User: Guest  Login
Original title:
Efficiency by Sparsity: Depth-Adaptive Superpixels and Event-based SLAM 
Translated title:
Effizienz durch sparse Datenstrukturen: Tiefenadaptive Superpixel und Ereignisbasierter SLAM 
Year:
2014 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Cremers, Daniel (Prof. Dr.) 
Referee:
Cremers, Daniel (Prof. Dr.); Conradt, Jörg (Prof. Dr.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
Keywords:
superpixel, image segmentation, video segmentation, slam, dynamic vision sensors 
Controlled terms:
Objekterkennung; Navigation; Bildsegmentierung 
TUM classification:
DAT 764d 
Abstract:
In this thesis sparse models are used to develop efficient solutions for the detection of objects and the navigation in an unknown environment. Depth-Adaptive Superpixels are a novel image segmentation technique for combined colour and depth sensors which creates excellent oversegmentations and full segmentations for static images or video streams. Event-based SLAM is a novel event-based simultaneous localization and mapping algorithm which uses a biologically inspired dynamic vision sensor to...    »
 
Translated abstract:
In dieser Doktorarbeit werden sparse Modelle verwendet um effiziente Lösungen für die Erkennung von Objekten und die Navigation in einer unbekannten Umgebung zu entwickeln. Tiefenadaptive Superpixel ergeben exzellente Übersegmentierungen und volle Objektsegmentierungen für statische Bilder und Bildsequenzen von kombinierten Farb- und Tiefensensoren. Ereignisbasierter SLAM ist eine neuartige Methode für simultane Lokalisierung und Kartenerstellung die einen biologisch inspirierten Bildsensor ve...    »
 
Oral examination:
01.07.2014 
File size:
78508066 bytes 
Pages:
219 
Last change:
19.08.2014