Objektklassifizerung anhand der Modalität Textur

Service Roboter müssen eine Vielzahl an sich ständig ändernden Objekten erkennen. Um mit der Menge an Objekten umgehen zu können, muss es möglich sein, Objekte schnell und einfach zu beschreiben. Eine wichtige Eigenschaft zur Identifizierung der Objekte ist deren Textur. In dieser Arbeit wird daher ein System entwickelt, dass eine Klassifizierung von Objekten anhand von Textur- und Farbeigenschaften vornehmen kann, die dem menschlichen Empfinden entsprechen. Dazu wird ein Farbbild in homogene Segmente unterteilt und diese in eine normalisierte Ansicht transformiert. Dadurch kann eine einheitliche Auswertung vorgenommen werden. Auf den Bildausschnitten werden die Farb- und Textureigenschaften ausgewertet und anhand derer eine Klassifizierung durchgeführt. Es wird untersucht, wie gut die Eigenschaften dem menschlichen Empfinden entsprechen und mit anderen Ansätzen aus diesem Themengebiet verglichen. Es wird außerdem eine Methode implementiert die Daten zum Trainieren eines Klassifizierers aus der Beschreibung eines Menschen erzeugt.Service robots have to categorize a big amount of varying objects. Therefore the texture of an object is an important feature. This paper introduces a system, which categorizes objects by means of human-readable color and texture features. The first part of the system is an image segmentation based on depth, color and texture information. The resulting segments are transformed into a normalized view for reliable computation of the human-readable color and texture features which are used by machine learning approach for categorization. The color and texture features are analyzed according to their ability to represent the human perception. They are also compared to other approaches of human readable features. A procedure to train a classifier based on a human description of texture is presented