4.5.20011 Hauptseminar Robot/Computer Vision SS 2001 Active Contours von Andrew Blake und Michael Isard B-Splines Florian Klaschka.

Slides:



Advertisements
Ähnliche Präsentationen
Simulation komplexer technischer Anlagen
Advertisements

Das virtuelle Physiklabor im Computer: Vom Experiment zur Simulation
Die Beziérkurve Adrian Lehmann
VII. Differentialrechnung
Vorlesung Prozessidentifikation
Vom graphischen Differenzieren
Peter-Michael Schmidt, Stuttgart 2002
Seminar „Extrapolationsmethoden für zufällige Felder“
1 1. Splineglättung 1.1 Motivation 1.2 Notation 1.3 Splineglättung
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2012.
Kombinatorische Topologie in der 3d Geomodellierung
Graphische Datenverarbeitung
Numerik partieller Differentialgleichungen
Diese Fragen sollten Sie beantworten können
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 03Teil.
Kapitel 5 Stetigkeit.
Kapitel 6 Differenzierbarkeit. Kapitel 6: Differenzierbarkeit © Beutelspacher Juni 2005 Seite 2 Inhalt 6.1 Die Definition 6.2 Die Eigenschaften 6.3 Extremwerte.
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 01Teil.
Zeitreihenanalyse WS 2004/2005 Michael Hauhs / Gunnar Lischeid
Bézier und NURBS Kurven & Flächen Vortrag von Stefan Endler
Mathematische Grundlagen und Rechnen mit algebraischen Zahlen
Statistische Methoden II SS 2007 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Loefflerstraße Übungen.
Konfidenzintervalle Intervallschätzung Jeder Beobachtung wird ein Intervall C( ) der reellen Zahlen zugeordnet Niveau Dabei ist die Wahrscheinlichkeit,
Statistische Methoden II SS 2003 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Loefflerstraße Übungen.
Maximum-Likelihood-Schätzer ( diskreter Fall) Likelihood-Funktion mit oder M-L-Schätzer.
Folie 1 § 30 Erste Anwendungen (30.2) Rangberechnung: Zur Rangberechnung wird man häufig die elementaren Umformungen verwenden. (30.1) Cramersche Regel:
§11 Skalarprodukt. Euklidische Räume
Generalisierte additive Modelle
Felipe Ramirez Diener Fribourg – Schweiz – Mai 2008
Tetraederzerlegung Ina Ehmann Tetraederzerlegung.
Diskrete Mathe 9 Vorlesung 9 SS 2001
Computergrafik – Inhalt Achtung! Kapitel ist relevant für CG-2!
Sali zäma.
NURBS & CO eine kurze Vorstellung, vor allem an Hand von Beispielen
Computerorientierte Physik VORLESUNG Zeit: jeweils Mo Uhr Ort: Hörsaal 5.01, Institut für Experimentalphysik, Universitätsplatz 5, A-8010.
Vorbereitung zur Reife- und Diplomprüfung Differentialrechnung
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Geoinformation II Vorlesung 4 SS 2001 Voronoi-Diagramme.
Modellierung des Raumes
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
Fuzzymengen – Was ist das?
Aufgabe Modellieren Sie mittels Bézier-Kurven einen Kreis.

STATISIK LV Nr.: 0028 SS Mai 2005.
Shape Similarity 27. Februar 2006 Michael Keller.
Teil 2: Kurven und Flächen
Designerkurven - Bézierkurven im Unterricht
Stetige Verteilungen Das Uhrenbeispiel Dichtefunktion
Inhalt Definition des Integrals Infinitive Flächen (offenes Intervall)
Die spline-Interpolation
Die spline-Interpolation
LK-MA - Christopher Schlesiger
Mögliches Konzept für einen Analysisunterricht im Jahrgang 11
Stetige Kleinste-Quadrate-Approximation
Vom graphischen Differenzieren
Theorie, Anwendungen, Verallgemeinerungen
Constraint Delaunay Triangulations
setzt Linearität des Zusammenhangs voraus
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung Voronoi-Diagramme.
Optionsbewertung Elena Kostiaeva.
Graphische Datenverarbeitung
Deterministische Verfahren
Dreieckssätze Pythagoras und Co SFZ 14/15 W.Seyboldt
Der Wiener Prozess und seltene Ereignisse

Keyframing und Interpolation
 Präsentation transkript:

Hauptseminar Robot/Computer Vision SS 2001 Active Contours von Andrew Blake und Michael Isard B-Splines Florian Klaschka

Florian Klaschka2 Übersicht Anwendungen B-Splines Basisfunktionen –Formeln –Knotenvektor –Eigenschaften –Periodische Basisfunktionen –Mehrfache Knoten Normen, Fläche und Momente

Florian Klaschka3 Anwendung: Active Contours

Florian Klaschka4 Anwendungen Active Contours 2D-/3D-Modellierung und Design Messwertauswertung, Interpolation Funktionsapproximation

Florian Klaschka5 B-Spline Parametrisierte, polynomielle Kurve im R n der Ordnung d Besteht aus polynomiellen Segmenten (engl: spans) der Ordnung d Ordnung d Grad d-1 (gebräuchlich: d=3 oder d=4) Gewichtete Summe von N B Basisfunktionen B n, n = 0, 1,..., N B -1, Gewichte: die N B Stützpunkte q n, n = 0, 1,..., N B -1

Florian Klaschka6 B-Spline Beispiel

Florian Klaschka7 B-Spline Formel mit Stützpunkten q n =(x n, y n ) T und Basisfunktionen B n (s), n = 0, 1,..., N B -1 definiert für 0 s L

Florian Klaschka8 Beispiel: B-Spline-Funktion (R 1 ) Mit Stützpunkten gewichtete Basisfunktionen und B-Spline- Funktion

Florian Klaschka9 Basisfunktionen Beispiel (d=3)

Florian Klaschka10 Basisfunktionen Bsp. (d=3, N B =4) Weitere Basisfunktionen sind um n verschobene Kopien (im Beispiel, nicht allgemein)

Florian Klaschka11 Knotenvektor K Die Berührpunkten der Basisfunktions-Teilstücke heißen Knoten Der Knotenvektor K setzt sich aus diesen Knoten zusammen Im Beispiel: K = (0, 1, 2, 3, 4, 5, 6) T Knotenvektor bestimmt die Form der Basisfunktionen (Im Beispiel: periodisch, uniform) Knotenvektor bestimmt damit auch L

Florian Klaschka12 Cox-deBoor-Rekursionsformel k n aus Knotenvektor K Voraussetzung: 0/0 = 0

Florian Klaschka13 Basisfunktion B 0,3 (s)

Florian Klaschka14 Eigenschaften Die Kurve liegt in der konvexen Hülle des Kontrollpolygons (convex hull property) d-2 stetige Ableitungen (C d-2 ) auf der Kurve maximal d-2 stetige Ableitungen an den Berührpunkten der Teilstücke

Florian Klaschka15 Periodische Basis Problem: Summe der Basisfunktionen = 1 gilt nicht über dem ganzen Intervall [0, L]

Florian Klaschka16 Periodische Basis Lösung 1: Intervall einschränken auf gültigen Bereich hier: Kontrollpolygon (q 0, q 1,...,q 7 ); Knotenvektor K=(0, 1,..., 10) T ; aber s [2, 8]

Florian Klaschka17 Periodische Basis Lösung 2: Basisfunktionen am Ende des verkürzten Intervalls umbrechen

Florian Klaschka18 Geschlossene B-Spline-Kurve Umbruch führt zu geschlossener Kurve mit K = (0, 1,..., 8) T, s [0, 8] Entspricht Wiederholung von d-1 Stützpunkten am Anfang oder Ende des Kontrollpolygons

Florian Klaschka19 Offene B-Spline-Kurve, Spitzen Wie entstehen offene B-Spline-Kurven (Kurve beginnt im Ersten Stützpunkt und endet im letzten) oder Kurven mit Spitzen in einem Stützpunkt? Zwei Möglichkeiten: –Mehrfache Stützpunkte –Mehrfache Knoten

Florian Klaschka20 Mehrfache Stützpunkte Funktioniert, aber: –Lineare Segmente –Falsche Interpretation bei Approximation

Florian Klaschka21 Mehrfache Knoten Knoten werden überlagert Aus K=(0,1,2,3,4,5) T wird K=(0,1,2,2,3,4) T L = 5 wird zu L = 4

Florian Klaschka22 Spitzen Spitzen in Basisfunktionen erzeugen Spitzen in der Kurve d-3 stetige Ableitungen in der Spitze Allgemein d-m-1 stetige Ableitungen in mehrfachen Knoten mit Multiplizität m

Florian Klaschka23 Offene B-Spline-Basis Dreifachknoten am Anfang und Ende der quadratischen Basisfunktionen (d=3) Knotenvektor K=(0,0,0,1,2,3,4,5,5,5); (offen, uniform) L = 5

Florian Klaschka24 Offene B-Spline-Funktion (R 1 )

Florian Klaschka25 Offener B-Spline (R 2 ) Anfangs- und Endpunkt der Kurve fallen mit erstem und letztem Stützpunkt zusammen Ableitung in diesen Punkten abhängig von erstem und letztem Segment des Kontrollpolygons

Florian Klaschka26 B-Spline-Funktionen(R 1 ) Summenformel für B-Spline-Kurven: Summenformel für B-Spline-Funktionen:

Florian Klaschka27 B-Spline-Funktionen Summenformel als Matrixprodukt: mit Basisvektor: und Kontrollvektor:

Florian Klaschka28 Norm und Inneres Produkt für Spline-Funktionen L 2 -Norm ||x|| für Spline-Funktion x(s): Innere Produkt für zwei Funktionen x(s), y(s):

Florian Klaschka29 Norm und Inneres Produkt als Matrixprodukt L 2 -Norm für Kontrollvektor: mit metrischer Matrix B: Inneres Produkt:

Florian Klaschka30 Anwendung 1 - Inneres Produkt Spline-Approximation durch Methode der kleinsten Quadrate

Florian Klaschka31 Anwendung 2 – Inneres Produkt Funktions-Approximation: Diskrete Approximation:

Florian Klaschka32 Norm und Inneres Produkt für B-Spline-Kurven Kontrollvektor: Kurve als Matrixprodukt:

Florian Klaschka33 Norm und Inneres Produkt für B-Spline-Kurven L 2 -Norm: mit: Inneres Produkt:

Florian Klaschka34 Anwendung – L 2 -Norm Unterschied zwischen zwei Kurven ||Q 1 -Q 2 ||

Florian Klaschka35 L 2 -Norm vs. Euklidische Norm Euklidische Norm:|r 1 -r 0 |<|r 2 -r 0 | L 2 -Norm:||r 2 -r 0 ||< ||r 1 -r 0 ||

Florian Klaschka36 L 2 -Norm und Reparametrisierung Möglichkeiten: –Suche über allen Parametrisierungen –Anderer Abstandsbegriff (später im Buch)

Florian Klaschka37 Fläche und Momente für geschlossenen B-Splines Momente: –Fläche –Schwerpunkt –Trägheit Grobe Unterscheidung von Objekten Initialisierung Verfolgung von Objekten

Florian Klaschka38 Schwerpunkt Einfach, aber nicht invariant gegenüber Reparametrisierungen: Invariant, aber nicht in Q berechenbar:

Florian Klaschka39 Momente Fläche: Schwerpunkt: Trägheit:

Florian Klaschka40 Beispiel

Florian Klaschka41 Literatur zu Splines (Active Contours) David F. Rogers, J. Alan Adams, Mathematical Elements for Computer Graphics, 1990, McGraw-Hill Gerald Farin, Curves and surfaces for computer aided geometric design, 1993, Acad. Press

Florian Klaschka42 The End