Mathias Hans

PhD Student
Contact:
Email: mhans@nulluni-bonn.de
Tel: +49 - 228 - 73 - 29 10
Fax: +49 - 228 - 73 - 27 12
Office: Nussallee 15, 1.0G, room 1.011
Address:
University of Bonn
Photogrammetry, IGG
Nussallee 15
53115 Bonn

Research Interests

  • Image Analysis
  • Pattern Recognition and Interpretation in Images and Point Clouds
  • Projective Geometry
  • Classification Methods
  • Path Planning Methods

Projects

  • ROVINA – Robots for Exploration, Digital Preservation and Visualization of Archeological Sites.
  • RobDREAM – Optimising Robot Performance while Dreaming.

Short CV

Teaching

  • Exercises BA Photogrammetrie I and II

Supervision

  • Max Rauh, Nichtparametrische Oberflächenrepräsentation aus mehreren 3D-Punktwolken,  Bachelorarbeit, 2017
  • Thomas Höllen, Realisierung und Analyse eines Verfahrens zur automatischen Kamera-Laserscanner Kalibrierung,  Bachelorarbeit, 2016
  • Daniel Kotzian, Analyse des Field D* Lite Algorithmus auf Eignung zur Pfadplanung einer Roboterplattform,  Bachelorarbeit, 2016

Publications

2012

  • M. Hans, “Die verbesserung einer bildsegmentierung unter verwendung von 3d merkmalen,” bachelor thesis Master Thesis, 2012.
    [BibTeX] [PDF]
    Ziel einer partionellen Bildsegmentierung ist die Einteilung eines Bildes in Regionen. Dabei wird jedes Pixel zu je einer Region zugeordnet. Liegen ungünstige Beleuchtungsverhältnisse im Bild vor, ist eine Segmentierung einzig basierend auf Bilddaten nicht ausreichend, da aneinandergrenzende Objekteile mit ähnlichen Farbwerten nicht unterschieden werden können. Mit Hilfe von 3D-Merkmalen können wir solche Bildsegmentierungen verbessern. Dabei liegt der Fokus der Arbeit auf segmentierten Luftbildern mit Dachflächen. Mit der Annahme, dass sich die Dächer aus Flächen erster Ordnung zusammensetzen, werden in den vorsegmentierten Bildregionen zunächst zwei Ebenen in den zugeordneten Punkten einer 3D-Punktwolke geschätzt. Hierzu wird der random sample consensus (RANSAC, Fischler and Bolles (1981)) verwendet. Wir beschränken uns auf die Trennkante zweier Dachflächen, die in einem bekannten Winkel $\varphi$ zueinander stehen und die gleiche Neigung haben. Die Berechnung der Ebenenparameter ist somit bereits mit vier geeigneten Punkten der Objektkoordinaten möglich. Mit den geschätzten Ebenen in der Punktwolke segmentierte Bildregion kann diese aufgesplittet werden. Hierzu wenden wir ein lineares diskriminatives Modell an, um eine lineare Kante als Trennung in der Bildsegmentierung einzeichnen zu können. Eine visuelle Evaluierung der Ergebnisse zeigt, dass die hier vorgestellten Verfahren eine Trennung der Dachregionen an einer sinnvollen Stelle ermöglichen. Dabei werden die Verfahren an Bildern mit unterschiedlichen Dachformen getestet. Die Leistungsfähigkeit der Verfahren hängt vor Allem von der Punktkonfiguration der von RANSAC ausgewählten Punkte ab. Diese Arbeit beschreibt uns somit Verfahren, die eine regionenbasierende Segmentierung von Dachflächen auf Luftbildern unter der Verwendung von 3D Merkmalen verbessern.

    @MastersThesis{Hans2010Die,
    Title = {Die Verbesserung einer Bildsegmentierung unter Verwendung von 3D Merkmalen},
    Author = {Hans, Mathias},
    School = {Institute of Photogrammetry, University of Bonn},
    Year = {2012},
    Note = {Betreuung: Prof. Dr.-Ing Wolfgang F\"orstner, Dipl.-Ing. Ribana Roscher},
    Type = {bachelor thesis},
    Abstract = {Ziel einer partionellen Bildsegmentierung ist die Einteilung eines Bildes in Regionen. Dabei wird jedes Pixel zu je einer Region zugeordnet. Liegen ung\"unstige Beleuchtungsverh\"altnisse im Bild vor, ist eine Segmentierung einzig basierend auf Bilddaten nicht ausreichend, da aneinandergrenzende Objekteile mit \"ahnlichen Farbwerten nicht unterschieden werden k\"onnen. Mit Hilfe von 3D-Merkmalen k\"onnen wir solche Bildsegmentierungen verbessern. Dabei liegt der Fokus der Arbeit auf segmentierten Luftbildern mit Dachfl\"achen. Mit der Annahme, dass sich die D\"acher aus Fl\"achen erster Ordnung zusammensetzen, werden in den vorsegmentierten Bildregionen zun\"achst zwei Ebenen in den zugeordneten Punkten einer 3D-Punktwolke gesch\"atzt. Hierzu wird der random sample consensus (RANSAC, Fischler and Bolles (1981)) verwendet. Wir beschr\"anken uns auf die Trennkante zweier Dachfl\"achen, die in einem bekannten Winkel $\varphi$ zueinander stehen und die gleiche Neigung haben. Die Berechnung der Ebenenparameter ist somit bereits mit vier geeigneten Punkten der Objektkoordinaten m\"oglich. Mit den gesch\"atzten Ebenen in der Punktwolke segmentierte Bildregion kann diese aufgesplittet werden. Hierzu wenden wir ein lineares diskriminatives Modell an, um eine lineare Kante als Trennung in der Bildsegmentierung einzeichnen zu k\"onnen. Eine visuelle Evaluierung der Ergebnisse zeigt, dass die hier vorgestellten Verfahren eine Trennung der Dachregionen an einer sinnvollen Stelle erm\"oglichen. Dabei werden die Verfahren an Bildern mit unterschiedlichen Dachformen getestet. Die Leistungsf\"ahigkeit der Verfahren h\"angt vor Allem von der Punktkonfiguration der von RANSAC ausgew\"ahlten Punkte ab. Diese Arbeit beschreibt uns somit Verfahren, die eine regionenbasierende Segmentierung von Dachfl\"achen auf Luftbildern unter der Verwendung von 3D Merkmalen verbessern.},
    City = {Bonn},
    Url = {http://www.ipb.uni-bonn.de/pdfs/Hans2010Die.pdf}
    }

2011

  • M. Hans and R. Roscher, “Zuordnen radiometrischer informationen zu laserscandaten von weintrauben,” Department of Photogrammetry, University of Bonn 2011.
    [BibTeX] [PDF]
    In diesem Report stellen wir zwei Verfahren vor, die radiometrische Informationen 3D-Scandaten zuordnen. Radiometrische Informationen unterstützen und verbessern die Anwendungen der Merkmalserfassung von Objekten, da sie weitere Kenntnisse über das gescannte Objekt liefern.

    @TechReport{Hans2011Zuordnen,
    Title = {Zuordnen radiometrischer Informationen zu Laserscandaten von Weintrauben},
    Author = {Hans, Mathias and Roscher, Ribana},
    Institution = {Department of Photogrammetry, University of Bonn},
    Year = {2011},
    Abstract = {In diesem Report stellen wir zwei Verfahren vor, die radiometrische Informationen 3D-Scandaten zuordnen. Radiometrische Informationen unterst\"utzen und verbessern die Anwendungen der Merkmalserfassung von Objekten, da sie weitere Kenntnisse \"uber das gescannte Objekt liefern.},
    City = {Bonn},
    Url = {http://www.ipb.uni-bonn.de/pdfs/Hans2011Zuordnen.pdf}
    }

igg
Institute of Geodesy
and Geoinformation
lwf
Faculty of Agriculture
ubn
University of Bonn