Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Computer Vision1_Seite 1 Prof. Dr. Norbert Link Beiträge von L. Berger W. Enkelmann M. Esswein F. Heimes N. Heinze A. Korn W. Krüger M. Müller G. Saur.

Ähnliche Präsentationen


Präsentation zum Thema: "Computer Vision1_Seite 1 Prof. Dr. Norbert Link Beiträge von L. Berger W. Enkelmann M. Esswein F. Heimes N. Heinze A. Korn W. Krüger M. Müller G. Saur."—  Präsentation transkript:

1 Computer Vision1_Seite 1 Prof. Dr. Norbert Link Beiträge von L. Berger W. Enkelmann M. Esswein F. Heimes N. Heinze A. Korn W. Krüger M. Müller G. Saur N. Rehfeld Computer Vision

2 Computer Vision1_Seite 2 Inhalt o Einführung o Szeneninterpretation o Bildentstehung o Informationsgewinnung aus Einzelbildern l Merkmalsextraktion l Merkmalsauswertung l Koordinatensysteme l Sensorkalibrierung l Freiheitsgradschätzung o Informationsgewinnung aus Bildfolgen l Objektverfolgung l Verschiebungsvektorfelder l Bewegungsschätzung o Bildauswertungskomponenten im System o Zusammenfassung und Ausblick

3 Computer Vision1_Seite 3 Überblick Einführung o Was ist ein Bild? o Anwendungsbeispiele o Zielsetzung und Vorgehensweise o Bildauswertungskomponenten Detektion im Bild Lokalisierung in der Welt Verfolgung Identifikation Analyse o Bildauswertungskomponenten im System o Zusammenfassung

4 Computer Vision1_Seite 4 Was ist ein Bild? Einführung Mikrowellen-Radar-Bild der Venus Präsentation im Computer Ausschnitt Picture element: „Pixel“ Koordinaten Zeile i = 151, Spalte j = 55 Grauwert g = 208 g(151,55) = 208

5 Computer Vision1_Seite 5 Was ist ein Bild? Einführung Obiges Bild: Helligkeitsmesswerte der Oberfläche der Venus angeordnet in einem Array mit 200 Spalten und 200 Zeilen Werte werden nummeriert mit Zeilenindex j von und Spaltenindex i von Ursprüngliche Messwerte: Rückgestreute Mikrowellenenergie des jeweiligen Venus-Oberflächenelements Bild repräsentiert die Messwerte durch Grauwerte : keine Energie rückgestreut  schwarz, 255: maximale Energie rückgestreut  weiß Allgemein: Anzahl Zeilen und Spalten (Bildgröße) sensorabhängig (bis x ) Grauwerteanzahl (linearer Dynamikbereich) sensorabhängig (heute bis 16 bit) Ursprüngliche Messwerte sensorabhängig (z.B. emittierte Infrarot-Energie) Auch Volumenbilder sind möglich (3D-Anordnung von Grauwerten, z.B. CT) Farbbild enthält für jedes Pixel mehrere Werte (z.B. R G B)

6 Computer Vision1_Seite 6 Von einem Weltpunkt rückgestreute Lichtenergie Auf einen Bildpunkt auftreffende Lichtenergie Objektiv lenkt Lichtenergiestrom von einem Weltpunkt auf einen Bildpunkt der Sensorfläche. Sensor wandelt Lichtenergiestrom in elektrisches Signal. Was ist ein Bild? Einführung

7 Computer Vision1_Seite 7 Was ist ein Bild? Einführung

8 Computer Vision1_Seite 8 Objekt Kamera Objektiv Bildsensor CCD- Kamera-Chip Sensorfläche Ausleselogik Ausschnitt Sensorelemente (Pixel), ca. 5 µm Abmessung Was ist ein Bild?

9 Computer Vision1_Seite 9 Anwendungsbeispiele Objektverfolgung aus Bildfolgen mit einer statischen Kamera Freigelände-und Gebäudeüberwachung SecurityVerkehr Kundenströme Hintergrundschätzungbildpunktweise Detektion abweichender Grauwerte Zusammenfassung zu ObjektenObjektverfolgungSpurbildungSpurauswertung Bildkoordinaten-Weltkoordinaten

10 Computer Vision1_Seite 10 Übersichtskamera Segmentkamera Nachgeführte Detailkamera Anwendungsbeispiele Objektverfolgung aus Bildfolgen mit mehreren statischen Kameras Landungsüberwachung auf Flughäfen Zusätzlich Transformation zwischen Kamera-Koordinatensystemen

11 Computer Vision1_Seite 11 Anwendungsbeispiele Objektverfolgung –identifizierung und –analyse aus Bildfolgen Qualitätsprüfung Vollständigkeit Richtigkeit Maßhaltigkeit Anbauteile- Mustervergleich Flugzeug-Rumpfschalen-Produktion Schätzung der Lageparam. Rumpfschale im Kamera-Koordinatensystem Anbauteile-Orientierung im Schalen-Koordinatensystem Berechnung der sichtbaren Anbauteilkonturen in Bildkoordinaten Mustervergleich Bildausschnitt mit Referenzbild Merkmalsextraktion für Nieten

12 Computer Vision1_Seite 12 Anwendungsbeispiele Objektdetektion, -lokalisierung, -erkennung und –analyse aus Einzelbildern Luft- und Satellitenbildauswertung Landnutzung Umweltüberwachung Städtewachstum Aufklärung 65 Geocoding Raffinerieanalyse Tankanzahl Orientierung Größe Einzeltankanalyse Durchm. Höhe Kapaz. Tanklageranalyse Abrüstungskontrolle Merkmalsextraktion aus der Karte Merkmalsextraktion aus dem Bild Klassifikation der Merkmale Transformationsbestimmung Bild-Karte Objektvermessung

13 Computer Vision1_Seite 13 Anwendungsbeispiele Objektdetektion, -erkennung, -positions- und –lagemessung und -verfolgung in Bildsequenzen statischer Kameras Flugzeug-Andockleitsysteme Flughafengebäude Passagierbrücke Rollfeld Einroll- leitlinie Stopposition Videokamera B Display Suche nach FlugzeugtemplateBild-Weltkoordinaten Parameterschätzung (Lage und Position) durch Modellanpassung Objektverfolgung

14 Computer Vision1_Seite 14 Anwendungsbeispiele Fahrspurverfolgung, Detektion und Verfolgung anderer Verkehrsteilnehmer aus Bildfolgen Fahrerassistenzsysteme Spurhalteassistent Automatische Cruise Control Kollissionswarner... Extraktion von Merkmalen der Fahrbahnmarkierung Schätzung der Lageparam. Fahrspur im Kamera-Koordinatensystem Schätzung der Eigenbewegung der Kamera Bewegungskompensation für Fahrbahnebene Bewegungskompensiertes Differenzbild Binarisierung des bew.komp. Differenzbildes Datenfusion

15 Computer Vision1_Seite 15 Anwendungsbeispiele Arten der Anwendung Emulation von Teilfähigkeiten menschlichen Sehens Quantitative Messung in Bildern Auswertung auch nicht-fokaler und nicht-optischer Sensoren Komplexität Aufgabenstellung Variationsbandbreite der Randbedingungen Computer- Fähigkeiten Menschl. Fähigkeiten gut schwach gut Kognitive Verarbeitung Quantitative Auswertung Daten- Speicherung / - Zugriff Sensorvielfalt Muster- erkennung Bildauswertung ist ein universell einsetzbares Werkzeug. Zusammenfassung

16 Computer Vision1_Seite 16 Anwendungsbeispiele Sensoren Video: sichtbar-optisch, focal plane array, Bildsequenz Radar: nicht-optisch, nicht-fokal, scannend, Einzelbild Algorithmen Merkmalsextraktion Merkmalsanalyse: Klassifikation, Templatematching Ballung Koordinatentransformation: Welt-Bild, Welt-Karte, Bild-Bild Modell-Parameterschätzung Bewegungsschätzung Tracking Fusion Komponenten der Lösungen Zusammenfassung


Herunterladen ppt "Computer Vision1_Seite 1 Prof. Dr. Norbert Link Beiträge von L. Berger W. Enkelmann M. Esswein F. Heimes N. Heinze A. Korn W. Krüger M. Müller G. Saur."

Ähnliche Präsentationen


Google-Anzeigen