Computer Vision (CVIS)

Verstehe, wie Computer Bilder sehen und auswerten: Du lernst, wie Kameras Daten erfassen, Bilder analysiert werden und daraus Informationen über Formen, Bewegung und 3D-Strukturen entstehen. Diese Methoden wendest du in Bereichen wie autonomem Fahren oder industrieller Bildverarbeitung an.

Inhalte

• Kamera-Modell
• Kamera-Kalibrierung
• Epipolargeometrie
• Pixel Erkennung und Vergleich
• 3D Rekonstruktion
• Struktur und Bewegung (SfM)
• Optischer Fluss, Szenen Fluss
• Tiefenkameras
• Anwendungen: Autonomes Fahren, Industrielle Bilderverarbeitung, usw.

Lernziele/Kompetenzen

Die Studierenden sind in der Lage,

• zentrale Konzepte und Methoden der 3D Computer Vision zu verstehen
• Algorithmen zur visuellen Wahrnehmung zu entwickeln
• Einsatzgebiete und Grenzen der Verfahren zu erläutern
• die erlernten Prinzipien in Anwendung (Autonomes Fahren, Industrielle Bilderverarbeitung, usw.) zu bringen

Literatur

• Richard Hartley and Andrew Zisserman: Multiple View Geometry in Computer Vision
• Richard Szeliski: Computer Vision: Algorithms and Applications
• Gary Bradski and Adrian Kaehler: Learning OpenCV

Dozentinnen / Dozenten

• Dr. Oliver Wasenmüller (DFKI, Kaiserslautern)

Empfohlene Vorkenntnisse

• Einführung in die Höhere Mathematik
• Lineare Algebra
• ... sowie gängige Grundlagen der Informatik

Daten zum Modul

Semester	6/7
Unterrichtssprache	Deutsch
Häufigkeit	Unregelmäßig
Kreditpunkte	5
Modulverantwortlich	Prof. Dr. Oliver Hummel
Dauer	1 Semester
Studienleistung	Keine
Prüfungsvorleistung	Pflichtübung (PU)
Prüfungsleistung	Klausur 90 Minuten (K90)

Semesterwochenstunden

Vorlesung	2 SWS
Übung	2 SWS
Summe	4 SWS

Arbeitsaufwand (work load)

Vorlesung	50 h
Selbststudium	50 h
Aufgaben	25 h
Prüfungsvorbereitung	25 h
Summe	150 h