Modulbeschreibung

Modul: 3D Computer Vision

Lehrveranstaltungen:

TitelTypSWSZeitraum
3D Computer VisionVorlesung2Wintersemester
3D Computer VisionGruppenübung2Wintersemester

Modulverantwortlich:

Prof. Rolf-Rainer Grigat

Zulassungsvoraussetzungen:

Keine

Empfohlene Vorkenntnisse:

  • Kenntnisse der Module Digitale Bildanalyse und Mustererkennung und Datenkompression werden in der praktische Aufgabe verwendet
  • Lineare Algebra (einschl. Eigenwertzerlegung, SVD), nicht-lineare Optimierung (Levenberg-Marquardt), Grundlagen der Stochastik und Grundlagen von Matlab werden benötigt und können nicht im Rahmen der Vorlesung ausführlich erläutert werden.

Modulziele / angestrebte Lernergebnisse:

Fachkompetenz

Wissen

Studierende können das Gebiet der projektiven Geometrie erläutern und beschreiben.

Fertigkeiten

Studierende sind in der Lage,

  • eine exemplarische Aufgabenstellung zur 3D Analyse oder zur volumetrischen Analyse zu implementieren,
  • sehr anspruchsvolle Methoden und Verfahren des Fachgebietes anzuwenden,
  • Probleme zu erkennen und
  • kreative Lösungsvorschläge zu entwickeln und umzusetzen.

Studierende können die Inhalte der drei Fachgebiete (Module)

  • Digitale Bildanalyse, 
  • Mustererkennung und Datenkompression, sowie 
  • 3D Computer Vision 

mit Unterstützung durch den Lehrenden in praktischen Aufgabenstellungen verbinden.

Personale Kompetenzen

Sozialkompetenz

Studierende können in einem kleinen Team zur praktischen Realisierung und zum Test eines Systems zur 3D Szenenrekonstruktion oder zur Auswertung von Volumendatensätzen zusammenarbeiten.

Selbstständigkeit

Studierende sind in der Lage selbstständig einfache Aufgaben unter Einbezug der Vorlesungsinhalte sowie der Übungsabschnitte zu lösen.

Studierende sind in der Lage praktische Detailprobleme mit Hilfe der Programmieraufgabe der Übungsveranstaltung selbständig zu lösen.

Leistungspunkte Modul:

6 LP

Studienleistung:

Klausur

Arbeitsaufwand in Stunden:

Eigenstudium: 124, Präsenzstudium: 56


Lehrveranstaltung: 3D Computer Vision

Dozent:

Rolf-Rainer Grigat

Sprache:

Englisch

Zeitraum:

Wintersemester

Inhalt:

  • Projektive Geometrie und Transformationen in 2D und 3D in homogenen Koordinaten
  • Projektionsmatrix, Kalibrierung
  • Epipolare Geometrie, Fundamentalmatrix, Essentielle Matrix, schwache Kalibrierung, 5-Punkt-Algorithmus
  • Homographien 2D und 3D
  • Trifokaler Tensor
  • Korrespondenzsuche

Literatur:

  • Skriptum Grigat/Wenzel
  • Hartley, Zisserman: Multiple View Geometry in Computer Vision. Cambridge 2003.