Einführung in das maschinelle Sehen in 3D [2019 SoSe] | ||
---|---|---|
Code I3DCV |
Name Einführung in das maschinelle Sehen in 3D |
|
LP 4 LP |
Dauer ein Semester |
Angebotsturnus jedes Wintersemester |
Format Vorlesung 2 SWS, Übung 2 SWS |
Arbeitsaufwand 120 h; davon 30 h Präsenzstudium 60 h Übungsaufgaben, 30 h Prüfungsvorbereitung |
Verwendbarkeit B.Sc. Angewandte Informatik, M.Sc. Angewandte Informatik |
Sprache |
Lehrende |
Prüfungsschema |
Lernziele | Die Studierenden sind in der Lage 3D Erfassungs- und Auswertemethoden in praktischen, industriellen und geisteswissenschaftlichen Anwendungen einzusetzen. Sie kennen die Gesetze und Eigenschaften von optischen Linsen, grundlegende Bildfilter, interne und externe Kameraparameter, Stereorektifizierung bzw. Structure from Motion (SfM), Bündelausgleich, Berechnung von Tiefendaten, Datenformate für unstrukturierte Gitter, numerische Krümmungsberechnung auf diskreten Mannigfaltigkeiten. Sie können den Einsatz von sowohl strukturierten Licht als auch Time-of-flight Scannern planen. Sie können grundlegende Methoden der Bildverarbeitung und Mustererkennung aus der Vorlesung als Prototyp (GNU Octave) implementieren. |
|
Lerninhalte | Bildaufnahme, Optik und Sensoren Filter zur Merkmalsdetektion Kamerakalibrierung und Merkmalsextraktion Shape from Monocular Images Shape from Multiple Images Active Range Scanner(s) Time-of-flight-scanner (TOF) 3D Objektreprasentationen und Anwendungen |
|
Teilnahme- voraus- setzungen |
empfohlen sind: Einführung in die Praktische Informatik (IPI), Programmierkurs (IPK) | |
Vergabe der LP und Modulendnote | Teilnahme an den Vorlesungen und Bestehen der Modulprüfung | |
Nützliche Literatur | J. C. Kuss, F. B. Neal, The Image Processing Handbook, 7 edition, CRC Press, 2016. J. Bernd, Digital Image Processing., Springer, 6 edition, 2005. E. R. Davies, Machine Vision – Theory, Algorithms, Practicalities, Elsevier, 2005. |