3D-Bildverarbeitung

Dieses Modul hat das Ziel, den Studierenden die Techniken zu vermitteln, wie Daten unserer realen Welt in virtuelle Welten überführt werden können. Die Studierenden erlernen moderne fortgeschrittene Techniken und Algorithmen der 3D Bildverarbeitung. Einführend lernen die Studierenden die Algorithmen zur Gewinnung von 3D-Bilddaten aus 2D-Bilddaten kennen und praktisch ein Stereo-Vision-System aufzubauen, zu kalibrieren und daraus 3D-Punktwolkendaten zu berechnen. Darauf aufbauend können die Studierende verschiedene Techniken zur Bildanalyse und Objekterkennung differenzieren. Am Ende werden die Studierenden mit einem Architekturscanner eigene Punktwolkendaten gewinnen und die Pipeline zur Transformation der Daten in virtuellen Welten eigens umsetzen.

Inhalt:

  • 2D und 3D Bildaufnahmesysteme: Einfache Kamera, Stereokamera, 360-Grad Kamerasystem, Tiefensensorkameras, 3D Laserscanner
  • Stereomatching und Kalibrierung
  • Filterung zur Detektion von Bildeigenschaften und Bildähnlichkeiten (SIFT, SURF)
  • Algorithmen zur Ähnlichkeitsmessung (Optical Flow)
  • Objekterkennung und -verfolgung
  • Verfahren zur 3D Rekonstruktion
  • Volumensegmentierung
  • Visualisierung

Voraussetzungen:

  • Objektorientierte Programmierkenntnisse in C++
  • Grundlagen der Bildverarbeitung
  • Grundlagen der Linearen Algebra

Prüfung:

  • Mündliche Prüfung (30 Minuten) und erfolgreiches Endtestat

Litertur:

  • Folien und weitere Materialien aus der Vorlesung und der Praktika
  • Richard Hartley, Andrew Zisserman: Multiple View Geometry in computer vision.
  • Boguslaw Cyganek, J. Paul Siebert: An Introduction to 3D Computer Vision - Techniques and Algorithms.
  • Dokumentation zur Point Cloud Library: pointclouds.org/documentation
x