|
Modulbezeichnung (engl.):
Methods and Applications of Machine Vision |
|
Code: DFMEES-109 |
|
4VU (4 Semesterwochenstunden) |
5 |
Studiensemester: 1 |
Pflichtfach: ja |
Arbeitssprache:
Deutsch |
Prüfungsart:
Klausur
[letzte Änderung 23.09.2022]
|
DFMEES-109 (P610-0134) Elektrotechnik - Erneuerbare Energien und Systemtechnik, Master, ASPO 01.10.2019
, 1. Semester, Pflichtfach
|
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 5 Creditpoints 150 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 105 Stunden zur Verfügung.
|
Empfohlene Voraussetzungen (Module):
Keine.
|
Als Vorkenntnis empfohlen für Module:
|
Modulverantwortung:
Marc Quirin, M.Sc. |
Dozent/innen: Marc Quirin, M.Sc.
[letzte Änderung 23.09.2022]
|
Lernziele:
Die Studierenden haben nach erfolgreichem Modulabschluss ein fundiertes Wissen über praktische Methoden und Anwendungen in der industriellen Bildverarbeitung. Insbesondere werden grundlegende Verfahren und Algorithmen in der BV vermittelt. Der Student ist danach in der Lage eine Bildverarbeitungsaufgabe systematisch zu planen und umzusetzen. Sowohl bei der Auslegung der Hardware als auch Software. Die Programmierübungen konzentrieren sich auf die vermittelten theoretischen Grundlagen im „front-end“ und „back-end“ der Bildverarbeitungskette.
[letzte Änderung 27.10.2020]
|
Inhalt:
Inhalte: 1. Einführung in die Schritte des Maschinellen Sehens 1.1. Auswahlkriterien eines BV-Systems 1.2. Mögliche Berechnungen 1.3. Bildverarbeitungskette 2. Technische Grundlagen zum „front-end“ der BV-Kette 2.1. Beleuchtung 2.2. Filter 2.3. Objektive 2.4. Grundlagen der Kameratechnik 2.5. Übertragung der Bildinformationen zum Rechner 2.6. Artefakte bei der Bildaufnahme 2.6.1. Aliasing 2.6.2. Bildrauschen 3. Das „back-end“ der BV-Kette 3.1. Mathematische Tools 3.2. Kameramodell und Kamerakalibrierung 3.3. Farbmodelle 3.4. Bildrepräsentation 3.5. Bildvorverarbeitung im Orts- und Frequenzraum 3.6. Morphologische Operatoren 3.7. Segmentierung 3.8. Labeling 3.9. Merkmalsextraktion 3.10. Klassifikation 4. Zusammenfassung
[letzte Änderung 27.10.2020]
|
Weitere Lehrmethoden und Medien:
Tafel, Skript, Matlab, LabVIEW, Python
[letzte Änderung 27.10.2020]
|
Literatur:
Tönnies Klaus D.: Grundlagen der Bildverarbeitung, Addison-Wesley Verlag, 2005 Jähne B.: Digitale Bildverarbeitung. Springer, 5. Edition, 2002 Haberäcker Peter: Digitale Bildverarbeitung, Carl Hanser Verlag München Wien, 1987
[letzte Änderung 27.10.2020]
|