Nothing Special   »   [go: up one dir, main page]

WO2012135889A1 - Diskrepanzmass - Google Patents

Diskrepanzmass Download PDF

Info

Publication number
WO2012135889A1
WO2012135889A1 PCT/AT2012/050044 AT2012050044W WO2012135889A1 WO 2012135889 A1 WO2012135889 A1 WO 2012135889A1 AT 2012050044 W AT2012050044 W AT 2012050044W WO 2012135889 A1 WO2012135889 A1 WO 2012135889A1
Authority
WO
WIPO (PCT)
Prior art keywords
pattern
property
values
difference
subregion
Prior art date
Application number
PCT/AT2012/050044
Other languages
English (en)
French (fr)
Other versions
WO2012135889A9 (de
Inventor
Bernhard Moser
Gernot STÜBL
Original Assignee
Software Competence Center Hagenberg Gmbh
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Software Competence Center Hagenberg Gmbh filed Critical Software Competence Center Hagenberg Gmbh
Publication of WO2012135889A1 publication Critical patent/WO2012135889A1/de
Publication of WO2012135889A9 publication Critical patent/WO2012135889A9/de

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/421—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern

Definitions

  • This invention relates to a method of comparing a first pattern of a first set of values formed of scalar and / or vectorial values with a second pattern of a second set of values formed of scalar and / or vectorial values, where a pattern is an assignment that values the primitives of a base set assigns a value set.
  • He counts R l 2 basic elements of the basic quantities which can not be further decomposed are calculated, and in further steps comparison values for the samples are derived from these element-wise calculated comparison values, for example by summation. If one compares temporally or spatially offset patterns, it can be seen from the basic principle described in the documents cited above that a high degree of similarity is erroneously calculated for a larger offset and a small degree of similarity for a smaller offset.
  • the problem discussed here of calculating a comparison value for a first pattern of a first value set and a second pattern of a second value set is solved in such a way that the method comprises the following substeps:
  • the first basic quantity of the first pattern and the second basic quantity of the second pattern are subdivided into first or second subregions.
  • the subdivision of the first pattern can be dependent on the properties of the first pattern or the first basic quantity and / or of the second pattern or of the second basic quantity.
  • the method according to the invention can be characterized in that one of the first subregions of the first pattern and / or one of the second subregions of the second pattern comprises a plurality of values. It is in no way mandatory that the first subregion of the first pattern and the second subregion of the second pattern comprise the same or the same number of values.
  • the first subregion of the first pattern and the second subregion of the second pattern are the same size or comprise the same number of values.
  • One of the third subregions of the difference pattern may include at least subregions of one of the first subregions of the first pattern and / or one of the second subregions of the second pattern.
  • the method according to the invention does not exclude that one of the third partial regions extends over partial regions which are not partial regions of one of the first partial regions of the first template and / or one of the second partial regions of the second template.
  • the subdivision of the first pattern and / or of the second pattern into first or second subareas, the discrepancy pattern into third subareas, and the formation of sets in accordance with the invention suppress monotonous behavior of the measure of similarity in the case of spatial or temporal offset.
  • a similarity pattern contains a similarity measure for preferably each value of the first pattern which is combined with the second pattern according to the method of the invention.
  • Carrying out the method according to the invention does not exclude that the method discussed here is supplemented by methods for comparing a first pattern with a second pattern according to the prior art.
  • the method of the invention is by no means limited to the treatment of scalar or vectorial values.
  • a first matrix can be treated with a second matrix, a first tensor with a second tensor.
  • the calculation of the difference pattern may comprise at least one or by a combination of several of the following steps:
  • Pattern descriptive value of a value describing a property of the second sub-area of the second pattern is
  • a pre-processing or a filtering step may be, for example, a smoothing, a filtering out of false or interference signals.
  • An application of a transformation may, for example, be carried out by subtracting a first mean value of a first subregion of the first pattern from an average value of a first subregion of the second pattern.
  • the formation of the first partial area and / or the formation of the second partial area may include the following steps: formation of a first part of the first partial area as a partial area of the first partial area
  • the defined difference in properties can on the one hand include that the properties are the same (no difference), or on the other hand differ by a defined measure.
  • One application of the invention discussed herein is the creation of a so-called offset map from local properties of images.
  • This application can be part of a method which comprises the generation of multiple views for a pseudoholographic representation or for a spatial reconstruction of object points ("stereo vision").
  • the overlapping partial areas can be formed, for example, by integral images. Since, according to the invention, the subareas comprise a plurality of values, a value can be assigned to at least two subareas by the arrangement of subareas. By this step, the accuracy of the method according to the invention can be improved in comparison with the methods according to the prior art.
  • the calculation of characteristics of the difference pattern for second quantities may be done after at least one or by a combination of the following methods:
  • E T (M) ([ ⁇ ⁇ ⁇ ) ⁇ , where M represents the difference pattern and ⁇ represents the set of third sub-ranges,
  • the combination of the properties of the first quantities can be carried out, for example, by summation and / or by averaging the properties of the first quantities.
  • the calculation of the p-th power of the ⁇ -integral can be done by a Weighting be supplemented.
  • the method discussed here may be distinguished by the fact that such a weighting, in dependence on a property of the second pattern, directly and / or indirectly in a mathematically defined property of the first subarea of the first pattern and / or property of the second subarea of the second pattern, third partial area and / or first quantity.
  • the calculation of the discrepancy parameters can be calculated after at least one or by a combination of the following methods:
  • the characteristics from the difference values can be geometric and / or color characteristics.
  • the parameters to be calculated can describe an expansion measure or a concentration parameter or an accumulation parameter of the difference values.
  • the method according to the invention can be carried out in such a way that the calculation of the similarity measure is determined according to at least one or by a combination of several of the following methods:
  • the calculation of a measure of similarity by combining the discrepancy parameters D M of derived patterns can be done using a formula with the following character or structure S M ⁇ M-M 2 ) DM (-i + M 2 ) 2 -D M (M -i-M 2 ) 2
  • B 2 is the pattern to be compared.
  • the method according to the invention can be characterized in that a property of the first subregion of the first pattern and a property of the second subregion of the second pattern are in a relationship, in particular a mathematically definable association with one another.
  • the pattern of the first value range may cause or determine the pattern of the second value range.
  • the pattern of the second range of values may also be defined by as a function of the pattern of the first range of values.
  • the method according to the invention can be characterized in that a property of the first subarea of the first pattern and a property of the second subarea of the second pattern correspond to a defined similarity relation and are therefore to be regarded as similar.
  • a similarity relation or a similarity can be effected by specifying a proportional measure of equality of a property of the first subregion of the first pattern and a property of the second subregion of the second pattern.
  • a property of the first subarea of the first pattern and / or a property of the second subarea of the second pattern and a property of the third subarea of the difference pattern to be in a relationship as in a mathematically defined association with one another ,
  • the first portion of the first pattern cause or determine the second portion of the second pattern.
  • the pattern of the second range of values may also be defined by as a function of the pattern of the first range of values.
  • the method according to the invention can be characterized in that a property of the first subarea of the first pattern and / or a property of the second subarea of the second pattern and a property of the second subarea of the difference pattern correspond to a defined similarity relation.
  • the method according to the invention can be simplified insofar that a property of the first quantity and / or a property of the second quantity and / or a property of the third quantity are in a ratio such as, for example, a mathematically definable assignment to one another.
  • the first pattern may cause or determine the second pattern and / or the third pattern.
  • the second pattern and / or the third pattern may also be defined by as a function of the first pattern.
  • simplification of the method according to the invention is that the first amount and / or the second amount and / or the third amount are in an association with each other.
  • the formation of the first, second or third quantity can be defined, for example, by a function as a function of a property of the first subarea or a property of the second subarea.
  • a function may comprise routines such that the formation of the second or third quantity takes place from the first or second quantity.
  • Such a similarity may be given by the fact that the first, second and third quantities are identical.
  • the discussion of the method according to the invention does not exclude that a property of the first subarea and / or a property of the second subarea and / or a property of the third subarea and / or a property of the first amount and / or a property of the second amount and / or a property of the third quantity in a ratio such as a mathematically definable Zu elbow to each other.
  • a property of the second set and / or a property of the third set may be a function of a property of the first set.
  • the method discussed here can also be extended in such a way that the discrepancy parameter is calculated from a fourth partial region of the first template and / or from a fifth partial region of the second template.
  • the method according to the invention can be characterized in that a property of the second subarea and a property of the fourth subarea of the first pattern and / or a property of the fifth subarea of the second pattern are in a relationship such as, for example, a mathematically definable assignment to one another.
  • a property of the second subarea of the first pattern may be a function of a property of the fourth subarea of the first pattern and / or a property of the fifth subarea of the second pattern.
  • a property of the second subarea and a property of the fourth subarea of the first pattern and / or a property of the second subarea and a property of the fifth subarea of the second pattern correspond to a defined similarity relation.
  • a similarity relation can be defined by the proportional equality of properties from a plurality of properties of the subregions.
  • the properties of the patterns of the first value range or the second value range can also be defined as a function of further sub-ranges of the first value range and / or the second value range.
  • the method may be achieved by simplifying that the fourth or the fifth partial area is restricted to those partial areas that are adjacent to the first or second partial areas.
  • a possible field of application of the method according to the invention is that a property of a subarea of the first pattern is searched for a property of a subarea of the second pattern with properties corresponding to a defined similarity relation in analogy to the above disclosure.
  • the numerical values M ⁇ of the basic quantity x 1 which are the numerical values w of the basic quantity x 2 from the pattern M 2 - are sought from the first pattern i: i -> Wi. X -> W 2 are similar.
  • a possible application of the method according to the invention is that a partial area of the second pattern of a partial area of the second set of values is searched for properties that differ by a predetermined amount from a partial area of the first pattern.
  • the method according to the invention is by no means limited to seeking only similar values. It is also possible to search for values w similar to the values w, which differ by a predefined and / or predetermined measure of w during the execution of the method according to the invention. If a pair of values consisting of a value M ⁇ and a measure of different values (also known as the correlation measure) w is known, it is simply possible to search for further value pairs on the basis of this information.
  • the search for similar and / or to a certain extent different values from the first set of values and from the second set of values can also be used in the context of the method according to the invention to exclude value ranges from the first pattern and / or second pattern.
  • Such ranges of values to be excluded can be, for example, by fault value ranges, value ranges based on discontinuities.
  • the method according to the invention also includes that a property of the second pattern is changed by control means in a partial area such that the property of the second pattern and a property of the first pattern in a partial area correspond to a defined similarity relation.
  • a change of the second pattern can be made in such a way that values of the second pattern are changed.
  • a change of the second pattern by excluding certain value ranges of the set of values and / or by adding certain value ranges of the set of values.
  • One possible application of the invention discussed herein is to create a pseudoholographic image, wherein the first set of values is a first image, the second set of values is a second image, wherein a first pattern of a portion of a first image is compared to a second pattern of a portion of a second image ,
  • a partial area of the first image or of the second image may, for example, be a partial area of pixels.
  • the pixels can be arranged adjacent to one another and / or stand in a mathematically definable relationship to one another. The assignment of the pixels may be determined by the fact that the pixels of the first image are a function of the pixels of the second image.
  • a second pixel of the second image which is in relation to a first pixel, may be a pixel of a second image, which was taken from a different perspective than the first image.
  • One possible application of the invention discussed herein is the detection, recognition, and / or tracking of an object in a first image and in a second image, where the first set of values is a first image, the second set of values is a second image wherein an offset of a first pattern of a partial area of a first image with a second pattern of a partial area of a second image is detected.
  • Detecting, recognizing and tracking the object in a first image or in a second image is usually based on exploiting monotonic properties of the first image or the second image and / or on the existence of a pronounced minimum of the similarity measure when comparing the object first image as a first pattern with the second image as a second pattern.
  • Such a more favorable course can be distinguished by the fact that the course of the discrepancy measure has only a few, preferably only a clearly pronounced minimum, which allows the application of grandient methods or similar methods for the minimum search and thereby the search process within the scope of the detection, the recognition or the Speeds up tracking.
  • the first pattern is a first graph of a time series and the second pattern is a second graph of a second time series.
  • the procedure discussed here allows risk minimization in the composition of asset portfolios.
  • the assets should be as uncorrelated as possible in order to reduce the risk of a loss in value of all the shares making up the asset portfolio at one time.
  • the method presented here for comparing a first data series with a second data series makes it easier to identify similar, in particular temporally offset, profiles.
  • a possible application of the invention discussed here is the comparison of a first movement sequence with a second movement sequence (reference), wherein the first set of values is a first movement sequence, the second value set is a second movement sequence, wherein a first pattern of a first movement sequence with a second pattern of a second movement Movement is compared.
  • This application allows, for example, an assessment of a sequence of a robot path. It should be determined on the basis of status variables such as an angle, whether the performed robot track curve as the first movement of a reference trajectory as the second trajectory corresponds. Due to mechanical play and / or specific dead times caused, for example, by digitization effects and / or mechanical inaccuracies and / or different loading of the robot arm, a temporal and / or spatial offset of the graphs of the measured status variables describing the robot path may occur. While in standard methods even small deviations in time can lead to false conclusions by classifying a correct robot path curve as faulty, the method according to the invention allows a reliable assessment.
  • status variables such as an angle
  • One possible application of the invention discussed here is the comparison of a first measured value with a second measured value, wherein the first set of values is a A plurality of first measured values, the second set of values is a plurality of second measured values, wherein a first pattern of a plurality of first measured values is compared with a second pattern of a plurality of second measured values.
  • This application of the method according to the invention allows, for example, the calibration of a first measuring device with a second measuring device and / or a parameter.
  • a plurality of measuring points, in a broader sense, a measuring curve instead of individual measured values can be compared with one another.
  • the method according to the invention can be applied to the first pattern being a first data series describing a first object and the first value set being a first object, the second pattern being a second data series describing a second object and the second value set being a second object, wherein a partial area of the first data series is compared with a partial area of the second data series.
  • the first pattern is a first object and the first value set is a first object set
  • the second pattern is a second object set
  • the second set of values is a second set of objects, wherein a first object of a first set of objects is compared with a second object of a second set of objects.
  • the invention in no way excludes that the first pattern is a partial area of a first object and the first value set is a first object, the second pattern is a partial area of a second object and the second value set is a second object, with a partial area of the first object having a partial area of the second object is compared.
  • One possible application of a comparison of a first object with a second object is in an automatically managed warehouse.
  • the method presented here offers a possibility of finding similar objects.
  • this application relates to the control or the search for discontinuities of a first object by comparison with a second object, which serves as a reference object.
  • a further field of application of the method according to the invention is the analysis of loads on an object, wherein the data quantity describing a first object is a course of a load condition in partial areas, the data set describing a second object is a course of external and / or internal loads in partial areas.
  • Stress curves in an object can be calculated with the aid of the finite element method, which is mentioned as an example in the context of the discussion of the method according to the invention.
  • the skilled person is familiar with other similar methods.
  • One of the decisive steps in terms of the result is the generation of a calculation network.
  • the sub-steps of the finite element calculation such as the generation of the calculation network can be simplified.
  • the analysis of loads of an object according to the method of the invention may also include that the data amount describing a first object is a course of a load state of a first object, the data amount describing a second object is a course of a stress state of a second object.
  • the comparison of a measured, as well as a calculated load condition also includes the evaluation of the stress state, subsequently the evaluation of a fracture state.
  • the above-mentioned simplification of the method discussed here aims at reducing the number of computation steps required and thereby making the method for comparing a first pattern with a second pattern inter alia faster.
  • Figure 1 illustrates the comparison of a first image as a first set of values with a second image as a second set of values.
  • FIG. 2 shows a possible application of the method for comparing a first measurement signal as first pattern with a second measurement signal as second pattern.
  • FIG. 3 shows an image of a first image scene at a time t and an image of a subsequent image scene at a time t + 1, as well as the discrepancy pattern and similarity pattern created according to the method described here.
  • FIG. 4 shows the course of the similarity values calculated according to the prior art with an offset in the x-direction and y-direction
  • FIG. 5 shows the curve of the similarity values calculated by the method according to the invention with an offset in the x-direction and y-direction.
  • Figure 6 shows an image of a fabric of an airbag cover and a discrepancy pattern and similarity pattern created by the method described herein.
  • FIG. 7 shows a diagram with a first graph and a second graph, the second graph being displaced by noise along the abscissa with respect to the second graph.
  • FIG. 8 shows diagrams which describe the calculation of the similarity measure of the graphs shown in FIG. 7 as a function of the strength of the noise according to the prior art and according to the inventive method discussed here.
  • Figure 9 shows a diagram with a first graph and a second graph, wherein the second graph is offset by noise along the ordinate with respect to the second graph.
  • FIG. 10 shows diagrams which show the calculation of the similarity measure of the graphs shown in FIG. 9 as a function of the strength of the noise according to the prior art and according to the inventive method discussed here.
  • FIG. 11 shows a graph with a graph of the temporal variation of a device and a reference graph.
  • FIGS. 12 to 14 illustrate the system according to the invention of forming partial regions.
  • FIG. 1 illustrates the comparison of a first pattern 3 of a first set of values 1 with a second pattern 4 of a set of values 2.
  • the first pattern 2 is divided into a first sub-area 5 and / or the second pattern 4 comprising several values into a second sub-area 6 comprising several values.
  • a calculation of a difference pattern 10 according to the formation of difference values between a property of one of the first partial areas 5 of the first pattern 2 and a property of one of the second partial areas 6 of the second pattern 3.
  • a division of the difference pattern 10 into third sub-regions 1 1, 1 1 'and definition of first sets 12, which comprise third sub-regions 1 1, 1 1' of the difference pattern 10.
  • properties of the difference pattern 10 for first set 12 are calculated.
  • discrepancy parameters are calculated for second sets 13 on the basis of the calculated properties of the difference pattern for a first set 12.
  • a calculation is made a measure of similarity over third sets 14 based on the calculation of the discrepancy parameters.
  • the calculation of the difference pattern 10 can be performed by applying a preprocessing or filtering step and / or applying a transformation and / or subtraction of a value describing a property of the first subregion 5 of the first pattern 3 to a value describing a property of the second subregion 6 of the second pattern 4 be performed.
  • the division of the difference pattern 10 into third parts regions 11, 11 'and the definition of first quantities 12 of third part regions 11, 11' of the difference pattern 10 takes place by forming Integral sub-areas and / or formation of contiguous areas and / or subdivision of the third sub-areas 1 1. 1 1 'to first sets 12.
  • the calculation of properties of the difference pattern 10 for second quantities 13 is carried out by applying preprocessing steps or transformation steps to calculate from the calculated difference pattern 10 third patterns derived from the first pattern 3 and / or second pattern 4 and / or calculating the p-th power of the ⁇ -integral of the difference pattern 10 over the third portions (11, 11 ') of the difference pattern 10 and / or combining the properties of second quantities.
  • the calculation of the discrepancy parameters is calculated according to the methods, whereby calculation of weighted sums with subsequent power generation of the values which describe the properties of the difference pattern 10 and / or calculation of characteristics from the difference values.
  • the discrepancy measure is also calculated from a fourth subregion 7 of the first pattern 3 and / or from a fourth subregion 8 of the second pattern 4.
  • the similarity measure is determined after at least one or by a combination of several of the following methods, which methods include the calculation of a similarity measure using the discrepancy parameter and / or the calculation of a similarity measure using a monotonically decreasing mathematical function.
  • the method can be simplified so far that the first subregion 5 of the first pattern 3 and the second subregion 6 of the second pattern 4 are in a relationship to each other. This does not exclude that the first portion 5 of the first pattern 3 and the first portion 6 of the second pattern 4 are similar.
  • a simplification can be achieved by the first subregion 5 of the first pattern 3 and / or the second subregion 6 of the second pattern 4 and the third subregion 11, 11 'of the difference pattern 10 being in relation to one another.
  • the first subregion 5 of the first pattern 3 and / or the second subregion 6 of the second pattern 4 and the third subregion 11, 11 'of the difference pattern 10 are similar.
  • the first quantity 12 and / or the second quantity 13 and / or the third set 14 are in a relationship to one another and / or are similar.
  • first partial area 5, 6 and / or the second partial area 11 and / or the first quantity 11 and / or the second quantity 12 and / or the third quantity 13 are in a relationship to one another.
  • the first subregion 5 and the fourth subregion 7 of the first pattern 3 and / or the second subregion 8 and the fifth subregion 8 of the second pattern 4 are in a relationship to one another and / or are similar.
  • FIG. 2 shows a comparison of a first measurement signal 50, which represents the first pattern 3, with a second measurement signal 51, which represents the second pattern 4, wherein the first measurement signal 50 and the second measurement signal 51 consist of a contactless deformation measurement or an analysis of the surface of FIG Objects is won.
  • the values of the first measurement signal 50 are subdivided into first overlapping subregions 5 and the values of the second measurement signal 51 are subdivided into further first subregions 6, 6 '.
  • the difference pattern 10 is calculated.
  • the difference pattern 10 is subdivided into second subregions 1 1, which are combined to form first sets 12.
  • the difference pattern 10 and the similarity pattern 14, which was calculated according to the method discussed here, is characterized in that values with a noise of the first pattern 3 or first measurement signal 50 or of the second pattern 4 or second measurement signal 51 have a negligible influence on the discrepancy pattern 10 or similarity patterns 15.
  • FIG. 3 shows the image 100 of a first image scene of a soccer game at a time t and the image 101 of a second, subsequent image scene at a time t + 1.
  • a first football player 102 is in a dark Jersey (left footballer) and a second football player 103 in a bright jersey (right football player) to recognize, which stand out from the football field turf 104 in terms of image contrast.
  • the application outlined here is the case in which the first set of values 1 is a first image 100, the second set of values 2 is a second image 101, a first pattern 3 of a subregion 5 of a first image 100 having a second pattern 4 of a subregion 6 of a second image 102 is compared.
  • the x-axis 105 of the image 100 and the image 101 is defined in the horizontal direction.
  • the y-axis 106 of the image 100 and the image 101 is defined in the vertical direction. It should also be noted that the position of the player
  • An offset of the player 102 is as a change from a first position of the player 102 in the first image 100, which is determinable by the x-axis 105 of the image 100 and the y-axis 106 of the image 100, to a second position, which the x-axis 105 of the image 101 and the y-axis 106 of the image 101 can be determined.
  • First partial areas are formed around the first player, wherein the first partial area has properties with respect to the fourth partial areas 5 and the first player 102 with respect to the second player
  • a discrepancy pattern 10 is calculated, which is subdivided into second subareas 11, 11 '.
  • the second subregions 1 1, 1 1 ' are at least partially combined to form a first set 12.
  • the properties of the discrepancy pattern 10 are calculated from second sets 13, the parameters describing the discrepancy pattern 10 are calculated from third sets 14, whereby a similarity pattern 15 can be calculated.
  • FIG. 4 the course of the discrepancy values at an offset of the player 102 according to the above definition is in the direction of the x-axis 105 and in the direction of the y-axis 106 is shown.
  • the calculation was carried out according to a method according to the prior art, in particular according to the method of a normalized cross-correlation.
  • the discrepancy values are plotted along the z-axis 110.
  • the x-axis 1 1 1 and the y-axis 1 12 represent the offset in x and in y-direction.
  • the diagram on the course of the discrepancy values shown in FIG. 4 has a global minimum 1 13 and a plurality of local minima 1 14.
  • FIG. 5 shows the profile of the discrepancy values 124 for a displacement of the player as defined above in the direction of the x-axis 105 and in the direction of the y-axis 106.
  • the calculation was carried out according to the method of the invention. The calculation was performed using integral images, which allows linear time calculation in terms of the number of pixels in the underlying pattern.
  • the discrepancy values 124 are plotted along z-axis 120.
  • the x-axis 121 and the y-axis 122 analogously represent the offset in the x and y directions respectively.
  • the graph of the course of the discrepancy values 124 shown in FIG. 5 has a clear and distinct global minimum 123. There are no local minima.
  • the curve of the discrepancy measure 124 shows a smooth course. Due to this history of discrepancy values 124, recognizing, tracking, and registering patterns is much easier.
  • FIG. 6 shows a tissue of an airbag with a discontinuity 134, the first pattern 3 being a first section of the tissue 130 and the first value set 1 being a first object structure 132.
  • the second pattern 4 is a second portion of the fabric 131 and the second set of values 4 is a second object pattern 133.
  • the first portion of the fabric 130 is compared to the second portion of the fabric 131.
  • the first portion of the fabric 130 has a discontinuity 134.
  • the second portion of the fabric 131 has no discontinuity.
  • the method described here may be particularly distinguished when comparing fabrics which, like the fabric of the airbag, have a repeating structure.
  • First partial regions 5 are laid over the first section of the fabric 130 or first partial regions 6 over the second section of the fabric 131, from which the difference pattern 10 is formed.
  • the difference pattern 15 is subdivided into second subregions 1 1, 1 1 ', which are at least partially combined to form a first set 12.
  • a second set 13 and a third set 14 are formed around the discontinuity 134 such that the method described here for comparing a first pattern 3 with a second pattern 4 yields best results.
  • the formation of the subregions and the quantity can be known by adaptive methods such as these, for example, from the generation of calculation networks for finite element methods.
  • the similarity pattern 15 or a similarity measure is calculated.
  • a first graph 140 and a second graph 141 are shown in a diagram, wherein the second graph 141 has an offset along the abscissa 142 with respect to the first graph 140. Such an offset may be due to a superposition of the first graph 140 and / or the second graph 141 by a noise signal (commonly referred to as noise).
  • the first graph 140 and the second graph 141 have a substantially similar course.
  • the use case of the inventive method outlined here is that the first pattern 3 is a first value and the first value set 1 is a first data series, the second pattern 4 is a second value and the first value set 2 is a second data series, wherein a first value of a first data series is compared with a second value of a dataset.
  • FIG. 8 shows the calculation of the similarity measure of the first graphs 140 shown in FIG. 8 with the second graph 141 as a function of the strength of the noise signal.
  • the strength of the noise signal is plotted on the abscissa, the similarity measure on the ordinate.
  • No similarity of the first Graph 140 with the second graph 141 is present in the case of a similarity measure of 0.0; an absolute similarity exists with a similarity measure of 1, 0.
  • the diagram 150 the result of the calculation of the similarity measure according to the prior art is shown on the basis of the graph 156, and more precisely according to the method of calculating a correlation coefficient.
  • FIG. 9 a first graph 180 and a second graph 181 are shown in a diagram, wherein the second graph 181 essentially has an offset of one dimension along the ordinate 182 with respect to the first graph 180 and a different gradient in partial regions. Such an offset may be due to a superposition of the first graph 180 and / or the second graph 181 by a noise signal (commonly referred to as noise).
  • the first graph 180 and the second graph 181 have a substantially similar course.
  • the application of the method according to the invention outlined here can essentially be reduced to the fact that the first pattern 3 is a first value and the first value set 1 is a first data series, the second pattern 4 is a second value and the first value set 2 is a second data series first value of a first data series is compared with a second value of a data quantity.
  • FIG. 10 shows the calculation of the similarity measure of the first graph 180 shown in FIG. 10 with the second graph 141 as a function of the strength of the noise signal.
  • the strength of the noise signal is plotted on the abscissa, the similarity measure on the ordinate.
  • No similarity of the first graph 180 with the second graph 181 is present in the case of a similarity measure of 0.0; an absolute similarity exists with a similarity measure of 1, 0.
  • Graph 190 shows the result of the similarity calculation according to the prior art on the basis of graph 196, and the method of calculating a correlation coefficient in more detail.
  • FIG. 11 shows an application of the method according to the invention for evaluating a state of a device discussed here.
  • the abscissa of the diagram is the time axis, while the ordinate represents the relevant value of a status variable relating to the state of the device.
  • the status variable of the device may be a set of measured positions 212 of an arm of a robot, which is compared to a set of desired positions 213.
  • the set of values at desired position 213 is shown on the basis of the first graph 21 1.
  • the first graph 21 1 is thus the reference curve.
  • the set of values at measured positions 212 is represented by the second graph 210.
  • the value set at measured position 212 is compared with the set position 213.
  • the measured position 212 deviates from the desired position by a defined amount 215 to minimize a possible dead time 214 at the beginning of a considered movement.
  • FIG. 15 illustrates the use of the inventive method for determining corresponding points, in other words for creating an offset map.
  • the first pattern 3 forms a first value set 1, the second pattern 4 the second value set 2.
  • a first subregion 4 of the first pattern 2 is formed, which first subregion 4 contains the point A.
  • a second subregion 5 of the second pattern 3 is formed.
  • the second portion 5 is along a line BC which calculates disparities between the first partial area 4 and the local position of the second partial area 5.
  • the disparity is shown in the diagram.
  • the offset point A ' is the point having a local minimum of disparities.
  • the inventive method for finding corresponding points is characterized mainly by a robustness against noise.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

Verfahren zum Vergleich eines ersten Musters 3 einer aus skalaren und/oder vektoriellen Werten gebildete ersten Wertemenge 1 mit einem zweiten Muster 4 einer aus skalaren und/oder vektoriellen Werten gebildete zweiten Wertemenge 2, wobei das Verfahren folgende Teilschritte umfasst: - Bildung zumindest eines ersten Teilbereiches 5 des ersten Musters 2 und Bildung zumindest eines zweiten Teilbereiches 6 des zweiten Musters 3, - Berechnung von Differenzwerten zwischen Eigenschaften eines der ersten Teilbereiche 5 und Eigenschaften eines der zweiten Teilbereiche 6 und Bildung eines Differenzmusters 10 aus den Differenzwerten, - Teilung des Differenzmusters 10 in dritte Teilbereiche 11, 11', - Bildung von ersten Mengen 12 der dritten Teilbereiche 11, 11' und Berechnung von Eigenschaften des Differenzmusters 10 für die erste Mengen 12, - Bildung von zweiten Mengen 13 der dritten Teilbereiche 11, 11' und Berechnung von Diskrepanzparametern für die zweiten Mengen 13 und gegebenenfalls in Bezugnahme auf die berechneten Eigenschaften des Differenzmusters 10 für erste Mengen 12, - Bildung von dritten Mengen 14 der dritten Teilbereiche 11, 11' und Berechung eines Ähnlichkeitsmaßes für eine Eigenschaft der dritten Mengen 14 und gegebenenfalls auf Basis der berechneten Diskrepanzparameter für zweite Mengen 13 und/oder des berechneten Differenzmusters 10 für erste Mengen 12.

Description

Diskrepanzmaß
Diese Erfindung betrifft ein Verfahren zum Vergleich eines ersten Musters einer aus skalaren und/oder vektoriellen Werten gebildeten ersten Wertemenge mit einem zweiten Muster einer aus skalaren und/oder vektoriellen Werten gebildeten zweiten Wertemenge, wobei ein Muster eine Zuordnung ist, die den Grundelementen einer Grundmenge Werte einer Wertemenge zuordnet.
Verfahren nach dem Stand der Technik sind in folgenden Publikationen beschrieben:
- J. F. Bercher. On some entropy functionals derived from Renyi Information divergent». Inf. Sei., 178(12):2489-2506, 2008.
- R. Jain, S.N.J. Murthy, P.L.J. Chen, and S. Chatterjee. Similarity measures for image databases. volume 3, pages 1247-1254, 1995.
- W. Jiang, G. Er, Q. Dai, and J. Gu. Similarity-based online feature selection in content-based image retrieval. IEEE Transactions on Image Processing, 15(3):702-712, 2006.
- J.P.W. Pluim, J.B.A. Maintz, and M.A. Viergever. f-lnformation measures in medical image registration. IEEE Transactions on Medical Imaging,
23(12):1506-1518, 2004.
- Campbell, Lo, and MacKinlay: The Econometrics of Financial Markets, NJ:
Princeton University Press, 1996.
- Christopher F. Baum. An Introduction to Modern Econometrics Using Stata.
Stata Press, 2006.
- Patrick F. Dunn, Measurement and Data Analysis for Engineering and
Science, New York: McGraw-Hill, 2005.
- H. Hirschmüller and D. Scharstein, "Evaluation of stereo matching costs on images with radiometric differences," IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI) 31 , pp. 1582-1599, September 2009.
Die hier angeführten bekannten Verfahren zur Berechnung von Vergleichswerten von Mustern - wie etwa das Korrelationsmaß („normalized cross correlatiön") - basieren auf dem Grundprinzip, dass in einem ersten Schritt Vergleichswerte für die jeweiligen
- 1 -
Er z l tt R l 2 nicht weiter zerlegbaren Grundelemente der Grundmengen berechnet werden und in weiteren Schritten aus diesen elementweise berechneten Vergleichswerten Vergleichswerte für die Muster etwa durch Summation abgeleitet werden. Vergleicht man zeitlich oder räumlich versetzte Muster, so kann sich aufgrund des in den oben angeführten Dokumenten beschriebenen Grundprinzips ergeben, dass für einen größeren Versatz ein hohes Ähnlichkeitsmaß und für einen geringeren Versatz ein geringes Ähnlichkeitsmaß fälschlicher Weise berechnet wird.
Seien etwa die Muster M M2, M3 auf der Grundmenge der natürlichen Zahlen so definiert, dass M1 den Grundelementen„0" und„2" den Wert„1 " und sonst allen Grundelementen den Wert„0" zuordnet, dass M2 den Grundelementen„1 " und„3" den Wert„1 " und sonst allen Grundelementen den Wert„0" zuordnet und, dass 3 den Grundelementen„2" und„4" den Wert„1 " und sonst allen Grundelementen den Wert „0" zuordnet, dann berechnen die bekannten Verfahren einen höheren Ähnlichkeitswert zwischen M1 und 3 als zwischen M1 und M2. Das neue hier beschriebene Verfahren jedoch liefert einen höheren Ähnlichkeitswert zwischen M1 und M2 als zwischen M1 und 3.
Das nicht-monotone Verhalten des nach den in den oben angeführten Dokumenten beschriebenen Verfahren berechneten Ähnlichkeitsmaßes eines ersten Musters mit einem zweiten Muster, welche einen zeitlichen oder räumlichen Versatz aufweisen, führt zu falschen Schlussfolgerungen, insbesondere wenn die Ähnlichkeit von vorliegenden Mustern insbesondere solcher mit höher frequenten Anteilen oder/und zusätzlichem Rauschanteil bewertet werden soll.
In der folgenden Publikation wird die Problematik der Berechnung von falschen Ähnlichkeitsmaßen aufgrund des nicht-monotonen Verhaltens des Ähnlichkeitsmaßes bei Berechnung nach einem der in den oben angeführten Dokumenten beschriebenen Verfahren in Abhängigkeit des räumlichen oder zeitlichen Versatzes für Grauwertbilddaten diskutiert und theoretisch analysiert:
B. Moser. A Similarity Measure for Image and Volumetrie Data Based on Hermann Weyl's Discrepancy, to appear in IEEE Transactions on Pattern Analysis and Machine Intelligence, first Published: 2009-02-27, ISSN: 0162- 8828, DOI: 10.1109/TPAMI.2009.50.
Erfindungsgemäß wird das hier diskutierte Problem der Berechnung eines Vergleichswertes für ein erstes Muster einer ersten Wertemenge und eines zweiten Musters einer zweiten Wertemenge auf die Weise gelöst, dass das Verfahren folgende Teilschritte umfasst:
Bildung zumindest eines ersten Teilbereiches des ersten Musters und Bildung zumindest eines zweiten Teilbereiches des zweiten Musters,
Berechnung von Differenzwerten zwischen Eigenschaften eines der ersten Teilbereiche und Eigenschaften eines der zweiten Teilbereiche und Bildung eines Differenzmusters aus den Differenzwerten,
Teilung des Differenzmusters in dritte Teilbereiche,
Bildung von ersten Mengen der dritten Teilbereiche und Berechnung von Eigenschaften des Differenzmusters für die ersten Mengen,
Bildung von zweiten Mengen der dritten Teilbereiche und Berechnung von
Diskrepanzparametern für die zweiten Mengen und gegebenenfalls in Bezugnahme auf die berechneten Eigenschaften des Differenzmusters für die ersten Mengen,
Bildung von dritten Mengen der dritten Teilbereiche und Berechung eines Ähnlichkeitsmaßes für eine Eigenschaft der dritten Mengen und gegebenenfalls auf Basis der berechneten Diskrepanzparameter für zweite Mengen und/oder des berechneten Differenzmusters für die ersten Mengen.
Gegeben sind ein erstes Muster Mx ■. xx ->· w1 und ein zweites Muster M2 ■■ x2 -> w2, wobei Xi eine Grundmenge darstellt und wt eine Menge an möglichen numerischen oder vektoriellen Werten darstellt, wobei = 1, 2. Die einzelnen Teilschritte werden unter Zuhilfenahme von Mitteln der elektronischen Datenverarbeitung durchgeführt:
In einem ersten Teilschritt werden die erste Grundmenge des ersten Musters und die zweite Grundmenge des zweiten Musters in erste beziehungsweise zweite Teilbereiche unterteilt. Die Unterteilung des ersten Musters kann in Abhängigkeit der Eigenschaften des ersten Muster beziehungsweise der ersten Grundmenge und/oder des zweiten Musters beziehungsweise der zweiten Grundmenge erfolgen. Das erfindungsgemäße Verfahren kann dadurch geprägt sein, dass einer der ersten Teilbereiche des ersten Musters und/oder einer der zweiten Teilbereiche des zweiten Musters mehrere Werte umfasst. Es ist keinesfalls zwingend, dass der erste Teilbereich des ersten Musters und der zweite Teilbereich des zweiten Musters gleich groß beziehungsweise gleich viele Werte umfasst. Im Sinne einer Reduktion des notwendigen Rechenaufwandes kann es sinnvoll sein, dass der erste Teilbereich des ersten Musters und der zweite Teilbereich des zweiten Musters gleich groß sind beziehungsweise gleich viele Werte umfasst. Einer der dritten Teilbereiche des Differenzmusters kann zumindest Teilbereiche eines der ersten Teilbereiche des ersten Musters und/oder eines der zweiten Teilbereiche des zweiten Musters beinhalten. Das erfindungsgemäße Verfahren schließt nicht aus, dass sich einer der dritten Teilbereiche über Teilbereiche erstreckt, welche nicht Teilbereiche eines der ersten Teilbereiche des ersten Musters und/oder eines der zweiten Teilbereiche des zweiten Musters sind.
Durch die erfindungsgemäße Unterteilung des ersten Musters und/oder des zweiten Musters in erste beziehungsweise zweite Teilbereiche, des Diskrepanzmusters in dritte Teilbereiche sowie die Bildung von Mengen, wird monotones Verhalten des Ähnlichkeitsmaßes bei räumlichen oder zeitlichen Versatz unterbunden. Aus den Ähnlichkeitsmaßen kann im Rahmen dieser Erfindung ein Ähnlichkeitsmuster erstellt werden. Das Ähnlichkeitsmuster enthält einen Ähnlichkeitsmaßwert für vorzugsweise jeden Wert des ersten Musters, welcher mit dem zweiten Muster nach dem erfindungsgemäßen Verfahren kombiniert wird.
Die Durchführung des erfindungsgemäßen Verfahrens schließt nicht aus, dass das hier diskutierte Verfahren durch Verfahren zum Vergleich eines ersten Musters mit einem zweiten Muster nach dem Stand der Technik ergänzt wird. Das erfindungsgemäße Verfahren ist keinesfalls auf die Behandlung von skalaren oder vektoriellen Werten beschränkt. In analoger Weise können eine erste Matrix mit einer zweiten Matrix, ein erster Tensor mit einem zweiten Tensor behandelt werden. Die Berechnung des Differenzmusters kann zumindest einen oder durch Kombination mehrerer der folgenden Schritte umfassen:
Anwendung eines Vorverarbeitungs- beziehungsweise Filterungsschrittes, Anwendung einer Transformation,
Subtraktion eines eine Eigenschaft des ersten Teilbereiches des ersten
Musters beschreibenden Wertes von einem eine Eigenschaft des zweiten Teilbereiches des zweiten Musters beschreibenden Wertes.
Ein Vorverarbeitungs- beziehungsweise ein Filterungsschritt kann beispielsweise eine Glättung, ein Ausfiltern von Fehl- oder Störsignalen sein. Eine Anwendung einer Transformation kann beispielsweise durch eine Subtraktion eines ersten Mittelwertes eines ersten Teilbereiches des ersten Musters von einem Mittelwert eines ersten Teilbereiches des zweiten Musters erfolgen.
Die Bildung des ersten Teilbereiches und/oder die Bildung des zweiten Teilbereiches kann folgende Schritte umfassen: Bildung eines ersten Teil des ersten Teilbereiches als Teilbereich des ersten
Musters und gegebenenfalls Bildung eines zweiten Teils des ersten Teilbereiches als Teilbereich des ersten Musters,
Berechnung von Differenzwerten zwischen Eigenschaften des ersten Teilbereiches und des ersten Musters und gegebenenfalls zwischen Eigenschaften des ersten ersten Teilbereiches und des zweiten ersten
Teilbereiches,
Bilden des ersten Teilbereiches, sodass der erste Teilbereich Teilbereiche des ersten Musters mit einer definierten Differenz umfasst.
Die definierte Differenz an Eigenschaften kann einerseits einschließen, dass die Eigenschaften gleich sind (keine Differenz), oder andererseits um ein definiertes Maß unterscheiden.
Eine Anwendung der hier diskutierten Erfindung ist die Erstellung einer so genannten Versatzkarte aus lokalen Eigenschaften von Bildern. Diese Anwendung kann Teil eines Verfahrens sein, welches die Generierung von Mehrfachansichten für eine pseudoholographische Darstellung oder für eine räumliche Rekonstruktion von Objektpunkten („Stereo Vision") umfasst.
Die Teilung des Differenzmusters in dritte Teilebereiche und die Festlegung von ersten Mengen von dritten Teilbereichen des Differenzmusters kann durch zumindest einen der folgenden Verfahrensschritte geprägt sein:
Bildung von überlappenden Teilbereichen,
Bildung von zusammenhängenden Bereichen.
Die überlappenden Teilbereiche können beispielsweise durch Integralbilder ausgebildet werden. Da erfindungsgemäß die Teilbereiche mehrere Werte umfassen, kann durch die Anordnung von Teilbereichen ein Wert zumindest zwei Teilbereichen zugeordnet werden. Durch diesen Schritt kann die Genauigkeit des erfindungsgemäßen Verfahrens im Vergleich zu den Verfahren nach dem Stand der Technik verbessert werden. Die Berechnung von Eigenschaften des Differenzmusters für zweite Mengen kann nach zumindest einer oder durch Kombination der folgenden Methoden erfolgen:
Anwendung von Vorverarbeitungsschritten oder Transformationsschritten, um aus dem berechneten Differenzmuster dritte, aus dem ersten Muster und/oder zweiten Muster abgeleitete Muster zu berechnen,
Berechnung der p-ten Potenz des μ-lntegrals des Differenzmusters über die dritte Teilbereiche des Differenzmusters, beispielsweise ET(M) = ([τ Μάμ)ρ, wobei M das Differenzmuster und τ die Menge der dritten Teilbereiche darstellt,
Kombination der Eigenschaften erster Mengen etwa durch Summenbildung, beispielsweise ET =
Figure imgf000008_0001
ET(Mi).
Die Kombination der Eigenschaften erster Mengen kann beispielsweise durch Summenbildung erfolgen und/oder durch Mittelung der Eigenschaften erster Mengen erfolgen. Die Berechnung der p-ten Potenz des μ-lntegrals kann durch eine Gewichtung ergänzt werden. Das hier diskutierte Verfahren kann sich dadurch auszeichnen, dass eine solche Gewichtung in Abhängigkeit mit einer Eigenschaft des zweiten Musters direkt und/oder indirekt in einer mathematisch definierten Zuordnung stehenden Eigenschaft des ersten Teilbereiches des ersten Musters und/oder Eigenschaft des zweiten Teilbereiches des zweiten Muster, dritten Teilbereich und/oder erster Menge erfolgt.
Die Berechnung der Diskrepanzparameter kann nach zumindest einer oder durch Kombination folgender Methoden berechnet werden:
Berechnung von gewichteten Summen mit anschließender Potenzbildung der Werte, welche die Eigenschaften des Differenzmusters beschreiben,
Berechnung von Kenngrößen aus der Menge von Differenzwerten.
Die Kenngrößen aus den Differenzwerten können geometrische und/oder farbliche Kenngrößen sein. Die zu berechnenden Kenngrößen können ein Ausdehnungsmaß oder einen Konzentrationsparameter oder einen Häufungsparameter der Differenzwerte beschreiben.
Das erfindungsgemäße Verfahren kann auf die Weise durchgeführt werden, dass die Berechnung des Ähnlichkeitsmaßes nach zumindest einer oder durch Kombination mehrerer der folgenden Methoden bestimmt wird:
Berechnung eines Ähnlichkeitsmaßes durch Kombination der
Diskrepanzparameter von abgeleiteten Mustern,
Berechnung eines Ähnlichkeitsmaßes mithilfe einer monoton fallenden Funktion /, beispielsweise f (x) = ExP(-x), gemäß SM {M1, M2) = f(DM (M)), wobei M das Differenzmuster der zu vergleichenden Muster M M2 darstellt,
Berechnung der Ähnlichkeit durch Bildung des Maximums oder einer Summe über alle Ähnlichkeitswerte sM.
Die Berechnung eines Ähnlichkeitsmaßes durch Kombination der Diskrepanzparameter DM von abgeleiteten Mustern kann mit Hilfe einer Formel mit folgendem Charakter beziehungsweise folgender Struktur SM {M- M2) DM ( -i + M2 ) 2 - DM ( M -i - M2 ) 2
DM (M1 ) - DAi (M2 )
berechnet werden, wobei B 2 die zu vergleichenden Muster bezeichnen.
Das erfindungsgemäße Verfahren kann dadurch geprägt sein, dass eine Eigenschaft des ersten Teilbereiches des ersten Musters und eine Eigenschaft des zweiten Teilbereiches des zweiten Musters in einem Verhältnis, insbesondere einer mathematisch definierbaren Zuordnung zueinander stehen.
Beispielsweise kann das Muster des ersten Wertebereiches das Muster des zweiten Wertebereiches hervorrufen oder bestimmen. Das Muster des zweiten Wertebereiches kann auch durch als eine Funktion des Musters des ersten Wertebereiches definiert sein.
Das erfindungsgemäße Verfahren kann dadurch geprägt sein, dass eine Eigenschaft des ersten Teilbereiches des ersten Musters und eine Eigenschaft des zweiten Teilbereiches des zweiten Musters einer definierten Ähnlichkeitsrelation entsprechen und somit als ähnlich zu betrachten sind. Eine Ähnlichkeitsrelation beziehungsweise eine Ähnlichkeit kann im Rahmen des erfindungsgemäßen Verfahrens durch die Angabe eines anteiligen Maßes von Gleichheit einer Eigenschaft des ersten Teilbereiches des ersten Musters und einer Eigenschaft des zweiten Teilbereiches des zweiten Musters erfolgen.
Die Schaffung von ähnlichen Teilbereichen des ersten Musters und des zweiten Musters kann die Komplexität des hier diskutierten Vergleichsverfahrens erheblich reduzieren. In der Regel kann eine solche Ähnlichkeit des ersten Teilbereiches der ersten Wertemenge und des zweiten Teilbereiches der zweiten Wertemenge durch die Menge der Werte, durch die Art der Werte gegeben sein.
Im Rahmen einer Durchführung des erfindungsgemäßen Verfahrens ist es möglich, dass eine Eigenschaft des ersten Teilbereiches des ersten Musters und/oder eine Eigenschaft des zweiten Teilbereiches des zweiten Musters und eine Eigenschaft des dritten Teilbereiches des Differenzmusters in einem Verhältnis wie in einer mathematisch definierten Zuordnung zueinander stehen. Beispielsweise kann der erste Teilbereich des ersten Musters den zweiten Teilbereich des zweiten Musters hervorrufen oder bestimmen. Das Muster des zweiten Wertebereiches kann auch durch als eine Funktion des Musters des ersten Wertebereiches definiert sein.
Das erfindungsgemäße Verfahren kann dadurch geprägt sein, dass eine Eigenschaft des ersten Teilbereiches des ersten Musters und/oder eine Eigenschaft des zweiten Teilbereiches des zweiten Musters und eine Eigenschaft des zweiten Teilbereiches des Differenzmusters einer definierten Ähnlichkeitsrelation entsprechen. Das erfindungsgemäße Verfahren kann insofern vereinfacht sein, dass eine Eigenschaft der ersten Menge und/oder eine Eigenschaft der zweiten Menge und/oder eine Eigenschaft der dritten Menge in einem Verhältnis wie beispielsweise in einer mathematisch definierbaren Zuordnung zueinander stehen. Beispielsweise kann das erste Muster das zweite Muster und/oder das dritte Muster hervorrufen oder bestimmen. Das zweite Muster und/oder das dritte Muster kann auch durch als eine Funktion des ersten Musters definiert sein. Eine im Rahmen dieser Erfindung mögliche Vereinfachung des erfindungsgemäßen Verfahren ist, dass die erste Menge und/oder die zweite Menge und/oder die dritte Menge in einer Zuordnung zueinander stehen.
Die Bildung der ersten, zweiten beziehungsweise dritten Menge kann beispielsweise durch eine Funktion in Abhängigkeit einer Eigenschaft des ersten Teilbereiches beziehungsweise einer Eigenschaft des zweiten Teilbereiches definiert sein. Eine solche Funktion kann Routinen umfassen, sodass die Bildung der zweiten beziehungsweise dritten Menge aus der ersten beziehungsweise zweiten Menge erfolgt. Eine solche Ähnlichkeit kann dadurch gegeben sein, dass die erste, zweite und dritte Menge ident sind. Die Diskussion des erfindungsgemäßen Verfahrens schließt nicht aus, dass eine Eigenschaft des ersten Teilbereiches und/oder eine Eigenschaft des zweiten Teilbereiches und/oder eine Eigenschaft des dritten Teilbereiches und/oder eine Eigenschaft der ersten Menge und/oder eine Eigenschaft der zweiten Menge und/oder eine Eigenschaft der dritten Menge in einem Verhältnis wie beispielsweise einer mathematisch definierbaren Zuodrnung zueinander stehen. In Analogie zu obiger Offenbarung kann eine Eigenschaft der zweiten Menge und/oder eine Eigenschaft der dritten Menge eine Funktion einer Eigenschaft der ersten Menge sein. Das hier diskutierte Verfahren kann auch auf die Weise erweitert werden, dass der Diskrepanzparameter aus einem vierten Teilbereich des ersten Musters und/oder aus einem fünften Teilbereich des zweiten Musters berechnet wird.
Das erfindungsgemäße Verfahren kann sich dadurch auszeichnen, dass eine Eigenschaft des zweiten Teilbereiches und eine Eigenschaft des vierten Teilbereiches des ersten Musters und/oder eine Eigenschaft des fünften Teilbereiches des zweiten Musters in einem Verhältnis wie beispielsweise in einer mathematisch definierbaren Zuordnung zueinander stehen. In Analogie zu obiger Beschreibung kann beispielsweise eine Eigenschaft des zweiten Teilbereiches des ersten Musters eine Funktion einer Eigenschaft des vierten Teilbereiches des ersten Musters und/oder einer Eigenschaft des fünften Teilbereiches des zweiten Musters sein.
Durch das Aufzeigen von Abhängigkeiten kann das hier diskutierte Verfahren zum Vergleich von Mustern erheblich vereinfacht werden.
Es ist im Rahmen des erfindungsgemäßen Verfahrens auch denkbar, dass eine Eigenschaft des zweiten Teilbereiches und eine Eigenschaft des vierten Teilbereiches des ersten Musters und/oder eine Eigenschaft des zweiten Teilbereiches und eine Eigenschaft des fünften Teilbereiches des zweiten Musters einer definierten Ähnlichkeitsrelation entsprechen. Analog zu obiger Offenbarung kann eine Ähnlichkeitsrelation durch die anteilige Gleichheit von Eigenschaften aus einer Vielzahl von Eigenschaften der Teilbereiche definiert sein.
Daraus folgt, dass die Eigenschaften der Muster des ersten Wertebereiches beziehungsweise des zweiten Wertebereiches auch in Abhängigkeit weiterer Teilbereiche des ersten Wertebereiches und/oder des zweiten Wertebereiches definiert werden können. In manchen Anwendungsfällen des erfindungsgemäßen Verfahrens kann dadurch eine Vereinfachung erreicht werden, dass der vierte beziehungsweise der fünfte Teilbereich auf jene Teilbereich beschränkt sind, welche zu dem ersten beziehungsweise zweiten Teilbereiche benachbart sind.
Ein möglicher Einsatzbereich des erfindungsgemäßen Verfahrens besteht darin, dass zu einer Eigenschaft eines Teilbereiches des ersten Musters eine Eigenschaft eines Teilbereiches des zweiten Musters mit Eigenschaften entsprechend einer definierten Ähnlichkeitsrelation in Analogie zu obiger Offenbarung gesucht wird.
Bei Anwendung des erfindungsgemäßen Verfahrens werden aus dem ersten Muster i : i ->· Wi die numerischen Werte M Ί der Grundmenge x1 gesucht, welche den numerischen Werten w der Grundmenge x2 aus dem Muster M2 -. X -> W2 ähnlich sind.
Eine mögliche Anwendung des erfindungsgemäßen Verfahrens ist, dass zu einem Teilbereich des ersten Musters ein Teilbereich des zweiten Musters eines Teilbereiches der zweiten Wertemenge mit um ein vorgegebenes Maß unterschiedlichen Eigenschaften gesucht wird.
Das erfindungsgemäße Verfahren ist keinesfalls darauf beschränkt, nur ähnliche Werte zu suchen. Es ist ebenso möglich, zu den Werten w ähnliche Werte M Ί ZU suchen, welche sich um ein vordefiniertes und/oder während der Durchführung des erfindungsgemäßen Verfahrens festgelegtes Maß von w unterscheiden. Ist ein Wertepaar bestehend aus einem Wert M Ί und einem Maß unterschiedlicher Werte (auch Korrelationsmaß genannt) w bekannt, können einfach weitere Wertepaare auf Basis dieser Information gesucht werden.
Die Suche nach ähnlichen und/oder um ein bestimmtes Maß unterschiedlichen Werten aus der ersten Wertemenge und aus der zweiten Wertemenge kann im Rahmen des erfindungsgemäßen Verfahrens auch dazu verwendet werden, Wertebereiche aus dem ersten Muster und/oder zweiten Muster auszuklammern. Solche auszuklammernde Wertebereiche können beispielsweise durch Störwertbereiche, auf Diskontinuitäten begründete Wertebereiche sein. Das erfindungsgemäße Verfahren schließt auch ein, dass eine Eigenschaft des zweiten Musters durch Steuerungsmittel in einem Teilbereich so verändert wird, dass die Eigenschaft des zweiten Musters und eine Eigenschaft des ersten Musters in einem Teilbereich einer definierten Ähnlichkeitsrelation entsprechen.
Eine Veränderung des zweiten Musters kann auf die Weise erfolgen, dass Werte des zweiten Musters geändert werden. Ebenso ist es im Rahmen dieser Erfindung nicht ausgeschlossen, dass eine Veränderung des zweiten Musters durch das Ausklammern bestimmter Wertebereiche der Wertemenge und/oder durch das Hinzufügen bestimmter Wertebereiche der Wertemenge erfolgt. Eine mögliche Anwendung der hier diskutierten Erfindung ist die Erstellung eines pseudoholographischen Bildes, wobei die erste Wertemenge ein erstes Bild, die zweite Wertemenge ein zweites Bild ist, wobei ein erstes Muster eines Teilbereiches eines ersten Bildes mit einem zweiten Muster eines Teilbereiches eines zweiten Bildes verglichen wird. Ein Teilbereich des ersten Bildes oder des zweiten Bildes kann beispielsweise ein Teilbereich an Bildpunkten sein. Die Bildpunkte können benachbart zueinander angeordnet sein und/oder in einer mathematisch definierbaren Zuordnung zueinander stehen. Die Zuordnung der Bildpunkte kann dadurch bestimmt sein, dass die Bildpunkte des ersten Bildes eine Funktion der Bildpunkte des zweiten Bildes sind.
Hierbei werden korrespondierende Intensitätsverläufe verglichen, um so Disparitäten in Form von räumlichen Versatzmustern zu ermitteln. Aufgrund der Monotonie- Eigenschaften des Korrelationsmaßes des hier diskutierten erfindungsgemäßen Verfahrens kann der Vorgang des Suchens eines ersten Bildpunktes des zweiten Bildes, welcher in einem Verhältnis zu einem zweiten Bildpunkt des ersten Bildes steht, im Vergleich zu den Verfahren nach dem Stand der Technik beschleunigen.
Ein zweiter Bildpunkt des zweiten Bildes, der in einem Verhältnis zu einem ersten Bildpunkt steht, kann ein Bildpunkt eines zweiten Bildes sein, welches aus einer anderen Perspektive als der erste Bild aufgenommen wurde. Eine mögliche Anwendung der hier diskutierten Erfindung ist die Detektion, die Erkennung („recognition") und/oder das Tracking eines Objektes in einem ersten Bild und in einem zweiten Bild, wobei die erste Wertemenge ein erstes Bild, die zweite Wertemenge ein zweites Bild ist, wobei ein Versatz eines ersten Musters eines Teilbereiches eines ersten Bildes mit einem zweiten Muster eines Teilbereiches eines zweiten Bildes erkannt wird.
Eine Detektion, ein Erkennen und ein Tracking des Objektes in einem ersten Bild beziehungsweise in einem zweiten Bild (Referenzbild) basiert zumeist auf dem Ausnützen von Monotonieeigenschaften des ersten Bildes beziehungsweise des zweiten Bildes und/oder auf dem Vorhandensein eines ausgeprägten Minimums des Ähnlichkeitsmaßes bei Vergleich des ersten Bildes als erstes Muster mit dem zweiten Bild als zweites Muster. Ein solcher günstigerer Verlauf kann sich dadurch auszeichnen, dass der Verlauf des Diskrepanzmaßes nur wenige, vorzugsweise nur ein deutlich ausgeprägtes Minimum aufweist, was die Anwendung von Grandientenverfahren oder ähnlichen Verfahren für die Minimumssuche ermöglicht und dadurch den Suchvorgang im Rahmen der Detektion, des Wiedererkennens oder des Trackings beschleunigt.
Eine andere Anwendung des erfindungsgemäßen Verfahrens ist, dass das erste Muster ein erster Graph einer Zeitreihe und das zweite Muster ein zweiter Graph einer zweiten Zeitreihe ist.
Das hier diskutierte Verfahren erlaubt eine Risikominimierung bei der Zusammenstellung von Asset-Portfolios. In Bezugnahme auf eine Theorie von Markowitz sollen die Assets möglichst unkorreliert sein, um so das Risiko eines Wertverlustes aller das Asset-Portfolio ausmachenden Aktien zu einem Zeitpunkt zu verringern. Das hier vorgestellte Verfahren zum Vergleich einer ersten Datenreihe mit einer zweiten Datenreihe erlaubt es, ähnliche insbesondere zeitlich versetzte Verläufe leichter zu erkennen.
Die Anwendung der Erfindung auf die Risikominimierung von Asset-Portfolios ist jedoch keinesfalls auf die Bewertung von beziehungsweise Suche nach ähnlichen Aktienverläufen beschränkt. In gleicher Weise können so sämtliche Unternehmenskennzahlen beziehungsweise deren Entwicklungen bewertet werden.
Eine mögliche Anwendung der hier diskutierten Erfindung ist der Vergleich eines ersten Bewegungsablaufes mit einem zweiten Bewegungsablauf (Referenz), wobei die erste Wertemenge ein erster Bewegungsablauf, die zweite Wertemenge ein zweiter Bewegungsablauf ist, wobei ein erstes Muster eines ersten Bewegungsablaufes mit einem zweiten Muster eines zweiten Bewegungsverlaufes verglichen wird.
Diese Anwendung erlaubt beispielsweise eine Beurteilung eines Ablaufes einer Roboterbahn. Dabei soll anhand von Statusvariablen wie zum Beispiel einem Winkel festgestellt werden, ob die durchgeführte Roboterbahnkurve als erster Bewegungsablauf einer Referenzbahnkurve als zweite Bahnkurve entspricht. Aufgrund von mechanischem Spiel und/oder bestimmten Totzeiten beispielsweise durch Digitalisierungseffekte hervorgerufen und/oder mechanischen Ungenauigkeiten und/oder unterschiedlicher Beladung des Roboterarms kann ein zeitlicher und/oder räumlicher Versatz der Graphen der gemessenen Statusvariablen, die die Roboterbahn beschreiben, auftreten. Während bei Standardverfahren selbst geringe zeitliche Abweichungen zu falschen Schlussfolgerungen führen können, indem eine korrekte Roboterbahnkurve als fehlerhaft klassifiziert wird, erlaubt das erfindungsgemäße Verfahren eine zuverlässige Beurteilung. Im Vergleich zu Verfahren nach dem Stand der Technik werden hierbei nicht einzelne zeitliche und/oder geometrische Bewegungspunkte, sondern mehrere Bewegungspunkte, im weiteren Sinn Bewegungsabläufe miteinander verglichen. Die hier diskutierte Erfindung schließt keinesfalls aus, dass eine Roboterkurve als erste Bewegungskurve an eine Referenzroboterkurve als zweite Bewegungskurve angepasst wird.
Eine mögliche Anwendung der hier diskutierten Erfindung ist der Vergleich eines ersten Messwertes mit einem zweiten Messwert, wobei die erste Wertemenge eine Vielzahl an ersten Messwerten, die zweite Wertemenge ein Vielzahl an zweiten Messwerten ist, wobei ein erstes Muster einer Vielzahl an ersten Messwerten mit einem zweiten Muster einer Vielzahl an zweiten Messwerten verglichen wird.
Diese Anwendung des erfindungsgemäßen Verfahren erlaubt beispielsweise die Kalibrierung eines ersten Messgerätes mit einem zweiten Messgerät und/oder einer Kenngröße. Es können hierbei mehrere Messpunkte, im weiteren Sinn ein Messverlauf anstelle einzelner Messwerte miteinander verglichen werden.
In dazu analoger Form kann das erfindungsgemäße Verfahren darauf angewandt werden, dass das erste Muster eine ein erstes Objekt beschreibende erste Datenreihe und die erste Wertemenge ein erstes Objekt, das zweite Muster eine ein zweites Objekt beschreibende zweite Datenreihe und die zweite Wertemenge ein zweites Objekt ist, wobei ein Teilbereich der ersten Datenreihe mit einem Teilbereich der zweiten Datenreihe verglichen wird.
Weiters ist eine Anwendung des hier beschriebenen Verfahrens in der Form denkbar, dass das erste Muster ein erstes Objekt und die erste Wertmenge eine erste Objektmenge, das zweite Muster ein zweites Objekt und die zweite Wertemenge eine zweite Objektmenge ist, wobei ein erstes Objekt einer ersten Objektmenge mit einem zweiten Objekt einer zweiten Objektmenge verglichen wird.
In ähnlicher Weise schließt die Erfindung keinesfalls aus, dass das erste Muster ein Teilbereich eines ersten Objektes und die erste Wertmenge ein erstes Objekt, das zweite Muster ein Teilbereich eines zweite Objektes und die zweite Wertemenge eine zweites Objekt ist, wobei ein Teilbereich des ersten Objektes mit einem Teilbereich des zweiten Objektes verglichen wird.
Eine mögliche Anwendung eines Vergleiches eines ersten Objektes mit einem zweiten Objekt liegt in einem automatisch verwalteten Lager. Das hier vorgestellte verfahren bietet eine Möglichkeit des Auffindens ähnlicher Objekte. Ebenso betrifft dieser Anwendungsfall die Kontrolle beziehungsweise die Suche nach Diskontinuitäten eines ersten Objektes durch einen Vergleich mit einem zweiten Objekt, welches als Referenzobjekt dient.
Es ist hierbei keinesfalls ausgeschlossen, dass ein Objekt in Form einer virtuellen Beschreibung, eines virtuellen Planes et cetera vorliegt.
Ein weiterer Einsatzbereich des erfindungsgemäßen Verfahrens liegt in der Analyse von Belastungen eines Objektes, wobei die ein erstes Objekt beschreibende Datenmenge ein Verlauf eines Belastungszustandes in Teilbereichen, die ein zweites Objekt beschreibende Datenmenge ein Verlauf äußerer und/innerer Belastungen in Teilbereichen ist.
Spannungsverläufe in einem Objekt können mit Hilfe der Finiten Elemente Methode berechnet werden, welche im Rahmen der Diskussion des erfindungsgemäßen Verfahrens als beispielhaft erwähnt sei. Dem Fachmann sind weitere ähnliche Methoden bekannt. Einer der hinsichtlich des Ergebnisses entscheidenden Teilschritte ist die Generierung eines Berechnungsnetzes. Durch einen Vergleich des berechneten Belastungszustandes des Objektes mit den Belastungen in Teilbereichen können die Teilschritte der Finiten Elemente Berechnung wie beispielsweise die Generierung des Berechnungsnetzes vereinfacht werden. Die Analyse von Belastungen eines Objektes nach dem erfindungsgemäßen Verfahren kann auch beinhalten, dass die ein erstes Objekt beschreibende Datenmenge ein Verlauf eines Belastungszustandes eines ersten Objektes, die ein zweites Objekt beschreibende Datenmenge ein Verlauf eines Spannungszustandes eines zweiten Objektes ist. Der Vergleich eines gemessenen, gleichsam zu einem berechneten Belastungszustand beinhaltet auch die Bewertung des Spannungszustandes, in weiterer Folge die Bewertung eine Bruchzustandes. Die zuvor öfters erwähnte Vereinfachung des hier diskutierten Verfahrens zielt darauf hin ab, dass die Anzahl der notwendigen Rechenschritte reduziert wird und dadurch das Verfahren zum Vergleich eines ersten Musters mit einem zweiten Muster unter anderem schneller durchgeführt werden kann. Figur 1 veranschaulicht den Vergleich eines ersten Bildes als eine erste Wertemenge mit einem zweiten Bild als eine zweite Wertemenge.
Figur 2 zeigt eine mögliche Anwendung des Verfahrens zum Vergleich eines ersten Messsignals als erstes Muster mit einem zweiten Messsignal als zweites Muster. Figur 3 zeigt ein Bild einer ersten Bildszene zu einem Zeitpunkt t und ein Bild einer darauffolgenden Bildszene zu einem Zeitpunkt t+1 , sowie das nach dem hier beschriebenen Verfahren erstellte Diskrepanzmuster und Ähnlichkeitsmuster.
Figur 4 den nach dem Stand der Technik berechneten Verlauf der Ähnlichkeitswerte bei einem Versatz in x-Richtung und y-Richtung,
Figur 5 den nach dem erfindungsgemäßen Verfahren berechneten Verlauf der Ähnlichkeitswerte bei einem Versatz in x-Richtung und y-Richtung zeigt.
Figur 6 zeigt ein Bild eines Gewebes einer Airbaghülle sowie eine nach dem hier beschriebenen Verfahren erstelltes Diskrepanzmuster und Ähnlichkeitsmuster.
Figur 7 zeigt ein Diagramm mit einem ersten Graphen und einen zweiten Graphen, wobei der zweite Graph in Bezug zum zweiten Graph durch Rauschen um ein Maß entlang der Abszisse versetzt ist.
Figur 8 zeigt Diagramme, welche die Berechnung des Ähnlichkeitsmaßes der in Figur 7 dargestellten Graphen in Abhängigkeit der Stärke des Rauschens nach dem Stand der Technik und nach dem hier diskutierten erfindungsgemäßen Verfahren.
Figur 9 zeigt ein Diagramm mit einem ersten Graphen und einen zweiten Graphen, wobei der zweite Graph in Bezug zum zweiten Graph durch Rauschen um ein Maß entlang der Ordinate versetzt ist.
Figur 10 zeigt Diagramme, welche die Berechnung des Ähnlichkeitsmaßes der in Figur 9 dargestellten Graphen in Abhängigkeit der Stärke des Rauschens nach dem Stand der Technik und nach dem hier diskutierten erfindungsgemäßen Verfahren. Figur 1 1 zeigt ein Diagramm mit einem Graphen über die zeitliche Veränderung einer Vorrichtung und einem Referenzgraphen. Figur 12 bis 14 veranschaulicht die erfindungsgemäße Systematik der Bildung von Teilbereichen.
Figur 15 veranschaulicht eine Anwendung des erfindungsgemäßen Verfahrens zur Auffindung korresponierender Punkte. Figur 1 veranschaulicht den Vergleich eines ersten Musters 3 einer ersten Wertemenge 1 mit einem zweiten Muster 4 einer Wertemenge 2.
In einem ersten Teilschritt erfolgt eine Teilung des ersten Musters 2 in einen mehrere Werte umfassenden ersten Teilbereich 5 und/oder des zweiten Musters 4 in einen mehrere Werte umfassenden zweiten Teilbereich 6. In einem zweiten Teilschritt wird eine Berechnung eines Differenzmusters 10 gemäß der Bildung von Differenzwerten zwischen einer Eigenschaften eines der ersten Teilbereiche 5 des ersten Musters 2 und einer Eigenschaft eines der zweiten Teilbereiche 6 des zweiten Musters 3 durchgeführt. In einem dritten Teilschritt eine Teilung des Differenzmusters 10 in dritte Teilbereiche 1 1 , 1 1 ' und Festlegung von ersten Mengen 12, welche dritte Teilbereiche 1 1 , 1 1 ' des Differenzmusters 10 umfassen. In einem vierten Teilschritt erfolgt eine Berechnung von Eigenschaften des Differenzmusters 10 für erste Menge 12. In einem fünften Teilschritt erfolgt eine Berechnung von Diskrepanzparametern für zweite Mengen 13 auf Basis der berechneten Eigenschaften des Differenzmusters für eine erste Menge 12. In einem sechsten Teilschritt wird eine Berechung eines Ähnlichkeitsmaßes über dritte Mengen 14 auf Basis der Berechnung der Diskrepanzparameter durchgeführt.
Die Berechnung des Differenzmusters 10 kann durch Anwendung eines Vorverarbeitungs- beziehungsweise Filterungsschrittes und/oder Anwendung einer Transformation und/oder Subtraktion eines eine Eigenschaft des ersten Teilbereiches 5 des ersten Musters 3 beschreibenden Wertes von einem eine Eigenschaft des zweiten Teilbereiches 6 des zweiten Musters 4 beschreibenden Wert durchgeführt werden. Die Teilung des Differenzmusters 10 in dritte Teilebereiche 1 1 , 1 1 ' und die Festlegung von ersten Mengen 12 von dritten Teilbereichen 1 1 , 1 1 ' des Differenzmusters 10 erfolgt durch Bildung von Integralteilbereichen und/oder Bildung von zusammenhängenden Bereichen und/oder Unterteilung der dritten Teilbereiche 1 1 . 1 1 ' zu ersten Mengen 12. Die Berechnung von Eigenschaften des Differenzmusters 10 für zweite Mengen 13 erfolgt durch Anwendung von Vorverarbeitungsschritten oder Transformationsschritten, um aus dem berechneten Differenzmuster 10 dritte, aus dem ersten Muster 3 und/oder zweiten Muster 4 abgeleitete Muster zu berechnen und/oder Berechnung der p-ten Potenz des μ-lntegrals des Differenzmusters 10 über die dritte Teilbereiche (1 1 , 1 1 ') des Differenzmusters 10 und/oder Kombination der Eigenschaften zweiter Mengen. Die Berechnung der Diskrepanzparameter wird nach den Methoden berechnet, wobei Berechnung von gewichteten Summen mit anschließender Potenzbildung der Werte, welche die Eigenschaften des Differenzmusters 10 beschreiben und/oder Berechnung von Kenngrößen aus den Differenzwerten umfasst. Das Diskrepanzmaß wird auch aus einem vierten Teilbereich 7 des ersten Musters 3 und/oder aus einem vierten Teilbereich 8 des zweiten Musters 4 berechnet.
Das Ähnlichkeitsmaß wird nach zumindest einer oder durch Kombination mehrerer der folgenden Methoden bestimmt wird, welche Methoden die Berechnung eines Ähnlichkeitsmaßes mit Hilfe des Diskrepanzparameters und/oder die Berechnung eines Ähnlichkeitsmaßes mit Hilfe einer monoton fallenden mathematischen Funktion umfassen.
Das Verfahren kann in so fern vereinfacht werden, dass der erste Teilbereich 5 des ersten Musters 3 und der zweite Teilbereich 6 des zweiten Musters 4 in einem Verhältnis zueinander stehen. Dies schließt nicht aus, dass der erste Teilbereich 5 des ersten Musters 3 und der erste Teilbereich 6 des zweiten Musters 4 ähnlich sind. In analoger Weise kann eine Vereinfachung erzielt werden, indem der erste Teilbereich 5 des ersten Musters 3 und/oder der zweite Teilbereich 6 des zweiten Musters 4 und der dritte Teilbereich 1 1 , 1 1 ' des Differenzmusters 10 in einem Verhältnis zueinander stehen. Der erste Teilbereich 5 des ersten Musters 3 und/oder der zweite Teilbereich 6 des zweiten Musters 4 und der dritte Teilbereich 1 1 , 1 1 ' des Differenzmusters 10 sind ähnlich. Die erste Menge 12 und/oder die zweite Menge 13 und/oder die dritte Menge 14 stehen in einem Verhältnis zueinander und/oder sind ähnlich.
Zusammenfassend gilt, dass der erste Teilbereich 5,6 und/oder der zweite Teilbereich 1 1 und/oder die erste Menge 1 1 und/oder die zweite Menge 12 und/oder die dritte Menge 13 in einem Verhältnis zu einander stehen. Der erste Teilbereich 5 und der vierte Teilbereich 7 des ersten Musters 3 und/oder der zweite Teilbereich 8 und der fünfte Teilbereich 8 des zweiten Musters 4 stehen in einem Verhältnis zueinander und/oder sind ähnlich.
Figur 2 zeigt einen Vergleich eines ersten Messsignals 50, welches das erste Muster 3 darstellt, mit einem zweiten Messsignal 51 , welches das zweite Muster 4 darstellt, wobei das erste Messsignal 50 und das zweite Messsignal 51 aus einer berührungslosen Deformationsmessung oder einer Analyse von Oberfläche von Objekten gewonnen wird. Die Werte des ersten Messsignals 50 werden in erste überlappende Teilbereiche 5 und die Werte des zweiten Messsignals 51 in weitere erste Teilbereiche 6, 6' unterteilt. Anhand der ersten Teilbereiche 5 des ersten Messsignals 50 und der ersten Teilbereiche 6 des zweiten Messsignals 51 wird das Differenzmuster 10 berechnet. Das Differenzmuster 10 wird in zweite Teilbereiche 1 1 unterteilt, welche zu erste Mengen 12 zusammengefasst werden. Es werden die Eigenschaften wie ein Grauwert des Differenzmusters 10 für zweite Menge 13, Parameter des Differenzmusters 10 für zweite Mengen 14 berechnet. Abschließend wird ein Ähnlichkeitsmaß, welches hier durch das Ähnlichkeitsmuster 15 wiedergegeben ist, berechnet. Das Differenzmuster 10 und das Ähnlichkeitsmuster 14, welches nach dem hier diskutierten Verfahren berechnet wurde, zeichnet sich dadurch aus, dass Werte mit einem Rauschen des ersten Musters 3 beziehungsweise ersten Messsignals 50 oder des zweiten Musters 4 beziehungsweise zweiten Messsignals 51 einen vernachlässigbaren Einfluss auf das Diskrepanzmuster 10 oder Ähnlichkeitsmuster 15 haben.
Figur 3 zeigt das Bild 100 einer ersten Bildszene eines Fußballspiels zu einem Zeitpunkt t und das Bild 101 einer zweiten, darauf folgende Bildszene zu einem Zeitpunkt t+1 . In beiden Bildern ist ein erster Fußballspieler 102 in einem dunklen Trikot (linker Fußballspieler) und ein zweiter Fußballspieler 103 in einem hellen Trikot (rechter Fußballspieler) zu erkennen, welche sich vom Fußballfeldrasen 104 hinsichtlich des Bildkontrastes abheben. Die hier skizzierte Anwendung ist der Fall zu verstehen, dass die erste Wertemenge 1 ein erstes Bild 100, die zweite Wertemenge 2 ein zweites Bild 101 ist, wobei ein erstes Muster 3 eines Teilbereiches 5 eines ersten Bildes 100 mit einem zweiten Muster 4 eines Teilbereiches 6 eines zweiten Bildes 102 verglichen wird.
In Bezugnahme auf die im folgenden diskutierte Anwendung des erfindungsgemäßen Verfahrens ist die x-Achse 105 des Bildes 100 und des Bildes 101 in horizontaler Richtung definiert. Die y-Achse 106 des Bildes 100 und des Bildes 101 ist in vertikaler Richtung definiert. Weiters ist festzustellen, dass die Position des Spielers
102 im ersten Bild 100 im Vergleich zu der Position des Spielers 102 im zweiten Bild 101 versetzt ist. Ein Versatz des Spielers 102 ist als eine Veränderung aus einer ersten Position des Spielers 102 im ersten Bild 100, welche durch die x-Achse 105 des Bildes 100 und die y-Achse 106 des Bildes 100 bestimmbar ist, zu einer zweiten Postion, welche durch die x-Achse 105 des Bildes 101 und die y-Achse 106 des Bildes 101 bestimmbar ist.
Es werden erste Teilbereiche um den ersten Spieler gebildet, wobei dem ersten Teilbereich Eigenschaften in Bezugnahme auf die vierten Teilbereiche 5 beziehungsweise dem ersten Spieler 102 in Bezugnahme auf den zweiten Spieler
103 zugewiesen. Auf Basis der Eigenschaften des ersten Teilbereiches des ersten Bildes 100 und des ersten Teilbereiches des zweiten Bildes 101 wird ein Diskrepanzmuster 10 berechnet, welches in zweite Teilbereiche 1 1 , 1 1 ' unterteilt wird. Die zweiten Teilbereiche 1 1 , 1 1 ' zumindest teilweise zu einer ersten Menge 12 zusammengefasst. Die Eigenschaften des Diskrepanzmusters 10 werden von zweiten Mengen 13, die das Diskrepanzmuster 10 beschreibenden Parameter werden aus dritten Mengen 14 berechnet, wodurch ein Ähnlichkeitsmuster 15 berechnet werden kann.
In Figur 4 ist der Verlauf der Diskrepanzwerte bei einem Versatz des Spielers 102 gemäß obiger Definition in Richtung der x-Achse 105 und in Richtung der y-Achse 106 dargestellt. Die Berechnung erfolgte nach einem Verfahren nach Stand der Technik, im speziellen nach dem Verfahren einer normalisierten Cross-Correlation.
In dem in Figur 4 dargestellten Diagramm sind die Diskrepanzwerte entlang z-Achse 1 10 aufgetragen. Die x-Achse 1 1 1 und die y-Achse 1 12 stellen den Versatz in x beziehungsweise in y-Richtung dar.
Das in Figur 4 dargestellte Diagramm über den Verlauf der Diskrepanzwerte weist ein globales Minimum 1 13 sowie mehrere lokale Minima 1 14 auf.
In Figur 5 ist der Verlauf der Diskrepanzwerte 124 bei einem Versatz des Spielers gemäß obiger Definition in Richtung der x-Achse 105 und in Richtung der y-Achse 106 dargestellt. Die Berechnung erfolgte nach dem erfindungsgemäßen Verfahren. Es wurde die Berechnung mithilfe von Integralbildern durchgeführt, die eine Berechnung in linearer Zeit bezüglich der Anzahl der Pixel im zugrunde liegenden Muster ermöglicht.
In dem in Figur 5 dargestellten Diagramm sind die Diskrepanzwerte 124 entlang z- Achse 120 aufgetragen. Die x-Achse 121 und die y-Achse 122 stellen analog den Versatz in x- beziehungsweise in y-Richtung dar. Das in Figur 5 dargestellte Diagramm über den Verlauf der Diskrepanzwerte 124 weist ein eindeutig und deutlich ausgeprägtes globales Minimum 123 auf. Es sind keine lokalen Minima zu erkennen. Die Kurve des Diskrepanzmaßes 124 zeigt einen glatten Verlauf. Aufgrund dieses Verlaufes der Diskrepanzwerte 124 ist die Wiedererkennung („recognition"), das Tracking und die Registrierung von Mustern deutlich einfacher.
In Figur 6 ist ein Gewebe eines Airbags mit einer Diskontinuität 134 dargestellt, wobei das erste Muster 3 ein erster Abschnitt des Gewebes 130 und die erste Wertemenge 1 eine erste Objektstruktur 132 ist. Das zweite Muster 4 ist ein zweiter Abschnitt des Gewebes 131 und die zweite Wertemenge 4 ist eine zweite Objektstruktur 133. Es wird der erste Abschnitt des Gewebes 130 mit dem zweiten Abschnitt des Gewebes 131 verglichen. Der erste Abschnitt des Gewebes 130 weist eine Diskontinuität 134 auf. Der zweite Abschnitt des Gewebes 131 weist keine Diskontinuität auf. Das hier beschriebene Verfahren kann sich besonders beim Vergleich von Geweben, die wie das Gewebe des Airbags eine wiederholende Struktur aufweisen, auszeichnen. Es werden erste Teilbereiche 5 über den ersten Abschnitt des Gewebes 130 beziehungsweise erste Teilbereiche 6 über den zweiten Abschnitt des Gewebes 131 gelegt, daraus das Differenzmuster 10 gebildet. Das Differenzmuster 15 wird in zweite Teilbereiche 1 1 , 1 1 ' unterteilt, welche zumindest teilweise zu einer ersten Menge 12 zusammengefasst werden. Es werden eine zweite Menge 13 und eine dritte Menge 14 um die Diskontinuität 134 so gebildet, dass das hier beschriebene Verfahren zum Vergleich eines ersten Musters 3 mit einem zweiten Muster 4 beste Resultate liefert. Gegebenenfalls kann die Bildung der Teilbereiche und Menge durch adaptive Verfahren wie diese beispielsweise aus der Generierung von Berechnungsnetzen für Finite-Elemente-Verfahren bekannt sind.
Aus dem Differenzmuster 10 beziehungsweise aus den Eigenschaften und Parametern des Differenzmusters 10 wird das Ähnlichkeitsmuster 15 oder ein Ähnlichkeitsmaß berechnet.
In Figur 7 sind ein erster Graph 140 und ein zweiter Graph 141 in einem Diagramm dargestellt, wobei der zweite Graph 141 in Bezug zum ersten Graphen 140 einen Versatz um ein Maß entlang der Abszisse 142 aufweist. Ein solcher Versatz kann durch eine Überlagerung des ersten Graphen 140 und/oder des zweiten Graphen 141 durch ein Rauschsignal (allgemein als Rauschen bezeichnet) begründet sein. Der erste Graph 140 und der zweite Graph 141 weisen einen im Wesentlichen ähnlichen Verlauf auf. Der hier skizzierte Anwendungsfall des erfindungsgemäßen Verfahren ist, dass das erste Muster 3 ein erster Wert und die erste Wertemenge 1 eine erste Datenreihe, das zweite Muster 4 ein zweiter Wert und die erste Wertemenge 2 eine zweite Datenreihe ist, wobei ein erster Wert einer ersten Datenreihe mit einem zweiten Wert einer Datenmenge verglichen wird.
In Figur 8 ist die Berechnung des Ähnlichkeitsmaßes der in Figur 8 dargestellten ersten Graphen 140 mit dem zweiten Graphen 141 in Abhängigkeit der Stärke des Rauschsignals dargestellt. Die Stärke des Rauschsignals ist auf der Abszisse, das Ähnlichkeitsmaß auf der Ordinate aufgetragen. Keine Ähnlichkeit des ersten Graphen 140 mit dem zweiten Graphen 141 liegt im Fall eines Ähnlichkeitsmaßes von 0,0 vor; eine absolute Ähnlichkeit liegt bei einem Ähnlichkeitsmaß von 1 ,0 vor. Im Diagramm 150 ist anhand des Graphen 156 das Ergebnis der Berechnung des Ahnlichkeitsmäßes nach dem Stand der Technik, im genaueren nach der Methode der Berechnung eines Korrelationskoeffizienten dargestellt. Im Diagramm 151 ist anhand des Graphen 157 das Ergebnis der Berechnung des Ahnlichkeitsmäßes nach dem hier diskutierten Verfahren, im genaueren mit p=1 dargestellt. Der Graph zeigt bei einem geringen Rauschsignal schon die zu erwartende hohe Ähnlichkeit zwischen dem ersten Graphen und dem zweiten Graphen. In Figur 9 sind ein erster Graph 180 und ein zweiter Graph 181 in einem Diagramm dargestellt, wobei der zweite Graph 181 in Bezug zum ersten Graphen 180 im Wesentlichen einen Versatz um ein Maß entlang der Ordinate 182 sowie in Teilbereichen einen unterschiedlichen Gradienten aufweist. Ein solcher Versatz kann durch eine Überlagerung des ersten Graphen 180 und/oder des zweiten Graphen 181 durch ein Rauschsignal (allgemein als Rauschen bezeichnet) begründet sein. Der erste Graph 180 und der zweite Graph 181 weisen einen im Wesentlichen ähnlichen Verlauf auf. Der hier skizzierte Anwendungsfall des erfindungsgemäßen Verfahren kann im Wesentlichen darauf reduziert werden, dass das erste Muster 3 ein erster Wert und die erste Wertemenge 1 eine erste Datenreihe, das zweite Muster 4 ein zweiter Wert und die erste Wertemenge 2 eine zweite Datenreihe ist, wobei ein erster Wert einer ersten Datenreihe mit einem zweiten Wert einer Datenmenge verglichen wird.
In Figur 10 ist die Berechnung des Ähnlichkeitsmaßes der in Figur 10 dargestellten ersten Graphen 180 mit dem zweiten Graphen 141 in Abhängigkeit der Stärke des Rauschsignals dargestellt. Die Stärke des Rauschsignals ist auf der Abszisse, das Ähnlichkeitsmaß auf der Ordinate aufgetragen. Keine Ähnlichkeit des ersten Graphen 180 mit dem zweiten Graphen 181 liegt im Fall eines Ähnlichkeitsmaßes von 0,0 vor; eine absolute Ähnlichkeit liegt bei einem Ähnlichkeitsmaß von 1 ,0 vor. Im Diagramm 190 ist anhand des Graphen 196 das Ergebnis der Berechnung des Ahnlichkeitsmäßes nach dem Stand der Technik, im genaueren nach der Methode der Berechnung eines Korrelationskoeffizienten dargestellt.
Im Diagramm 191 ist anhand des Graphen 197 das Ergebnis der Berechnung des Ahnlichkeitsmäßes nach dem hier diskutierten Verfahren, im genaueren mit p=1 dargestellt. Der Graph zeigt bei einem geringen Rauschsignal schon die zu erwartende hohe Ähnlichkeit zwischen dem ersten Graphen und dem zweiten Graphen.
In Figur 1 1 ist eine Anwendung des hier diskutierten erfindungsgemäßen Verfahrens zur Bewertung eines Zustandes einer Vorrichtung dargestellt. Die Abszisse des Diagramms ist die Zeitachse, während an der Ordinate der betreffende Wert einer den Zustand der Vorrichtung betreffenden Statusvariable aufgetragen ist.
Die Statusvariable der Vorrichtung kann eine Wertemenge von gemessenen Positionen 212 eines Arms eines Roboters sein, welche mit einer Wertemenge an Sollpositionen 213 verglichen wird. In Figur 13 ist die Wertemenge an Sollposition 213 anhand des ersten Graphen 21 1 dargestellt. Der erste Graph 21 1 ist somit die Referenzkurve.
Die Wertemenge an gemessenen Positionen 212 ist anhand des zweiten Graphen 210 dargestellt. Die Wertemenge an gemessene Position 212 wird mit der Sollposition 213 verglichen. Weicht die gemessene Position 212 um ein definiertes Maß 215 von der Sollposition ab, um eine mögliche Totzeit 214 am Beginn einer betrachteten Bewegung zu minimieren.
Figur 15 veranschaulicht die Verwendung des erfindungsgemäßen Verfahrens zur Ermittlung von korrespondierenden Punkten, mit anderen Worten zum Erstellen einer Versatzkarte. Das erste Muster 3 bildet eine erste Wertemenge 1 , das zweite Muster 4 die zweite Wertemenge 2. Es wird ein erster Teilbereich 4 des ersten Musters 2 gebildet, welcher erster Teilbereich 4 den Punkt A enthält. Es wird ein zweiter Teilbereich 5 des zweiten Musters 3 gebildet. Der zweite Teilbereich 5 wird entlang einer Linie BC verschoben, die Disparitäten zwischen dem ersten Teilbereich 4 und der lokalen Position des zweiten Teilbereiches 5 berechnet.
Die Disparität ist im Diagramm dargestellt. Der Versatzpunkt A' ist jener Punkt, der ein lokales Minimum an Disparitäten aufweist. Das erfindungsgemäße Verfahren zur Findung korrespondierender Punkte zeichnet sich vor allem durch eine Robustheit gegen Rauschen aus.

Claims

PATENTANSPRÜCHE
1 . Verfahren zum Vergleich eines ersten Musters (3) einer aus skalaren und/oder vektoriellen Werten gebildete ersten Wertemenge (1 ) mit einem zweiten Muster (4) einer aus skalaren und/oder vektoriellen Werten gebildete zweiten Wertemenge (2), dadurch gekennzeichnet, dass das Verfahren folgende Teilschritte umfasst:
Bildung zumindest eines ersten Teilbereiches (5) des ersten Musters (3) und Bildung zumindest eines zweiten Teilbereiches (6) des zweiten Musters (4), Berechnung von Differenzwerten zwischen Eigenschaften eines der ersten Teilbereiche (5) und Eigenschaften eines der zweiten Teilbereiche (6) und Bildung eines Differenzmusters (10) aus den Differenzwerten,
- Teilung des Differenzmusters (10) in dritte Teilbereiche (1 1 , 1 1 '),
Bildung von ersten Mengen (12) der dritten Teilbereiche (1 1 , 1 1 ') und Berechnung von Eigenschaften des Differenzmusters (10) für die ersten Mengen (12),
Bildung von zweiten Mengen (13) der dritten Teilbereiche (1 1 , 1 1 ') und Berechnung von Diskrepanzparametern für die zweiten Mengen (13) und gegebenenfalls in Bezugnahme auf die berechneten Eigenschaften des Differenzmusters (10) für die ersten Mengen (12),
Bildung von dritten Mengen (14) der dritten Teilbereiche (1 1 , 1 1 ') und Berechung eines Ähnlichkeitsmaßes für eine Eigenschaft der dritten Mengen (14) und gegebenenfalls auf Basis der berechneten Diskrepanzparameter für zweite Mengen (13) und/oder des berechneten Differenzmusters (10) für die ersten Mengen (12).
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass die Berechnung des Differenzmusters (10) zumindest einen oder durch Kombination mehrerer der folgenden Schritte umfasst:
Anwendung eines Vorverarbeitungs- beziehungsweise Filterungsschrittes, Anwendung einer Transformation, Subtraktion eines eine Eigenschaft des ersten Teilbereiches (5) des ersten Musters (3) beschreibenden Wertes von einem eine Eigenschaft des zweiten Teilbereiches (6) des zweiten Musters (4) beschreibenden Wert.
3. Verfahren nach Anspruch 1 -2, dadurch gekennzeichnet, dass die Bildung des ersten Teilbereiches (4) und/oder in Analogie hierzu die Bildung des zweiten Teilbereiches (5) folgende Schritte umfasst:
Bildung eines ersten Teil des ersten Teilbereiches als Teilbereich des ersten Musters (2) und gegebenenfalls Bildung eines zweiten Teils des ersten Teilbereiches als Teilbereich des ersten Musters (2),
Berechnung von Differenzwerten zwischen Eigenschaften des ersten Teilbereiches (4) und des ersten Musters (2) und gegebenenfalls zwischen Eigenschaften des ersten ersten Teilbereiches und des zweiten ersten Teilbereiches,
Bilden des ersten Teilbereiches (4), sodass der erste Teilbereich (4) Teilbereiche des ersten Musters (2) mit einer definierten Differenz umfasst.
4. Verfahren nach Anspruch 1 -3, dadurch gekennzeichnet, dass die Teilung des Differenzmusters (10) in dritte Teilebereiche (1 1 , 1 1 ') und die Festlegung von ersten Mengen (12) von dritten Teilbereichen (1 1 , 1 1 ') des Differenzmusters (10) durch zumindest einen der folgenden Verfahrensschritte geprägt ist:
Bildung von Integralteilbereichen,
Bildung von zusammenhängenden Bereichen.
5. Verfahren nach Anspruch 1 -4, dadurch gekennzeichnet, dass die
Berechnung von Eigenschaften des Differenzmusters (10) für erste Mengen (12) nach zumindest einer oder durch Kombination der folgenden Methoden erfolgt:
Anwendung von Vorverarbeitungsschritten oder Transformationsschritten, um aus dem berechneten Differenzmuster (10) dritte, aus dem ersten Muster (3) und/oder zweiten Muster (4) abgeleitete Muster zu berechnen,
Berechnung der p-ten Potenz des μ-lntegrals des Differenzmusters (10) über die zweiten Teilbereiche (1 1 , 1 1 ') des Differenzmusters (10),
Kombination der Eigenschaften zweiter Mengen (13).
6. Verfahren nach Anspruch 1 -5, dadurch gekennzeichnet, dass die
Berechnung der Diskrepanzparameter nach zumindest einer oder durch Kombination folgender Methoden berechnet werden:
Berechnung von gewichteten Summen mit anschließender Potenzbildung der Werte, welche die Eigenschaften des Differenzmusters (10) beschreiben,
Berechnung von Kenngrößen aus den Differenzwerten.
7. Verfahren nach Anspruch 1 -6, dadurch gekennzeichnet, dass die
Berechnung des Ähnlichkeitsmaßes nach zumindest einer oder durch Kombination mehrerer der folgenden Methoden bestimmt wird:
Berechnung eines Ähnlichkeitsmaßes mit Hilfe des Diskrepanzparameters,
Berechnung eines Ähnlichkeitsmaßes mit Hilfe einer monoton fallenden mathematischen Funktion.
8. Verfahren nach Anspruch 1 -5, dadurch gekennzeichnet, dass eine Eigenschaft des ersten Teilbereiches (5) des ersten Musters (3) und eine Eigenschaft des zweiten Teilbereiches (6) des zweiten Musters (4) in einer mathematisch definierbaren Zuordnung zueinander stehen.
9. Verfahren nach Anspruch 1 -8, dadurch gekennzeichnet, dass eine Eigenschaft des ersten Teilbereiches (5) des ersten Musters (3) und eine Eigenschaft des zweiten Teilbereiches (6) des zweiten Musters (4) einem definierten Ähnlichkeitsmaß entsprechen.
10. Verfahren nach Anspruch 1 -9, dadurch gekennzeichnet, dass eine Eigenschaft des ersten Teilbereiches (5) des ersten Musters (3) und/oder eine Eigenschaft des zweiten Teilbereiches (6) des zweiten Musters (4) und eine Eigenschaft des dritten Teilbereiches (1 1 , 1 1 ') des Differenzmusters (10) in einer mathematisch definierbaren Zuordnung zueinander stehen.
1 1 . Verfahren nach Anspruch 1 -10, dadurch gekennzeichnet, dass eine Eigenschaft des ersten Teilbereiches (5) des ersten Musters (3) und/oder eine Eigenschaft des zweiten Teilbereiches (6) des zweiten Musters (4) und eine Eigenschaft des dritten Teilbereiches (1 1 , 1 1 ') des Differenzmusters (10)einem definierten Ähnlichkeitsmaß entsprechen.
12. Verfahren nach Anspruch 1 -1 1 , dadurch gekennzeichnet, dass eine Eigenschaft der ersten Menge (12) und/oder eine Eigenschaft der zweiten Menge (13) und/oder eine Eigenschaft der dritten Menge (14) in einer mathematisch definierbaren Zuordnung zueinander stehen.
13. Verfahren nach Anspruch 1 -12, dadurch gekennzeichnet, dass eine Eigenschaft der ersten Menge (12) und/oder eine Eigenschaft der zweiten Menge (13) und/oder eine Eigenschaft der dritten Menge (14)einem definierten Ähnlichkeitsmaß entsprechen.
14. Verfahren nach Anspruch 1 -13, dadurch gekennzeichnet, dass eine Eigenschaft des ersten Teilbereiches (5) und/oder eine Eigenschaft des zweiten Teilbereiches (6) und/oder eine Eigenschaft des dritten Teilbereiches (1 1 , 1 1 ') und/oder eine Eigenschaft der ersten Menge (12) und/oder eine Eigenschaft der zweiten Menge (13) und/oder eine Eigenschaft der dritten Menge (14) in einer mathematisch definierbaren Zuordnung zueinander stehen.
15. Verfahren nach Anspruch 1 -14, dadurch gekennzeichnet, dass der
Diskrepanzparameter aus einem vierten Teilbereich (7) des ersten Musters (3) und/oder aus einem fünften Teilbereich (8) des zweiten Musters (4) berechnet wird.
16. Verfahren nach Anspruch 1 -15, dadurch gekennzeichnet, dass die
Eigenschaft des ersten Teilbereiches (5) und eine Eigenschaft des vierten Teilbereiches (7) des ersten Musters (3) und/oder eine Eigenschaft des ersten Teilbereiches (8) und eine Eigenschaft des fünften Teilbereiches (8) des zweiten Musters (4) in einer mathematisch definierbaren Zuordnung zueinander stehen.
17. Verfahren nach Anspruch 1 -16, dadurch gekennzeichnet, dass eine Eigenschaft des ersten Teilbereiches (5) und eine Eigenschaft des vierten Teilbereiches (7) des ersten Musters (3) und/oder eine Eigenschaft des ersten Teilbereiches (6) und eine Eigenschaft des fünften Teilbereiches (8) des zweiten Musters (4)einem definierten Ähnlichkeitsmaß entsprechen.
18. Verfahren nach Anspruch 1 -17, dadurch gekennzeichnet, dass zu einer Eigenschaft eines Teilbereiches des ersten Musters (3) eine Eigenschaft eines Teilbereiches des zweiten Musters (4) mit Eigenschaften entsprechend einem definiertem Ähnlichkeitsmaß gesucht wird.
19. Verfahren nach Anspruch 1 -18, dadurch gekennzeichnet, dass zu einer Eigenschaft eines Teilbereiches des ersten Musters (3) ein Teilbereich des zweiten Musters (4) mit einer um ein vorgegebenes Maß unterschiedlicher Eigenschaften gesucht wird.
20. Verfahren nach Anspruch 1 -19, dadurch gekennzeichnet, dass die
Eigenschaft des zweiten Musters (4) durch Steuerungsmittel in einem Teilbereich so verändert wird, dass die Eigenschaft des zweiten Musters der Eigenschaft des ersten Musters (3) in einem Teilbereich einem definierten Ähnlichkeitsmaß entsprechend ist.
21 . Verfahren nach Anspruch 1 -20, dadurch gekennzeichnet, dass die erste Wertemenge (1 ) ein erstes Bild (100), die zweite Wertemenge (2) ein zweites Bild (101 ) ist, wobei ein erstes Muster (3) eines Teilbereiches eines ersten Bildes (100) mit einem zweiten Muster eines Teilbereiches eines zweiten Bildes (101 ) verglichen wird.
22. Verfahren nach Anspruch 1 -21 , dadurch gekennzeichnet, dass die erste Wertemenge (1 ) ein erstes Bild (100), die zweite Wertemenge (2) ein zweites Bild (101 ) ist, wobei ein Versatz eines ersten Musters eines Teilbereiches des ersten Bildes (100) mit einem zweiten Muster eines Teilbereiches eines zweiten Bildes (101 ) berechnet wird.
23. Verfahren nach Anspruch 1 -22, dadurch gekennzeichnet, dass das erste Muster (3) ein erster Graph (180) und die erste Wertmenge (1 ) eine erste Datenreihe (183), das zweite Muster (4) ein zweiter Graph (181 ) und die zweite Wertemenge (2) eine zweite Datenreihe (184) ist, wobei der erste Graph (180) der ersten Datenreihe (183) mit dem zweiten Graphen (181 ) der zweiten Datenreihe (184) verglichen wird.
24. Verfahren nach Anspruch 1 -23, dadurch gekennzeichnet, dass die erste Wertemenge ein erster Bewegungsablauf, die zweite Wertemenge ein zweiter Bewegungsablauf ist, wobei ein erstes Muster eines ersten Bewegungsablaufes mit einem zweiten Muster eines zweiten Bewegungsverlaufes verglichen wird.
25. Verfahren nach Anspruch 1 -24, dadurch gekennzeichnet, dass die erste Wertemenge eine Vielzahl an ersten Messwerten, die zweite Wertemenge eine Vielzahl an zweiten Messwerten ist, wobei ein erstes Muster einer Vielzahl an ersten Messwerten mit einem zweiten Muster einer Vielzahl an zweiten Messwerten verglichen wird.
26. Verfahren nach Anspruch 1 -25, dadurch gekennzeichnet, dass das erste Muster (3) eine ein erstes Objekt beschreibende erste Datenreihe (183) und die erste Wertemenge ein erstes Objekt (132), das zweite Muster eine ein zweites Objekt (133) beschreibende zweite Datenreihe (184) und die zweite Wertemenge ein zweites Objekt (144) ist, wobei ein Teilbereich der ersten Datenreihe (183) mit einem Teilbereich der zweiten Datenreihe (184) verglichen wird.
27. Verfahren nach Anspruch 1 -26, dadurch gekennzeichnet, dass das erste Muster (3) ein erstes Objekt (132) und die erste Wertmenge (1 ) eine erste Objektmenge, das zweite Muster (4) ein zweites Objekt (133) und die zweite Wertemenge (2) eine zweite Objektmenge ist, wobei ein erstes Objekt (132) einer ersten Objektmenge mit einem zweiten Objekt (133) einer zweiten Objektmenge verglichen wird.
28. Verfahren nach Anspruch 1 -27, dadurch gekennzeichnet, dass das erste Muster (3) ein Teilbereich eines ersten Objektes (132) und die erste Wertmenge (1 ) ein erstes Objekt (132), das zweite Muster (4) ein Teilbereich eines zweite Objektes (133) und die zweite Wertemenge (3) eine zweites Objekt (133) ist, wobei ein Teilbereich des ersten Objektes (132) mit einem Teilbereich des zweiten Objektes (133) verglichen wird.
29. Verfahren nach Anspruch 1 -28, dadurch gekennzeichnet, dass die ein erstes Objekt (132) beschreibende Datenmenge ein Verlauf eines Belastungszustandes in Teilbereichen, die ein zweites Objekt (133) beschreibende Datenmenge ein Verlauf äußerer und/innerer Belastungen in Teilbereichen ist.
30. Verfahren nach Anspruch 1 -29, dadurch gekennzeichnet, dass die ein erstes Objekt (132) beschreibende Datenmenge ein Verlauf eines Belastungszustandes eines ersten Objektes, die ein zweites Objekt (133) beschreibende Datenmenge ein Verlauf eines Spannungszustandes eines zweiten Objektes ist.
PCT/AT2012/050044 2011-04-07 2012-04-05 Diskrepanzmass WO2012135889A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
ATA496/2011A AT511190B1 (de) 2011-04-07 2011-04-07 Diskrepanzmass
ATA496/2011 2011-04-07

Publications (2)

Publication Number Publication Date
WO2012135889A1 true WO2012135889A1 (de) 2012-10-11
WO2012135889A9 WO2012135889A9 (de) 2012-11-29

Family

ID=46125104

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/AT2012/050044 WO2012135889A1 (de) 2011-04-07 2012-04-05 Diskrepanzmass

Country Status (2)

Country Link
AT (1) AT511190B1 (de)
WO (1) WO2012135889A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3489843A1 (de) * 2017-11-23 2019-05-29 PKE Holding AG Forensische suche in datenbank

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010084714A1 (ja) * 2009-01-23 2010-07-29 日本電気株式会社 画像識別子抽出装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5835634A (en) * 1996-05-31 1998-11-10 Adobe Systems Incorporated Bitmap comparison apparatus and method using an outline mask and differently weighted bits
US6154567A (en) * 1998-07-01 2000-11-28 Cognex Corporation Pattern similarity metric for image search, registration, and comparison
JP2009053815A (ja) * 2007-08-24 2009-03-12 Nikon Corp 被写体追跡プログラム、および被写体追跡装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010084714A1 (ja) * 2009-01-23 2010-07-29 日本電気株式会社 画像識別子抽出装置
EP2390838A1 (de) * 2009-01-23 2011-11-30 Nec Corporation Vorrichtung zur extraktion von bilddentifikatoren

Non-Patent Citations (13)

* Cited by examiner, † Cited by third party
Title
BERNHARD MOSER ET AL: "On the Potential of Hermann Weyl's Discrepancy Norm for Texture Analysis", COMPUTATIONAL INTELLIGENCE FOR MODELLING CONTROL&AUTOMATION, 2008 INTERNATIONAL CONFERENCE ON, IEEE, PISCATAWAY, NJ, USA, 10 December 2008 (2008-12-10), pages 187 - 191, XP031496016, ISBN: 978-0-7695-3514-2 *
BOUCHOT J ET AL: "On autocorrelation based on Hermann Weyl's discrepancy norm for time series analysis", NEURAL NETWORKS (IJCNN), THE 2010 INTERNATIONAL JOINT CONFERENCE ON, IEEE, PISCATAWAY, NJ, USA, 18 July 2010 (2010-07-18), pages 1 - 7, XP031771796, ISBN: 978-1-4244-6916-1 *
CAMPBELL, LO; MACKINLAY: "The Econometrics of Financial Markets", 1996, PRINCETON UNIVERSITY PRESS
CHRISTOPHER F. BAUM.: "An Introduction to Modern Econometrics Using Stata", 2006, STATA PRESS
H. HIRSCHMÜLLER; D. SCHARSTEIN: "Evaluation of stereo matching costs on images with radiometric differences", IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE (TPAMI, vol. 31, September 2009 (2009-09-01), pages 1582 - 1599, XP011248100
J. F. BERCHER: "On some entropy functionals derived from Renyi information divergence", INF. SCI., vol. 178, no. 12, 2008, pages 2489 - 2506, XP022596021, DOI: doi:10.1016/j.ins.2008.02.003
J.P.W. PLUIM; J.B.A. MAINTZ; M.A. VIERGEVER: "f-Information measures in medical image registration", IEEE TRANSACTIONS ON MEDICAL IMAGING, vol. 23, no. 12, 2004, pages 1506 - 1518, XP011122770, DOI: doi:10.1109/TMI.2004.836872
JEAN-LUC ET AL: "Logo Localization Using the Discrepancy Norm (Poster presentation )", INTERNATIONAL COMPUTER VISION SUMMER SCHOOL 2010, HTTP://SVG.DMI.UNICT.IT/ICVSS2010/, 12 July 2010 (2010-07-12), Sicily, Italy, XP055035317, Retrieved from the Internet <URL:http://www.flll.jku.at/sites/default/files/u20/JLBouchot_LogoLocalization_DiscrepancyNorm.pdf> [retrieved on 20120810] *
KOTA IWAMOTO ET AL: "Response to the Call for Proposals on Video Signature Tools", 87. MPEG MEETING; 2-2-2009 - 6-2-2009; LAUSANNE; (MOTION PICTURE EXPERT GROUP OR ISO/IEC JTC1/SC29/WG11),, no. M16171, 29 January 2009 (2009-01-29), XP030044768 *
MOSER B ET AL: "On a Lipschitz Property of Hermann Weyl's discrepancy norm and its relevance. Technical Report, SCCH-TR-1011", 1 September 2010 (2010-09-01), pages 1 - 12, XP008152775, Retrieved from the Internet <URL:https://www.scch.at/RenderHTML.aspx?page=150&lang=1&subpage=&detail=2527> [retrieved on 20120820] *
PATRICK F. DUNN: "Measurement and Data Analysis for Engineering and Science", 2005, MCGRAW-HILL
R. JAIN; S.N.J. MURTHY; P.L.J. CHEN; S. CHATTERJEE, SIMILARITY MEASURES FOR IMAGE DATABASES, vol. 3, 1995, pages 1247 - 1254
W. JIANG; G. ER; Q. DAI; J. GU.: "Similarity-based online feature selection in content-based image retrieval", IEEE TRANSACTIONS ON IMAGE PROCESSING, vol. 15, no. 3, 2006, pages 702 - 712, XP008126591, DOI: doi:10.1109/TIP.2005.863105

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3489843A1 (de) * 2017-11-23 2019-05-29 PKE Holding AG Forensische suche in datenbank

Also Published As

Publication number Publication date
WO2012135889A9 (de) 2012-11-29
AT511190B1 (de) 2012-10-15
AT511190A4 (de) 2012-10-15

Similar Documents

Publication Publication Date Title
DE19521346C2 (de) Bilduntersuchungs/-Erkennungsverfahren, darin verwendetes Verfahren zur Erzeugung von Referenzdaten und Vorrichtungen dafür
DE69811049T2 (de) Elektronisches bildverarbeitungsgerät zur detektion von dimensionnellen änderungen
DE60036082T2 (de) Verfahren und vorrichtung zur wiederauffindung von texturbildern
DE69226551T2 (de) System und Verfahren zur Einordnung und Gewinnung hervorstehender Konturen für Zielerkennung
DE69630935T2 (de) Bilverarbeitungsverfahren und -vorrichtung zur automatischen Erfassung von Bereichen eines vorbestimmten Krebstyps in einem Intensitätsbild
EP2284795A2 (de) Quantitative Analyse, Visualisierung und Bewegungskorrektur in dynamischen Prozessen
DE69309300T2 (de) Verfahren und vorrichtung zur artikelklassifizierung
DE102008046859A1 (de) 3D Segmentierung von allgemeiner Läsion in CT
DE102009038364A1 (de) Verfahren und System zur automatischen Objekterkennung und anschließenden Objektverfolgung nach Maßgabe der Objektform
DE10048029A1 (de) Verfahren zur Berechnung einer zwei Abbildungen verbindenden Transformation
DE19924077A1 (de) Bildregistrierungs-Verfahren, Bildregistrierungs-Vorrichtung und Aufzeichnungsmedium
DE102017216821A1 (de) Verfahren zur Erkennung einer Objektinstanz und/oder Orientierung eines Objekts
EP1316057A2 (de) Auswerten von kantenrichtungsinformation
EP1882232B1 (de) Verfahren und vorrichtung zum bestimmen von materialgrenzen eines prüfobjekts
DE60220118T2 (de) Vorrichtung, Verfahren und Programm zum Vergleichen von Mustern
DE102018123393A1 (de) Erkennung von Parkflächen
EP1522878A1 (de) Verfahren zur Bestimmung der Lageänderung eines Gepäckstücks zur Untersuchung einer verdächtigen Region in diesem Gepäckstück
AT511190B1 (de) Diskrepanzmass
DE19953063A1 (de) Verfahren zur dreidimensionalen optischen Vermessung von Objektoberflächen
DE102014101265A1 (de) Verfahren zum Kalibrieren von Zielwerten und Verarbeitungssysteme, die zum Kalibrieren der Zielwerte konfiguriert sind
DE112017006794B4 (de) Verfahren zur Orts- und Neigungsschätzung
DE102018207411A1 (de) Verfahren zur Ermittlung von Messinformationen in einem optischen Koordinatenmessgerät
WO2000028470A2 (de) Erzeugen eines abgerollten fingerabdruckbildes aus einer serie von einzelbildern
EP1435065A1 (de) Automatische ermittlung von geometrischen modellen für optische teilerkennungen
DE112021000890T5 (de) Bildverarbeitungsvorrichtung

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12722061

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 12722061

Country of ref document: EP

Kind code of ref document: A1