3D-Objekterkennung mit Faltungsnetzwerken

Abstract

Für die Integration von Robotern in den Haushalt stellt die Objekterkennung eine zwingende Anforderung dar. In dieser Thesis wird ein neuartiger Ansatz vorgestellt, der die Objekterkennung mithilfe von Tiefeninformationen verbessert. Die Realisierung erfolgt durch die Kombination von zwei unterschiedlichen Verfahren zur Extraktion von Merkmalen eines Objekts. Zusätzlich wird eine Support Vector Machine zur Klassiffizierung des Objekts eingesetzt. Aus den Tiefeninformationen werden Merkmale in Form von geometrischen Eigenschaften extrahiert. Die Merkmalsextraktion aus den Farbinformationen erfolgt mit einem Faltungsnetzwerk. Eine Gegenüberstellung mit vergleichbaren Arbeiten sowie eine Evaluierung des Konzepts werden durchgeführt und die Ergebnisse diskutiert.

Object recognition is a mandatory requirement for the integration of robots in our households. This thesis presents a novel approach that uses depth information to improve current object recognition methods. The concept uses a combination of two different techniques to extract features and classify the object with a support vector machine. The depth information is used to extract geometrical characteristics of the object. In addition, the extraction of the features from the color information takes place with a convolutional neural network. A comparison is made with similar works and an evaluation of the concept is discussed.