Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg"

Transkript

1 Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg

2 Gliederung 6 Endliche Kameras Die Lochkamera Die Projektive Kamera Die projektive Kamera Spalten von P Zeilen von P Hauptpunkt und Hauptachse Abstand zwischen Ursprung und Kamerazentrum Die unendliche Kamera Bewegung der Kamera in Richtung der Hauptachse Zoomen Hierarchie der affinen, unendlichen Kameras Affine Kamera 2 von 39

3 Endliche Kameras Gliederung 6 Endliche Kameras Die Lochkamera Die Projektive Kamera Die projektive Kamera Spalten von P Zeilen von P Hauptpunkt und Hauptachse Abstand zwischen Ursprung und Kamerazentrum Die unendliche Kamera Bewegung der Kamera in Richtung der Hauptachse Zoomen Hierarchie der affinen, unendlichen Kameras Affine Kamera 3 von 39

4 Endliche Kameras Die Lochkamera Y C camera centre X x p y x image plane X Z principal axis C Y f p f Y / Z Z Abbildung: Die Lochkamera. 4 von 39

5 Endliche Kameras Die Lochkamera Y C camera centre X y x p x image plane X Z principal axis C Y f p f Y / Z Z Die Lochkamera ist eine Abbildung des 3D-Raumes auf das 2D-Bildkoordinatensystem durch eine Zentralprojektion. Ein Weltpunkt X ( x y z 1 ) T wid dabei auf einen Punkt U E = f ( ) T z x y z auf der Bildebene abgebildet. Es entsteht der Bildpunkt u = f ( ) T z x y. 5 von 39

6 Endliche Kameras Die Lochkamera Y C camera centre X y x p x image plane X Z principal axis C Y f p f Y / Z Z Darstellung als Matrixmultiplikation mit homogenen Koordinaten: ( ) ( ) x x u = f fx f z y fy = 0 f 0 0 y 1 z 1 z von 39

7 Endliche Kameras Die Lochkamera Y C camera centre X y x p x image plane X Z principal axis C Y f p f Y / Z Z p ist der Hauptpunkt. Die Hauptebene ist die Ebene parallel zur Bildebene durch C. 0 f beschreibt die fokale Länge. p E = 0 f 7 von 39

8 Endliche Kameras Verschiebung des Kamerakoordinatensystems Verschiebt man das Koordinatensystem in der Kameraebene um ( hu h v ) T, so gilt für den Bildpunkt: u = f z und ( ) u = 1 ( x y ) ( ) ( f hu + = z x + h u h f v z y + h v f z x + h u f z y + h v 1 f 0 h u 0 f h v fx + h u z fy + h v z z x y z 1 ) h v y x p Abbildung: Verschiebung des Koordinatensystems h u 8 von 39

9 Endliche Kameras f 0 h u K 0 f h v Ergebnis Die 3 4 Kameramatrix P bildet einen Weltpunkt X (4 1)auf einen Bildpunkt U (3 1) ab. U PX U K [I 0] X (bisher) Die 3 3MatrixK wird Kalbibriermatrix genannt. 9 von 39

10 Endliche Kameras 3D-Translation und Rotation der Kamera Ycam Z C Zcam X cam R, t O Y Abbildung: Euklidische Transformation zwischen Welt und Kamerakoordinatensystem X 10 von 39

11 Endliche Kameras 3D-Translation und Rotation der Kamera Wird die Kamera im Raum bewegt, wird ein Weltpunkt im Weltkoordinatensystem durch ( ) R Rc X 0 T X 1 transformiert. ( ) c C ist das Kamerazentrum (Projektionszentrum) 1 einer projektiven Kamera im Weltkoordinatensystem. Es ist der einzige Punkt im Raum, der kein Bild hat: PC = 0. (Natürlich nur unter der theoretischen Annahme, dass die Kamera nach allen Seiten sieht.) 11 von 39

12 Endliche Kameras Für die Kameramatrix ergibt sich: ( R Rc u K (I 0) 0 T 1 ) X K(R Rc)X Ergebnis (Lochkamera) u KR(I ; c) X } {{ } P Die Kameramatrix P einer Lochkamera besitzt 9 Freiheitsgrade. 12 von 39

13 Endliche Kameras Die Projektive Kamera Projektive Kameras können aus nicht quadratischen Pixeln aufgebaut sein. Dies verändert die Kalibriermatrix K zu k u s h u K k v h v 1 Dabei bezeichnet s die Schiefe, die bei rechtwinkligen Pixeln Null ist. In der Regel ist der Parameter s nahe Null. k u /k v ist das Verhältnis zwischen den Seitenlängen der Pixel. k u = m x f, k v = m y f ist die fokale Länge in Pixel-Koordinaten in x- bzw. y-richtung. 13 von 39

14 Eigenschaften der Kameramatrix Die Kameramatrix P K 3 3 R 3 3 [I c] 3 4 [M 3 3 p 3 1 ] beschreibt die allgemeine projektive Kamera. Jede 3 4MatrixP beschreibt eine endliche projektive Kamera, falls die Submatrix M nicht singulär ist. Bei einer endlichen projektiven Kamera befindet sich das Kamerazentrum im Endlichen: C ( c T 1 ) T. P 3 4 hat 11 Freiheitsgrade. (= 12 Parameter 1 Skalenfaktor ) Für Kameras im Unendlichen ist M singulär und C ( c T 0 ) T. Zu diesem Kameratyp zählt die affine Kamera. Sie stellt eine Verallgemeinerung der Parallelprojektion dar.

15 Endliche Kameras Berechnung von P, K, R, C Sei P (M, p). M ist 3 3 Matrix und p ein 3 1Spaltenvektor. M KR MM T = KRR } {{ T } K T = KK T I K ist eine obere Dreiecksmatrix und kann aus KK T mittels Cholesky-Zerlegung berechnet werden. R K 1 M C ist Nullraum von P 15 von 39

16 Endliche Kameras Zerlegung von K k u s h u k u 0 0 KK T = 0 k v h v s k v h u h v 1 ku 2 + s2 + h 2 u sk v + h u h v h u = kv 2 + h2 v h v 1 16 von 39

17 DieprojektiveKamera Gliederung 6 Endliche Kameras Die Lochkamera Die Projektive Kamera Die projektive Kamera Spalten von P Zeilen von P Hauptpunkt und Hauptachse Abstand zwischen Ursprung und Kamerazentrum Die unendliche Kamera Bewegung der Kamera in Richtung der Hauptachse Zoomen Hierarchie der affinen, unendlichen Kameras Affine Kamera 17 von 39

18 DieprojektiveKamera Die projektive Kamera - Spalten von P Ziel dieses Abschnittes ist, die geometrische Bedeutung der verschiedenen Komponenten von P zu klären. p 3 Z C p 2 O Y p 1 Abbildung: Die Bildpunkte, die durch die ersten drei Spalten von P gegeben sind, sind die Fluchtpunkte der Richtungen der Weltachsen. X 18 von 39

19 DieprojektiveKamera Die projektive Kamera - Spalten von P Betrachten wir zunächst die Spalten von P ( p 1 p 2 p 3 p 4 ). Die Spaltenvektoren p 1, p 2, und p 3 sind die Bilder der Fluchtpunkte der x, y und z-richtung. p 1 P ( ) T p 2 P ( ) T p 3 P ( ) T p 4 P ( ) T p 4 ist das Bild des Weltkoordinatenursprungs. 19 von 39

20 DieprojektiveKamera Zeilen von P y x 2 P P 3 y x principal plane Abbildung: Die ersten zwei Zeilen von P charakterisieren die Ebenen, die als Rückprojektionen der Bildkoordinatenacsen entstehen. Die dritte Zeile ist die Hauptebene. 20 von 39

21 DieprojektiveKamera Zeilen von P Die Zeilen von P werden im folgenden mit π T i P ( π 1 π 2 π 3 ) T bezeichnet. Zur geometrischen Deutung der Zeilen π T i stellen wir zunächst fest: Eine Gerade l in der Bildebene wird durch die Rückprojektion auf eine Ebene im Raum abgebildet. L l π C 21 von 39

22 Zeilen von P Ergebnis (Rückprojektion einer Bildgeraden) Sei l eine Bildgerade, so stellt ihre Rückprojektion eine Ebene im Raum dar, mit π T l T P bzw. π P T l. Beweis. Sei x ein Punkt auf der Ebene π im Raum. π sei die Rückprojektion der Linie l in der Bildebene. Dann gilt: π T x = 0 und l T Px =0, da die Projektionen aller Punkte der Ebene auf der Geraden liegen. Also gilt π T x = l T Px π T l T P

23 DieprojektiveKamera Zeilen von P Es folgt für die Zeilen π T i der Matrix P: π T 1 ( ) P π 1 ist die Rückprojektion der y-achse l = ( ) T (x = 0) der Bildebene. π T 2 ( ) P π 2 ist die Rückprojektion der x-achse l = ( ) T (y = 0) der Bildebene. lt { }} { π T 3 ( ) P π3 ist die Rückprojektion der unendlich fernen Geraden der Bildebene. Dies ist die Hauptebene, die Ebene parallel zur Bildebene durch das Projektionszentrum C. 23 von 39

24 DieprojektiveKamera Hauptpunkt und Hauptachse P [M p 4 ] mit M = KR DadieletzteZeilevonK die Form k T 3 ( ) besitzt, gilt: k u s h u r T 1... M KR = 0 k v h v r2 T = r3 T r3 T r3 T ist die 3. Zeile der Rotationsmatrix R. M kann wie folgt geschrieben werden. m T 1 m T M m T 1 2 = m T m T 2 3 r3 T 24 von 39

25 Hauptpunkt und Hauptachse Normalisierung von M = ( m 1 m 2 ) T m 3 und damit auch von P durch m 3 =1unddet(M) > 0. (1) Dadurch ist m 3 ein Einheitsvektor in Richtung der Hauptachse. Diese Richtung wird auf den Hauptpunkt abgebildet: ( ) < r 1, r 3 > 0 h u m3 P = KRr 0 3 = K < r 2, r 3 > = K 0 = h v < r 3, r 3 > 1 1 Ergebnis (Hauptachse) m 3 gibt die Richtung ( der ) Hauptachse an, die auf den Hauptpunkt m3 projiziert wird. ist der Schnittpunkt der Hauptachse mit 0 der unendlich fernen Ebene.

26 DieprojektiveKamera Abstand zwischen Ursprung und Kamerazentrum X C m 3 X. m 3 Abbildung: Tiefe eines Punktes Bei normalisiertem M (Folie 25) stellt r 3 die Hauptachse dar (r 3 = m 3 ). r1 T r1 T c P = KR [I c] =K r2 T r2 T c r3 T c r T 3 P 3 4 = mt 3 c 26 von 39

27 DieprojektiveKamera Abstand zwischen Ursprung und Kamerazentrum Durch die Normalisierung gilt: m 3 T ist ein Einheitsvektor in Richtung der Hauptachse. Dies führt zu folgendem Ergebnis: Ergebnis (Abstand) d 0 ist der Abstand zwischen Ursprung und Kamerazentrum in Richtung der Hauptachse mit P 3 4 = mt 3 c = d von 39

28 Die unendliche Kamera Gliederung 6 Endliche Kameras Die Lochkamera Die Projektive Kamera Die projektive Kamera Spalten von P Zeilen von P Hauptpunkt und Hauptachse Abstand zwischen Ursprung und Kamerazentrum Die unendliche Kamera Bewegung der Kamera in Richtung der Hauptachse Zoomen Hierarchie der affinen, unendlichen Kameras Affine Kamera 28 von 39

29 Die unendliche Kamera Die unendliche Kamera Im folgenden soll die affine Kamera hergeleitet werden. Schritte: 1 Wegbewegen der Kamera in Richtung der Hauptachse 2 Heranzoomen, so dass ein Objekt seine Größe beibehält 29 von 39

30 Die unendliche Kamera Bewegung der Kamera in Richtung der Hauptachse Bei einer Bewegung des Kamerazentrums entlang der Hauptachse um den Parameter t gilt: c c tr 3 Somit verändert sich die Kameramatrix P wie folgt: r1 T r1 T (c tr 3) P KR [I c] K r2 T r2 T (c tr 3) K r3 T r3 T (c tr 3) r1 T r2 T r3 T r1 T c r2 T c t r3 T c (*) Der Übergang folgt auf Grund der { Orthogonalität zwischen 1, falls i = j den r i < r i, r j >= δ ij mit δ ij = 0sonst 30 von 39

31 Die unendliche Kamera Bewegung der Kamera in Richtung der Hauptachse Ergebnis (Verschiebung entlang der Hauptachse) Bei einer Verschiebung entlang der Hauptachse um t verändert sich P 3 4 auf d = t rt 3 c 31 von 39

32 Die unendliche Kamera Zoomen Falls t größer wird, wird das Bild kleiner. Um diesen Effekt auszugleichen erhöhen wir die Fokallänge. K K d d 0 d d 0 1, so dass die Größe des Bildes konstant bleibt. 1 r1 T c P K 1 R r2 T c K d d 0 d r T 1 r T 2 r T 1 c r T 2 c d 0 d r 3 T d 0 32 von 39

33 Die unendliche Kamera Abbildung: Wenn sich Fokallänge sowie Abstand der Kamera vergrößern, bleibt die Bildgröße gleich. Der perspektivische Effekt verschwindet perspective weak perspective increasing focal length increasing distance from camera 33 von 39

34 Die unendliche Kamera Weg zur affinen Kamera Mit d erhalten wir die affine Kamera (das Projektionszentrum liegt im Unendlichen) P K r T 1 r T 2 r T 1 c r T 2 c 0 T d 0 Punkte im Unendlichen werden auf Punkte im Unendlichen abgebildet (affine Eigenschaft). 34 von 39

35 Die unendliche Kamera Hierarchie der affinen, unendlichen Kameras Die affine Kamera kann in ( K2 2 0 P 0 T 1 zerlegt werden. )( R2 3 t 0 T 1 ) 35 von 39

36 Die unendliche Kamera Parallelprojektion Sei R 2 3 = ( ) und t = 0 dann erhält man für P die Matrix Die z Komponenten der Punkte fallen weg. 36 von 39

37 Orthographische Projektion Wählt man R 2 3 und t allgemein, erhält man eine allgemeine orthographische Projektion. Sie hat die Form: r T 1 t 1 P r2 T t 2 0 T 1 Diese hat 5 Freiheitsgrade. Kommt zusätzlich noch eine Skalierung hinzu, k r T 1 t 1 P k r2 T t 2, 1 0 T 1 spricht man von einer skalierten orthographischen Projektion. Diese hat 6Freiheitsgrade.

38 Die unendliche Kamera Schwach perspektivische Kamera - affine Kamera Ist die Skalierung in x und y Richtung verschieden, erhält man α x r T 1 t 1 P α y r2 T t 2, 1 0 T 1 und damit die schwach perspektivische Kamera. Bei der affinen Kamera kommt noch die Schiefe s hinzu: α x s r T 1 t 1 P A α y r2 T t 2, 1 0 T 1 Die affine Kamera hat 8Freiheitsgrade. 38 von 39

39 Die unendliche Kamera Affine Kamera - Eigenschaften Das Zentrum liegt im Unendlichen. Die Hauptebene ist die unendlich ferne Ebene Sie bildet die unendlich ferne Ebene auf die unendlich ferne Gerade der Bildebene ab. 39 von 39

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 7 Projektionen und Rückprojektionen Der Punkt Die Gerade Die Quadrik Die Ebene Zusammenhang Kalibriermatrix - Bild des absoluten

Mehr

Computer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17

Computer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Computer Vision: 3D-Geometrie D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Lochkamera Modell C Projektionszentrum, Optische Achse, Bildebene, P Hauptpunkt (optische Achse kreuzt die Bildebene),

Mehr

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 8 Projektive Invarianz und das kanonische Kamerapaar Kanonisches Kamerapaar aus gegebener Fundamentalmatrix Freiheitsgrade

Mehr

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg,

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg, Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg, Literatur Richard Hartle and Andrew Zisserman. Multiple View Geometr in computer vision, Cambridge Universit Press, 2 nd Ed., 23. O.D.

Mehr

Planare Projektionen und Betrachtungstransformation. Quelle: Angel (2000)

Planare Projektionen und Betrachtungstransformation. Quelle: Angel (2000) Planare Projektionen und Betrachtungstransformation Quelle: Angel (2) Gliederung Einführung Parallelprojektionen Perspektivische Projektionen Kameramodell und Betrachtungstransformationen Mathematische

Mehr

Bildtransformationen. Geometrische Transformationen Grauwert-Interpolation

Bildtransformationen. Geometrische Transformationen Grauwert-Interpolation Bildtransformationen Geometrische Transformationen Grauwert-Interpolation Transformation Transformation zwei Schritte geometrische Transformation (Trafo der Koordinaten) Neuberechnung der Pielwerte an

Mehr

Praktikumsversuch. Kamerakalibrierung. S. Rahmann und H. Burkhardt

Praktikumsversuch. Kamerakalibrierung. S. Rahmann und H. Burkhardt Praktikumsversuch Kamerakalibrierung S. Rahmann und H. Burkhardt . Inhaltsverzeichnis 1 Kamerakalibrierung 5 1.1 Einleitung............................... 5 1.2 Projektive Geometrie.........................

Mehr

Technische Universität München. Fakultät für Informatik

Technische Universität München. Fakultät für Informatik Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik IX Thema: Kameramodelle und Kamerakalibrierung Proseminar: Grundlagen Bildverstehen/Bildgestaltung Michaela

Mehr

3D-Model Reconstruction using Vanishing Points

3D-Model Reconstruction using Vanishing Points 3D-Model Reconstruction using Vanishing Points Seminar: Ausgewä hlte Themen zu "Bildverstehen und Mustererkennung" Dozenten: Prof. Dr. Xiaoyi Jiang, Dr. Da-Chuan Cheng, Steffen Wachenfeld, Kai Rothaus

Mehr

Grundregeln der Perspektive und ihre elementargeometrische Herleitung

Grundregeln der Perspektive und ihre elementargeometrische Herleitung Vortrag zu Mathematik, Geometrie und Perspektive von Prof. Dr. Bodo Pareigis am 15.10.2007 im Vorlesungszyklus Naturwissenschaften und Mathematische Wissenschaften im Rahmen des Seniorenstudiums der LMU.

Mehr

Wir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden einander nicht.

Wir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden einander nicht. 2 Ein wenig projektive Geometrie 2.1 Fernpunkte 2.1.1 Projektive Einführung von Fernpunkten Wir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden

Mehr

Computer Graphik. Mitschrift von www.kuertz.name

Computer Graphik. Mitschrift von www.kuertz.name Computer Graphik Mitschrift von www.kuertz.name Hinweis: Dies ist kein offizielles Script, sondern nur eine private Mitschrift. Die Mitschriften sind teweilse unvollständig, falsch oder inaktuell, da sie

Mehr

Internal Report 06 01. Inkrementelle Akquisition von 3D-Objektmodellen

Internal Report 06 01. Inkrementelle Akquisition von 3D-Objektmodellen Internal Report 06 01 Inkrementelle Akquisition von 3D-Objektmodellen by Lars Heyden Ruhr-Universität Bochum Institut für Neuroinformatik 44780 Bochum IR-INI 06 01 April 2006 ISSN 0943-2752 c 2006 Institut

Mehr

Augmented Reality - Grundlagen

Augmented Reality - Grundlagen Augmented Reality - Grundlagen Intelligente Mensch-Maschine-Interaktion - IMMI SS 2011 Prof. Didier Stricker Didier.Stricker@dfki.de Die Vorlesung am 07.06 findet im Raum Zuse am DFKI statt 2 Übersicht

Mehr

Computergraphik Grundlagen

Computergraphik Grundlagen Computergraphik Grundlagen IV. Koordinatensysteme und geometrische Transformationen Prof. Stefan Schlechtweg Hochschule Anhalt Fachbereich Informatik Inhalt Lernziele 1. Skalare Punkte und Vektoren 2.

Mehr

Technische Universität

Technische Universität Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik IX Stereo Vision: Epipolargeometrie Proseminar: Grundlagen Bildverarbeitung/Bildverstehen Alexander Sahm Betreuer:

Mehr

Computer-Graphik I Transformationen & Viewing

Computer-Graphik I Transformationen & Viewing lausthal Motivation omputer-raphik I Transformationen & Viewing Man möchte die virtuelle 3D Welt auf einem 2D Display darstellen. Zachmann lausthal University, ermany zach@in.tu-clausthal.de. Zachmann

Mehr

Hintergrundsubtraktion mit PTZ-Kameras

Hintergrundsubtraktion mit PTZ-Kameras Institut für Visualisierung und Interaktive Systeme Universität Stuttgart Universitätsstraße 38 D 70569 Stuttgart Diplomarbeit Nr. 3114 Hintergrundsubtraktion mit PTZ-Kameras Davaadorj Tsendragchaa Studiengang:

Mehr

Computergraphik Grundlagen

Computergraphik Grundlagen Computergraphik Grundlagen V. Die Rendering-Pipeline Prof. Stefan Schlechtweg Hochschule Anhalt Fachbereich Informatik Inhalt Lernziele 1. Der Begriff Rendering 2. Die Rendering-Pipeline Geometrische Modellierung

Mehr

Dokumentation zum Projekt Multimediale Lehre Fluidmechanik an der Technischen Universität Graz

Dokumentation zum Projekt Multimediale Lehre Fluidmechanik an der Technischen Universität Graz Dokumentation zum Projekt Multimediale Lehre Fluidmechanik an der Technischen Universität Graz Andreas Aigner email: andreasa@sbox.tu-graz.ac.at. Januar 00 Inhaltsverzeichnis Theorie. Stromfunktion...........................

Mehr

Bestimmung der relativen Kameraorientierung aus Bildpaaren

Bestimmung der relativen Kameraorientierung aus Bildpaaren Bestimmung der relativen Kameraorientierung aus Bildpaaren Bachelorarbeit an der Fakultät für Informations-, Medien und Elektrotechnik der Fachhochschule Köln im Institut für Medien- und Phototechnik Autor

Mehr

Vorgehen zur Kalibrierung von Kamerabildern

Vorgehen zur Kalibrierung von Kamerabildern Vorgehen r Kalibrierng von Kamerabildern Prof. Dr.-Ing. Bernhard Lang, 06.04.2013 3 Kalibrierng von Kamerabildern 3.1 Hintergrnd Eine reale Kamera lässt sich geometrisch drch eine Lochkamera modellieren.

Mehr

4. Kapitel 3D Engine Geometry

4. Kapitel 3D Engine Geometry 15.11.2007 Mathematics for 3D Game Programming & Computer Graphics 4. Kapitel 3D Engine Geometry Anne Adams & Katharina Schmitt Universität Trier Fachbereich IV Proseminar Numerik Wintersemester 2007/08

Mehr

Digitale Bildverarbeitung (DBV)

Digitale Bildverarbeitung (DBV) Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung

Mehr

Prof. J. Zhang zhang@informatik.uni-hamburg.de. Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 6. Januar 2004

Prof. J. Zhang zhang@informatik.uni-hamburg.de. Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 6. Januar 2004 zhang@informatik.uni-hamburg.de Universität Hamburg AB Technische Aspekte Multimodaler Systeme zhang@informatik.uni-hamburg.de Inhaltsverzeichnis Kalibrierung einer Kamera: Grundkonzept...............344

Mehr

Zwei Aufgaben, die auf windschiefe Regelflächen führen,

Zwei Aufgaben, die auf windschiefe Regelflächen führen, Zwei Aufgaben, die auf windschiefe Regelflächen führen, von À. KIEFER (Zürich). (Als Manuskript eingegangen am 25. Januar 1926.) I. Gesucht im Raum der Ort des Punktes, von dem aus die Zentralprojektionen

Mehr

3D-Rekonstruktion mit Kamera und Spiegel

3D-Rekonstruktion mit Kamera und Spiegel 3D-Rekonstruktion mit Kamera und Spiegel Bachelor-Thesis 31. März 2014 JULIAN STIER Prof. Dr. Tomas Sauer Abstract Schnellere Computer, bessere Optimierungsalgorithmen und über 20 Jahre Forschung im Bereich

Mehr

Kapitel 0. Einführung. 0.1 Was ist Computergrafik? 0.2 Anwendungsgebiete

Kapitel 0. Einführung. 0.1 Was ist Computergrafik? 0.2 Anwendungsgebiete Kapitel 0 Einführung 0.1 Was ist Computergrafik? Software, die einen Computer dazu bringt, eine grafische Ausgabe (oder kurz gesagt: Bilder) zu produzieren. Bilder können sein: Fotos, Schaltpläne, Veranschaulichung

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder

Mehr

Dr. Jürgen Roth. Fachbereich 6: Abteilung Didaktik der Mathematik. Elemente der Algebra. Dr. Jürgen Roth 3.1

Dr. Jürgen Roth. Fachbereich 6: Abteilung Didaktik der Mathematik. Elemente der Algebra. Dr. Jürgen Roth 3.1 .1 Dr. Jürgen Roth Fachbereich 6: Abteilung Didaktik der Mathematik Elemente der Algebra . Inhaltsverzeichnis Elemente der Algebra & Argumentationsgrundlagen, Gleichungen und Gleichungssysteme Quadratische

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

Geometrie Klasse 5 Basiswissen und Grundbegriffe der Geometrie

Geometrie Klasse 5 Basiswissen und Grundbegriffe der Geometrie Geometrie Klasse 5 Basiswissen und Grundbegriffe der Geometrie Skript Beispiele Musteraufgaben Seite 1 Impressum Mathefritz Verlag Jörg Christmann Pfaffenkopfstr. 21E 66125 Saarbrücken verlag@mathefritz.de

Mehr

Grundlagen der Computer-Tomographie

Grundlagen der Computer-Tomographie Grundlagen der Computer-Tomographie Quellenangabe Die folgenden Folien sind zum Teil dem Übersichtsvortrag: imbie.meb.uni-bonn.de/epileptologie/staff/lehnertz/ct1.pdf entnommen. Als Quelle für die mathematischen

Mehr

Erinnerung. Arbeitsschritte der Computergraphik. Modellierung. Animation. Rendering. Ausgabemedium. Generierung

Erinnerung. Arbeitsschritte der Computergraphik. Modellierung. Animation. Rendering. Ausgabemedium. Generierung Erinnerung Arbeitsschritte der Computergraphik Modellierung Animation Generierung Ausgabemedium Graphik/-Pipeline Wandelt die Beschreibung einer Szene im dreidimensionalen Raum in eine zweidimensionale

Mehr

Funktionen (linear, quadratisch)

Funktionen (linear, quadratisch) Funktionen (linear, quadratisch) 1. Definitionsbereich Bestimme den Definitionsbereich der Funktion f(x) = 16 x 2 2x + 4 2. Umkehrfunktionen Wie lauten die Umkehrfunktionen der folgenden Funktionen? (a)

Mehr

MATHEMATISCHER FITNESSTEST - LÖSUNGEN. (2) Welche Menge stellt die schraerte Fläche dar?

MATHEMATISCHER FITNESSTEST - LÖSUNGEN. (2) Welche Menge stellt die schraerte Fläche dar? MATHEMATISCHER FITNESSTEST - LÖSUNGEN DR. ROGER ROBYR Die Aufgaben sollten alle ohne Unterlagen und ohne programmierbare oder graphikfähige Rechner gelöst werden können. Lösung. ) Gegeben sind die Mengen

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Grundlagen der digitalen Bildverarbeitung / Fortsetzung

Grundlagen der digitalen Bildverarbeitung / Fortsetzung Grundlagen der digitalen Bildverarbeitung / Fortsetzung Wir haben bereits zwei Beispiele digitaler Bildfilter gesehen. Es gibt eine große Menge von Filtern mit ganz unterschiedlicher Auswirkung auf das

Mehr

6.2 Scan-Konvertierung (Scan Conversion)

6.2 Scan-Konvertierung (Scan Conversion) 6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster

Mehr

Lineare Algebra und Computer Grafik

Lineare Algebra und Computer Grafik Lineare Algebra und Computer Grafik Vorlesung an der Hochschule Heilbronn (Stand: 7 Mai ) Prof Dr V Stahl Copyright 6 by Volker Stahl All rights reserved Inhaltsverzeichnis Vektoren 4 Vektoren und Skalare

Mehr

Abiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1

Abiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1 Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)

Mehr

LÖSUNG ZUR VORLESUNG MAKROÖKONOMIK I (SoSe 14) Aufgabenblatt 4

LÖSUNG ZUR VORLESUNG MAKROÖKONOMIK I (SoSe 14) Aufgabenblatt 4 Fakultät Wirtschafts- und Sozialwissenschaften Jun.-Prof. Dr. Philipp Engler, Michael Paetz LÖSUNG ZUR VORLESUNG MAKROÖKONOMIK I (SoSe 14) Aufgabenblatt 4 Aufgabe 1: IS-Kurve Leiten Sie graphisch mit Hilfe

Mehr

( ) als den Punkt mit der gleichen x-koordinate wie A und der

( ) als den Punkt mit der gleichen x-koordinate wie A und der ETH-Aufnahmeprüfung Herbst 05 Mathematik I (Analysis) Aufgabe [6 Punkte] Bestimmen Sie den Schnittwinkel α zwischen den Graphen der Funktionen f(x) x 4x + x + 5 und g(x) x x + 5 im Schnittpunkt mit der

Mehr

Computer Vision SS 2011. Skript

Computer Vision SS 2011. Skript Computer Vision SS 211 Skript (Work in Progress) Simon Hawe & Martin Kleinsteuber Skript: Manuel Wolf Inhaltsverzeichnis 1 Einführung 1 1.1 Was ist ein Bild?................................. 1 1.2 Wie

Mehr

Kapitel 15. Lösung linearer Gleichungssysteme

Kapitel 15. Lösung linearer Gleichungssysteme Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren

Mehr

Bachelorarbeit. Peter Oltmann. 3D-Lagebestimmung von Objekten für Assistenzroboter. Fakultät Technik und Informatik Studiendepartment Informatik

Bachelorarbeit. Peter Oltmann. 3D-Lagebestimmung von Objekten für Assistenzroboter. Fakultät Technik und Informatik Studiendepartment Informatik Bachelorarbeit Peter Oltmann 3D-Lagebestimmung von Objekten für Assistenzroboter Fakultät Technik und Informatik Studiendepartment Informatik Faculty of Engineering and Computer Science Department of Computer

Mehr

Optisches Kameratracking anhand natürlicher Merkmale Diplomarbeit im Studiengang Angewandte Informatik. Jonas Eschenburg. Report 2006-12 April 2006

Optisches Kameratracking anhand natürlicher Merkmale Diplomarbeit im Studiengang Angewandte Informatik. Jonas Eschenburg. Report 2006-12 April 2006 à ÊÇÅÍÆ ËÀǼ Universität Augsburg Optisches Kameratracking anhand natürlicher Merkmale Diplomarbeit im Studiengang Angewandte Informatik Jonas Eschenburg Report 2006-12 April 2006 Institut für Informatik

Mehr

Die Übereckperspektive mit zwei Fluchtpunkten

Die Übereckperspektive mit zwei Fluchtpunkten Perspektive Perspektive mit zwei Fluchtpunkten (S. 1 von 8) / www.kunstbrowser.de Die Übereckperspektive mit zwei Fluchtpunkten Bei dieser Perspektivart wird der rechtwinklige Körper so auf die Grundebene

Mehr

Darstellende Geometrie Übungen. Tutorial. Übungsblatt: Perspektive - Rekonstruktion

Darstellende Geometrie Übungen. Tutorial. Übungsblatt: Perspektive - Rekonstruktion Darstellende Geometrie Übungen Institut für Architektur und Medien Tutorial Übungsblatt: Perspektive - Rekonstruktion Gegeben sind ein Foto von einem quaderförmigen Objekt sowie die Abmessungen des Basisrechteckes.

Mehr

Parallele Algorithmen mit OpenCL. Universität Osnabrück, Henning Wenke, 2013-05-08

Parallele Algorithmen mit OpenCL. Universität Osnabrück, Henning Wenke, 2013-05-08 Parallele Algorithmen mit OpenCL Universität Osnabrück, Henning Wenke, 2013-05-08 Aufräumen Ressourcen in umgekehrter Abhängigkeitsreihenfolge freigeben Objekte haben Reference-Count (RC), initial 1 clrelease

Mehr

Computergraphik I. Scan Conversion: Lines & Co. Einordnung in die Pipeline. G. Zachmann Clausthal University, Germany zach@tu-clausthal.

Computergraphik I. Scan Conversion: Lines & Co. Einordnung in die Pipeline. G. Zachmann Clausthal University, Germany zach@tu-clausthal. 11/4/10 lausthal omputergraphik I Scan onversion of Lines. Zachmann lausthal University, ermany zach@tu-clausthal.de Einordnung in die Pipeline Rasterisierung der Objekte in Pixel Ecken-Werte interpolieren

Mehr

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3

Mehr

BONUS MALUS SYSTEME UND MARKOV KETTEN

BONUS MALUS SYSTEME UND MARKOV KETTEN Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren

KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren Beispiel 3.2. Gesucht u(x), das eine Differentialgleichung vom Typ u (x) + λ(x)u(x) = f(x), x [0,], mit den Randbedingungen u(0) = u() = 0

Mehr

Computergrafik 1 3D Rendering

Computergrafik 1 3D Rendering Computergrafik 3D Rendering Hearn/Baker 5.9-6,7.-9,7. Based on material b Werner Purgathofer and Dieter Schmalstieg Creating an Illusion The environment The imaging process = rendering The camera 2 Rendering

Mehr

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term

Mehr

Fakultät für Elektrotechnik und Informationstechnik. Professur für Prozessautomatisierung. Diplomarbeit

Fakultät für Elektrotechnik und Informationstechnik. Professur für Prozessautomatisierung. Diplomarbeit Fakultät für Elektrotechnik und Informationstechnik Professur für Prozessautomatisierung Diplomarbeit Implementierung eines Mono-Kamera-SLAM Verfahrens zur visuell gestützten Navigation und Steuerung eines

Mehr

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u. Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume

Mehr

*EP001251329A2* EP 1 251 329 A2 (19) (11) EP 1 251 329 A2 (12) EUROPÄISCHE PATENTANMELDUNG. (43) Veröffentlichungstag: 23.10.2002 Patentblatt 2002/43

*EP001251329A2* EP 1 251 329 A2 (19) (11) EP 1 251 329 A2 (12) EUROPÄISCHE PATENTANMELDUNG. (43) Veröffentlichungstag: 23.10.2002 Patentblatt 2002/43 (19) Europäisches Patentamt European Patent Office Office européen des brevets *EP00121329A2* (11) EP 1 21 329 A2 (12) EUROPÄISCHE PATENTANMELDUNG (43) Veröffentlichungstag: 23..02 Patentblatt 02/43 (1)

Mehr

Diplomarbeit. Untersuchung und Evaluierung von Methoden zur Kalibrierung optischer Sensoren in Verbindung mit Lagesensoren

Diplomarbeit. Untersuchung und Evaluierung von Methoden zur Kalibrierung optischer Sensoren in Verbindung mit Lagesensoren Technische Universität Berlin Fakultät für Elektrotechnik und Informatik Institut für Technische Informatik und Mikroelektronik Diplomarbeit Untersuchung und Evaluierung von Methoden zur Kalibrierung optischer

Mehr

Plotten von Linien ( nach Jack Bresenham, 1962 )

Plotten von Linien ( nach Jack Bresenham, 1962 ) Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels

Mehr

www.mathe-aufgaben.com

www.mathe-aufgaben.com Abiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit sin() f() =. Aufgabe : ( VP) Berechnen Sie das Integral ( )

Mehr

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG ¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht

Mehr

Gleichungen - Aufgabenstellung und Lösungsstrategien

Gleichungen - Aufgabenstellung und Lösungsstrategien Gleichungen - Aufgabenstellung und Lösungsstrategien Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 18. Juli 2006 1 Einleitung

Mehr

Dynamische und interaktive Visualisierung wissenschaftlicher Daten im World Wide Web

Dynamische und interaktive Visualisierung wissenschaftlicher Daten im World Wide Web Departement Elektrotechnik Computer Vision Group Prof. Dr. Luc Van Gool Dynamische und interaktive Visualisierung wissenschaftlicher Daten im World Wide Web Philipp Minnig, Mario Widmer Semesterarbeit

Mehr

MATHEMATIK. Fachabiturprüfung 2009 zum Erwerb der Fachhochschulreife an. Fachoberschulen und Berufsoberschulen. Ausbildungsrichtung Technik

MATHEMATIK. Fachabiturprüfung 2009 zum Erwerb der Fachhochschulreife an. Fachoberschulen und Berufsoberschulen. Ausbildungsrichtung Technik Fachabiturprüfung 2009 zum Erwerb der Fachhochschulreife an Fachoberschulen und Berufsoberschulen MATHEMATIK Ausbildungsrichtung Technik Freitag, 29. Mai 2009, 9.00-12.00 Uhr Die Schülerinnen und Schüler

Mehr

Abitur 2011, Analysis I

Abitur 2011, Analysis I Abitur, Analysis I Teil. f(x) = x + 4x + 5 Maximale Definitionsmenge: D = R \ {,5} Ableitung: f (4x + 5) (x + ) 4 8x + 8x (x) = (4x + 5) = (4x + 5) = (4x + 5). F(x) = 4 x (ln x ); D F = R + F (x) = 4 x

Mehr

Physikalisches Grundpraktikum II Versuch 1.1 Geometrische Optik. von Sören Senkovic & Nils Romaker

Physikalisches Grundpraktikum II Versuch 1.1 Geometrische Optik. von Sören Senkovic & Nils Romaker Physikalisches Grundpraktikum II Versuch 1.1 Geometrische Optik von Sören Senkovic & Nils Romaker 1 Inhaltsverzeichnis Theoretischer Teil............................................... 3 Grundlagen..................................................

Mehr

Optische Abbildung (OPA)

Optische Abbildung (OPA) Seite 1 Themengebiet: Optik Autor: unbekannt geändert: M. Saß (30.03.06) 1 Stichworte Geometrische Optik, Lichtstrahl, dünne und dicke Linsen, Linsensysteme, Abbildungsgleichung, Bildkonstruktion 2 Literatur

Mehr

4 Produktspezifische Ausfallwahrscheinlichkeit und Ausbeute

4 Produktspezifische Ausfallwahrscheinlichkeit und Ausbeute 4.1 Grundlagen 4 Produktspezifische Ausfallwahrscheinlichkeit und Ausbeute 4.1 Grundlagen In den bisherigen Ausführungen wurden die Grundlagen der Ausbeuteberechnung behandelt. So wurde bereits im Abschnitt

Mehr

Gegeben ist die Funktion f durch. Ihr Schaubild sei K.

Gegeben ist die Funktion f durch. Ihr Schaubild sei K. Aufgabe I 1 Gegeben ist die Funktion f durch. Ihr Schaubild sei K. a) Geben Sie die maximale Definitionsmenge D f an. Untersuchen Sie K auf gemeinsame Punkte mit der x-achse. Bestimmen Sie die Intervalle,

Mehr

1 Anregung von Oberflächenwellen (30 Punkte)

1 Anregung von Oberflächenwellen (30 Punkte) 1 Anregung von Oberflächenwellen (30 Punkte) Eine ebene p-polarisierte Welle mit Frequenz ω und Amplitude E 0 trifft aus einem dielektrischen Medium 1 mit Permittivität ε 1 auf eine Grenzfläche, die mit

Mehr

Optimierte automatische Kameraorientierung auf Basis projektiver Beziehungen

Optimierte automatische Kameraorientierung auf Basis projektiver Beziehungen Fakultät für Geowissenschaften, Geotechnik und Bergbau Institut für Markscheidewesen und Geodäsie Diplomarbeit Optimierte automatische Kameraorientierung auf Basis projektiver Beziehungen David Matthus

Mehr

Geometrische Maße oder,... wie kann man quantitative Aussagen über geometrische Objekte erhalten?

Geometrische Maße oder,... wie kann man quantitative Aussagen über geometrische Objekte erhalten? In der euklidischen Geometrie der Mittelstufe ging es zumeist um geometrische Konstruktionen und um qualitative Aussagen über geometrische Objekte in Bezug zueinander. Möchte man, insbesondere im dreidimensionalen

Mehr

Thüringer Kultusministerium

Thüringer Kultusministerium Prüfungstag: Mittwoch, den 07. Juni 2000 Prüfungsbeginn: 8.00 Uhr Thüringer Kultusministerium Realschulabschluss Schuljahr 1999/2000 Mathematik Hinweise für die Prüfungsteilnehmerinnen und -teilnehmer

Mehr

Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.

Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14. Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten

Mehr

Bildbasierte Regelung mit Momenten von SIFT-Merkmalen. Torsten Seyffarth. Algorithm Engineering Report TR06-2-006 Mai 2006 ISSN 1864-4503

Bildbasierte Regelung mit Momenten von SIFT-Merkmalen. Torsten Seyffarth. Algorithm Engineering Report TR06-2-006 Mai 2006 ISSN 1864-4503 Bildbasierte Regelung mit Momenten von SIFT-Merkmalen Torsten Seyffarth Algorithm Engineering Report TR06-2-006 Mai 2006 ISSN 1864-4503 Universität Dortmund Fachbereich Informatik Algorithm Engineering

Mehr

Bildverarbeitung Herbstsemester 2012. Kanten und Ecken

Bildverarbeitung Herbstsemester 2012. Kanten und Ecken Bildverarbeitung Herbstsemester 01 Kanten und Ecken 1 Inhalt Einführung Kantendetektierung Gradientenbasierende Verfahren Verfahren basierend auf der zweiten Ableitung Eckpunkterkennung Harris Corner Detector

Mehr

Technische Universität Hamburg-Harburg

Technische Universität Hamburg-Harburg Technische Universität Hamburg-Harburg Informatik für Maschinenbau-Ingenieure II Schriftliche Prüfung Allgemeine Hinweise 1. Diese Prüfungsunterlagen enthalten 8 Aufgaben auf 6 nummerierten Seiten und

Mehr

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage

Mehr

Lineare Gleichungssysteme und Gauß'scher Algorithmus

Lineare Gleichungssysteme und Gauß'scher Algorithmus Zurück Letzter Update 7... Lineare Gleichungssysteme und Gauß'scher Algorithmus In der Mathematik bezeichnet man mit Matrix ein rechteckiges Schema, in dem Zahlen oder Funktionen angeordnet werden. Hier

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

= 26 60 (Hauptnenner) 15x 12x + 10x = 26 60 zusammenfassen 13x = 26 60 :13 (Variable isolieren) x =

= 26 60 (Hauptnenner) 15x 12x + 10x = 26 60 zusammenfassen 13x = 26 60 :13 (Variable isolieren) x = WERRATALSCHULE HERINGEN KOMPENSATION MATHEMATIK JG. 11 1 Lineare Gleichungen Das Lösen linearer Gleichungen ist eine wichtige Rechenfertigkeit, die immer wieder gefordert wird und für den Mathematikunterricht

Mehr

Institut für Leistungselektronik und Elektrische Antriebe. Übungen Regelungstechnik 2

Institut für Leistungselektronik und Elektrische Antriebe. Übungen Regelungstechnik 2 Institut für Leistungselektronik und Elektrische Antriebe Prof. Dr.-Ing. J. Roth-Stielow Übungen Regelungstechnik 2 Inhalt der Übungen: 1. Grundlagen (Wiederholung RT1) 2. Störgrößenaufschaltung 3. Störgrößennachbildung

Mehr

Das Mathematik-Abitur im Saarland

Das Mathematik-Abitur im Saarland Informationen zum Abitur Das Mathematik-Abitur im Saarland Sie können Mathematik im Abitur entweder als grundlegenden Kurs (G-Kurs) oder als erhöhten Kurs (E-Kurs) wählen. Die Bearbeitungszeit für die

Mehr

Perspektive Shadow Maps

Perspektive Shadow Maps Leitung: Steffen Merkle Karsten Isakovic Perspektive Shadow Maps Ausarbeitung eines Vortrags der SIGGRAPH 2002 Konferenz nach Mark Stamminger und George Drettakis Vorbereitet von: Lech Modrzejewski Jan

Mehr

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen. Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems

Mehr

3D-Algebra Version 2

3D-Algebra Version 2 3D-Algebra Version 2 Fakultät für Mathematik und Informatik Datenbanksysteme für neue Anwendungen FernUniversität in Hagen 19.November 2015 c 2015 FernUniversität in Hagen Das Ziel Repräsentation von Punkten,

Mehr

Klausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth

Klausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth Fakultät für Ingenieurswissenschaften Bachelorstudiengang Biomedizinische Technik Prof. Dr. W. Langguth Klausuraufgabensammlung Mathematik Klausuraufgaben zur Mathematik - von Wolfgang Langguth Aufgabenstellungen

Mehr

Beispiel zur Lösung eines Gleichungssystems : 6 y + z = 15 0 6 1. 15 12 x + 3 y 3 z = 15 12 3 3. 15 2 x 3 y = 4 2 3 0.

Beispiel zur Lösung eines Gleichungssystems : 6 y + z = 15 0 6 1. 15 12 x + 3 y 3 z = 15 12 3 3. 15 2 x 3 y = 4 2 3 0. Beispiel zur Lösung eines Gleichungssystems : 6 y + z = 5 0 6 5 2 x + 3 y 3 z = 5 2 3 3 5 2 x 3 y = 4 2 3 0 4 z2 /3 z : 3 2 x 3 y = 4 2 3 0 4 4 x + y z = 5 4 5 6 y + z = 5 0 6 5 z2 + 2 z 2 x 3 y = 4 2

Mehr

T Nach- bzw. Wiederholungsprüfung:

T Nach- bzw. Wiederholungsprüfung: Schriftliche Abschlussprüfung an Fachoberschulen/ Prüfung zum Erwerb der Fachhochschulreife in beruflichen Bildungsgängen im Schuljahr 00/0 Hauptprüfung: Nach- bzw. Wiederholungsprüfung: 0.0.0 Schularten:

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

Skript zum Vortrag Grundlagen der Computergrafik

Skript zum Vortrag Grundlagen der Computergrafik Skript zum Vortrag Grundlagen der Computergrafik Hanna Peeters Carsten Pauck VR-Gruppe Rechen- und Kommunikationszentrum RWTH Aachen Betreuer: Jakob T. Valvoda Dieses Dokument entstand im Rahmen der Seminarvorträge

Mehr

Grundlagen der Bildverarbeitung Klaus D. Tönnies

Grundlagen der Bildverarbeitung Klaus D. Tönnies Grundlagen der Bildverarbeitung Klaus D. Tönnies ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Einflüsse bei der

Mehr

6.4. Polarisation und Doppelbrechung. Exp. 51: Doppelbrechung am Kalkspat. Dieter Suter - 389 - Physik B2. 6.4.1. Polarisation

6.4. Polarisation und Doppelbrechung. Exp. 51: Doppelbrechung am Kalkspat. Dieter Suter - 389 - Physik B2. 6.4.1. Polarisation Dieter Suter - 389 - Physik B2 6.4. Polarisation und Doppelbrechung 6.4.1. Polarisation Wie andere elektromagnetische Wellen ist Licht eine Transversalwelle. Es existieren deshalb zwei orthogonale Polarisationsrichtungen.

Mehr

ARCH- und GARCH-Modelle

ARCH- und GARCH-Modelle ARCH- und GARCH-Modelle Thomas Simon Analyse und Modellierung komplexer Systeme 04.11.2009 homas Simon (Analyse und Modellierung komplexerarch- Systeme) und GARCH-Modelle 04.11.2009 1 / 27 Ausgangssituation

Mehr

Arbeitsblätter zum Thema Papierfalten und Algebra für den Unterricht Hochbegabter in der Sekundarstufe II

Arbeitsblätter zum Thema Papierfalten und Algebra für den Unterricht Hochbegabter in der Sekundarstufe II Arbeitsblätter zum Thema Papierfalten und Algebra für den Unterricht Hochbegabter in der Sekundarstufe II Robert Geretschläger Graz, Österreich, 2009 Blatt 1 Lösen quadratischer Gleichungen mit Zirkel

Mehr

Fraktale Geometrie: Julia Mengen

Fraktale Geometrie: Julia Mengen Fraktale Geometrie: Julia Mengen Gunnar Völkel 1. Februar 007 Zusammenfassung Diese Ausarbeitung ist als Stoffsammlung für das Seminar Fraktale Geometrie im Wintersemester 006/007 an der Universität Ulm

Mehr