|
In
diesem Forschungsprojekt wird ein wissensbasiertes Entscheidungssystem für
ein on-line Videotheodolit-basiertes Multisensorsystem entwickelt. Das
Messsystem basiert auf modifizierten Videotheodoliten, welche in den
letzten Jahren am Institut für Geodäsie und Geophysik entwickelt
wurden.
Die
fundamentale Idee dieses Systems ist es, die Oberflächentextur für
die
Punktfindung zu nutzen und dadurch künstliche Messmarken zu ersetzen.
Der Nachteil eines solchen on-line Messsystems ist der Bedarf eines
"Messsystem-Experten" mit der notwendigen Erfahrung, um das
System zu bedienen. Um diesen Nachteil zu beseitigen, wird ein
Entscheidungssystem entwickelt, welches den Benutzer unterstützt.
Sämtliche
Entscheidungen basieren auf geeigneten Werten, welche
das
erfasste Bild repräsentieren. Die Merkmalsextraktion wird in einem
speziell
entwickelten Bildanalyseprozess durchgeführt.
Eine
notwendige Vorbedingung für die erfolgreiche Anwendung von Bildverarbeitungsoperatoren, wie z.B. die Anwendung von Interest
Operatoren für die Erfassung interessanter Punkte, ist die "Qualität"
des Bildes. Meist ist eine Verbesserung der visuellen Erscheinung
notwendig. Daher werden diverse Bildaufbereitungs- und Bildverbesserungsalgorithmen
implementiert,
aus denen das wissensbasierte Entscheidungssystem auf
Basis der extrahierten Bildmerkmale einen Algorithmus, eine Gruppe von
Algorithmen oder eine Kombination von Algorithmen selektiert.
Die
Punkterfassung erfolgt mit Hilfe geeigneter Interest Operatoren.
Interest
Operatoren markieren Punkte, welche durch einfache Korrelationsmethoden
gefunden werden können. Es exisitiert eine Unzahl von verschiedenen
Interest Operatoren, von denen jedoch keiner für jede gewünschte
Punktdetektion geeignet ist. Aus diesem Grund werden in unser System
verschiedene Punkterfassungsalgorithmen implementiert;
die Wahl eines geeigneten Algorithmus und seiner Parameter erfolgt durch
das entwickelte wissensbasierte System.
Trotz
der Wahl geeigneter Algorithmen für Bildaufbereitung und Punktdetektion
ist die Anzahl der erfassten Punkte meist zu hoch.
Eine
Reduktion kann durch einen geeigneten Punktfilter durchgeführt werden.
Die Punktreduktion stellt dabei nicht ein Entfernen unbeliebter Punkte
dar, sondern basiert auf einer Gewichtung der Punkte. Sie wird auf
der Basis von Regeln und mit Hilfe von Benutzerinteraktion durchgeführt.
Die resultierenden (gefilterten Punkte) repräsentieren das Objekt
wesentlich besser als die ungefilterte Punktwolke und sind geeigneter für
nachfolgende Arbeitsschritte, wie z.B. Objektrekonstruktion oder
Deformationsanalyse.
Zusätzlich
wird für das Finden korrespondierender Objektpunkte in
unterschiedlichen Bildern ein spezielles Matching-Verfahren
implementiert, welches auf einer Kombination von Kreuzkorrelation und
Punktdetektion beruht. |
