Objektklassifikation anhand von RGBD-Daten mithilfe konsonanter kontinuierlicher Belief-Funktionen

Abstract

Zusammenfassung: Momentane Technologien haben die Aufnahme von 3D-Punktdaten stark vereinfacht, wodurch es zu einem Entwicklungssprung in der Objekterkennung gekommen ist. Zur Mustererkennung und bei Klassifikationsaufgaben wird die Belief-Theorie bereits verwendet; dabei werden jedoch weitestgehend nur diskrete Räume betrachtet. Die Erweiterung der Belief-Theorie für den kontinuierlichen Raum eröffnet neue Möglichkeiten in der Datenfusion. Dazu werden in dieser Arbeit konsonante mehrdimensionale Belief-Funktionen konstruiert und dazu passende modellbasierte Merkmalsverfahren entwickelt. Eine Evaluierung geschieht am Beispiel der Klassifikation von Haushaltsgegenständen.Schlüsselwörter: Kontinuierliche Belief-Theorie, Dempster-Shafer-Theorie, RGBD-Daten, Superquadriken, Farbkategorien.Abstract: Recent technologies have greatly simplified the acquisition of 3D point clouds, which led to a step change in object recognition. In pattern recognition and classification problems, the belief theory in discrete domain has been used successfully. Since the belief theory has been extended to the continuous domain, its use in data fusion needs to be reconsidered. In this article consonant multidimensional belief functions are constructed and a modelbased approach to object recognition is presented. In addition, the methods are evaluated by classifying common household objects.