Page under revision
Angeboten in den Modulen:
INF-04-KP, INF-MA-PR, INF-VERT2, IST-05-KP, MINF-04-KP-FG1
Winersemester 2016/17
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
erster Termin: Di, 11.Oktober 2016, 3.DS, 11:10, Raum APB 2025, folgende Termine nach Absprache
Leitung: Themenabhängig
Einschreibung: über jExam
Maximale Teilnehmerzahl: 12
Themen::
Performance of a trivial superpixel algorithm (Holger Heidrich):
In exercise 1 of 2015 Computer Vision 1 course we developed a simple superpixel algorithm. This algo has two advantages: it guarantees a certain maximal color deviation and it is fast. In this project we like to know how this algorithm behaves in terms of the usual superpixel metrics. See the paper Entropy Rate Superpixel Segmentation for these.
Basis: C++, OpenCV
Single person project, 4 SWS, Can be extended to 8 SWS by e.g. including features for the superpixels, application to stereo, modifications of the algo (running mean color, …), …
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
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
Tracking Balls (Holger Heidrich):
Balls (besides of cubes) are preferred markers in 3D – scenes.
This project aims at the investigation of localisation accuracy of balls (spheres) for camera calibration and measurements in images and videos. This localisation accuracy depends e.g. on size, speed, surface and illumination of the ball as well as camera parameters like noise, distortion and image rate.
Basis: C++, OpenCV