Strukturbasierte Multi-View-Erkennung von 3D Objekten mit traditionellen und Deep-Learning Methoden

Kurzfassung

Diese Arbeit konzentriert sich auf 3D-Objekterkennung und Klassifizierung beim begrenzten Fall von 3D-Daten in Roboteranwendungen. Das Ziel dieser Arbeit Thema war es, die Beschreibungsfähigkeit der Deskriptoren traditioneller Algo- rithmen und der Deep-Learning Methoden zu bewerten. Des Weiteren wurden ein Deskriptor-Tree umgesetzt, wodurch die geometrischen Beziehungen der Deskriptoren strukturiert abgelegt werden können. Zur Visualisierung wurden die traditionellen und Deep-Learning Deskriptoren mithilfe von Nächste- Nachbarn-Klassifikation geschätzt und klassifiziert. Beim Ansatz vom 3D Baum Vorgelegt wurde von die Klassifizierung durch Berechnung der Entfernung der Bäume eingeführt. Nach dem Testen wird es so festgestellt, dass die Leistung der mit Deep- Learning, geboren am CaffeNet, trainierten Deskriptoren in am Besten ist, während die Leistung der in dieser Arbeit implementierten Deskriptor-Bäume in der Mitte dazwischen liegt. Schließlich kommt der traditionelle Teil.