Anwendungs-, Forschungsprojekt Computer Vision

Angeboten in den Modulen:

INF-D-960 , INF-PM-FPA, INF-PM-FPG,
INF-04-KP, INF-B-520, INF-B-540, INF-E-4, IST-05-KP, MINF-04-KP-FG1

Wintersemester 2017

Termin

Erster Treff: Do, 12.Oktober 2017, 4.DS, 13:00, Raum APB 2025, folgende Termine nach Absprache,
Termin passt nicht? -> email an holger.heidrich

Leitung

themenabhängig

Einschreibung:

über jExam

 

Projektpraktika dienen in der Regel der individuellen Vorbereitung auf Abschlussarbeiten (s. Modulbeschreibung (IN-PM-FPG, INF-PM-ANW, INF-D-960, INF-B-520) an unserem Lehrstuhl oder mit solchen Themen, die Computer Vision Methoden verwenden.

Das Projekt hat einen Umfang von 8 SWS; in der Regel als Einzelarbeit.

Themen

Schätzung der Bildfunktion durch Stochastic Process Regression (Holger Heidrich):

Wenn man zweimal die gleiche Szene fotogrfiert erhält man, wenn man genau hinsieht, nicht das gleiche Bild.
Neben hier nicht betrachteten starken Beleuchtungsänderungen (Tag, Nacht, Nebel, Regen) hängt der Bildinhalt auch von der Lage ab (durch die Abtastung mit dem Pixelraster) und vom (unvermeidlichen) Rauschen. Die Effekte stören, wenn man möglichst genau Korrepondenzen zwischen Bildern der gleichen Szene finden will.
In diesem Projekt soll deshalb ein optimale (interpolierte) Bildfunktion geschätzt werden, die dann Aussagen über die Konfidenz von Matchings erlaubt. (pdf)


Interpretation von Verkehrsszenen (Prof. Stefan Gumhold, Holger Heidrich):

Zu diesem Themenkomplex können mehrere Themen bearbeitet werden.
Z.B. Erkennung von Verkehrszeichen in Videos mittels Lernverfahren. (Deep Learning, CNN, RNN, GAN, …)

————————————————————————–
Thema 1: Anoymisierung in Verkehrsszenen

Für die Entwicklung kamerabasierter autonomer Fahrfunktionen ist die
Bereitstellung einer großen Menge von Trainingsdaten erforderlich, die mit
speziell ausgerüsteten Fahrzeugen erfasst werden und danach
semi-automatisch semantisch annotiert werden. Um die Anonymität der
Verkehrsteilnehmer zu gewährleisten sollen Methoden zur Erkennung von
Gesichtern und Nummernschilder in Bilddaten mit Verkehrsszenen anhand
von Beispieldaten aus einem aktuellen Forschungsprojekt evaluiert werden.

————————————————————————–
Thema 2: Extraktion von 3D-Trajektorien von Verkehrsteilnehmern aus Videos

In einem aktuellen Forschungsprojekt werden kritische Verkehrssituation
mit Hilfe von Videoaufnahmen aus Sicht eines sogenannten Ego-Autos
erfasst, die später für Testverfahren autonomer Fahrfunktionen genutzt
werden sollen. Untersucht werden soll wie man aus Videodaten
3D-Trajektorien der Verkehrsteilnehmer extrahieren kann. Ausgangspunkt
sind Videoaufnahmen, bei denen die Verkehrsteilnehmer mit Rechtecken
markiert sind zusammen mit der internen Kalibrierung der Kamera sowie
GPS und Beschleunigungsdaten des Ego-Autos.


more (Holger Heidrich):

may come at first meeting