Veranstaltungsarten (SWS)
Vorlesung: 2 │ Übung: 2 │ Praktikum: 0 │ Seminar: 0
Prüfungsnummer: ZKD 50009
Lehrform:

Vorlesung als Präsenzveranstaltung inklusive Berichte aus Anwendungen in Projekten, und Übung als Präsenzveranstaltung inklusive Programmierarbeiten an Arbeitsplatzrechnern

Sprache: Englisch
Turnus: WS
ECTS: 6
Prüfungsleistung Klausur (90 min.)
Mündliche Prüfung (30 min.)
zugeordnete Studiengänge
zugeordnete Personen
zugeordnete Module
Informationen
Beschreibung:

Die Veranstaltung behandelt Methoden zur Extraktion von geometrischen Strukturen aus Einzelbildern und bei dynamischen Szenen die Erfassung und Charakterisierung der Objektbewegungen aus Bildfolgen. Für Robotik-Anwendungen werden Methoden zur Kameramodellierung, und darauf basierend Methoden zur 3D Hindernislokalisierung und zur automatisierten 3D Szenenrekonstruktion behandelt. Inhalte im Einzelnen:

  • Einführung (Anwendungen, Verarbeitungsablauf)
  • Medium-Level Strukturextraktion (Geraden, Konturen, Aktive Konturen, Hough-Transformation)
  • Kameramodellierung (Linsen, Kameramerkmale, Projektionsmodelle, Bildentstehung, Kamerakalibrierung)
  • Bildfolgenanalyse (Änderungsdetektion, Objektverfolgung, Optischer Fluss, Korrespondenzanalyse)
  • Hindernisdetektion und Kartenerstellung (Objektlokalisierung, Kameralokalisierung, Dynamische Szenenrekonstruktion)
Lernziele:

Die Studierenden sollen die zu zugrunde liegenden mathematischen Ansätze verstehen und unter Verwendung einer Computer Vision Plattform entsprechende Verfahren implementieren, sowie über die Eignung ausgewählter Computer/Robot Vision Verfahren für bestimmte Aufgabenstellungen urteilen können.

Literatur:
  • D. Forsyth: Computer Vision - A Modern Approach; Prentice Hall, 2002.
  • R. Hartley, et al.: Multiple View Geometry in Computer Vision, Cambridge University Press, 2004.
  • N. Paragios, Y. Chen: Handbook of Mathematical Models in Computer Vision, Springer, 2006.
  • S. Prince: Computer Vision - Models, Learning, Inference, Cambridge University Press, 2012.
  • R. Szeliski: Computer Vision - Algorithms and Applications, Springer, 2011.
  • E. Trucco, et al.: Introductory Techniques for 3D Computer Vision; Prentice Hall, 1998.
  • Ausgewählte Zeitschriftenartikel.
  • Aktuelle eigene Artikel sowie Bachelor-/Master-/Doktorarbeiten.
Vorleistung:

Veranstaltung "Grundlagen der Bildverarbeitung" hilfreich, aber nicht unbedingte Voraussetzung.

Infolink: www.is.uni-due.de/crv
Bemerkung:
Description:

The course treats methods for extraction of geometric structures from single images and for dynamic scenes the extraction and characterisation of object movements from image sequences. For robot applications, methods for camera modelling, 3D obstacle localisation, and automatic 3D scene reconstruction are treated. Contens at a glance:

  • Introduction (applications, processing steps)
  • Medium-level processing (extraction of lines and contours, snakes, Hough transformation)
  • Camera modelling (lenses, projections, calibration, image formation)
  • Image sequence analysis (change detection, object tracking, optical flow, feature matching)
  • Obstacle detection and map building (object and camera localisation, dynamic scene reconstruction)
Learning Targets:

The students should understand the basic mathematics, be able to implement certain approaches on a Computer Vision platform, and judge the qualification of selected Computer/Robot Vision approaches for certain tasks.

Literature:
  • D. Forsyth: Computer Vision - A Modern Approach; Prentice Hall, 2002.
  • R. Hartley, et al.: Multiple View Geometry in Computer Vision, Cambridge University Press, 2004.
  • N. Paragios, Y. Chen: Handbook of Mathematical Models in Computer Vision, Springer, 2006.
  • S. Prince: Computer Vision - Models, Learning, Inference, Cambridge University Press, 2012.
  • R. Szeliski: Computer Vision - Algorithms and Applications, Springer, 2011.
  • E. Trucco, et al.: Introductory Techniques for 3D Computer Vision; Prentice Hall, 1998.
  • Ausgewählte Zeitschriftenartikel.
  • Aktuelle eigene Artikel sowie Bachelor-/Master-/Doktorarbeiten.
Pre-Qualifications:

Course "Grundlagen der Bildverarbeitung" useful, but not an absolute prerequisite.

Info Link: www.is.uni-due.de/crv
Notice: