DSB18: Inverse Perspektiventransformation

Autor:
Betreuer: Prof. Schneider

IPM-Algorithmus

Motivation

Autonome Fahrzeuge benötigen eine virtuelle Rundumsicht.

Ziel

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

Anforderungen

1. Recherchieren Sie was ArUco Marker sind und wie sich diese in Position und Lage detektieren lassen.
2. Erstellen Sie ArUko Marken mittels Matlab.
3. Nutzen Sie eine Webcam für die Detektion der Marker.
4. Kalibrieren Sie diese Kameras.
5. Setzen Sie ein Verfahren zur Bestimmung der Pose eines ArUko Markers mit Matlab um.
6. Transformieren Sie ein Objekt aus der Kameraperspektive in Weltkoordinaten.
7. Stellen Sie die Objekte im Sichtfeld in der Draufsich metrisch dar.
8. Schätzen Sie die Genauigkeit Ihres 3D-Sensors ab.
9. Wissenschaftliche Dokumentation als HSHL-Wiki Artikel
10. Softwareentwicklung nach SDE Standard in SVN
11. Funktionsnachweis als YouTube-Video (vgl. Veranstaltungsregeln)

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]

• Camera Calibration and Inverse Perspective
• BirdEye - an Automatic Method for Inverse Perspective Transformation of Road Image without Calibration

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