwendung für 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.