Komplexpraktikum Computer Vision WS 2015

Page under revision
Angeboten in den Modulen:

INF-04-KP, INF-MA-PR, INF-VERT2, IST-05-KP, MINF-04-KP-FG1

Wintersemester 2015/16

In diesem Komplexpraktikum werden Anwendungsprobleme der Computer Vision mit Methoden aus der aktuellen Literatur gelöst und/oder unterstützende Beiträge zu Forschung und Lehre unserer Professur geleistet.

Das Praktikum kann wahlweise im Umfang von 4 oder 8 SWS durchgeführt werden; in der Regel in Gruppen mit abgegrenzten Teilaufgaben.
Abgabe: Praktikumsbericht (was, wie, Ergebnisse, Code) + informelle Präsentation

Termin:
Das Praktikum ist noch bis Ende Oktober offen für weitere Teilnehmer – melden Sie sich per email bei holger.heidrich.

Leitung: Themenabhängig

Einschreibung: über jExam

Maximale Teilnehmerzahl: 12

Thema 1:

Automatische Erzeugung von Orthofotos (Holger Heidrich)

Orthofotos erlauben einen ‘senkrechten Blick’ – üblicherweise auf eine Landschaft. In diesem Fall interessieren wir uns aber auch für andere Objekte und zwar solche, die sich wiederholende Strukturen beinhalten. Beispiele wären Häuserfassaden, Zäune, Tierkolonien, …
Diese sollten nach einer geeigneten zweidimensionalen projektiven Abbildung (Homographie) charakterische Wiederholungslängen haben (Fensterabstand, Zaunsäulenabstand).
Mit einer Detektion der Frequenzverteilung im Fourierspektrum soll eine solche Homographie gefunden werden.

Basis: C++, OpenCV

Thema 2:

Procam + Kinect Kalibrierungstool (Wolfgang Büschel (Interactive Media Lab) + Holger Heidrich)

Entwicklung eines eigenständigen Kalibrierungstools mit intuitiver GUI um eine Procam-Einheit (Beamer+ Kinect) mit zusätzlicher Kinect (für User-Tracking) im 3D Raum zu kalibrieren. siehe auch pdf

Basis: C++ oder C#, OpenCV

Thema 3:

terrestrial photogrammetry with a handheld camera (Holger Heidrich)
(Structure from Motion Photogrammetry)

(Too short) Explanation:
We take pictures of a landscape, rectify pairwise images that contain sufficiently large overlapping areas, run a stereo reconstruction algorithm, and stitch the results together. With additional calibration points (e.g. a vertical meter) we are (theoretically) able to calibrate our map.

Basis: C++, OpenCV