StudiesCompleted Theses
Raum-zeitliche Segmentierung von natürlichen Objekten in stark verdeckten Szenen

Raum-zeitliche Segmentierung von natürlichen Objekten in stark verdeckten Szenen

Leaders:  Paffenholz
Team:  Corinna Harmening
Year:  2013
Lifespan:  2013
Is Finished:  yes

In der Pflanzenzüchtung hat die Phänotypisierung stark an Bedeutung gewonnen. Diese umfasst die Bestimmung der äußeren Gestalt einer Pflanze sowie der Veränderungen durch Wachstum oder morphologische Anpassung. Die Masterarbeit setzt sich mit dem raum-zeitlichen Monitoring von Pflanzen (am Beispiel der Gewächshausgurke) auseinander, mit dem Ziel einer automatischen Phänotypisierung. Die Grundlage für eine Segmentierung in einzelne Pflanzenorgane (hier fokussiert auf die Blätter) sind Zeitreihen von 3D Punktwolken, die mit einem Multi-Sensorsystem erfasst wurden. Zu den Herausforderungen zählen u. a. Verdeckungen und sich berührende Blätter.

 

Ausgangspunkt für die raum-zeitliche Segmentierung bildet eine räumliche Segmentierung aller vorliegenden Epochen, die in einem zweistufigen Verfahren erzielt wird: In einem ersten Schritt wird mit Hilfe eines effizienten, graphbasierten Bottom-Up-Verfahrens eine Vorsegmentierung durchgeführt (Abb. Links), deren Ergebnis die Grundlage für den zweiten Schritt, ein statistisch basiertes Region-Merging (Abb. Mitte), bildet. Die zeitlichen Zusammenhänge zwischen den einzelnen räumlichen Segmentierungen (Abb. Rechts) werden im Anschluss daran mit Hilfe eines auf Dynamic Time Warping basierenden Shape-Matching-Verfahrens hergestellt. Hierbei werden die korrespondierenden Segmente der zu unterschiedlichen Zeitpunkten erfassten Datensätze über die Form identifiziert und gleichzeitig Übersegmentierungen in den Ergebnissen der räumlichen Segmentierung behoben. Der entwickelte Segmentierungsalgorithmus wurde an realen Datensätzen erfolgreich evaluiert.