Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage Probleme aud den Themengebieten der Bildverarbeitung: Maschinelles Sehen, Computer Sehen, Kantenerkennung, Regionenbeschreibung und Merkmalsextraktion, Objektverfolgung, Tiefenbildaufnahme und Methoden und Tiefenbildbearbeitung, Methoden zur 2D und 3D Objekterkennung, Gestalttheorie, Tiefenbildverarbeitung, kognitives Sehen; Schwerpunkte im Bereich der Robotik: kognitive Robotik, situiertes Sehen für Roboter, und Robotersysteme zu lösen.

Schwerpunkte in folgenden Themengebieten der Bildverarbeitung: Maschinelles Sehen, Computer Sehen, Kantenerkennung, Regionenbeschreibung und Merkmalsextraktion, Objektverfolgung, Tiefenbildaufnahme und Methoden und Tiefenbildbearbeitung, Methoden zur 2D und 3D Objekterkennung, Gestalttheorie, Tiefenbildverarbeitung, kognitives Sehen; Schwerpunkte im Bereich der Robotik: kognitive Robotik, situiertes Sehen für Roboter, und Robotersysteme.

• Robots, robot tasks, cognitive robots, machine vision, vision applications; computer/machine/situated vision, and machine vision basics: camera, images, Filtering, SSD, Canny
• Machine_Vision_Features: Industrial/mobile/cognitive robotics, sensors used in robotics;
• Interest Points: Harris, DoG
• Object_Recognition_SIFT: Object recognition 2D: SIFT, SURF
• Geometry_Stereo: geometry, basic calibration, stereo vision, 3D_Camera_Systems: Other methods to obtain 3D images
• Attention_Ransac: attention, Ransac
• 3D_Vision_Methods: voxel grids, neighbours, integral images, surface normal, differential geometry, Gestalt, Clustering
• Object recognition in 3D: NARF, VFH, ESF, ..., examples, learning from CAD data
• Deep learning, concept, introduction, applications, object categorisation
• Open problems: human vision vs. robot vision, what works and open challenges

Die Lehrinhalte werden den Studierenden in der Form von Vorträgen unterstützt durch Folien präsentiert und zur Verfügung gestellt. Zur Vertiefung und Anwendung des theoretischen Wissen, sind 6 Programmierübungen zu Themen der Vorlesung abzugeben. Die Übungen sind in Python mit den populären Bibliotheken OpenCV, Open3D und NumPy umzusetzen. Die Abgabe und Bewertung erfolgt über TUWEL.

Aufgrund der aktuellen Situation wird die LVA im WS2020 via Distance Teaching abgehalten. Die Vorlesungen werden den Studierenden als Videoaufzeichnung zur Verfügung gestellt. Zusätzlich gibt es einen zweiwöchentlichen Livestream bei dem die neue Übung vorgestellt wird und Studierende Fragen stellen können. Die Termine dafür, sowie detaillierte Information zum Ablauf der LVA, können im TUWEL Kurs gefunden werden.

Vorbesprechung 5.10.2020 10:00 - Link in TUWEL

Positive Abgabe aller Programmierübungen; Danach mündliche Prüfung. Gewichtung: Übung 60%, Mündliche Prüfung 40%.

Aufgrund der aktuellen Situation werden die Prüfungen bis auf weiteres Remote mit GoToMeeting durchgeführt.

Python Kenntnisse sind empfohlen. Hilfreich ist Einführung in Robotik, z.B. 376.040 Fachvertiefung Bildverarbeitung und Robotik.