DSB SoSe2018: Unterschied zwischen den Versionen

Aus HSHL Mechatronik
Zur Navigation springen Zur Suche springen
Zeile 38: Zeile 38:
# Legoteil-Erkennung
# Legoteil-Erkennung
# Dobble Spiel gegen den Computer
# Dobble Spiel gegen den Computer
*
*ArUko Marker mit Matlab/Simulink erkennen - Einbindung von OpenCV über S-Function.
*Ground-Truth Referenz über Videokamera https://www.youtube.com/watch?v=PWdxnERpynU&t=1s
* Spurerkennung
* Automatische Kamera Kalibrierung
* Objekterkennung
* Start- und Stopplinienerkennung
# Lückenfüllung Spurerkennung (Interp., extrap.)
-->
-->
{| class="wikitable"
{| class="wikitable"
Zeile 43: Zeile 53:
! #                                          !! Thema                      !! Bearbeiter
! #                                          !! Thema                      !! Bearbeiter
|-
|-
| 1    || [[Augmented Reality Pool-Billard]]        ||  
| 1    || [[DSB18: Barcode erzeugen und lesen|Barcode erzeugen und lesen]]        ||  
|-
|-
| 2    || [[Stereo-Video]] ||  
| 2    || [[DSB18: QR-Code erzeugen und lesen|QR-Code erzeugen und lesen]]       ||  
|-
|-
| 3    || [[Bildforensik]] ||  
| 3    || [[ArUco Marker erzeugen und mit Matlab erkennen]]       ||  
|-
|-
| 6   || [[DSB17: Laserscanner Objektbildung|Laserscanner Objektbildung]]        ||  
| 4   || [[ArUco Marker mit Matlab/Simulink erkennen - Einbindung von OpenCV über S-Function]]        ||  
|-
|-
| 7   || [[DSB18: QR-Code erzeugen und lesen|QR-Code erzeugen und lesen]]       ||  
| 5   || [[DSB18: Stereo-Video|Stereo-Video]] ||  
|-
|-
| 10  || [[Low-Cost Lidar Objekterkennung mit  Matlab/Simulink]]       ||  
| 6    || [[Bildforensik]] ||  
|-
|-
| 14  || [[Mindesthaltbarkeit erkennen]]        ||  
| 7    || [[Ground-Truth Referenz über Videokamera]]        ||
|-
| 8    || [[Kameragestützte Roboterortung]]        ||
|-
| 9    || [[Automatische Kamera Kalibrierung]]        || 
|-
| 10  || [[Posenschätzung durch Scan-Matching von LiDAR Daten]]        ||
|-
| 11  || [[Posenschätzung durch Scan-Matching von LiDAR Daten]]        ||
|-
| 12  || [[Posenschätzung durch Scan-Matching von LiDAR Daten]]        ||
|-
| 13  || [[Posenschätzung durch Scan-Matching von LiDAR Daten]]        ||
|-
| 14  || [[Posenschätzung durch Scan-Matching von LiDAR Daten]]        ||
|-
| 15  || [[Posenschätzung durch Scan-Matching von LiDAR Daten]]        ||
|-
| 16  || [[Posenschätzung durch Scan-Matching von LiDAR Daten]]        ||
|-
| 17  || [[Posenschätzung durch Scan-Matching von LiDAR Daten]]        ||  
|}
|}



Version vom 11. April 2018, 12:25 Uhr

Autor: Prof. Schneider

Ziele

Die Lehrveranstaltung "Digitale Signal- und Bildverarbeitung" hat laut Modulhandbuch folgende Ziele

  • Die technische Repräsentation digitaler Bilder kennen, verstehen und softwaretechnisch anwenden können.
  • Die Grundlagen der digitalen Signalverarbeitung verstehen und für zweidimensionale Signale (Bilder) anwenden können.
  • Die mathematischen Grundlagen orthogonaler Transformationen und ihre Bedeutung für die Bildverarbeitung verstehen und für die Lösung praktischer Bildverarbeitungsprobleme einsetzen können.
  • Die mathematischen Grundlagen und die Verfahren der Bildverbesserung kennen, verstehen und zur Lösung praktischer Probleme einsetzen können.

Die Vorlesung liefert hierzu das notwendige Fachwissen und in der Übung wird dieses praktisch mit Matlab an Beispielen umgesetzt.

Bonuspunkte durch freiwilliges Projekt

Als freiwillige Leistung kann jeder Kursteilnehmer bis zum 06.07.18 eine Übungsaufgabe eigenständig mit Matlab zu lösen. Diese Lösung ist vor dem Stichtag in SVN zu sichern.

Tipp: Sichern Sie Ihre Ergebnisse während der Arbeit bereits systematisch in Ihren Ordner x:\SVN\DSB\User\SoSe2018\.

Anforderungen an Ihre Lösung

Tragen Sie sich bis zum 11.04.18 für ein Thema ein oder fügen Sie ein mit Prof. Schneider abgestimmtes Thema hinzu.

Themenverteilung

# Thema Bearbeiter
1 Barcode erzeugen und lesen
2 QR-Code erzeugen und lesen
3 ArUco Marker erzeugen und mit Matlab erkennen
4 ArUco Marker mit Matlab/Simulink erkennen - Einbindung von OpenCV über S-Function
5 Stereo-Video
6 Bildforensik
7 Ground-Truth Referenz über Videokamera
8 Kameragestützte Roboterortung
9 Automatische Kamera Kalibrierung
10 Posenschätzung durch Scan-Matching von LiDAR Daten
11 Posenschätzung durch Scan-Matching von LiDAR Daten
12 Posenschätzung durch Scan-Matching von LiDAR Daten
13 Posenschätzung durch Scan-Matching von LiDAR Daten
14 Posenschätzung durch Scan-Matching von LiDAR Daten
15 Posenschätzung durch Scan-Matching von LiDAR Daten
16 Posenschätzung durch Scan-Matching von LiDAR Daten
17 Posenschätzung durch Scan-Matching von LiDAR Daten

Literatur

  • Burger, W.; Burge, M. J. Digitale Bildverarbeitung: Eine Einführung mit Java und ImageJ. Berlin [u.a.]: Springer, 2. Auflage. 2014 (als eBook verfügbar)
  • Erhardt, A.: Einführung in die Digitale Bildverarbeitung: Grundlagen, Systeme und Anwendungen. Wiesbaden: Vieweg+Teubner 2008 (als eBook verfügbar)
  • Jähne, B. (2005). Digitale Bildverarbeitung. 6. Auflage. Berlin [u.a.]: Springer. (als eBook verfügbar) – Neue Auflage: 30. November 2012
  • Nischwitz, A.; Fischer, M.; Haberäcker, P.; Socher, G.: Computergrafik und Bildverarbeitung: Band II: Bildverarbeitung. Wiesbaden: Vieweg+Teubner, 3. Auflage. 2011. (als eBook verfügbar)
  • Tönnies, Klaus D.: Grundlagen der Bildverarbeitung. München: Pearson Studium, 2005.
  • Ballard, Dana H., Brown, Christopher M. (1982). Computer Vision. Englewood Cliffs (u.a.): Prentice-Hall



→ zurück zum Hauptartikel: Digitale Signal- und Bildverarbeitung