Bachelor: Geodata Science

331 - Visual Computing 2

Empfohlenes Studiensemester: 3

Turnus: Wintersemester

Sprachen: Deutsch

ECTS: 5

Prüfungsform: schrP, weitere Angaben siehe SPO und Studienplan

Lehrform und SWS: SU (2SWS), Ü (2SWS)

Gesamter Workload: 150 Stunden

Präsenzzeit: 30 Stunden Seminaristischer Unterricht, 30 Stunden Übung

Selbststudium: 90 Stunden

Modulverantwortung: Prof. Dr. Ludwig Hoegner (FK08)

Empfohlene Voraussetzung für die Teilnahme

  • Mathematik: Matrizen, Lineares Gleichungssystem, 3D-Transformation, homogene Koordinaten,
  • Visual Computing 1: Lineare Filter, Geometrische Transformationen, Bildsegmentierungen,Farbräume,
  • Statistik: Stat. Kennwerte (Standardabweichung, Kovarianz, Korrelationskoeffizient),
  • Programmierung: Kontrollstrukturen, Erstellen und Anwendung von Methoden.

Lernziele

Fach- und Methodenkompetenz

Die Studierenden sind in der Lage,

  • die grundlegenden Methoden des dreidimensionalen Rechnersehens zu verstehen,
  • geeignete numerische Methoden und Algorithmen auszuwählen, fachgerecht zu implementieren, ihr Konstruktionsprinzip zu verstehen, ihre Grenzen zu kennen, sie sicher anzuwenden und auf spezielle Problemstellungen anzupassen,
  • die Ursachen für das Versagen eines Algorithmus zu analysieren und fachgerecht zu beheben.

Inhalt

Einführung in den Entwurf und die Analyse von Methoden und Algorithmen in Wissenschaft und Technik zur Lösung von Aufgaben im Bereich des Rechnersehens :

  • Bilddatenerfassung (Terrestrisch, UAV, Flugzeug, Satellit)
  • Kameramodelle und -kalibrierung
  • 3D Abbildungsmodelle
  • Epipolargeometrie und Stereomodell
  • Deskriptoren (SIFT, SURF, KAZE) und Korrespondenzverfahren
  • Bildtriangulation
  • 3D Rekonstruktion von Objekten mittels dichter Bildzuordnung
  • Anwendungen (mobile Anwendungen, UAV-Photogrammetrie, Luftbildphotogrammetrie, industrielle 3D-Messtechnik)
  • Digitales Oberflächenmodell und Orthophoto

In dem begleitenden Übungen werden Anwendungsaufgaben gelöst. Dazu werden bestehende Programme zur Lösung von Aufgaben des Rechnersehens verwendet (z.B. Matlab oder Python)

Lehrmethoden und Lernformen

Tafel, digitale Medien , Beamer, Lehr-/Lernvideos, Gastvorträge

Verwendbarkeit des Moduls

Bachelor Geodata Science

Literatur

  • Richard Hartley and Andrew Zisserman, Multiple View Geometry in Computer Vision, 2004 Cambridge University Press, ISBN 0-521-54051-8
  • Wolfgang Förstner, Bernhard Wrobel, Photogrammetric Computer Vision, 2016 Springer, ISSN 1866-6795, ISBN 978-3-3319-11549-8, DOI 10.1107/978-3-319-11550-4