Kombination und Klassifikation von partiellen Objektaufsichten eines mobilen Roboters mittels Aufsichtpunktketten
Autor(en):
Zusammenfassung
Dieser Beitrag beschreibt eine Methode zur Rekombination und Kategorisierung der 2D-Objektaufsicht eines beliebig geformten Objektes aus 3D-Entfernungsmessdaten eines mobiles Roboters. Da mobile Roboter in einer einzelnen Messung immer nur einen geringen Anteil der Objektform aus einer seitlichen Perspektive erfassen können, werden die Daten mehrerer Messungen vor der Auswertung zu einer umfassenden Objektbeschreibung zusammen gefasst. Auf diese Weise werden alle bekannten Informationen zur Kategorisierung verwendet. Die Kategorisierung selbst basiert auf lokalen Merkmalen, um sowohl geschlossene als auch offene Objektformen beschreiben zu können.
- Vollständige Referenz
- BibTeX
Reimer, M.,
(2011).
Kombination und Klassifikation von partiellen Objektaufsichten eines mobilen Roboters mittels Aufsichtpunktketten.
KI - Künstliche Intelligenz: Vol. 25, No. 2.
Springer.
(S. 169-172).
DOI: 10.1007/s13218-011-0095-x
@article{mci/Reimer2011,
author = {Reimer, Marko},
title = {Kombination und Klassifikation von partiellen Objektaufsichten eines mobilen Roboters mittels Aufsichtpunktketten},
journal = {KI - Künstliche Intelligenz},
volume = {25},
number = {2},
year = {2011},
,
pages = { 169-172 } ,
doi = { 10.1007/s13218-011-0095-x }
}
author = {Reimer, Marko},
title = {Kombination und Klassifikation von partiellen Objektaufsichten eines mobilen Roboters mittels Aufsichtpunktketten},
journal = {KI - Künstliche Intelligenz},
volume = {25},
number = {2},
year = {2011},
,
pages = { 169-172 } ,
doi = { 10.1007/s13218-011-0095-x }
}
Sollte hier kein Volltext (PDF) verlinkt sein, dann kann es sein, dass dieser aus verschiedenen Gruenden (z.B. Lizenzen oder Copyright) nur in einer anderen Digital Library verfuegbar ist. Versuchen Sie in diesem Fall einen Zugriff ueber die verlinkte DOI: 10.1007/s13218-011-0095-x
Haben Sie fehlerhafte Angaben entdeckt? Sagen Sie uns Bescheid: Feedback abschicken
Mehr Information
ISSN: 1610-1987
Datum: 2011
Typ: Text/Journal Article

