Aus der Sicht eines Roboters

2. Aus der Sicht eines Roboters • Erzeugen von Situationsmodelle für z.B. BIRON • Welche Schritte sind notwendig?

3. Perzeption der Szene • Fokus auf 3D Datenakquise • Verschiedene Möglichkeiten: • Stereo-Kameras • Laserscanner • Unsere Wahl: • Swissranger SR3000 • 3D Time-of-Flight (ToF) Kamera • 176 x 144 Pixelsensoren • Abstandsberechung aus Zeitdifferenz zwischen Senden und Empfangen eines Infrarotsignals

4. Beispieldaten eines Büros

5. Erweiterung des Sichtfelds • Aufnahme einer Sequenz von 3D Punktwolken • Registrierung und Rekonstruktion zu einer globalen Punktwolke • Diplomarbeit:„Estimation of Camera Motion from Depth Image Sequences“

6. Erweiterung des Sichtfelds

7. Analyse der Szenen • Datengetriebene Analyse der 3D Punktwolken • Extraktion von geometrischen „Raumprimitiven“: • Beschränkung auf von Menschen gestaltete Innenräume • Extraktion von planaren Flächen: • Gegebene Anordnung der 3D Punkte in eine 2D Matrix • Region Growing über die 8-er Nachbarschaft durch Punkte die 4 Kriterien erfüllen • Kriterien: planar, valid, conormal, coplanar

8. Analyse der Szenen

9. Raumerkennung • Raumerkennung auf Basis planaren Strukturen • Experiment: • Raumkategorien: Büro, Seminarraum, Flur • Ziel: Klassifikation eines Perzepts (3D Punktwolke) in einer der 3 Raumkategorien • Statistiken auf den extrahierten Ebenen zur Definition von geeigneten Merkmalsvektoren

10. 4 untersuchte Statistiken • Anzahl der Punkte pro planare Fläche • Winkel zwischen allen Flächenpaaren • Winkel zwischen nah benachbarten Flächenpaaren • Größen-verhältnisse zwischen allen Flächenpaaren

11. Ergebnisse Trainingsräume

12. Ergebnisse Testräume

13. Ergebnisse

14. Ausblick • Nächste Schritte: • Experimente mit anderen Räumen (z.B. Wohnzimmer, Schlafzimmer, Küche) • Untersuchung alternativer Statistiken • Weitere Ziele: • Generieren von Szenenmodellen basierend auf planaren Strukturen und extrahierten Merkmalen • Wissen über menschliche Modelle integrieren • Weltwissen über Räume aufbauen