KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

Gültig bis 21.10.2026 | Gültig für nicht preisgebundene fremdsprachige Bücher | Einzelne Artikel können ausgeschlossen sein | Online auf thalia.de und in der Thalia App einlösbar | Click & Collect nur mit Online-Zahlung (Paypal/Kreditkarte) vorab | Nicht kombinierbar mit anderen Gutscheinen oder Preisaktionen | Nur einmal pro Einkauf einlösbar | Gutschein wird auf max. 500€ Bestellwert angerechnet | Keine Barauszahlung | Nicht gültig für Versandkosten und Services
Produktbild: Analysis and Interpretation of Range Images

Analysis and Interpretation of Range Images

Aus der Reihe Springer Series in Perception Engineering

74,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

22.11.1989

Herausgeber

Ramesh C. Jain + weitere

Verlag

Springer

Seitenzahl

387

Maße (L/B/H)

2,4/16/24,1 cm

Gewicht

760 g

Sprache

Englisch

ISBN

978-0-387-97200-8

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

22.11.1989

Herausgeber

Verlag

Springer

Seitenzahl

387

Maße (L/B/H)

2,4/16/24,1 cm

Gewicht

760 g

Sprache

Englisch

ISBN

978-0-387-97200-8

Herstelleradresse

Springer Heidelberg
Tiergartenstr. 17
69121 Heidelberg
DE
buchhandel-buch@springer.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten Sie dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Analysis and Interpretation of Range Images
  • 1 Report: 1988 NSF Range Image Understanding Workshop.- 1.1 Introduction.- 1.2 Issues in Sensing and Sensors.- 1.2.1 General Background.- 1.2.2 Popular 3D Range Sensors.- 1.2.3 Other 3D Sensing Techniques.- 1.2.4 Needs of Five Major Application Areas.- 1.2.5 Example: ERIM Range Sensor Specs..- 1.2.6 Status of Moire Technology..- 1.2.7 Commonly Cited Problems in Range Sensing.- 1.2.8 Future Efforts.- 1.3 Early Processing.- 1.3.1 Issues in Early Processing of Range Images.- 1.3.2 Definition of "Early" Processing.- 1.3.3 Surface Geometry.- 1.3.4 Early Processing Algorithms.- 1.3.5 Summary.- 1.4 Obejct Recognition.- 1.4.1 Matching.- 1.4.2 Modeling.- 1.5 Sensor Integration.- 1.6 Range Sensing for Navigation.- 1.6.1 System Parameters, and Navigational Tasks, and Representation.- 1.6.2 Case 1: An Underwater Surveyor.- 1.6.3 Case 2: Surveying an Urban Environment.- 1.7 Applications Group Report.- 1.8 Appendix.- 1.8.1 Overview Speakers.- 1.8.2 List of Participants.- 1.8.3 Workshop Groups and Group Chairs.- 2 A Rule-Based Approach to Binocular Stereopsis.- 2.1 Introduction..- 2.2 The MPG Approach to Binocular Fusion.- 2.2.1 Brief Review of the Coarse-to-Fine Matching Strategy.- 2.2.2 Some Computational Aspects of the MPG Algorithm.- 2.2.3 Problems With The MPG Approach.- 2.3 Review of Procedures for Stereo Matching Under High-level Constraints.- 2.3.1 Matching Using Geometrical Constraints.- 2.3.2 The Constraint on the Ordering of Features.- 2.3.3 Looser Ordering Constraint.- 2.3.4 Some Other Approaches.- 2.4 Matching Methods Included in the Rule-based Program.- 2.4.1 Dominant Feature Matching.- 2.4.2 Geometrically Constrained Matching.- 2.4.3 Matching of Zero-Crossing Contours.- 2.4.4 The Default Matcher.- 2.5 A Review of Some Important Rules.- 2.5.1 Overview of the Rule-Based Procedure.- 2.5.2 Some GROUP-1 Rules.- 2.6 Experimental Results.- 2.6.1 Experimental Setup.- 2.6.2 Stereo Images and Depth Maps.- 2.6.3 Comparison with the MPG Algorithm.- 2.7 Conclusions.- 3 Geometric Signal Processing.- 3.1 Introduction.- 3.2 Machine Perception.- 3.3 Geometric Representations.- 3.4 Geometric Sensors.- 3.5 Geometric Signal Modeling.- 3.5.1 Geometric Noise Modeling.- 3.6 Geometric Descriptions.- 3.6.1 Planar Curves.- 3.6.2 Space Curves.- 3.6.3 Surfaces.- 3.6.4 Volumes.- 3.6.5 Summary of Geometric Descriptions.- 3.7 Geometric Approximation.- 3.7.1 Local Approximation Methods.- 3.7.2 Global Approximation Methods.- 3.7.3 Function Approximation Comparisons.- 3.7.4 Other Methods of Interest.- 3.8 Robust Approximation.- 3.8.1 Robust M-Estimation.- 3.8.2 Basic Examples.- 3.9 Emerging Themes.- 4 Segmentation versus object representation - are they separable?.- 4.1 Introduction.- 4.2 The Role of Shape Primitives.- 4.3 Segmentation Process.- 4.3.1 Segmentation using volumetric representation.- 4.3.2 Segmentation using boundary information.- 4.3.3 Segmentation using surface primitives.- 4.4 Control Structure.- 4.5 Results.- 4.6 Summary.- 5 Object Recognition.- 5.1 Introduction.- 5.2 Aspects of the Object Recognition Problem.- 5.3 Recognition via Matching Sensed Data to Models.- 5.4 The Statistical Pattern Recognition Approach.- 5.4.1 Object as Feature Vector.- 5.4.2 The Pattern Recognition Paradigm.- 5.4.3 Piecewise Linear Decision Surfaces.- 5.4.4 k-Nearest Neighbors.- 5.4.5 Prototype matching.- 5.4.6 Sequential Decision-making.- 5.5 Object Represented as Geometric Aggregate.- 5.5.1 The Registration Paradigm.- 5.5.2 Pose Clustering Algorithm.- 5.5.3 Sequential Hypothesize and Test.- 5.5.4 Comparison of PC and H&T.- 5.6 Object as an Articulated Set of Parts.- 5.7 Concluding Discussion.- 6 Applications of Range Image Sensing and Processing.- 6.1 Introduction.- 6.2 Major Industrial Application Areas.- 6.2.1 Integrity and Placement Verification.- 6.2.2 Surface Inspection.- 6.2.3 Metrology.- 6.2.4 Guidance and Control.- 6.2.5 Modeling.- 6.3 Obstacles to Practical Application.- 6.3.1 Reflectance Dynamic Range.- 6.3.2 Surface Reflectance Artifacts.- 6.3.3 Secondary Reflections.- 6.3.4 Shadowing and Occlusion.- 6.3.5 Sensor Scanning and Transport.- 6.3.6 Surface Feature Extraction.- 6.4 Conclusion.- 7 3-D Vision Techniques for Autonomous Vehicles.- 7.1 Introduction.- 7.2 Active range and reflectance sensing.- 7.2.1 From range pixels to points in space.- 7.2.2 Reflectance images.- 7.2.3 Resolution and noise.- 7.3 Terrain representations.- 7.3.1 The elevation map as the data structure for terrain representation.- 7.3.2 Terrain representations and path planners.- 7.3.3 Low resolution: Obstacle map.- 7.3.4 Medium resolution: Polygonal terrain map.- 7.3.5 High resolution: Elevation maps for rough terrain.- 7.4 Combining multiple terrain maps.- 7.4.1 The terrain matching problem: iconic vs. feature-based.- 7.4.2 Feature-based matching.- 7.4.3 Iconic matching from elevation maps.- 7.5 Combining range and intensity data.- 7.5.1 The geometry of video cameras.- 7.5.2 The registration problem.- 7.5.3 Application to outdoor scene analysis.- 7.6 Conclusion.- 8 Multisensor Fusion for Automatic Scene Interpretation.- 8.1 Introduction.- 8.2 Image Models.- 8.2.1 Classes of Models.- 8.2.2 Some Examples of Image Models.- 8.3 Intersensory Verification of Image Features.- 8.3.1 Issues.- 8.3.2 Examples of Intersensory Verification of Image Features.- 8.4 Intersensory Verification from Physical Principles.- 8.4.1 Issues.- 8.4.2 Recent Work in Intersensory Analysis Using Physical Principles.- 8.5 Multisensory Vision - An Illustrative Example.- 8.6 Conclusions.