DSB18: Lückenfüllung Spurerkennung: Unterschied zwischen den Versionen

Aktuelle Version vom 11. April 2018, 17:36 Uhr

Autor:
Betreuer: Prof. Schneider

Motivation

Der Rundkurs bei Carolo Cup weist zahlreiche Fehlstellen auf. Während dieser soll das Fahrzeug weiterhin in der korrekten Spur fahren.

Ziel

Korrekte Fahrspurerkennung trotz Fehlstellen.

Anforderungen

Nutzen Sie die Aufzeichnung des Rundkurses mit Fehlsetellen.
Lesen Sie diese Aufzeichnung als Endlosschleife in Matlab ein.
Optimieren Sie die Fahrspurerkennung, so dass Fehlstellen überbrückt werden.
Optimieren Sie die Laufzeit des Algorithmus.
Bewerten Sie Ihr Ergebnis.
Wissenschaftliche Dokumentation als HSHL-Wiki Artikel
Softwareentwicklung nach SDE Standard in SVN
Funktionsnachweis als YouTube-Video (vgl. Veranstaltungsregeln)

Lösungen

Weblinks

BSD-Lizenzbedingung BSD-Lizenz

→ zurück zum Hauptartikel: Digitale Signal- und Bildverarbeitung SoSe2018

@@ Zeile 3: / Zeile 3: @@
 == Motivation ==
-ArUco Marker ermöglichen eine low-cost Lokalisierung.
+Der Rundkurs bei Carolo Cup weist zahlreiche Fehlstellen auf. Während dieser soll das Fahrzeug weiterhin in der korrekten Spur fahren.
 == Ziel ==
-Die Verarbeitung von ArUco Marken mit Matlab ermöglicht die Lokalisierung der Marker in einer realen Umgebung. So lässt sich mir einfachen Mitteln eine Lokalisierung (Ground Truth) realisieren. Position und Lage der Marker sollen in Echtzeit in Weltkoordinaten bestimmt werden.
+Korrekte Fahrspurerkennung trotz Fehlstellen.
 == Anforderungen ==
-# Recherchieren Sie was ArUco Marker sind und wie sich diese in Position und Lage detektieren lassen.
+# Nutzen Sie die Aufzeichnung des Rundkurses mit Fehlsetellen.
-# Erstellen Sie ArUko Marken mittels Matlab.
+# Lesen Sie diese Aufzeichnung als Endlosschleife in Matlab ein.
-# Nutzen Sie eine Webcam für die Detektion der Marker.
+# Optimieren Sie die Fahrspurerkennung, so dass Fehlstellen überbrückt werden.
-# Kalibrieren Sie diese Kameras.
+# Optimieren Sie die Laufzeit des Algorithmus.
-# Setzen Sie ein Verfahren zur Bestimmung der Pose eines ArUko Markers mit Matlab um.
+# Bewerten Sie Ihr Ergebnis.
-# Transformieren Sie ein Objekt aus der Kameraperspektive in Weltkoordinaten.
-# Stellen Sie die Objekte im Sichtfeld in der Draufsich metrisch dar.
-# Schätzen Sie die Genauigkeit Ihres 3D-Sensors ab.
 # Wissenschaftliche Dokumentation als HSHL-Wiki Artikel
 # Softwareentwicklung nach SDE Standard in SVN
@@ Zeile 25: / Zeile 22: @@
 == Weblinks ==
-* [https://docs.opencv.org/3.1.0/d5/dae/tutorial_aruco_detection.html Detection of ArUco Markers]
+* [[L%C3%BCckenbehandlung_bei_der_Spurerkennung| T. Salinski: Lückenbehandlung bei der Spurerkennung]]
-* [https://www.youtube.com/watch?v=SzVutprJ--A 3D camera calibration with OpenCV and arUco markers]
+* [http://youtu.be/W-16lhrCXo0 Carolo Cup 2013 (TU Braunschweig)]
-* [https://www.youtube.com/watch?v=_gvvK6h-wxg YouTube: Aruco Markers Tutorial E01 - What are Aruco Markers?]
+*[https://youtu.be/iIPrzOXOnaY Lückenbehandlung bei der Spurerkennung]
-* [https://www.youtube.com/watch?v=VsIMl8O_F1w Robot Localization using ArUco]
 == [[BSD-Lizenzbedingung BSD-Lizenz]] ==