DSB18: Objekterkennung aus dem Videobild: Unterschied zwischen den Versionen

Aus HSHL Mechatronik
Zur Navigation springen Zur Suche springen
(Die Seite wurde neu angelegt: „'''Autor:''' <br/> '''Betreuer:''' Prof. Schneider == Motivation == ArUco Marker ermöglichen eine low-cost Lokalisierung. ==…“)
 
Keine Bearbeitungszusammenfassung
 
Zeile 3: Zeile 3:


== Motivation ==
== Motivation ==
ArUco Marker ermöglichen eine low-cost Lokalisierung.  
Kartons bilden die Objekte beim Carolo-Cup. Es bedarf einer robusten Objekterkennung auf Basis des Kamerabildes. 


== Ziel ==
== 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.
* Vertiefung der Lehrveranstaltung Digitale Signal- und Bildverarbeitung.\
* Vorstellung eines Konzeptes zur Objekterkennung
* Umsetzung des Konzeptes in Matlab
* Einblendung der Objekte in das Videobild


== Anforderungen ==
== Anforderungen ==
# Recherchieren Sie was ArUco Marker sind und wie sich diese in Position und Lage detektieren lassen.
# Recherchieren Sie die theoretische Hintergründe der Objekterkennung.
# Erstellen Sie ArUko Marken mittels Matlab.
# Recherchieren Sie welche Verfahren zur Objekterkennung und -verfolgung sich für unseren Fall anwenden lassen. Publikationen zu diesem Thema finden Sie beispielsweise [http://193.175.248.52/usvn/svn/MTR_SDE_Praktikum/trunk/Literatur/Objekterkennung|hier].
# Nutzen Sie eine Webcam für die Detektion der Marker.
# Unter [http://193.175.248.52/usvn/svn/MTR_SDE_Praktikum/trunk/Software/Demos| Demos] finden Sie ein Demo zur Objekterkennung. Dieses dürfen Sie gern für die Einarbeitung nutzen. Verändern sie es jedoch bitte nicht, sondern legen Sie einen Entwicklungszweig (Branch) in Ihrem Arbeitsverzeichnis an.
# Kalibrieren Sie diese Kameras.
# Detektieren Sie die Kopierkartons im Videobild.
# Setzen Sie ein Verfahren zur Bestimmung der Pose eines ArUko Markers mit Matlab um.
# Zeigen Sie die Kartonumrisse als Rechteck in Weltkoordinaten an.
# Transformieren Sie ein Objekt aus der Kameraperspektive in Weltkoordinaten.
# Ermitteln Sie den Referenzpunkt (Mittelpunkt Vorderkante).
# Stellen Sie die Objekte im Sichtfeld in der Draufsich metrisch dar.  
# Bestimmen Sie die Objektparameter gemäß [http://193.175.248.52/usvn/svn/MTR_SDE_Praktikum/trunk/Dokumentation/Fahrzeug/Schnittstellendokumentation.docx| Schnittstellendokumentation].
# Schätzen Sie die Genauigkeit Ihres 3D-Sensors ab.
#Bewerten Sie Ihr Ergebnis.
# Wissenschaftliche Dokumentation als HSHL-Wiki Artikel
# Wissenschaftliche Dokumentation als HSHL-Wiki Artikel
# Softwareentwicklung nach SDE Standard in SVN
# Softwareentwicklung nach SDE Standard in SVN
Zeile 25: Zeile 28:


== Weblinks ==
== Weblinks ==
* [https://docs.opencv.org/3.1.0/d5/dae/tutorial_aruco_detection.html Detection of ArUco Markers]
* [[Objekterkennung | A. Haneke: Objekterkennung]]
* [https://www.youtube.com/watch?v=SzVutprJ--A 3D camera calibration with OpenCV and arUco markers]
*[http://www.mathworks.de/discovery/object-recognition.html| Objekterkennung mit Matlab]
* [https://www.youtube.com/watch?v=_gvvK6h-wxg YouTube: Aruco Markers Tutorial E01 - What are Aruco Markers?]
*[http://www.mathworks.de/de/help/images/examples/index.html| Image Processing Toolbox Examples]
* [https://www.youtube.com/watch?v=VsIMl8O_F1w Robot Localization using ArUco]
*[https://youtu.be/qF0dPcufWQY YouTube: Objekterkennung].
 
== Literatur ==
# '''Corke, P.:''' ''Robotics, Vision and Control''. Heidelberg: Springer Verlag, 2013. ISBN 978-3-642-20143-1
# '''Doege, K.-P.:''' ''Videodetektion im Straßenverkehr.'' München: Oldenbourg Wissenschaftsverlag GmbH, 2013. ISBN 978-3-486-70893-3
# '''Tönnies, K. D.:''' ''Grundlagen der Bildverarbeitung.'' München: Pearson Studium, 2005. ISBN 3-8273-7155-4
# '''Mathworks:''' ''Object Detection, Motion Estimation, and Tracking.'' [http://www.mathworks.de/de/help/vision/motion-analysis-and-tracking.html| URL]
 


== [[BSD-Lizenzbedingung BSD-Lizenz]] ==
== [[BSD-Lizenzbedingung BSD-Lizenz]] ==

Aktuelle Version vom 11. April 2018, 17:41 Uhr

Autor:
Betreuer: Prof. Schneider

Motivation

Kartons bilden die Objekte beim Carolo-Cup. Es bedarf einer robusten Objekterkennung auf Basis des Kamerabildes.

Ziel

  • Vertiefung der Lehrveranstaltung Digitale Signal- und Bildverarbeitung.\
  • Vorstellung eines Konzeptes zur Objekterkennung
  • Umsetzung des Konzeptes in Matlab
  • Einblendung der Objekte in das Videobild

Anforderungen

  1. Recherchieren Sie die theoretische Hintergründe der Objekterkennung.
  2. Recherchieren Sie welche Verfahren zur Objekterkennung und -verfolgung sich für unseren Fall anwenden lassen. Publikationen zu diesem Thema finden Sie beispielsweise [1].
  3. Unter Demos finden Sie ein Demo zur Objekterkennung. Dieses dürfen Sie gern für die Einarbeitung nutzen. Verändern sie es jedoch bitte nicht, sondern legen Sie einen Entwicklungszweig (Branch) in Ihrem Arbeitsverzeichnis an.
  4. Detektieren Sie die Kopierkartons im Videobild.
  5. Zeigen Sie die Kartonumrisse als Rechteck in Weltkoordinaten an.
  6. Ermitteln Sie den Referenzpunkt (Mittelpunkt Vorderkante).
  7. Bestimmen Sie die Objektparameter gemäß Schnittstellendokumentation.
  8. Bewerten Sie Ihr Ergebnis.
  9. Wissenschaftliche Dokumentation als HSHL-Wiki Artikel
  10. Softwareentwicklung nach SDE Standard in SVN
  11. Funktionsnachweis als YouTube-Video (vgl. Veranstaltungsregeln)

Lösungen

Weblinks

Literatur

  1. Corke, P.: Robotics, Vision and Control. Heidelberg: Springer Verlag, 2013. ISBN 978-3-642-20143-1
  2. Doege, K.-P.: Videodetektion im Straßenverkehr. München: Oldenbourg Wissenschaftsverlag GmbH, 2013. ISBN 978-3-486-70893-3
  3. Tönnies, K. D.: Grundlagen der Bildverarbeitung. München: Pearson Studium, 2005. ISBN 3-8273-7155-4
  4. Mathworks: Object Detection, Motion Estimation, and Tracking. URL


BSD-Lizenzbedingung BSD-Lizenz

Copyright (c) 2014, Hochschule Hamm-Lippstadt, Dep. Lip. 1, Prof. Schneider
Hochschule Hamm-Lippstadt. Alle Rechte vorbehalten.


→ zurück zum Hauptartikel: Digitale Signal- und Bildverarbeitung SoSe2018

Abgerufen von „https://wiki.hshl.de/wiki/index.php?title=DSB18:_Objekterkennung_aus_dem_Videobild&oldid=32896“