Computer Vision

Präsenzstudium: ca. 40 Std., Eigenstudium: ca. 110 Std.

Lineare Algebra (IF-I-B-103), Digitale Bildverarbeitung (IF-I-M002)

• Kenntnis notwendiger Grundlagen, wesentlicher Ansätze als auch praktischer Verfahren, die für den Aspekt '3D- bzw. Tiefeninformation' in Bildern spezifisch sind
• die Fähigkeit, Aufgaben einzuordnen, eigenständig Lösungen zu erarbeiten, vom Konzept bis hin zu algorithmischen Umsetzungen
• Erreichen einer kritischen Urteilsfähigkeit über Konzepte
• Kompetenz, selbst wissenschaftlich neue Konzepte zu erarbeiten

Ermittlung 3D-Struktur einer Realweltszene über die Extraktion von 3D-Informationen aus mehreren 2D-Ansichten dieser Szene.

Anwendungsgebiete sind u.a. die 3D-Qualitätskontrolle in der Fertigung, oder auch 'Structure-from-Motion' beim Autonomen Fahren.

In Referaten und Seminararbeiten stellen die Studierenden ihre Themenstellungen aus folgenden fachlichen Bereichen vor:

Einordnung, Anwendungsgebiete und Beispiele

• Euklidische Bewegungen (Objekt- u. Kamerabewegung, Koordinatentransformationen)
• Projektive Geometrie (u.a. perspektivische Projektion, Repräsentation und Schätzung geometrischer Bildprimitive)
• projektive Transformationen und Invarianzen (u.a. Transformationsgruppen, Rekonstruktion affiner und metrischer Bildeigenschaften)
• Projektion und Kameras (u.a. spezielle Kameras, Selbstkalibrierung)
• Epipolargeometrie und Geometrie mehrfacher Ansichten
• Schätzen von Transformationen und Korrespondenzen (u.a. Kameramatrix, Kalibrierung, Entzerrung)
• Stereoanalyse
• 3D-Rekonstruktion
• Structure-from-Motion

Tafel, Beamer, selbstgesteuertes Lernen in Kleingruppen, Literaturstudium, praktische Umsetzungen in z.B. Python/jupyter, Matlab oder C++

• Multiple View Geometry in Computer Vision, R. Hartley, A. Zisserman, Cambridge Univ. Press, 2004
• Stereoanalyse und Bildsynthese, O.Schreer, Springer, 2005
• themenspezifische Literatur wird jeweils zusätzlich ausgegeben