Objekterkennung - Versionsgeschichte

Ulrich Schneider: /* Siehe auch */

2014-07-02T09:52:07Z

Siehe auch

← Nächstältere Version		Version vom 2. Juli 2014, 09:52 Uhr
Zeile 132:		Zeile 132:
	</source>		</source>



			== Video ==
			Das Video des Funktionsnachweises findet sich auf [http://www.youtube.com/watch?v=qF0dPcufWQY&feature=share&list=PLoyKJifb3ROe_sKfT3y3paswSyiQ8xqm1&index=5 YouTube].

Alexander Haneke am 19. Juni 2014 um 21:27 Uhr

2014-06-19T21:27:53Z

← Nächstältere Version		Version vom 19. Juni 2014, 21:27 Uhr
Zeile 95:		Zeile 95:
	stats = [regionprops(L)]; % Objektdaten anlegen		stats = [regionprops(L)]; % Objektdaten anlegen
	</source>		</source>






	=== Anzeigen der Ergebnisse ===		=== Anzeigen der Ergebnisse ===
Zeile 100:		Zeile 105:
	Die Ergebnisse er Erkennung werden mit einem Roten Rechteck gekennzeichnet und der Mittelpunkt der Vorderkante wird mit einem roten 'X' markiert.		Die Ergebnisse er Erkennung werden mit einem Roten Rechteck gekennzeichnet und der Mittelpunkt der Vorderkante wird mit einem roten 'X' markiert.
	Um die Anzeige der Objekte auf die wichtigen Objekte zu beschränken, wurde der Quotient der Höhe zur Breite berechnet, um nur Objekte zu berücksichtigen, die für die Erkennung in Frage kommen. Fahrbahnlinien, die sehr lang und nicht sehr breit sind, oder andersherum, werden somit nicht markiert.		Um die Anzeige der Objekte auf die wichtigen Objekte zu beschränken, wurde der Quotient der Höhe zur Breite berechnet, um nur Objekte zu berücksichtigen, die für die Erkennung in Frage kommen. Fahrbahnlinien, die sehr lang und nicht sehr breit sind, oder andersherum, werden somit nicht markiert.


			[[Datei:ObjekterkennungHan3.png\|mini\|Erkanntes Objekt]]



	<source lang="matlab">		<source lang="matlab">
Zeile 122:		Zeile 132:
	</source>		</source>

	~~[[Datei:ObjekterkennungHan3.png\|mini\|Erkanntes Objekt]]~~

	== Siehe auch ==		== Siehe auch ==

Alexander Haneke: /* Anzeigen der Ergebnisse */

2014-06-19T21:27:11Z

Anzeigen der Ergebnisse

← Nächstältere Version		Version vom 19. Juni 2014, 21:27 Uhr
Zeile 121:		Zeile 121:
	end		end
	</source>		</source>

			[[Datei:ObjekterkennungHan3.png\|mini\|Erkanntes Objekt]]

	== Siehe auch ==		== Siehe auch ==

Alexander Haneke: /* Bearbeitung des Bildes */

2014-06-19T21:24:01Z

Bearbeitung des Bildes

@@ Zeile 84: / Zeile 84: @@
     bild_gefuellt = imclose(bild_area,se);
   </source>
 Die Erkennung großer einfarbiger Objekte ist nun gegeben, sodass die Objekte nun gelabelt und mit ihren Eigenschaften abgelegt werden können.
@@ Zeile 94: / Zeile 96: @@
 </source>
-[[Datei:ObjekterkennungHan2.png|mini|Bearbeitetes Bild]]
+=== Anzeigen der Ergebnisse ===
 == Siehe auch ==

Alexander Haneke: /* Bearbeitung des Bildes */

2014-06-19T21:16:47Z

Bearbeitung des Bildes

← Nächstältere Version		Version vom 19. Juni 2014, 21:16 Uhr
Zeile 93:		Zeile 93:
	stats = [regionprops(L)]; % Objektdaten anlegen		stats = [regionprops(L)]; % Objektdaten anlegen
	</source>		</source>

			[[Datei:ObjekterkennungHan2.png\|mini\|Bearbeitetes Bild]]

	== Siehe auch ==		== Siehe auch ==

Alexander Haneke: /* Lösung */

2014-06-19T21:10:31Z

Lösung

@@ Zeile 69: / Zeile 69: @@
 bild_log = edge(bild_bw, 'log'); % LoG Filter
-     bild_sobel = edge(bild_log, 'sobel'); % Canny Filter
   </source>
 == Siehe auch ==

Alexander Haneke: /* Lösung */

2014-06-19T21:01:39Z

Lösung

← Nächstältere Version		Version vom 19. Juni 2014, 21:01 Uhr
Zeile 48:		Zeile 48:

	=== Bearbeitung des Bildes ===		=== Bearbeitung des Bildes ===

			Um aus einem Kamerabild ein Objekt zu erkennen, muss man die Überlegung angehen, welche optischen Eigenschaften des Objekts eine gute Grundlage für eine Erkennung bieten. Da die weissen Kartons auf einer schwarzen Fahrbahn detektiert werden sollen, macht es Sinn, die starken Kanten des Kartons als Grundlage zu nehmen. Der lokale Kontrast am Übergang der Fahrbahn zum Karton ist relativ hoch, sodass diese Vorgehensweise sich anbietet.
			Zuerst wurde jedoch das Bild zur Kantenerkennung vorbereitet. Hierzu wurde die automatische Kontrastanpassung ''imadjust'' aus der Image Processing Toolbox verwendet und das Bild über eine Schwellwertsegmentierung in ein Binärbild umgewandelt. Der Schwellwert wurde auf 0.8 festgelegt. Es wurde außerdem ein Außenrand von 100 Pixeln von der Auswertung ausgeschlossen, um eine geeignete RoI zu ermöglichen. Hierzu wurde eine Matrix erstellt, die in diesem Außenrand mit Einsen aufgefüllt wurde und in der RoI mit Nullen. Diese Matrix wurde dann auf die vorhandene Bildmatrix addiert, sodass der Außenrand komplett schwarz ist.
			<source lang="matlab">

			IMAGE = imadjust(IMAGE); %Automatische Kontrastanpassung

			%Rand mit 1en auffüllen

			bild_matrix((Aussenrand:(size(IMAGE,1)-Aussenrand)),(Aussenrand:size(IMAGE,2)-Aussenrand))=1;

			bild_bw = im2bw(IMAGE, 0.8); % Umwandeln des Graustufenbildes in ein b/w-Bild (Schwarz-Weiß oder auch binär) in Abhängigkeit des vorherbestimmten Schwellenwertes

			</source>

			Das Bild wurde nun nach Kanten gefiltert. Die Image Acquisation Toolbox bietet mit dem ''Edge''-Befehl die Möglichkeit, die verschiedenen Kantenfilter anzuwenden. Es stellte sich als gute Lösung heraus, das Bild erst mit dem LaPlacien of Gaussian (LoG)- Filter zu filtern und anschließend das Sobel-Filter anzuwenden.

			<source lang="matlab">

			bild_log = edge(bild_bw, 'log'); % LoG Filter

			bild_sobel = edge(bild_log, 'sobel'); % Canny Filter
			</source>

	== Siehe auch ==		== Siehe auch ==

Alexander Haneke: /* Lösung */

2014-06-19T20:43:38Z

Lösung

@@ Zeile 26: / Zeile 26: @@
 Um eine Erkennung aus dem Livebild zu ermöglichen, musste zuerst das Einlesen des Videobildes der Webcam implementiert werden. Hier wurde die ''videoinput'' Befehl der Image Acquisation Toolbox verwendet. Um eine geeignete Verarbeitungsgeschwindigkeit zu ermöglichen, wurde ein Timer implementiert, der die Weitergabe von 5 Bildern pro Sekunde an die Verarbeitung realisiert.
-[[Datei:ObjekterkennungHan1.png|600px|Einlesen des Videobildes]]
+<source lang="matlab">
 == Siehe auch ==

Alexander Haneke am 19. Juni 2014 um 20:39 Uhr

2014-06-19T20:39:15Z

@@ Zeile 19: / Zeile 19: @@
 # Ermitteln Sie den Referenzpunkt (Mittelpunkt Vorderkante).
 # Bestimmen Sie die Objektparameter gemäß [http://193.175.248.52/usvn/svn/MTR_SDE_Praktikum/trunk/Dokumentation/Fahrzeug/Schnittstellendokumentation.docx| Schnittstellendokumentation].
 == Siehe auch ==

Ulrich Schneider: /* Weblinks */

2014-03-15T10:28:14Z

Weblinks

← Nächstältere Version		Version vom 15. März 2014, 10:28 Uhr
Zeile 27:		Zeile 27:

	== Weblinks ==		== Weblinks ==
	*aa
	*[http://www.mathworks.de/discovery/object-recognition.html\| Objekterkennung mit Matlab]		*[http://www.mathworks.de/discovery/object-recognition.html\| Objekterkennung mit Matlab]
	*[http://www.mathworks.de/de/help/images/examples/index.html\| Image Processing Toolbox Examples]		*[http://www.mathworks.de/de/help/images/examples/index.html\| Image Processing Toolbox Examples]