376.081 Machine Vision
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2022W, VU, 3.0h, 4.5EC
Lecture TubeTUWEL

LVA-Bewertung

Merkmale

  • Semesterwochenstunden: 3.0
  • ECTS: 4.5
  • Typ: VU Vorlesung mit Übung
  • LectureTube Lehrveranstaltung
  • Format der Abhaltung: Präsenz

Lernergebnisse

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

Inhalt der Lehrveranstaltung

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 2D: SIFT, SURF
  • Geometry Stereo: geometry, basic calibration, stereo vision 
  • 3D Camera Systems: Other methods to obtain 3D images
  • 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

Methoden

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.

Einführung und erste Vorlesung: 4.10. 14:00-17:00

Prüfungsmodus

Schriftlich und Mündlich

Vortragende Personen

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Di.14:00 - 17:0004.10.2022EI 9 Hlawka HS - ETIT Einführung und erste Vorlesung
Mo.09:00 - 11:0010.10.2022 - 12.12.2022EI 4 Reithoffer HS Vorlesung
Machine Vision - Einzeltermine
TagDatumZeitOrtBeschreibung
Di.04.10.202214:00 - 17:00EI 9 Hlawka HS - ETIT Einführung und erste Vorlesung
Mo.10.10.202209:00 - 11:00EI 4 Reithoffer HS Vorlesung
Mo.17.10.202209:00 - 11:00EI 4 Reithoffer HS Vorlesung
Mo.24.10.202209:00 - 11:00EI 4 Reithoffer HS Vorlesung
Mo.31.10.202209:00 - 11:00EI 4 Reithoffer HS Vorlesung
Mo.07.11.202209:00 - 11:00EI 4 Reithoffer HS Vorlesung
Mo.14.11.202209:00 - 11:00EI 4 Reithoffer HS Vorlesung
Mo.21.11.202209:00 - 11:00EI 4 Reithoffer HS Vorlesung
Mo.28.11.202209:00 - 11:00EI 4 Reithoffer HS Vorlesung
Mo.05.12.202209:00 - 11:00EI 4 Reithoffer HS Vorlesung
Mo.12.12.202209:00 - 11:00EI 4 Reithoffer HS Vorlesung

Leistungsnachweis

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

Aufgrund der aktuellen Situation werden Prüfungen sowohl in Anwesenheit als AUCH online mit  Zoom angeboten. Ob es sich bei einem Termin um einen Anwesenheitstermin oder Online-Termin handelt, entnehmen Sie den Informationen in TISS bei den Einzelterminen.

Prüfungskandidat*innen werden in Zeitslots von einer halben Stunde eingeteilt. Der jeweilige Zeitslot wird nach Ende der Abmeldefrist an die Kandidat*innen per Mail gesendet. Zur Prüfung wird lediglich eine Webcam zum Identitätsnachweis benötigt. Der öffentliche Link wird auch auf TISS zur Verfügung gestellt. Kandidat*innen mit Einschränkungen im Bezug auf zeitliche Verfügbarkeit oder fehlende technische Infrastruktur sollten uns vor dem Prüfungstermin per Mail kontaktieren.

Prüfungen

TagZeitDatumOrtPrüfungsmodusAnmeldefristAnmeldungPrüfung
Mo.09:00 - 12:0006.02.2023 Online via Zoom. URL wird bekanntgegeben.mündlich12.12.2022 00:00 - 02.02.2023 23:55in TISSMachine Vision
Mo.13:00 - 16:0006.02.2023 Online via Zoom. URL wird bekanntgegeben.mündlich12.12.2022 00:00 - 02.02.2023 23:55in TISSMachine Vision
Fr.09:00 - 09:0003.03.2023 Online oder in Präsenz. Wird noch festgelegt.mündlich16.12.2022 00:00 - 01.03.2023 23:59in TISSMachine Vision

LVA-Anmeldung

Von Bis Abmeldung bis
01.09.2022 00:00 17.10.2022 23:59

Curricula

Literatur

Es wird kein Skriptum zur Lehrveranstaltung angeboten.

Vorkenntnisse

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

Vertiefende Lehrveranstaltungen

Sprache

Englisch