ArUco Marker mit Matlab/Simulink erkennen - Einbindung von OpenCV über S-Function: Unterschied zwischen den Versionen

Version vom 11. April 2018, 15:37 Uhr

Autor:
Betreuer: Prof. Schneider

Motivation

ArUco Marker ermöglichen eine low-cost Lokalisierung.

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.

Anforderungen

Recherchieren Sie was ArUco Marker sind und wie sich diese in Position und Lage detektieren lassen.
Erstellen Sie ArUko Marken mittels ArUko Generator.
Nutzen Sie eine Webcam für die Detektion der Marker.
Kalibrieren Sie diese Kameras.
Setzen Sie ein Verfahren zur Bestimmung der Pose eines ArUko Markers durch die Einbindung von OpenCV über eine S-Funktion um.
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
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 ==
-Durch die Verwendung von zwei Mono-Kameras lässt sich eine Tiefeninformation gewinnen.
+ArUco Marker ermöglichen eine low-cost Lokalisierung.
 == Ziel ==
-Verarbeiten Sie die Bilder zweier Mono-Webcams mit Matlab zu einem Bild mit Tiefeninformation.
+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.
 == Anforderungen ==
-# Nutzen Sie den bestehenden Aufbau mit zwei Webcams.
+# Recherchieren Sie was ArUco Marker sind und wie sich diese in Position und Lage detektieren lassen.
-# Triangulieren Sie aus beiden Bildern eine Tiefeninformation.
+# Erstellen Sie ArUko Marken mittels ArUko Generator.
-# Kalibrieren Sie die Kameras.
+# Nutzen Sie eine Webcam für die Detektion der Marker.
+# Kalibrieren Sie diese Kameras.
+# Setzen Sie ein Verfahren zur Bestimmung der Pose eines ArUko Markers durch die Einbindung von OpenCV über eine S-Funktion um.
 # Transformieren Sie ein Objekt aus der Kameraperspektive in Weltkoordinaten.
-# Stellen Sie die Objekte im Sichtfeld in der Draufsich dar.
+# 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
-# Funktionsnachweis als YouTube-Video (vgl. [[Veranstaltungsregeln_DSB_SoSe2017|Veranstaltungsregeln]])
+# Funktionsnachweis als YouTube-Video (vgl. [[Veranstaltungsregeln_DSB_SoSe2018|Veranstaltungsregeln]])
 == Lösungen ==
@@ Zeile 23: / Zeile 25: @@
 == Weblinks ==
-*
+* [https://terpconnect.umd.edu/~jwelsh12/enes100/markergen.html Aruco Marker Generator]
+* [https://tn1ck.github.io/aruco-print/ Generate ArUco Markers for printing]
+* [https://de.mathworks.com/discovery/matlab-opencv.html Using OpenCV with MATLAB]
+* [https://docs.opencv.org/3.1.0/d5/dae/tutorial_aruco_detection.html Detection of ArUco Markers]
+* [https://www.youtube.com/watch?v=SzVutprJ--A 3D camera calibration with OpenCV and arUco markers]
+* [https://www.youtube.com/watch?v=_gvvK6h-wxg YouTube: Aruco Markers Tutorial E01 - What are Aruco Markers?]
+* [https://www.youtube.com/watch?v=VsIMl8O_F1w Robot Localization using ArUco]
 == [[BSD-Lizenzbedingung BSD-Lizenz]] ==