DSB18: Inverse Perspektiventransformation: Unterschied zwischen den Versionen

Version vom 11. April 2018, 16:59 Uhr

Autor:
Betreuer: Prof. Schneider

Motivation

Autonome Fahrzeuge benötigen eine virtuelle Rundumsicht.

Ziel

Die perspektivischen Daten einer Kamera sollen anhand intrinsischer und extrinsischer Parameter in eine Rundumsicht

Anforderungen

Recherchieren Sie was ArUco Marker sind und wie sich diese in Position und Lage detektieren lassen.
Erstellen Sie ArUko Marken mittels Matlab.
Nutzen Sie eine Webcam für die Detektion der Marker.
Kalibrieren Sie diese Kameras.
Setzen Sie ein Verfahren zur Bestimmung der Pose eines ArUko Markers mit Matlab 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

Literatur

[https://www.google.de/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0ahUKEwjQ65Wq2LLaAhVKJ1AKHd_HCRAQFggtMAA&url=http%3A%2F%2Fwww.mdpi.com%2F1424-8220%2F12%2F4%2F4431%2Fpdf&usg=AOvVaw125NrkR8PO9y_ro8JoSe1q A Vision Based Top-View Transformation Model for a Vehicle

Parking Assistant]

BSD-Lizenzbedingung BSD-Lizenz

→ zurück zum Hauptartikel: Digitale Signal- und Bildverarbeitung SoSe2018

@@ Zeile 3: / Zeile 3: @@
 == Motivation ==
-ArUco Marker ermöglichen eine low-cost Lokalisierung.
+Autonome Fahrzeuge benötigen eine virtuelle Rundumsicht.
 == 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.
+Die perspektivischen Daten einer Kamera sollen anhand intrinsischer und extrinsischer Parameter in eine Rundumsicht
 == Anforderungen ==
@@ Zeile 25: / Zeile 25: @@
 == Weblinks ==
-* [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?]
+== Literatur ==
-* [https://www.youtube.com/watch?v=VsIMl8O_F1w Robot Localization using ArUco]
+*[https://www.google.de/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0ahUKEwjQ65Wq2LLaAhVKJ1AKHd_HCRAQFggtMAA&url=http%3A%2F%2Fwww.mdpi.com%2F1424-8220%2F12%2F4%2F4431%2Fpdf&usg=AOvVaw125NrkR8PO9y_ro8JoSe1q A Vision Based Top-View Transformation Model for a Vehicle
+Parking Assistant]
+*[http://homepages.inf.ed.ac.uk/rbf/BOOKS/BANDB/LIB/bandbA1_2.pdf Camera Calibration and Inverse Perspective]
+*[https://csyhhu.github.io/2015/07/09/IPM/ BirdEye - an Automatic Method for Inverse Perspective Transformation of Road Image without Calibration]
 == [[BSD-Lizenzbedingung BSD-Lizenz]] ==