nen, werden parallel aufbaut, symbolisch beschrie- 
ben und im Blackboard zum assoziativen Zugriff ab- 
gespeichert. Auftretende Fehler aus der Bildvor- 
verarbeitung können zu ’falschen’ Objektstrukturen 
führen. Da jedoch zum Aufbau von komplexeren 
Objektstrukturen mehrere einfachere Objektstruk- 
turen in bestimmten Anordnungen vorhanden sein 
müssen, findet im allgemeinen keine Fehlerfortpflan- 
zung statt, so daß die ’falschen’ Objektstrukturen 
nicht weiter berücksichtigt werden. 
Man kann das hier eingesetzte blackboardbasierte 
Verfahren als Parser interpretieren [1, 3, 5], der 
Bildobjekte analysiert, indem mittels geeigneter 
Produktionen (Modelle) Teilgraphen zu Ableitungs- 
graphen zusammengefaßt werden. Um alternative 
Bildinterpretationen betrachten zu können, werden 
alle Produktionen dieses Parsers im Blackboardsy- 
stem parallel angewendet. Einmal generierte Teil- 
graphen werden nicht gelöscht. Teilgraphen können 
Teile verschiedener Ableitungsgraphen sein. 
Der Ablauf innerhalb des Blackboardsystems wird 
durch eine prioritätsgesteuerte Warteschlange (Aus- 
wahlmodul) gesteuert, die zu jedem Zeitpunkt je- 
weils die nächste beste Objektstruktur aus dem 
Blackboardspeicher liefert und ihr entprechende 
Wissensmodule zuordnet. In Abbildung 1 ist die 
Struktur des Blackboardsystems dargestellt. 
SYMBOLISCHE BESCHREIBUNG DER 
OBJEKTSTRUKTUREN 
Die Objektstrukturen werden symbolisch beschrie- 
ben und in einem Blackboardspeicher zum assozia- 
tiven Zugriff abgelegt. Zur Beschreibung der Ob- 
jektstrukturen werden Attribute definiert, die je- 
weils einen Wert annehmen kónnen. Neben Attribu- 
ten, die allgemeine Aussagen über Objektstrukturen 
angeben, wie Farbe, ráumliche Koordinaten usw., 
gibt es auch ein Attribut, das die Bewertung der 
Objektstruktur angibt, das heiBt ein GütemaB da- 
für darstellt, wie ’gut’ die analysierte Objektstruk- 
tur mit dem Modell dieser Struktur übereinstimmt. 
Der assoziative Zugriff auf Objektstrukturen im 
Blackboard geschieht mittels Mengenverknüpfungen 
über diese Attributwerte. Dazu werden Werte oder 
Intervalle über Attribute angegeben. So erhält man 
z.B. alle Objektstrukturen vom Typ ’verlängertes 
168 
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
Verarbeitungs- |_ Daten i 
Modul 1 
Verarbeitungs- |. Daten 
Modul2 | Blackboard- 
Speicher 
. Verarbeitungs- |. Daten 
Modul n 
Aufruf Daten 
Ÿ 
Auswahlmodul 
  
  
  
Abb. 1: Blackboardsystem 
Geradenstück’, die einen ’ähnlichen’ Orientierungs- 
winkel wie ein vorgegebenes o haben, indem man 
eine erste Menge von Objekten bestimmt, die als 
Wert für das Attribut "Orientierung! einen Wert in- 
nerhalb eines Intervalls a — A bis a + À besitzen und 
diese Menge mit einer zweiten Menge von Objekten 
schneidet, die für das Attribut ’Objektstruktur’ den 
Wert "verlàngertes Geradenstiick’ besitzen. 
In den Produktionen wird mittels dieser asso- 
ziativen Mengenbildungen, die durch Spezialhard- 
ware unterstützt werden, für eine als nächstes zu 
verarbeitende Objektstruktur modellgesteuert eine 
Menge von zusützlich geforderten Objektstrukturen 
gebildet, die mit der zu verarbeitenden Objektstruk- 
tur zusammen eine komplexere Objektstruktur auf- 
bauen könnten. Ist die Menge leer, so kann die 
komplexere Objektstruktur nicht aufgebaut werden. 
Wie die Menge zu bilden ist, wird durch das Modell 
der aufzubauenden Objektstruktur bestimmt, wobei 
dieses Modell einer "idealen! Objektstruktur mittels 
Translation und Rotation in Abhängigkeit der zu 
verarbeitenden Objektstruktur auf die zu analysie- 
rende ’reale’ Objektstruktur angepaßt werden muß. 
Als Beispiel ist für das Modell ’Streifen’ der ex- 
plizite Aufbau in Abbildung 2 dargestellt. Ausge- 
hend von einer Objektstruktur ’verlängertes Gera- 
denstück’, das in der Abbildung dick gezeichnet ist 
(tri; 
ren 
die 
als 
Suc 
die 
tur 
arb 
wer 
rau; 
zu 
Obj 
im | 
jekt 
ren 
"Sir 
  
Für 
eine 
meh 
Hóh 
Ger 
Die 
rer 
tens 
dem 
den: 
abge