@mastersthesis { Sch2017, author = { Julian Scheibl }, title = { Auswahl und Evaluierung eines erweiterten Algorithmus zur Kantendetektion f{"u}r echtzeitf{"a}hige Objekterkennung }, month = { January }, year = { 2017 }, school = { Paderborn University }, type = { Bachelor's thesis }, abstract = { Im Rahmen dieser Bachelorarbeit soll ein erweiterter Algorithmus zur Kantendetektion ausgew{"a}hlt, implementiert und schlie{\ss}lich evaluiert werden. Der Algorithmus erh{"a}lt dabei als Eingangssignal ein mehrkanaliges Bild. Zu diesem soll m{"o}glichst in Echtzeit ein korrespondierendes bin{"a}res Kantenbild bestimmt werden, so dass dieses Kantenbild f{"u}r eine Objekterkennung geeignet ist. Um dies zu realisieren, werden vor allem solche Algorithmen in Betracht gezogen, die sich Methoden des {"u}berwachten Lernens bedienen. Konventionelle Algorithmen zur Kantendetektion basieren in den meisten F{"a}llen auf der Analyse von Helligkeitsgradienten mit Hilfe von Faltungsmatrizen. Im Gegensatz dazu k{"o}nnen mit den Methoden des {"u}berwachten Lernens gleichzeitig verschiedene, komplexere Merkmale ber{"u}cksichtigt werden. Dies erfolgt durch die Analyse von Bildausschnitten mit Hilfe von Klassifizierungsverfahren. Die Klassifizierungsverfahren m{"u}ssen dazu zun{"a}chst mittels manuell erstellter Referenzkantenbilder trainiert werden. Derartige Verfahren erm{"o}glichen im Vergleich zu den konventionellen Verfahren eine deutlich zuverl{"a}ssigere und f{"u}r die Objekterkennung besser geeignete Kantendetektion. } }