BWP526: Computer Vision (mit Praktikum)

Wahlpflichtmodule

BWP526: Computer Vision (mit Praktikum)

Kurzporträt BWP526: Computer Vision (mit Praktikum)
Worum geht es? In diesem Modul lernen Studierende, wie technische Systeme Bilder auswerten und daraus Informationen über ihre Umgebung gewinnen. Studierende beschäftigen sich mit Bildverarbeitung, Feature-Erkennung, Objekterkennung, Objektverfolgung, 3D-Rekonstruktion und Deep Learning für Bilder. Ausgewählte Verfahren werden in einer robotischen Umgebung umgesetzt und experimentell bewertet.
Wofür braucht man es? Diese Kompetenzen werden benötigt, um robotische Aufgaben wie Erkennen, Lokalisieren und Verfolgen von Objekten zuverlässig zu lösen. Die Kompetenzen bilden eine Grundlage für Anwendungen in Robotik, Automatisierung, Qualitätsprüfung und sensorbasierter Steuerung.
Wieso ist es interessant? Kameras liefern viele Daten, aber erst passende Verfahren machen daraus nutzbare technische Informationen. Das Modul zeigt, wie Maschinen sehen lernen und Bilddaten in Entscheidungen umgesetzt werden.
Modulverantwortung

Prof. Dr. Regina Pohle-Fröhlich

Lehrperson(en)

Prof. Dr. Regina Pohle-Fröhlich

Verwendbarkeit
  • Bachelor Elektrotechnik
  • Bachelor Maschinenbau
  • Bachelor Mechatronik und Robotik
Fächergruppe

Ingenieurwissenschaften

Modultyp
Wahlpflicht
Sprache

Deutsch

Angebot

jährlich

Dauer

1 Semester

Credits

5 ECTS

Benotung

Deutsche Notenskala 1-5

SWS

2 V | 1 Ü | 1 P | - S

Workload
Präsenzstudium: 45 Std. Selbststudium: 90 Std.
Engl. Titel

Computer Vision

Empfohlene Voraussetzungen
  • BB008: Informatik für Ingenieurwissenschaften: Programmiergrundlagen, Algorithmen, Python und strukturierte Datenverarbeitung.
Lernergebnisse / Kompetenzen
WAS

Die Studierenden können grundlegende Verfahren der Computer Vision für robotische Systeme auswählen und anwenden.

WOMIT

Die Studierenden nutzen klassische und Deep-Learning-basierte Methoden der Computer Vision für Bildaufbereitung, Objekterkennung, Feature-Extraktion und 3D-Rekonstruktion. Sie setzen ausgewählte Algorithmen in einer robotischen Umgebung um und evaluieren die Leistungsfähigkeit verschiedener Verfahren anhand von Experimenten.

WOZU

Die Studierenden nutzen diese Kompetenzen, um einfache robotische Aufgaben wie Erkennen, Lokalisieren und Verfolgen von Objekten innerhalb einer realen Roboterumgebung zuverlässig zu lösen.

Inhalte
  • Grundlagen der Bildverarbeitung
  • Methoden zur Feature-Erkennung und -Beschreibung
  • Verfahren der Objekterkennung und -verfolgung
  • Methoden und Sensoren zur 3D-Rekonstruktion und Tiefenwahrnehmung
  • Maschinelles Lernen / Deep Learning für Bilder
  • Integration der Verfahren in die Robotik
Prüfungsvorleistung

aktive Praktikumsteilnahme

Prüfungsleistung

digitale Klausur, 90 Minuten

Literatur
  • W. Burger, M. J. Burge: Digital Image Processing - An Algorithmic Introduction. 3rd edition, Springer, 2022.
  • Peter Corke: Robotics, Vision and Control - Fundamental Algorithms in Python. 3rd edition, Springer, 2023.
  • Y.-J. Zhang: 3-D Computer Vision - Principles, Algorithms and Applications. Springer, 2023.