Joachim Denzler

Klausur (60 Min.) oder mündliche Prüfung

Trucco, Verri: Introductory Techniques for 3-D Computer Vision. Pren-tice Hall.1998.

Hartley, Zisserman: Multiple View Geometry in Computer Vision. Cam-bridge University Press. 2004.

Faugeras, Luong: The Geometry of Multiple Images. MIT Press, 2001

FMI-IN0046 Rechnersehen I

Kenntnisse in linearer Algebra, Analysis und Wahrscheinlichkeitstheorie

- 079 M.Sc. Informatik (PO-V. 2016): Wahlpflichtmodul (INT; Vertiefung DBV)
- 221 M.Sc. Bioinformatik: Wahlpflichtmodul (Informatik)

3 SWS Vorlesung
1 SWS Übung

• Bildentstehungsprozess
• Kameramodelle
• Projektive Geometrie und deren Bedeutung für die Bildverarbeitung
• Kamerakalibrierung
• Stereobildverarbeitung (Epipolargeometrie, deren Schätzung sowie Rekonstruktion von 3-D Information aus 2-D Bildern)
• Struktur aus Bewegung
• 3-D Bewegungsberechnung
• Methoden der 3-D Objekterkennung (Merkmale, Modelle, Klassifikation)
• Robuste Bildverarbeitung

Die Studierenden kennen grundlegende mathematische Modelle, Methoden und Techniken des maschinellen Sehens, um aus 2-D Bildern Information über die 3-D Welt zu ermitteln.

Im Schwerpunkt besitzen Studierende Kenntnisse über die zugrunde liegende Mathematik und kennen die Probleme, die aus verrauschten Sensordaten entstehen, sowie effiziente Realisierungen der zugehörigen Algorithmen.

In den Übungen erlernen die Studierenden unter Verwendung von MATLAB sowie des Bildverarbeitungssystems ICE die Fähigkeit, Algorithmen in effiziente Software umzusetzen, die aus real aufgenommen, verrauschten Sensordaten robust 3-D Information aus der Welt ermittelt und damit ein Grundbaustein für ein intelligentes System darstellt, das seine Umgebung mittels Sensoren wahrnimmt.

Ebenfalls kennen Studierende aktuelle Verfahren zum Interpretieren von Bildinformation, dabei speziell Objekterkennung und Bewegungsberechnung.

60 % der erreichbaren Punkte aus den Übungsaufgaben