Bildverstehen I: Methoden der industriellen Bildverarbeitung
Image Understanding I: Machine Vision Algorithms

Modul IN2023

Dieses Modul wird durch Fakultät für Informatik bereitgestellt.

Diese Modulbeschreibung enthält neben den eigentlichen Beschreibungen der Inhalte, Lernergebnisse, Lehr- und Lernmethoden und Prüfungsformen auch Verweise auf die aktuellen Lehrveranstaltungen und Termine für die Modulprüfung in den jeweiligen Abschnitten.

Basisdaten

IN2023 ist ein Semestermodul in Deutsch auf Bachelor-Niveau und Master-Niveau das im Sommersemester angeboten wird.

Das Modul ist Bestandteil der folgenden Kataloge in den Studienangeboten der Physik.

  • Allgemeiner Katalog der nichtphysikalischen Wahlfächer
GesamtaufwandPräsenzveranstaltungenUmfang (ECTS)
90 h 30 h 3 CP

Inhalte, Lernergebnisse und Voraussetzungen

Inhalt

Das Modul gibt eine detaillierte Beschreibung der praxisrelevanten Methoden und Algorithmen, die zur Lösung von Anwendungen in der industriellen Bildverarbeitung verwendet werden. Die Auswahl der Verfahren orientiert sich an den häufigsten Einsatzgebieten der Bildverarbeitung in der Industrie: Lageerkennung, Form- und Maßprüfung und Objekterkennung. Der Schwerpunkt der Vorlesung ist die Beschreibung der Verfahren und ihrer Grundlagen. Beispiele aus der Praxis zeigen die typischen Anwendungen, in denen die vorgestellten Verfahren eingesetzt werden. Im einzelnen werden folgende Themenbereiche behandelt: - Bildaufnahme - Bildverbesserung - Segmentation und Merkmalsextraktion - Morphologie - Kantenextraktion - Segmentation und Anpassung von geometrischen Primitiven - Kamerakalibrierung - Template Matching - Stereo-Rekonstruktion

Lernergebnisse

Nach Bestehen des Moduls verstehen die Teilnehemr die wesentlichen Hardware-Komponenten eines industriellen Bildverarbeitungssystems, sowie die Theorie, Datenstrukturen und Implementierung der wichtigsten Algorithmen der industriellen Bildverarbeitung. Sie sind in der Lage, Bildverarbeitungsaufgaben zu analysieren und zu bewerten und können diese Kenntnisse und Fähigkeiten nutzen, um industrielle Bildverarbeitungsanwendungen zu entwickeln.

Voraussetzungen

Das Modul setzt grundlegende Kenntnisse der folgenden Gebiete voraus: Lineare Algebra (lineare Transformationen zwischen Vektorräumen in Matrixalgebra), Analysis (Reihen, Differentiation und Integration ein- und zweidimensionaler Funktionen)

Lehrveranstaltungen, Lern- und Lehrmethoden und Literaturhinweise

Lehrveranstaltungen und Termine

Lern- und Lehrmethoden

Vorlesung (Präsentation von Folien und Vorstellung interaktiver Beispiele)

Medienformen

PowerPoint

Literatur

Carsten Steger, Markus Ulrich, Christian Wiedemann: Machine Vision Algorithms and Applications; Wiley-VCH, Weinheim, 2007

Modulprüfung

Beschreibung der Prüfungs- und Studienleistungen

Die Prüfungsleistung wird in Form einer Klausur erbracht. Anwendungsaufgaben überprüfen die Fähigkeit, realistische Anwendungen der industriellen Bildverarbeitung zu analysieren, zu bewerten und zu entwickeln. Wissensfragen überprüfen die Vertrautheit mit den Hardware-Komponenten und Algorithmen der industriellen Bildverarbeitung sowie die Angemessenheit der Auswahl der Hardware-Komponenten und Algorithmen zur Lösung einer bestimmten Anwendung.

Wiederholbarkeit

Eine Wiederholungsmöglichkeit wird am Semesterende angeboten.

Kondensierte Materie

Wenn Atome sich zusammen tun, wird es interessant: Grundlagenforschung an Festkörperelementen, Nanostrukturen und neuen Materialien mit überraschenden Eigenschaften treffen auf innovative Anwendungen.

Kern-, Teilchen-, Astrophysik

Ziel der Forschung ist das Verständnis unserer Welt auf subatomarem Niveau, von den Atomkernen im Zentrum der Atome bis hin zu den elementarsten Bausteinen unserer Welt.

Biophysik

Biologische Systeme, vom Protein bis hin zu lebenden Zellen und deren Verbänden, gehorchen physikalischen Prinzipien. Unser Forschungsbereich Biophysik ist deutschlandweit einer der größten Zusammenschlüsse in diesem Bereich.