Refine
Has Fulltext
- yes (3)
Is part of the Bibliography
- yes (3) (remove)
Document Type
- Doctoral Thesis (2)
- Master Thesis (1)
Keywords
- Mustererkennung (3) (remove)
Institute
In operanten Konditionierungsexperimenten im Flugsimulator werden vier Parameter gefunden die Drosophila melanogaster aus visuellen Mustern extrahieren kann: Musterfläche, vertikale Position des Musterschwerpunkts, Verteiltheit und Musterausrichtung in horizontaler und vertikaler Richtung. Es ist nicht auszuschliessen, dass die Fliege weitere Musterparameter extrahieren kann. Spontane Musterpräferenzen und konditionierte Präferenzen zeigen unterschiedliche Zusammenhänge mit den Musterparametern. Aus räumlich getrennten Musterelementen zusammengesetzte Muster werden von der Fliege wie ein Gesamtmuster behandelt. Retinaler Transfer wird auch bei der Präsentation von Mustern an zwei verschiedenen vertikalen Trainingspositionen nicht beobachtet. Muster werden generalisiert, wenn die Schwerpunkte korrespondierender Muster zwischen Training und Test ungefähr an der gleichen Position liegen aber keine retinale Überlappung von Trainings- und Testmustern besteht. Retinotopie des Mustergedächtnisses liegt in diesem Fall nicht auf der Ebene der Bildpunkte, jedoch möglicherweise auf der Ebene des Parameters 'Musterschwerpunkt' vor. Fliegen können nicht trainiert werden bestimmte Musterpaare zu diskriminieren die sich nur durch die vertikale Position ihres Musterschwerpunktes unterscheiden. Dennoch bevorzugen sie beim Lerntest mit anderen Mustern mit korrespondierenden Schwerpunktspositionen die zuvor nicht bestrafte Schwerpunktsposition. Für die Modellierung der Extraktion von Musterschwerpunkt und Musterfläche wird ein einfaches künstliches neuronales Filter präsentiert, dessen Architektur auf einem Berechnungsalgorithmus für den gemeinsamen Schwerpunkt mehrerer Teilelemente beruht.
No abstract available
Object six Degrees of Freedom (6DOF) pose estimation is a fundamental problem in many practical robotic applications, where the target or an obstacle with a simple or complex shape can move fast in cluttered environments. In this thesis, a 6DOF pose estimation algorithm is developed based on the fused data from a time-of-flight camera and a color camera. The algorithm is divided into two stages, an annealed particle filter based coarse pose estimation stage and a gradient decent based accurate pose optimization stage. In the first stage, each particle is evaluated with sparse representation. In this stage, the large inter-frame motion of the target can be well handled. In the second stage, the range data based conventional Iterative Closest Point is extended by incorporating the target appearance information and used for calculating the accurate pose by refining the coarse estimate from the first stage. For dealing with significant illumination variations during the tracking, spherical harmonic illumination modeling is investigated and integrated into both stages. The robustness and accuracy of the proposed algorithm are demonstrated through experiments on various objects in both indoor and outdoor environments. Moreover, real-time performance can be achieved with graphics processing unit acceleration.