GET-Forschungsseminar Abstracts
Segmentierung von 3D-Oberflächendaten zur Analyse von Szeneninhalten in Innenraumumgebungen
Yixuan Shen, GET Lab
Vortrag: Mi. 5. Oktober 2011, 16:30, Raum P 1.4.17
Zusammenfassung:
Segmentierung von 3D-Oberflächendaten zur Analyse von Szeneninhalten in Innenraumumgebungen In dieser Arbeit soll das bestehende Roboter-Framework des GET Lab um die Analyse, d. h. die Erkennung, Kategorisierung und Rekonstruktion von Szenenabschnitten und Objekten auf Basis geometrischer Daten erweitert werden. Die zu betrachtenden geometrischen Daten werden mit Hilfe von geschwenkten Laserscannern (LRF) auf einer realen Roboterplattform oder durch einen 3D Simulator akquiriert und in Form von 2,5D Punktwolken zur Verfügung gestellt. Diese Punktwolken enthalten teilweise über 100.000 Elemente, was eine direkte Interpretation der Szene erschwert. Um die Punktwolkendaten auf Formen und Oberflächenstrukturen untersuchen zu können, sollen sie zunächst segmentiert werden. Bei diesem Prozess wird jedem vorhandenem Punkt ein Label zugeordnet derart, dass Punkten, die der gleichen Region oder Oberfläche zugehören, das gleiche Label zugeordnet wird. Die auf diese Weise segmentierten Punktregionen sollen anschließend zur Approximation der Rohdaten durch abstraktere und einfach parametrierbare Repräsentationen eingesetzt werden. Die Repräsentationen beziehen sich beispielsweise auf polygonale Darstellungen von geraden Flächen, oder Quader als approximierte Bounding Boxes für Mobiliar wie z. B. Schränke oder Regale, die in einer virtuellen Realität zusammen mit den Sensordaten visualisiert werden sollen. Exemplarisches Szenario: Ein mobiler Roboter exploriert eine unbekannte Innenraum-Umgebungen (variierend in Komplexität und multiplen Anordnungen ("Clutter")) mit existierenden Navigationsverhalten und führt in vordefinierten Abständen Messungen seiner 3D Umgebungen durch. Die Messungen werden analysiert und u. U. mit vorigen Mesungen verküpft. In der Analyse werden zum einen Regionen extrahiert und ihnen Ausmaße (2D/3D), primitive Approximationen und semantische Eigenschaften zugeordnet (Wand, Boden, Tischoberfläche). In Ansätzen soll die Erkennung von Objekten, wie z. B. Bällen, Stühlen, Mülleimer als potentielle Landmarken möglich sein, die in einer virtuellen Karte vermerkt werden.