Structure-from-Motion. Christina Mundhenk Leo Sylvio Rüdian Marcel Kliemannel
|
|
- Ursula Neumann
- vor 7 Jahren
- Abrufe
Transkript
1 Structure-from-Motion Christina Mundhenk Leo Sylvio Rüdian Marcel Kliemannel
2 Fahrplan Structure-from Motion Workflow mit SIFT & Bundle Adjustment mit SURE Probleme/ Grenzen Technik Metrik und Vergleich Anwendungsbeispiel
3 Motivation Unterschiedlicher Standpunkt der Kameras für jedes Foto (Höhe, Rotation, Distanz) Keypoints
4 1. Möglichkeit: Structure-from-Motion Workflow mit SIFT und Bundle Adjustment
5 Structure-from-Motion Workflow (SfM) Fotos SIFT Bundle Adjustment und 3D Scence Reconstruction CMVS CMPMVS PMVS2 Keypoints (Features) Dünne Punktwolke Dichte Punktwolke
6 Scale Invariant Feature Transform (SIFT) Keypoints finden (Ecken, Flecke) Für jeden Keypoint wird ein Histogram der Gradienten erstellen Für jede Spitze im Histogram ein Vektor Alle Vektoren im Keypoint descriptor (Features) zusammengefasst Grafiken-Quelle:
7 Scale Invariant Feature Transform (SIFT) Beispiel: Einzelne Features
8 Scale Invariant Feature Transform (SIFT) Features sind unabhängig von Skalierung und Rotation der Fotos Jedes Foto wird mit jedem Foto auf passende Feature Matches verglichen Keypoints hängen von der Textur des Objektes, Pixel Auflösung (Größe des Bildes) und Spatial Auflösung (feinste erkennbare Struktur) ab Fotos sollten sich möglichst großzügig überlappen und eine möglichst kleine Verschiebung der Kamera
9 Scale Invariant Feature Transform (SIFT) Beispiel: Matching Features
10 Bundle Adjustment und 3D Scene Reconstruction Aus den extrahierten Features werden die Positionen der Kameras geschätzt Ein Track (Contraint für Kamera-Positionen) zwischen min. 2 Features in der Menge der Bilder erzeugt Rekonstruktion aus der Minimierung des Fehlers zwischen der gemessenen und geschätzten Position aller Features 3D-Punkte aus Triangulation und die Szenengeometrie wird zu einem relativen Koordinatensystem fixiert
11 Bundle Adjustment und 3D Scene Reconstruction Beispiel: Dünne Punktwolke
12 CMVS & PMVS2 Clustering View for Multi-view Stereo (CMVS) Für jede berechnete Kamera-Position werden die überlappenden Original Bilder in unabhängige Cluster zerlegt Patch-based Multiview Stereo (PMVS2) Berechnet aus den Clustern die einzelnen 3D- Punkte Resultat: Dichte Punktwolke Alternative CMPMVS
13 2. Möglichkeit: Structure-from-Motion Workflow mit SURE
14 SURE Fotos Rektifizierung Bundle Adjustment Generiere Punktwolke Normalbilder Tiefenkarte 3D-Punktwolke
15 SURE
16 SURE Ergebnis Kamera: Canon EOS 550D
17 Probleme & Grenzen
18 Grenzen
19 Grenzen
20 Grenzen Funktioniert nur wenn Oberflächen sichtbar und zugänglich sind. Sind Bilder zu dunkel, werden keine Matches gefunden. Zu detaillierte Strukturen führen zu Fehlern.
21 Overhead Bilder Canon PowerShot (34): 68,8 MB Projektdateien (CMPMVS): 14,5 GB Projektdaten (SURE): 1,8 GB Model (*ply): 87,5 MB
22 Technik
23 Technik 0,3 Megapixel 4 Megapixel 10 Megapixel 18 Megapixel Sensor (7,6 x 5,7 mm) Sensor (22,3 x 14,9 mm)
24 Vergleich der Ergebnisse
25 Vergleich
26 Vergleich Canon EOS 550D CMPMVS, tageslicht Canon PowerShot S95 CMPMVS, kunstlicht
27 Metrik für die Ergebnisse
28 Metrik Kriterien Anzahl Bilder Durchschnittliche Größe pro Bild (MB) Pixel pro Bild Umgebungslicht Anzahl cams (Visual SFM) Prozentualer Anteil verwendeter Bilder (Visual SFM) Anzahl projections (Visual SFM) Anzahl pts (Visual SFM) Vertices Faces Größe der *.ply (MB)
29 Metrik
30 Metrik
31 Metrik
32 Metrik Anzahl Bilder Durchschnittliche Größe pro Bild (MB) Pixel pro Bild Umgebungslicht Anzahl cams (Visual SFM) Prozentualer Anteil verwendeter Bilder (Visual SFM) Anzahl projections (Visual SFM) Anzahl pts (Visual SFM) Vertices Faces Größe der *.ply (MB)
33 Metrik
34 Anwendungsbeispiel
35 Wie messen wir den Testy Brett: 9,0 cm (Zollstock) Brett: 0, (MeshLab) Testy: 3,49314 (MeshLab) Testy: 38,77 cm (berechnet)
36 Structure-from-Motion Christina Mundhenk Leo Sylvio Rüdian Marcel Kliemannel
37 Quellen
38 Quellen de/cv/vorlesungen/ws1415/material/bundleseminar14.pdf
Scene Reconstruction with Multiple View Geometry
Scene Reconstruction with Multiple View Geometry Anwendungen 2 16.06.2010 Nikolaus Rusitska nikolausrusitska@gmx.de Inhalt Rückblick Techniken Related Work Fazit 1 Rückblick Techniken Related Work Fazit
MehrNavigation anhand natürlicher Landmarken mit Hilfe der Scale Invariant Feature Transform. Thorsten Jost INF-M2 AW1 Sommersemester
Navigation anhand natürlicher Landmarken mit Hilfe der Scale Invariant Feature Transform Thorsten Jost INF-M2 AW1 Sommersemester 2008 Agenda Motivation Feature Detection Beispiele Posenbestimmung in Räumen
MehrSuche nach korrespondierenden Pixeln
Suche nach korrespondierenden Pixeln Seminar Algorithmen zur Erzeugung von Panoramabildern Philip Mildner, Gliederung 1. Motivation 2. Anforderungen 3. Moravec Detektor 4. Harris Detektor 5. Scale Invariant
MehrAuswertung von Bilddaten aus UAV Flügen Von der klassischen Aerotriangulation zum Dense Image. Matching
Auswertung von Bilddaten aus UAV Flügen Von der klassischen Aerotriangulation zum Dense Image Rainer Brechtken Rouven Borchert Heinz Jürgen Przybilla Rene Marcel Roderweiß Matching Gliederung Einleitung
Mehr17. Workshop EDV in der Stadtplanung. Einfache 3D-Modellierung von Gebäuden mit Structure-from-Motion Algorithmen
17. Workshop EDV in der Stadtplanung Workshop 6: Teil 2: Einfache 3D-Modellierung von Gebäuden mit Structure-from-Motion Algorithmen Prof. Dr. Eberhard Gülch M. Eng. Marius Ziegler 18. Februar 2014 1 Ziel
MehrSIFT Flow Dense Correspondence across Different Scenes
Moritz Schmidt SIFT Flow Dense Correspondence across Different Scenes 1 Motivation Bildregistrierung Bilder ähnlicher Szenen in Übereinstimmung bringen Transformation eines Bildes zu Referenzbild Optimierungsproblem
MehrModellbasiertes Suchen von Objekten
Modellbasiertes Suchen von Objekten Anwendung 1 Vortrag HAW-Hamburg Betreuende Professoren Hosnia Najem Kai von Luck Gunter Klemke Agenda Welches Projekt? Motivation Szenario Technologische Anforderungen
Mehr3D Umfeldrekonstruktion über Structure from Motion
A HELLA-Group Company 3D Umfeldrekonstruktion über Structure from Motion Dr. Ralph Hänsel, Hella Aglaia Mobile Vision GmbH 11.12.2015 Symposium Beuth Hochschule Geometrische Modellierung und Computational
MehrHow To Create A Panorama Image From A Photoelectric Image From An Image From The Camera (I)
Chapter 3 Image Registration Distributed Algorithms for Einführung (I) Definition: Image Registration Gegeben: 2 Bilder der gleichen Szene aber aufgenommen aus unterschiedlichen Perspektiven Gesucht: Transformation,
MehrScannen ohne Scanner: Bildbasierte 3D Punktwolken Grundlagen, Anwendungen und Erfahrungen
Scannen ohne Scanner: Bildbasierte 3D Punktwolken Grundlagen, Anwendungen und Erfahrungen Heinz Jürgen Przybilla Gliederung Einleitung Grundlagen Dense Image Matching / Structure from Motion Systeme Anwendungen
MehrInteraktive Lokalisierung durch Objekterkennung
Interaktive Lokalisierung durch Objekterkennung Bachelor Thesis Adrian Batzill Motivation GPS Abweichungen - Guter Tag: ~5m - Wahrscheinlicher: >15m Kompass Abweichungen: - Normal ~3-10 Für Augmented Reality
MehrProseminar "Aufgabenstellungen der Bildanalyse und Mustererkennung"
Fakultät Informatik, Institut für künstliche Intelligenz, Intelligent Systems Proseminar "Aufgabenstellungen der Bildanalyse und Mustererkennung" Lokale Merkmalsdeskriptoren Jens Stormberg - Dresden, 19.06.2009
Mehr3. Analyse der Kamerabewegung Video - Inhaltsanalyse
3. Analyse der Kamerabewegung Video - Inhaltsanalyse Stephan Kopf Bewegungen in Videos Objektbewegungen (object motion) Kameraoperationen bzw. Kamerabewegungen (camera motion) Semantische Informationen
MehrEntwicklung einer robusten Methode zur Berechnung von Stereokorrespondenzen
Entwicklung einer robusten Methode zur Berechnung von Stereokorrespondenzen Seminar - Wintersemester 2010/2011 Fakultät Technik und Informatik Department Informatik Gregory Föll Übersicht Rückblick Stereo
MehrEin Structure and Motion Ansatz zur Umfeldrekonstruktion in komplexen Fahrzeugumgebungen
Sicherheit durch Fahrerassistenz 2010 Ein Structure and Motion Ansatz zur Umfeldrekonstruktion in komplexen Fahrzeugumgebungen Wojciech Derendarz, Thorsten Graf Volkswagen AG Friedrich M. Wahl TU Braunschweig,
MehrProjektionen für f r die Scanregistrierung mit Hilfe von Bildmerkmalen
Projektionen für f r die Scanregistrierung mit Hilfe von Bildmerkmalen Prof. Dr. Andreas Nüchter Jacobs University Bremen Campus Ring 1 28759 Bremen 1 Hintergrund (1) Automatisierung von terrestrischen
MehrAw1 - Vortrag "3D-Objekterkennung im Kontext eines Assistenzroboters"
Aw1 - Vortrag "3D-Objekterkennung im Kontext eines Assistenzroboters" Benjamin Wagner Department Informatik Fakultät Technik und Informatik Hochschule für Angewandte Wissenschaften Hamburg 6. Januar 2009
MehrDer Einbau im Auto. Stereo: Beispiel Fahrzeug. Einbau im Rückspiegel Erfassung von. Reichweite: bis 30 m
Der Einbau im Auto Sichtbereich Sichtbereich Kameras Einbau im Rückspiegel Erfassung von anderen Fahrzeugen (Pkw,Lkw) Zweiradfahrern Fußgängern und Kindern Reichweite: bis 30 m Digitale Bildverarbeitung
MehrHuman Detection Based On Part Models
Human Detection Based On Part Models Seminar: Mobile Human Detection Systems William Basilien Kom MatrNr: 3098186 Institute of Computer Engineering 13. März 2017 1 / 25 Motivation 2 / 25 Inhaltsverzeichnis
MehrBUILDINGS FROM IMAGES T H I E N P H A M G R U N D S E M I N A R W S 1 5 / 1 6 B E T R E U E R : P R O F. D R. P H I L I P P J E N K E
BUILDINGS FROM IMAGES T H I E N P H A M G R U N D S E M I N A R W S 1 5 / 1 6 B E T R E U E R : P R O F. D R. P H I L I P P J E N K E AGENDA Einführung Beispiele zur Gebäudeerkennung 3D-Objekte in der
Mehr3D-unterstützte Bildmanipulation
3Dunterstützte Vortragender: Betreuer: Sebastian Schäfer Datum: 03.09.2009 1. Kurze Zusammenfassung des Themas. 3Dunterstützte 2. Manipulation von Bildern und MultiView Stereo. 3. State of the Art Aktuelle
Mehr3D-Rekonstruktion von Objekten mittels Structure-from- Motion aus einer photogrammetrischen Aufnahme mit den Programmen VisualSFM und CMPMVS
3D-Rekonstruktion von Objekten mittels Structure-from- Motion aus einer photogrammetrischen Aufnahme mit den Programmen VisualSFM und CMPMVS MARIUS ZIEGLER 1, EBERHARD GÜLCH 2 & PAUL RAWIEL 3 Zusammenfassung:
MehrDigital Humanities in Topoi
Digital Humanities in Topoi Das Topoi-FORUM Spatial Data http://community.topoi.org/web/forum-sda/ Räumliche Analyse & Datenbanken Undine Lieberwirth 1 -> Räumliche Analyse 1 Aufgabenbereich Fachbereiche,
MehrImplementierung und Evaluierung von Video Feature Tracking auf moderner Grafik Hardware
Implementierung und Evaluierung von Video Feature Tracking auf moderner Diplomarbeit vorgelegt von Sebastian Heymann Betreut von Prof. Dr. Bernd Fröhlich Bauhaus Universität t Dr. Aljoscha Smolic Fraunhofer
MehrFachhochschule Aachen
Fachhochschule Aachen Campus Jülich Labor für Medizinische Informatik Prof. Dr. W. Hillen MULTI-VIEW-STEREO-PIPELINE ZUR TIEFENREKONSTRUKTION VON PFLANZEN MIT STRUCTURE-FROM-MOTION UND BÜNDELAUSGLEICHUNG
MehrSwarm Optimization Techniques for 3D Vision
Swarm Optimization Techniques for 3D Vision Dipl.Ing. Ulrich Kirchmaier 1 Übersicht 1. Bildverarbeitung und Computer Vision 1. Merkmale : Kanten, Ecken, Punkte 2. Anwendungen: Tracking, 3D Rekonstruktion
MehrELCOVISION 10 ELSP Auto
ELCOVISION 10 ELSP Auto ELCOVISION 10 ELSP Auto steht für die automatische Bildentzerrung von orientierten Bildern auf ein dreidimensionales Flächenmodell. Bisher geschah dieses mit dem einfachen ELSP
MehrSeminar. Visual Computing. Poisson Surface Reconstruction. Peter Hagemann Andreas Meyer. Peter Eisert: Visual Computing SS 11.
Poisson Surface Reconstruction Peter Hagemann Andreas Meyer Seminar 1 Peter Eisert: SS 11 Motivation Zur 3D Darstellung von Objekten werden meist Scan-Daten erstellt Erstellung eines Dreieckmodells aus
MehrAnwendung einer Monokularen Kamera als Bewegungs-Sensor für Mobile Roboter p.1
Anwendung einer Monokularen Kamera als Bewegungs-Sensor für Mobile Roboter Tobias Pietzsch Anwendung einer Monokularen Kamera als Bewegungs-Sensor für Mobile Roboter p.1 Zielstellung Kamera als Sensor
MehrBetrachtung von Verfahren zur Posenbestimmung und Merkmalsexktraktion. Thorsten Jost INF-MA SR Wintersemester 2008/2009 1.
Betrachtung von Verfahren zur Posenbestimmung und Merkmalsexktraktion Thorsten Jost INF-MA SR Wintersemester 2008/2009 1. Dezember 2008 Agenda Motivation Feature Detection SIFT MOPS SURF SLAM Monte Carlo
MehrComputer Vision: SVM-Anwendungsbeispiele, Generalisierbarkeit
Computer Vision: SVM-Anwendungsbeispiele, Generalisierbarkeit D. Schlesinger TUD/INF/KI/IS Visual Categorization with Bags of Keypoints Recognizing Human Actions: A Local SVM Approach Shape Matching and
MehrBildregistrierung in der Medizin. Fethi KAYA - Yusuf ÖZBEK
Bildregistrierung in der Medizin Fethi KAYA - Yusuf ÖZBEK 30.05.2011 1 Inhalt 1. Einführung zur Registrierung 2. Registrierungsalgorithmen 3. Transformationen 4. Mutual Information 5. Demo 2 1- Registrierung
MehrVom Zeichen zur Schrift Mit Mustererkennung zur automatisierten Schreiberhanderkennung in mittelalterlichen und frühneuzeitlichen Handschriften
Platzhalter für Bild, Bild auf Titelfolie hinter das Logo einsetzen Vom Zeichen zur Schrift Mit Mustererkennung zur automatisierten Schreiberhanderkennung in mittelalterlichen und frühneuzeitlichen Handschriften
MehrMesseangebote INHORGENTA Angebote gültig bis zum
Messeangebote INHORGENTA 2018 - Angebote gültig bis zum 31.03.2018 Tragen Sie einfach Ihre Bestellmenge in die Kästchen ein und schicken dieses Blatt an: order@clarity-success.com oder Fax: 0049 5201 6627
MehrBefliegung mit UAV Ausgewählte Beispiele für ingenieurtechnische Anwendungen
Befliegung mit UAV Ausgewählte Beispiele für ingenieurtechnische Anwendungen Dipl.-Ing. Andreas Schmidt-Böllert Gliederung Aufnahmesensoren Anwendungsbeispiele für UAV Multirotor G4 Surveying Robot Aufstiegsgenehmigungen
MehrGPU-friendly multi-view stereo reconstruction using surfel representation and graph cuts
GPU-friendly multi-view stereo reconstruction using surfel representation and graph cuts Rico Jonschkowski Seminar 3D Rekonstruktion SoSe 2011 Verantstalter: Prof. Raúl Rojas, Fabian Wiesel FU Berlin,
MehrMerkmalerkennung am Beispiel SIFT
Merkmalerkennung am Beispiel SIFT Medieninformatik IL Andreas Unterweger Vertiefung Medieninformatik Studiengang ITS FH Salzburg Wintersemester 2014/15 Andreas Unterweger (FH Salzburg) Merkmalerkennung
MehrBildmerkmalssuche. Seminar Computational Photography. Visual Computing Department of Computer Science
Bildmerkmalssuche Seminar Computational Photography EINFÜHRUNG 2 Einführung Bildmerkmalssuche: sehr wichtiges Thema des künstlichen Sehens Erkennen von Objekten auf dem Bild oder in einer Bildsequenz anhand
MehrMirroring and matching of the SIFT-feature descriptors for detection of symmetries and repeated structures in images
Mirroring and matching of the SIFT-feature descriptors for detection of symmetries and repeated structures in images Susanne Wenzel susanne.wenzel@uni-bonn.de TR-IGG-P-2007-04 August 01, 2007 Technical
MehrObjekterkennung. David Pansch Robert Wieczoreck Seminar Intelligent Robotics Fachbereich Informatik Universität Hamburg
David Pansch Robert Wieczoreck Seminar Intelligent Robotics 05.05.2011 Fachbereich Informatik Universität Hamburg Gliederung 1 Parameter Geometrische und topologische Merkmale Formparameter 2 Klassifikation
Mehr'Visual Hull' mit Hilfe von Spiegeln
'Visual Hull' mit Hilfe von Spiegeln hwww.dip.ee.uct.ac.za/~kforbes/doublemirror/doublemirror.html Dreidimensionales Computersehen Dr.-Ing. Simon Winkelbach www.rob.cs.tu-bs.de/teaching/courses/cs 1 Zur
MehrAufnahmeverfahren zur 3D-Modellierung von Stauanlagen. Masterarbeit HS 2011 Amanda Zwicky
Aufnahmeverfahren zur 3D-Modellierung von Stauanlagen Masterarbeit HS 2011 Amanda Zwicky Aufgabenstellung Bisher punktuelle Bestimmung von Verschiebungen an Staumauern Zusammenarbeit mit axpo (Herr U.
MehrQualitätsuntersuchung photogrammetrischer Matchingverfahren mit Schrägluftbildern. Helge Olberding, Jurij Schmik
Qualitätsuntersuchung photogrammetrischer Matchingverfahren mit Schrägluftbildern Helge Olberding, Jurij Schmik 16. Oldenburger 3D-Tage, 01.02. - 02.02.2017 INHALT Motivation Datengrundlage Luftbilder
MehrDepth from Focus 3D Scanning
Fakultätsname Informatik, XYZ, Fachrichtung Computergraphik XYZ, und Institutsname Visualisierung XYZ, Professur XYZ Depth from Focus 3D Scanning Roy Ledermüller Betreuer Dr. Anita Sellent, Prof. Stefan
MehrGenerierung dichter Punktwolken mit UAS-Software -- Empirische Genauigkeitsuntersuchung
Hao PANG Generierung dichter Punktwolken mit UAS-Software -- Empirische Genauigkeitsuntersuchung Dauer der Arbeit: 6 Monaten Abschluss: Mai 2015 Betreuer: Dr. -Ing. Michael Cramer Prüfer: Prof. Dr.-Ing.
MehrPostenblatt 1: Berührungssensor
Postenblatt 1: Berührungssensor In diesem Posten lernst du den Berührungssensor kennen. - 1 x Berührungssensor Der Roboter «fühlt». Der Kontaktschalter besitzt vorne ein rotes, bewegliches Köpfchen, das
MehrInvariante Merkmale. Seminar Inhaltsbasierte Bildsuche 22. Dezember 2004 Marei Hopert
Invariante Merkmale Seminar Inhaltsbasierte Bildsuche 22. Dezember 2004 Marei Hopert Übersicht Motivation Invariante Merkmale Idee Berechnung Kernfunktionen Ergebnisse Ausblick Motivation Gedrehtes oder
MehrRecognizing Cars. André Justus. 7.Juni Louka Dlagnekov, Serge Belongie. Visuelle Überwachung Universität Bielefeld
Louka Dlagnekov, Serge Belongie Visuelle Überwachung Universität Bielefeld 7.Juni 2006 Überblick Überblick Szenario Hardware Überblick Szenario Hardware Nummernschildentdeckung Nummernschilderkennung Erkennung
MehrNeue Ansätze für Mustererkennung und automatisches Lernen
Z Y X Neue Ansätze für Mustererkennung und automatisches Lernen Vortrag im Rahmen des 2. Technologieforums Bildverarbeitung am 03./04. November 2015 Johannes Zügner STEMMER IMAGING GmbH, Puchheim GLIEDERUNG
MehrSensorenvergleich (Zeilen vs. Flächenscanner) Prof. Dr.-Ing. Manfred Ehlers
Sensorenvergleich (Zeilen vs. Flächenscanner) Prof. Dr.-Ing. Manfred Ehlers mehlers@igf.uni-osnabrueck.de Inhalt Sensorsysteme ADS-40 DMC Ultracam-D Flächen vs. Zeilensensor Geometrische Genauigkeit Pansharpening
Mehr> Master Thesis Konstruktion künstlicher Schatten > U1474 Kaufhold
www.dlr.de Folie 1/20 Konstruktion künstlicher Schatten und Genauigkeitsanalysen der Ergebnisse auf Basis hochauflösender digitaler Oberflächenmodelle und True Ortho Mosaike. Dipl.Ing. (FH) Stephanie Kaufhold
MehrVerfahren zur autonomen bildgestützten Navigation
Verfahren zur autonomen bildgestützten Navigation DGLR Workshop, 14. - 15.2.2007 Führungsaspekte unbemannter Luftfahrzeuge: Technologien und die Einbeziehung des Operateurs N. Schweyer, MBDA LFK-Lenkflugkörpersysteme
MehrGeschrieben von: Christina Hall
iphone 5S Teardown durch Röntgen Mit Hilfe eines hochauflösenden Röntgensystem, haben wir ein komplettes Teardown eines iphone 5s. Geschrieben von: Christina Hall ifixit CC BY-NC-SA /Www.ifixit.com Seite
MehrPanomera die Bilddarstellung
Panomera die Bilddarstellung Die von Panomera erfasste Entfernung hängt von den ausgewählten Objektiven ab. Die Panomera Module verwenden stets die besten verfügbaren Objektive mit Festbrennweiten von
MehrINTELLIGENTE DATENANALYSE IN MATLAB. Objekterkennung
INTELLIGENTE DATENANALYSE IN MATLAB Objekterkennung Objekterkennung Problemstellung Gegeben: Ein Bild. Fragestellungen: Klassifikationsproblem Ist ein bestimmtes Objekt (z.b. Flugzeug) auf dem Bild? Welches
MehrAufnahmeprüfung 2017 für die Berufsmaturitätsschulen des Kantons Zürich
Kanton Zürich Bildungsdirektion Aufnahmeprüfung 017 für die Berufsmaturitätsschulen des Kantons Zürich Mathematik Serie: B1 Lösungen Eine kommerzielle Verwendung bedarf der Bewilligung der Leiter/Innen
MehrEVC Repetitorium Blender
EVC Repetitorium Blender Michael Hecher Felix Kreuzer Institute of Computer Graphics and Algorithms Vienna University of Technology INSTITUTE OF COMPUTER GRAPHICS AND ALGORITHMS Filter Transformationen
MehrAufnahmeprüfung 2017 für die Berufsmaturitätsschulen des Kantons Zürich
Kanton Zürich Aufnahmeprüfung 2017 für die Berufsmaturitätsschulen des Kantons Zürich Mathematik Serie: B2 Lösungen Eine kommerzielle Verwendung bedarf der Bewilligung der Leiter/Innen der Berufsmaturitätsschulen
MehrBeste Bildqualität mit 6 Megapixeln!
1 von 7 02.11.2007 11:07 Die Flut der kleinen Pixel oder der Fluch der kleinen Pixel? Freitag, den 31. August 2007 Beste Bildqualität mit 6 Megapixeln! Der beste Kompromiss für eine Kompaktkamera ist ein
MehrBachelorverteidigung Marco Franke
Bachelorverteidigung Java EE Webservice basiert auf RESTlet, JaxB und JPA/Hibernate zur Bilderkennung mit Hilfe der SURF-Merkmalsextraktion Verantwortlicher Professor: Prof. Dr. rer. nat. Klaus Hering
Mehr3D-Segmentierung in Bilderwelten
3D-Segmentierung in Bilderwelten Frank Nagl Paul Grimm Fachhochschule Erfurt E-Mail: frank.nagl@fh-erfurt.de 16. Workshop Farbbildverarbeitung, ZBS, Ilmenau Worum geht es? 2 Gliederung Motivation State-Of-The-Art
MehrTurmdrehkrane richtig fotografieren. Eine Kurzanleitung
Turmdrehkrane richtig fotografieren Eine Kurzanleitung Von A. Bruderer, kran- info.ch 04.10.2015 Version 1.00 kran- info.ch Seite 1 / 6 Einführung Turmdrehkrane als Gitter Konstruktion sind bei der Fotografie
MehrZuordnen radiometrischer Informationen zu Laserscandaten von Weintrauben Technischer Bericht
Zuordnen radiometrischer Informationen zu Laserscandaten von Weintrauben Technischer Bericht Mathias Hans, Ribana Roscher mhans@uni-bonn.de,rroscher@uni-bonn.de Zusammenfassung In diesem Report stellen
MehrA&R Project Group: Time-optimal large view visual servoing for the navigation of a mobile robot using moments of SIFT-features
Universität Dortmund A&R Project Group: Time-optimal large view visual servoing for the navigation of a mobile robot using moments of SIFT-features Introduction Slides Department of Electrical Engineering
Mehr3. Analyse der Kamerabewegung Video - Inhaltsanalyse
3. Analyse der Kamerabewegung Video - Inhaltsanalyse Stephan Kopf Bewegungen in Videos Objektbewegungen (object motion) Kameraoperationen bzw. Kamerabewegungen (camera motion) Semantische Informationen
Mehr3D-Segmentierung in Bilderwelten
3D-Segmentierung in Bilderwelten Frank Nagl Paul Grimm Fachhochschule Erfurt E-Mail: frank.nagl@fh-erfurt.de 16. Workshop Farbbildverarbeitung, ZBS, Ilmenau Worum geht es? 2 Gliederung Motivation State-Of-The-Art
MehrDas I-Tüpfelchen auf eine gelungene Arbeit
Das I-Tüpfelchen auf eine gelungene Arbeit Agenda Mein Modell fotografieren: das I-Tüpfelchen für viele Arbeit? Profi oder Laie? Die "richtige" Kamera Das Licht - fotografieren bei Tageslicht und bei Kunstlicht
MehrQuadrocopters and it s Applications: Overview of State of the Art Techniques
: Overview of State of the Art Techniques Visual Tracking for Robotic Applications Sebastian Brunner Lehrstuhl für Echtzeitsysteme und Robotik Technische Universität München Email: brunnese@in.tum.de Date:
MehrVisuelle Bildsuche und Bildnavigation. Prof. Dr. Kai Uwe Barthel
Visuelle Bildsuche und Bildnavigation Prof. Dr. Kai Uwe Barthel Übersicht Probleme der Bildsuche Textbasierte Bildsuche Visuelle (Low-Level-)Bildsuche Fusion der Suchprinzipien Automatisches Bildverstehen
MehrErstellen Fotorealistischer Bilder. Autodesk Inventor 2015
Erstellen Fotorealistischer Bilder Autodesk Inventor 2015 Warum Fotorealistisch? Für Präsentation und Vertrieb sind anschauliche Fotos, Bilder und Diagramme enorm wichtig. Damit kann ein noch unentschlossener
MehrBE INSPIRED.
BE INSPIRED www.scaninabox.com Last update October 2017 PROFESSIONALITÄT IST UNSER ANSPRUCH Bis ins letzte Detail durchdacht, bietet Scan in a Box FX hochwertige 3D Scans. Das Design Made in Italy wurde
MehrMessen auf Voxeldaten, Punktwolken, Polygonnetzen
Messen auf Voxeldaten, Punktwolken, Polygonnetzen Martin Kronig, kronig@volumegraphics.com Volume Graphics GmbH Volume Graphics > Weltweit Anbieter für industrielle CT- Datenvisualisierung, -analyse und
MehrShader. Computer Graphics: Shader
Computer Graphics Computer Graphics Shader Computer Graphics: Shader Inhalt Pipeline Memory Resources Input-Assembler Vertex-Shader Geometry-Shader & Stream-Output Rasterizer Pixel-Shader Output-Merger
Mehrintro Eisleben, St. Nicolai-Kirche 3D-Scan Gresik 2018 Digitale Denkmaltechnologien HAW Coburg Otto Friedrich Universität Bamberg
intro Eisleben, St. Nicolai-Kirche 3D-Scan Gresik 2018 Quelle: Stufenplan Digitales Planen und Bauen des BMVI (12/2015) Bauaufnahme als besondere Leistung? aktuelle digitale Bauaufnahmeverfahren gängige
MehrStereo. Korrespondenzproblem -> Disparitätenkarte
Problem Stereo Leite die 3D Struktur einer Szene von zwei oder mehreren Ansichten von unterschiedlichen Blickwinkeln ab. 2 Unterprobleme: Korrespondenzproblem -> Disparitätenkarte Ähnlichkeit statt Identität
MehrTipps & Tricks zur Fotogravur
Tipps & Tricks zur Fotogravur Fotogravur wird als die hohe Kunst der Lasergravur betrachtet. Sie ist aber ganz einfach, wenn Sie die Ihre Lasersoftware gut darin unterstützt. Ein paar weitere Kniffe können
MehrSuche nach korrespondierenden Pixeln in zwei Bildern
Suche nach korrespondierenden Pixeln in zwei Bildern Seminar Algorithmen zur Erzeugung von Panoramabildern von Philip Mildner April 2008 Universität Mannheim Lehrstuhl Praktische Informatik IV Prof. Dr.
MehrDer Forschungsgyrocopter der Hochschule Anhalt als Sensorträger
Der Forschungsgyrocopter der Hochschule Anhalt als Sensorträger M.Eng. Tobias Kirschke Prof. Dr. Lothar Koppers Prof. Dr. Lutz Bannehr M.Eng. Christoph Ulrich Institut für Geoinformation und Vermessung
MehrGeodatenerfassung mit UAS. Prof. Dr. Ansgar Greiwe Labor für Photogrammetrie und Fernerkundung FH Frankfurt am Main
Geodatenerfassung mit UAS Prof. Dr. Ansgar Greiwe Labor für Photogrammetrie und Fernerkundung FH Frankfurt am Main Inhalt UAS Rahmenbedingungen Rechtliche Grenzen Äußere Einflüsse Sensoren Auswertungsansätze
MehrParametrisierung von Hochgeschwindigkeits-Kamerasystemen zur Echtzeit-Bildbearbeitung
Parametrisierung von Hochgeschwindigkeits-Kamerasystemen zur Echtzeit-Bildbearbeitung Inhalt Einführung Aufbau eines Hochgeschwindigkeits-Kamerasystems Hochgeschwindigkeitskamera Objektive Beleuchtung
MehrKurzinformation zur digitalen. Fotografie. Sönke Ehlert, Fotografenmeister der digicult-verbund eg
Kurzinformation zur digitalen Fotografie Sönke Ehlert, Fotografenmeister der digicult-verbund eg Ablauf der Aufnahme bis zum Druck Aufnahme des Objektes Motiv wird als tif. gespeichert. In der Druckerei
MehrCSCB - Fotoclub Workshop. TIPS und Grundlagen für gute Bilder
CSCB - Fotoclub Workshop TIPS und Grundlagen für gute Bilder Themen Übersicht Einführungs-Workshop / Kurs Fokussierung Belichtungsmessung Weitwinkel vs. Tele wie wird scharf gestellt wie wird das Licht
MehrTitelbild. Höhe: 13cm Breite: 21 cm
Titelbild Höhe: 13cm Breite: 21 cm Ensenso N10 Stereo-3D-Kamera Wo der Schuh drückt Mediziner und Bewegungstherapeuten empfehlen, regelmäßig barfuß zu laufen. Leider ist das im Alltag, im Büro oder in
MehrH a u p t z o l l a m t E r f u r t Sachgebiet G - Verwertungsstelle
H a u p t z o l l a m t E r f u r t Sachgebiet G - Verwertungsstelle Öffentliche Versteigerung zum Tag der offenen Tür Samstag, den 24.05.2014 in Erfurt HZA Erfurt, Am Tannenwäldchen 50,99096 Erfurt, Aktionsfläche
MehrAnwendungen 1 WS08/09 - Ausarbeitung
Anwendungen 1 WS08/09 - Ausarbeitung Benjamin Wagner 3D-Objekterkennung im Kontext eines Assistenzroboters Betreuende Prüfer Prof. Dr. rer. nat. Stephan Pareigis Prof. Dr. Birgit Wendholt Fakultät Technik
MehrGrundlagen der optischen Geometrievermessung und deren Anwendungen
Grundlagen der optischen Geometrievermessung und deren Anwendungen Christian Gerlach Innovationstag 2010 1 Gliederung: Grundlagen der Photogrammetrie Stand der Technik Industrielle Anwendungen der Photogrammetrie
Mehr5. Objekterkennung in Bildern und Videos Videoanalyse
5. Objekterkennung in Bildern und Videos Videoanalyse Stephan Kopf 1 Übersicht Motivation Anforderungen an Objekterkennungsalgorithmen Objekterkennung mittels Konturen Helligkeiten Farben Formen Objekterkennung
MehrAlltagstaugliche Objekterkennung
servicerobotik autonome mobile Serviceroboter, ZAFH Servicerobotik Institut für Informatik Hochschule Ulm AG Schlegel: B. Sc. Timo Hägele, M. Sc. Siegfried Hochdorfer, M. Sc. Matthias Lutz, M. Sc., M.
MehrBIS ZU 190 SPAREN. Neue Schuhe, neue Stories. Beim Kauf von ausgewählten Canon Produkten bei teilnehmenden Händlern.
BIS ZU 190 SPAREN www.canon.at/feuer Sonderaktion für die österreichische freiwillige Feuerwehr: Erhalten Sie während der Sommeraktion 2017 um rund 20 % mehr auf die regulären CashBack-Beträge. Gutschein-Code:
MehrQuantifizierung von Bodenabtragsflächen auf Alpinen Grashängen (Projekt QUA-BA)
Quantifizierung von Bodenabtragsflächen auf Alpinen Grashängen (Projekt QUA-BA) Clemens Geitner, Andreas Mayr & Martin Rutzinger Institut für Geographie, Universität Innsbruck Clemens Geitner Jahrestreffen
MehrH2 1862 mm. H1 1861 mm
1747 mm 4157 mm H2 1862 mm H1 1861 mm L1 4418 mm L2 4818 mm H2 2280-2389 mm H1 1922-2020 mm L1 4972 mm L2 5339 mm H3 2670-2789 mm H2 2477-2550 mm L2 5531 mm L3 5981 mm L4 6704 mm H1 2176-2219 mm L1 5205
MehrInverse Probleme und Maschinelles Lernen
Inverse Probleme und Maschinelles Lernen Martin Kiechle und Julian Wörmann 1 Was sind Inverse Probleme? 2 Inverse Probleme Allgemein Ursache/ Anregung System/ Prozess Wirkung/ Messung 3 Ziel Ursache/ Anregung
MehrEntwicklung Plejaden mit der digitalen Spiegelreflex Kamera in Pixinsight
Entwicklung Plejaden mit der digitalen Spiegelreflex Kamera in Pixinsight Das in Pixinsight entwickelte Rohbild der Plejaden 1:51 h Photonen bei ISO 1600 und 8 min Einzelbelichtung Zunächst Screen Transfer
MehrLichtwerk Februar 2017 // Online-Publikation von Ralf Turtschi, erscheint in loser Folge
Lichtwerk Februar 2017 // Online-Publikation von Ralf Turtschi, erscheint in loser Folge Bildrauschen, erhellend* Diese Publikation ist eine digitale Ergänzung zum Artikel, der im Publisher 1/2017 erschienen
MehrObjekterkennung mit SIFT-Merkmalen
Hochschule für Angewandte Wissenschaften Hamburg 06. Januar 2010 Gliederung Problemstellung SIFT-Verfahren Merkmalsvergleich zur Identifikation von Gegenständen Zusammenfassung und Ausblick Problemstellung
Mehrwww.nikon.at/cashback Bei Nikon erhältst du bis zu 300 Cashback auf ausgewählte Objektive, bis zu 100 Cashback auf ausgewählte DSLR Kameras, und wenn du Kamera und Objektiv kombinierst, erhältst du sogar
MehrMesh-Visualisierung. Von Matthias Kostka. Visualisierung großer Datensätze
Mesh-Visualisierung Von Matthias Kostka Übersicht Einführung Streaming Meshes Quick-VDR Rendering virtueller Umgebung Rendering mit PC-Clustern Zusammenfassung 2 Mesh Untereinander verbundene Punkte bilden
MehrVom Kombinieren von 3D-Modellen mit Farb- und Temperaturinformationen
1 Vom Kombinieren von 3D-Modellen mit Farb- und Temperaturinformationen Dorit BORRMANN, HamidReza HOUSHIAR, Jan ELSEBERG und Andreas NÜCHTER Zusammenfassung In den letzten Jahren wurden große Fortschritte
Mehr