Computer/Robot Vision
Computer/Robot Vision

Die Veranstaltung stellt Methoden zur Extraktion und Rekonstruktion von geometrischen 3D Strukturen aus Bildern und Bildfolgen vor. Im Falle von dynamischen Szenen werden die Bewegungen der Objekte ermittelt und charakterisiert. Im Robotik-Kontext können Kameras geführt und damit Verfahren des aktiven, dynamischen Sehens angewendet werden.

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)
- 3D-Rekonstruktion (Stereo-Bild Triangulation, Struktur aus Bildfolgen)
- Objekt-/Situationserkennung (parametrische/nichtparametrische/strukturbasierte Verfahren)

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 Vision Verfahren für bestimmte Aufgabenstellungen urteilen können.

- 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.
- E. Trucco, et al.: Introductory Techniques for 3D Computer Vision; Prentice Hall, 1998.
- Ausgewählte Zeitschriftenartikel.
- Aktuelle eigene Artikel sowie Bachelor-/Master-/Doktorarbeiten.

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

The course treats methods for extraction and reconstruction of geometric 3D structures from images and image sequences. In dynamic scenes the movements of objects are determined and characterised. In the robotic context cameras can be steered and approaches of Active Vision will be applicable.

Overview:
- 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)
- 3D reconstruction (stereo image triangulation, shape from motion)
- Recognition of objects/situations (parametric/non-parametric/structure-based approaches)

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 Vision approaches for certain tasks.

- 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.
- E. Trucco, et al.: Introductory Techniques for 3D Computer Vision; Prentice Hall, 1998.
- Ausgewählte Zeitschriftenartikel.
- Aktuelle eigene Artikel sowie Bachelor-/Master-/Doktorarbeiten.