Objekterkennung mit Entscheidungsbaumlernen

Betreuer

• Dr. Thomas Röfer

Gutachter

• Dr. Thomas Röfer
• Prof. Dr. Bernd Krieg-Brückner

Motivation und Ziel

Im Rahmen dieser Diplomarbeit soll ein Verfahren zur Bestimmung der Pose anderer Roboter in der Sony Four-Legged Robot League im RoboCup entwickelt werden. Dazu sollen Merkmale extrahiert und anhand eines Entscheidungsbaums ausgewertet werden. Der Entscheidungsbaum ist zuvor anhand von Beispielen erlernt worden.

Es lassen sich fünf einzelne Schritte bis zur Erkennung einer Pose differenzieren:

1. Segmentierung. Die Segmentierung hat die Aufgabe, erkannte Flächen zur späteren Weiterverarbeitung zu markieren.
2. 360°-Zwischenspeicher. Hier werden erkannte Flächen eingetragen, um Teilflächen zu komplettieren.
3. Generieren der Prädikate. In diesem Schritt werden Prädikate zu den einzelnen Flächen generiert.
4. Klassifizieren. Das Klassifizieren hat die Aufgabe, erkannte Teile des Roboters zu bestimmen.
5. Analyse. Hier wird aus Größe, Zentrum und Anordnung erkannter Roboterteile die Pose des Roboters berechnet.

Vorgehen

Nach einer Einarbeitungsphase ist von dem Diplomanden/der Diplomandin ein Expose über den geplanten Inhalt und den Aufbau der Arbeit vorzulegen und mit Betreuern und Prüfern abzustimmen. Anschließend wird die Arbeit angemeldet und ist innerhalb von sechs Monaten fertigzustellen.

Voraussetzungen

• Interesse für Robotik und RoboCup
• Programmierkenntnisse in C++

Vorhandene Ausstattung

• 6 Sony Aibo Roboter
• Spielfeld
• Software des GermanTeam, die unter anderem eine Simulation der Roboter enthält, die während der Entwicklungsphase verwendet werden kann.

Literatur

• Amit, Y. ; Geman, D. ; Wilder, K. Joint induction of shape features and tree classifiers. 1997
• Quinlan, J. R.: C4.5. Programs for Machine Learning. 1. San Mateo, California : Morgan Kaufmann Publishers, 1993
• Spiegelhalter, D.J. ; Dawid, A.P. ; Lauritzen, S.L. ; Cowell, R.G.: Bayesian analysis in expert systems. In: Statistical Science (1993), S. 219–283
• Rothganger, F. ; Lazebnik, S. ; Schmid, C. ; Ponce, J. 3D Object Modeling and Recognition Using Affine-Invariant Patches and Multi-View Spatial Constraints