Oberflächenrekonstruktion aus Punktwolken
|
|
- Paulina Krämer
- vor 6 Jahren
- Abrufe
Transkript
1 Oberflächenrekonstruktion aus Punktwolken Betreuer: Dominik Fritz Seminar Medizinische Simulationssysteme SS 2005
2 Gliederung 1 2 Der - 3 Der von Hoppe 4 Der -
3 Gliederung 1 2 Der - 3 Der von Hoppe 4 Der -
4 Bildgebende Verfahren 3D-Modelle sind Grundlage für viele moderne Anwendungen der Medizin CT- und MRT-Daten Laserscanner und Digitalkameras tasten Modelle ab Daten liegen als unstrukturierte Punktwolke vor 3D-Fläche des abgetasteten Objektes muss daraus rekonstruiert werden
5 Anwendung: Operationsplanung 3D-Modell ermöglicht Planung der Operation am Rechner: beliebig oft simulierbar Orientierung für Chirurgen während der Operation minimalinvasiv operieren
6 Anwendung: Simulation Physikalische Simulation von Körperteilen benötigt 3D-Modell, z.b. Deformation und Bewegung der Wirbelsäule mit Finite Element-Methode Krümmungsanalyse der Knorpelschicht im Kniegelenk liefert Informationen über Belastung
7 Anwendung: Implantate Bei manchen Operationen müssen Knochenstücke zerstört werden um Entstellungen zu vermeiden, vor der OP künstliches Implantat aus 3D-Modell herstellen ähnlich: Nachbildung von Organen zu Lehrzwecken
8 Gliederung 1 2 Der - 3 Der von Hoppe 4 Der -
9 Grundidee Verwendet einen Satz von Schnittbildern aus CT oder MRT. Gewebetypen durch Grauwerte unterschieden: Wandern entlang der Pixel ergibt Fläche mit festem Grauwert.
10 Wandernde Würfel Lokalisiere die Fläche innnerhalb eines logischen Würfels aus Pixeln von zwei Schnittbildern: Schnitt 1 Würfel aus 8 Pixeln Schnitt 2 Pixel Markiere Würfelecken: 1, wenn Grauwert dem gesuchten Grauwert, sonst 0 Schnitt von Fläche mit Würfel
11 : Resultate liefert gute Trennung von Knochen und Weichgewebe K n o c h e n W e ic h g e w e b e K o m b i n ie r t e D a r s t e l l u n g
12 Gliederung 1 2 Der - 3 Der von Hoppe 4 Der -
13 Grundidee gegeben: Datenpunkte x 1,..., x n auf einer Fläche S gesucht: Approximation von S durch eine implizite Fläche: S Z(f) := {x Ê 3 : f(x) = 0} f approximiert die orientierte Abstandsfunktion von S liefert Triangulierung von Z(f)
14 Tangentialebenen Approximiere orientierte Abstandsfunktion lokal durch Projektion auf Tangentialebene. Abstand ist Länge des Lotes auf Tangentialebene, Normalenvektor n i legt Orientierung fest. n i p T(x i ) S x i aber: Tangentialebene im Datenpunkt x i unbekannt! wähle als Approximanten die Ausgleichsebene der k nächsten Nachbarpunkte von x i
15 Einheitliche Orientierung Lokale orientierte Abstandsfunktionen sollen global zu f fortgesetzt werden Tangentialebenen müssen einheitlich orientiert sein, damit f keine Sprünge hat n i n + j konsistent orientiert T(x i ) x i n j x j T(x j ) nicht konsistent orientiert Benutze Riemann-Graph: Knoten = Tangentialebenen, Kanten zwischen benachbarten Ebenen Orientierung wird entlang der Kanten des Graphen weitergegeben
16 Orientierte Abstandsfunktion Für beliebiges p Ê 3 bestimme Projektion q auf die nächstgelegene Tangentialebene. Orientierte Abstandsfunktion f : f(p) := (±1) p q p f(p) q T(x i ) approximiert S T(x i ) S Zum Schluss: Trianguliere Z(f) mit ; statt Grauwerte verwende Werte von f.
17 : Resultate U r s p r ü n g l i c h e F l ä c h e A p p r o x i m a t i o n n a c h H o p p e
18 Gliederung 1 2 Der - 3 Der von Hoppe 4 Der -
19 Grundidee Finde mit Hilfe der Datenpunkte x 1,..., x n eine Schar von einhüllenden Kugeln für S eine Schar von aufspannenden Kugeln für S Rekonstruiere S als Grenzfläche dieser beiden Kugelscharen.
20 Mediale Achse Die mediale Achse besteht aus den Punkten im Ê 3, die von mehr als einem Punkt der Fläche S den gleichen Abstand haben. mediale Achse S Die Mediale Achsen-Transformation (MAT) ist die Menge der Kugeln, die S berühren und den Mittelpunkt auf der medialen Achse haben.
21 a Voronoi-Diagramm Idee: Berechne Voronoi-Diagramm von x 1,..., x n Knoten der Voronoi-Gebiete approximieren mediale Achse b
22 Polarkugeln Die Pole von x i sind die am weitesten entfernten Voronoi-Knoten, je ein innerer und ein äußerer. Innere/äußere Polarkugel enthält x i und hat inneren/äußeren Pol als Mittelpunkt. Voronoi-Gebiet von x i Pole x i S mediale Achse von S innere Polarkugel Polarkugeln von x 1,..., x n approximieren MAT
23 Power-Diagramme Definiere Power-Distanz als Abstand von Punkt y zu Kugel B(x, r): pow(y,b(x, r)) := x y 2 r 2 Power-Diagramme sind Voronoi-Diagramme bzgl. der Power-Distanz gleicher zur Berechnung Power-Diagramm zerfällt in Polyeder Und wofür brauchen wir das?
24 Beobachtung: Punkte innerhalb (außerhalb) von S liegen in den Power-Gebieten innerer (äußerer) Polarkugeln Seitenflächen, die innere und äußere Power-Gebiete trennen, approximieren S Die Fläche, die aus diesen Seiten besteht, heißt Power Crust. S x i x i 1 äußere Polarkugel innere Polarkugel
25 : Resultate (I)
26 : Resultate (II) erzeugt immer geschlossene Flächen sehr große Polarkugeln liefern Hinweis auf Löcher
27 Oberflächenrekonstruktion hat viele nützliche Anwendungen in der Medizin : Approximation durch implizite Fläche, Grundlage für viele neuere Algorithmen : MAT und Power-Diagramme liefern Flächenapproximation durch einhüllende und aufspannende Kugelschar
12. Modelle für 3D-Objekte und -Szenen
12. Modelle für 3D-Objekte und -Szenen Modell: Abbild der Realität, welches bestimmte Aspekte der Realität repräsentiert (und andere ausblendet) mathematische Modelle symbolische Modelle Datenmodelle Experimentalmodelle
MehrComputer Graphik II Tesselierung impliziter Kurven und Flächen
Computer Graphik II impliziter Kurven und Flächen 1 impliziter Flächen Problem: Nullstellenmenge kann nicht explizit berechnet werden! Lösung: ApproximaCon der Fläche auf Zellen Beispiel 2D: f p ( )
MehrSpline-artige Kurven auf Subdivision Surfaces. Jörn Loviscach Hochschule Bremen, Germany
Spline-artige Kurven auf Subdivision Surfaces Jörn Loviscach Hochschule Bremen, Germany Überblick Spline-artige Kurven auf Spline-Flächen Kurven auf SDS: Problem, Anwendung Verwandte Arbeiten Spline-artige
MehrHeute. Motivation. Diskretisierung. Medizinische Bildverarbeitung. Volumenrepräsentationen. Volumenrepräsentationen. Thomas Jung
t.jung@fhtw-berlin.de Heute Volumenrepräsentationen Thomas Jung Generierung von Volumenrepräsentationen Rendering von Volumenrepräsentationen Konvertierung in Oberflächenrepräsentationen Weitere Geometrische
MehrWasserfall-Ansätze zur Bildsegmentierung
Wasserfall-Ansätze zur Bildsegmentierung von Philipp Jester Seminar: Bildsegmentierung und Computer Vision 16.01.2006 Überblick 1. Problemstellung 2. Wiederholung: Wasserscheiden-Ansätze 3. Der Wasserfall-Ansatz
MehrDas Dilemma des Einbrechers Wer die Wahl hat, hat die Qual!
Das Dilemma des Einbrechers Wer die Wahl hat, hat die Qual! 0kg 4000 Euro Luster 5,5 kg, 430.- Laptop 2,0 kg, 000.- Schatulle 3,2 kg, 800.- Uhr 3,5 kg, 70.- Schwert,5 kg, 850.- Bild 3,4 kg, 680.- Besteck
MehrSeminar Business Intelligence Teil II. Data Mining & Knowledge Discovery
Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?
Mehr3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel
3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel EADS 3.1 Konstruktion von minimalen Spannbäumen 16/36
MehrKapitel 9. Kombination von Vektor- und Rasterdaten. Rasterdaten. 3. Transformationen des Formats. 4. Kombinierte Auswertungen
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Kapitel 9 Kombination von Vektor- und Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2011/12 Ludwig-Maximilians-Universität
MehrVolumenrendering. Modellierung der visuellen Erscheinung von semitransparenten, beleuchteten Objekten. Marcel Petrick
Volumenrendering Modellierung der visuellen Erscheinung von semitransparenten, beleuchteten Objekten Marcel Petrick Einleitung Anwendung zur Visualisierung von Skalarfunktionen dreidimensionaler Variablen
MehrSS 2005 FAU Erlangen 20.6.2005. Eine Wegeplanungs-Strategie. Jeremy Constantin, Michael Horn, Björn Gmeiner
SS 2005 FAU Erlangen 20.6.2005 Voronoi Diagramm Eine Wegeplanungs-Strategie Jeremy Constantin, Michael Horn, Björn Gmeiner Grundseminar: Umgebungsexploration und Wegefindung mit Robotern am Beispiel "Katz
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
MehrFür Ihr schönstes Lächeln!
Für Ihr schönstes Lächeln! Zahnheilkunde vom Feinsten....mit modernster 3D Röntgentechnologie. Praxisinformation Ein Dienst Ihrer Praxis. 3D Röntgen Hier bei Ihrem Zahnarzt. >> 3D Röntgendiagnostik und
Mehr3D-Skulpturen aus Algebraischen Flächen
3D-Skulpturen aus Algebraischen Flächen FORWISS Universität Passau Institut für Softwaresysteme in technischen Anwendungen der Informatik 18. September 2008 Teil I Rapid Prototyping Begriff Rapid Prototyping
MehrBrustoperation. Beauty Trip
Wenn die Unzufriedenheit mit der eigenen Brust zu einem nachhaltig gestörten Körperempfinden führt, wenn daraus psychische Beschwerden entstehen oder wenn eine überdimensionierte Brust gesundheitliche
MehrKompakte Graphmodelle handgezeichneter Bilder
Kompakte Graphmodelle handgezeichneter Bilder Einbeziehung in Authentizierung und Bilderkennung Inhaltsverzeichnis Seminar Mustererkennung WS 006/07 Autor: Stefan Lohs 1 Einleitung 1 Das graphische Modell.1
MehrKompakte Graphmodelle handgezeichneter Bilder. Einbeziehung in Autentizierung und Bilderkennung
Kompakte Graphmodelle handgezeichneter Bilder Einbeziehung in Autentizierung und Bilderkennung Inhaltsverzeichnis 1 Einleitung Das graphische Model.1 Image Thinning................................. 3.
MehrKapitel 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
MehrZwei 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
MehrÜbungshandbuch Organic Shape Modellierung
Übungshandbuch Organic Shape Modellierung Ashlar Vellum Graphite Copyright: Ashlar Incorporated Copyright: Arnold CAD GmbH www.arnold-cad.com Handbuchversion: 1.0 Inhaltsverzeichnis EINLEITUNG...2 ORGANIC
MehrMethoden der 3D-Konstruktion mit CAD
10 ZPG-Mitteilungen für gewerbliche Schulen - Nr. 29 - Juli 2004 Methoden der 3D-Konstruktion mit CAD Wie in vielen anderen Bereichen der T echnik führen auch bei der 3-Konstruktion mit CAD viele Wege
MehrPublic. Technische Computer Tomographie DELPHI Wuppertal
Public Technische Computer Tomographie DELPHI Wuppertal 2 Die Computer Tomographie ist eine Weiterentwicklung der Radiographie (Röntgen). Das Röntgen (Radiographie): Eine zu untersuchende Struktur wird
Mehr3D-Diagnostik M KG. Dr. Dr. Stephan Roth. Presse
Facharzt für Mund -, Kiefer -, Gesichtschirurgie Postgraduate in Implantology (New York University) Tätigkeitsschwerpunkt Implantologie (DGZI) Computernavigierte Implantologie Dentale 3D-Röntgendiagnostik
MehrGrundlagen 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
MehrAlgorithmen & Datenstrukturen 1. Klausur
Algorithmen & Datenstrukturen 1. Klausur 7. Juli 2010 Name Matrikelnummer Aufgabe mögliche Punkte erreichte Punkte 1 35 2 30 3 30 4 15 5 40 6 30 Gesamt 180 1 Seite 2 von 14 Aufgabe 1) Programm Analyse
MehrNP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984)
NP-Vollständigkeit Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) 0 Übersicht: Einleitung Einteilung in Klassen Die Klassen P und NP
MehrDigitalfotos bearbeiten mit Photoshop Elements 7.0
Das große Buch Digitalfotos bearbeiten mit Photoshop Elements 7.0 Pavel Kaplun Dr. Kyra Sänger DATA BECKER Unauffällige Methoden der Rauschunterdrückung 6.3 Unauffällige Methoden der Rauschunterdrückung
Mehr1 Schatten und Texturen
1 Schatten und Texturen 1.1 Kapitel Guide oder Was Sie anhand von diesem Beispiel lernen werden! Wir stellen Sie nun vor die spannende Aufgabe, ein einfaches Diagramm optisch so gelungen aufzubereiten,
MehrModellierungsmethoden
Modellierungsmethoden Definition (smethoden) smethoden fassen verschiedene Beschreibungsmittel, insbesondere Datenstrukturen und Operationen, für geometrische Objekte zusammen. Äquivalente Begriffe: Geometrische
MehrGuten Morgen und Willkommen zur Saalübung!
Guten Morgen und Willkommen zur Saalübung! 1 Wie gewinnt man ein Spiel? Was ist ein Spiel? 2 Verschiedene Spiele Schach, Tic-Tac-Toe, Go Memory Backgammon Poker Nim, Käsekästchen... 3 Einschränkungen Zwei
MehrCharakteristikenmethode im Beispiel
Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)
MehrWS 2015/2016 CAD. der Version. Kreis. Linie. Rechteck. Polylinie. Hilfen: Seite 1 von 14
I. Arbeiten im 2D-Bereich der Version 2013. Die Grafik G unten zeigt eine Übersicht der Benutzeroberfläche dieses Programmes. Wir verwendenn das -Paket Auto Civil 3D inn Wichtige Zeichenbefehle (alle in
MehrCT Rekonstruktion mit Objektspezifischen Erweiterten Trajektorien
DACH-Jahrestagung 2015 Mo.3.A.3 CT Rekonstruktion mit Objektspezifischen Erweiterten Trajektorien Andreas FISCHER 1, Tobias LASSER 2, Michael SCHRAPP 1, Jürgen STEPHAN 1, Karsten SCHÖRNER 1, Peter NOËL
MehrComputergraphik 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
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrAlles zu seiner Zeit Projektplanung heute
Alles zu seiner Zeit Projektplanung heute Nicole Megow Matheon Überblick Projektplanung Planen mit Graphentheorie Maschinenscheduling Ein 1 Mio. $ Problem Schwere & leichte Probleme? Zeitplanungsprobleme?
MehrTIGER ein kinematisches Messsystem für langgestreckte Objekte, Erfahrungen aus Projekten
TIGER ein kinematisches Messsystem für langgestreckte Objekte, Erfahrungen aus Projekten Philipp Schneider ANGERMEIER INGENIEURE GmbH . Gliederung Einführung Systemaufbau TIGER Durchführung einer Messung
MehrInformation Systems Engineering Seminar
Information Systems Engineering Seminar Algorithmische Prüfung der Planarität eines Graphen Marcel Stüttgen, 22.10.2012 FH AACHEN UNIVERSITY OF APPLIED SCIENCES 1 Planarität - Definition Ein Graph heißt
MehrFalten und Verebnen polyedrischer Figuren
Falten und Verebnen polyedrischer Figuren Hellmuth Stachel, Technische Universität Wien stachel@dmg.tuwien.ac.at http://www.geometrie.tuwien.ac.at/stachel 29. Fortbildungstagung für Geometrie, 3. 6. November,
MehrFunktionen (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)
MehrInhaltsverzeichnis - Themen
Inhaltsverzeichnis - Themen 1 Hardwaregrundlagen 2 Transformationen und Projektionen 3 Repräsentation und Modellierung von Objekten 4 Visibilität und Verdeckung 5 Rasterung 6 Rendering 7 Abbildungsverfahren
MehrMonte-Carlo Simulation
Monte-Carlo Simulation Sehr häufig hängen wichtige Ergebnisse von unbekannten Werten wesentlich ab, für die man allerhöchstens statistische Daten hat oder für die man ein Modell der Wahrscheinlichkeitsrechnung
MehrFB IV Mathematik Universität Trier. Präsentation von Nadja Wecker
FB IV Mathematik Universität Trier Präsentation von Nadja Wecker 1) Einführung Beispiele 2) Mathematische Darstellung 3) Numerischer Fluss für Diffusionsgleichung 4) Konvergenz 5) CFL-Bedingung 6) Zusammenfassung
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
MehrEin einfaches Modell zur Fehlerfortpflanzung
Ein einfaches Modell zur Fehlerfortpflanzung Jens Chr. Lisner lisner@dc.uni-due.de ICB / Universität Duisburg-Essen AK Fehlertoleranz 11/2006 p. Problemstellung Üblich bei der Formalisierung von Systemen:
MehrÜberblick Echtzeit-Rendering. Uwe Domaratius dou@hrz.tu-chemnitz.de
Überblick Echtzeit-Rendering Uwe Domaratius dou@hrz.tu-chemnitz.de Gliederung 1. Einleitung 2. geometriebasierende Verbesserungen 3. Level-of-Detail 4. Culling 5. Texturen 6. bildbasiertes Rendering Was
MehrDatenstrukturen und Algorithmen SS07
Datenstrukturen und Algorithmen SS07 Datum: 27.6.2007 Michael Belfrage mbe@student.ethz.ch belfrage.net/eth Programm von Heute Online Algorithmen Update von Listen Move to Front (MTF) Transpose Approximationen
Mehr( ) 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
MehrK2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte
K2 MATHEMATIK KLAUSUR 26.2.24 Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max 28 5 5 2 6 Punkte Notenpunkte PT 2 3 4 5 6 7 8 9 P. (max 2 2 2 4 5 3 3 4 3 Punkte WT Ana A.a b A.c Summe P. (max 7 5
MehrSchwierige Probleme in der Informatik Informationen für die Lehrperson
Schwierige Probleme in der Informatik Informationen für die Lehrperson Thema, Adressaten,... Das Thema dieses Moduls sind NP-vollständige Probleme, also schwierige Probleme in der Informatik. GraphBench
MehrAutomatische Rekonstruktion Planarer 3D-Umgebungen
Institut für Informatik AG Wissensbasierte Systeme Masterarbeit Automatische Rekonstruktion Planarer D-Umgebungen Thomas Wiemann Oktober Erstgutachter: Zweitgutachter: Prof. Dr. Joachim Hertzberg Prof.
Mehr:= Modellabbildung. Bildsynthese (Rendering) Bildsynthese
Geometrisches Modell bestehend aus Datenstrukturen zur Verknüpfung geometrischer Primitive, welche eine Gesamtszene beschreiben Bildsynthese := Modellabbildung Pixelbasiertes Modell zur Darstellung eines
MehrMorphologie auf Binärbildern
Morphologie auf Binärbildern WS07 5.1 Konen, Zielke WS07 5.2 Konen, Zielke Motivation Aufgabe: Objekte zählen Probleme: "Salt-&-Pepper"-Rauschen erzeugt falsche Objekte Verschmelzen richtiger Objekte durch
MehrComputer-Graphik II. Kompexität des Ray-Tracings. G. Zachmann Clausthal University, Germany cg.in.tu-clausthal.de
lausthal ompute-aphik II Komplexität des Ray-Tacings. Zachmann lausthal Univesity, emany cg.in.tu-clausthal.de Die theoetische Komplexität des Ray-Tacings Definition: das abstakte Ray-Tacing Poblem (ARTP)
MehrDigitale Bildverarbeitung Einheit 8 Lineare Filterung
Digitale Bildverarbeitung Einheit 8 Lineare Filterung Lehrauftrag SS 2008 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen, wie lineare
MehrHauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg
Baden-Württemberg: Abitur 04 Pflichtteil www.mathe-aufgaben.com Hauptprüfung Abiturprüfung 04 (ohne CAS) Baden-Württemberg Pflichtteil Hilfsmittel: keine allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com
MehrWie modelliere ich einen Bilderrahmen?
Wie modelliere ich einen Bilderrahmen? Hallo, dieses Tutorial sollte Anfängern zeigen wie man in Blender einen Schnitt durch verschiedenste Profile erstellen kann und diese dann auch anordnet und miteinander
MehrBabeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005. Paradigmen im Algorithmenentwurf
Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005 Paradigmen im Algorithmenentwurf Problemlösen Problem definieren Algorithmus entwerfen
MehrMorphologische Bildoperationen
Morphologische Bildoperationen Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik IX Gürcan Karakoc Betreuer: Suat Gedikli Abgabetermin: 10.04.2006 1 Inhaltsverzeichnis
MehrModulabschlussklausur Analysis II
Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen
MehrTeil 1: Modellierung. Einleitung. 3D Szene Inhalt. Objekte und ihre Beschreibung
Objekte und ihre Beschreibung Einleitung Computergraphik: 3D sehr wichtig photo-realistic rendering Computer-Animation, Modellierung Visualisierung, Virtual Reality Ansatz: per rendering wird eine 3D-Szene
MehrMaximizing the Spread of Influence through a Social Network
1 / 26 Maximizing the Spread of Influence through a Social Network 19.06.2007 / Thomas Wener TU-Darmstadt Seminar aus Data und Web Mining bei Prof. Fürnkranz 2 / 26 Gliederung Einleitung 1 Einleitung 2
MehrGDV III - Geometric Computing detaillierterer Überblick 20.10.08 Dr. Dietmar Hildenbrand
GDV III - Geometric Computing detaillierterer Überblick 20.10.08 Dr. Dietmar Hildenbrand Interactive Graphics Systems Group (GRIS) Technische Universität Darmstadt Heutige Themen Überblick über Ray-Tracer
MehrSystems für den HDS 4500
Entwicklung eines remote-monitoring monitoring Systems für den HDS 4500 Jens-André Paffenholz, Ingo Neumann und Hansjörg Kutterer Geodätisches Institut Leibniz Universität Hannover Session: Laserscanning
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Clippen in 2D und 3D Graphische DV und BV, Regina Pohle, 19. Clippen in 2D und 3D 1 Einordnung in die Inhalte der Vorlesung Einführung
Mehr3D-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,
MehrInformatik IC2. Balazs Simon 2005.03.26.
Informatik IC2 Balazs Simon 2005.03.26. Inhaltsverzeichnis 1 Reguläre Sprachen 3 1.1 Reguläre Sprachen und endliche Automaten...................... 3 1.2 Determinisieren.....................................
MehrAlgorithmen und Datenstrukturen Bereichsbäume
Algorithmen und Datenstrukturen Bereichsbäume Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Überblick Einführung k-d Baum BSP Baum R Baum Motivation
MehrDAS ABI-PFLICHTTEIL Büchlein
DAS ABI-PFLICHTTEIL Büchlein für Baden-Württemberg Alle Originalaufgaben Haupttermine 004 0 Ausführlich gerechnete und kommentierte Lösungswege Mit vielen Zusatzhilfen X π Von: Jochen Koppenhöfer und Pascal
Mehr6.2 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
MehrAlgorithmentheorie. 13 - Maximale Flüsse
Algorithmentheorie 3 - Maximale Flüsse Prof. Dr. S. Albers Prof. Dr. Th. Ottmann . Maximale Flüsse in Netzwerken 5 3 4 7 s 0 5 9 5 9 4 3 4 5 0 3 5 5 t 8 8 Netzwerke und Flüsse N = (V,E,c) gerichtetes Netzwerk
MehrDie 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
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2007 4. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Traversierung Durchlaufen eines Graphen, bei
MehrMathematik 9 Version 09/10
Verbalisieren Erläutern mathematischer Zusammenhänge und Kommunizieren Überprüfung und Bewertung von Problembearbeitungen Vergleichen und Bewerten von Lösungswegen und Problemlösungsstrategien (Funktionsplotter)
MehrComputer 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),
MehrSEMINAR AUTOMATISCHE GESICHTSERKENNUNG
SEMINAR AUTOMATISCHE GESICHTSERKENNUNG OBERSEMINAR AUTOMATISCHE ANALYSE VON GESICHTSAUSDRÜCKEN Organisation, Überblick, Themen Überblick heutige Veranstaltung 1. Organisatorisches 2. Überblick über beide
Mehr$ % + 0 sonst. " p für X =1 $
31 617 Spezielle Verteilungen 6171 Bernoulli Verteilung Wir beschreiben zunächst drei diskrete Verteilungen und beginnen mit einem Zufallsexperiment, indem wir uns für das Eintreffen eines bestimmten Ereignisses
MehrComputerviren, Waldbrände und Seuchen - ein stochastisches Modell für die Reichweite einer Epidemie
Computerviren, Waldbrände und Seuchen - ein stochastisches für die Reichweite einer Epidemie Universität Hildesheim Schüler-Universität der Universität Hildesheim, 21.06.2012 Warum Mathematik? Fragen zum
Mehr8 Diskrete Optimierung
8 Diskrete Optimierung Definition 8.1. Ein Graph G ist ein Paar (V (G), E(G)) besteh aus einer lichen Menge V (G) von Knoten (oder Ecken) und einer Menge E(G) ( ) V (G) 2 von Kanten. Die Ordnung n(g) von
MehrMustererkennung mit Baumautomaten
Mustererkennung mit Baumautomaten Eine Ausarbeitung von Gisse Alvarado für das Seminar Mustererkennung mit syntaktischen und graphbasierten Methoden bei Prof. Dr. W. Kurth/ Th. Mangoldt Cottbus 2006 Inhalt
MehrPhotogrammetrische 3D-Vermessung von Organen
Photogrammetrische 3D-Vermessung von Organen Michael Witte 1, Cora Wex 1, Nils Riefenstahl 2, Bernd Michaelis 3, Stephan Jacob 1, Hans Lippert 1 1 Universitätsklinik für Allgemein-, Viszeral- und Gefäßchirurgie,
MehrLungenmetastasen Chirurgie
Lungenmetastasen Chirurgie Definition Als Metastasierung (griechisch: meta weg; stase: Ort; Übersiedlung) bezeichnet man die Absiedlungen bösartiger Zellen eines Tumors, stammend aus einer anderen primären
MehrOptische Systeme und Computer Vision. Heinz-Wilhelm Hübers, Ralf Reulke
Optische Systeme und Computer Vision Heinz-Wilhelm Hübers, Ralf Reulke Deutsches Zentrum für Luft- und Raumfahrt e.v. (DLR) Institute of Optical Sensor Systems Humboldt-Universität zu Berlin, Institut
Mehr4 Greedy-Algorithmen (gierige Algorithmen)
Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine
MehrScheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É.
Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Tardos Janick Martinez Esturo jmartine@techfak.uni-bielefeld.de xx.08.2007 Sommerakademie Görlitz Arbeitsgruppe 5 Gliederung
MehrDefinition. Gnutella. Gnutella. Kriterien für P2P-Netzwerke. Gnutella = +
Definition Gnutella Ein -to--netzwerk ist ein Kommunikationsnetzwerk zwischen Rechnern, in dem jeder Teilnehmer sowohl Client als auch Server- Aufgaben durchführt. Beobachtung: Das Internet ist (eigentlich
MehrEine molekulare Lösung des Hamiltonkreisproblems mit DNA
Eine molekulare Lösung des Hamiltonkreisproblems mit DNA Seminar Molecular Computing Bild: http://creatia2013.files.wordpress.com/2013/03/dna.gif Andreas Fehn 11. Juli 2013 Gliederung 1. Problemstellung
MehrExploration und Klassifikation von BigData
Exploration und Klassifikation von BigData Inhalt Einführung Daten Data Mining: Vorbereitungen Clustering Konvexe Hülle Fragen Google: Riesige Datenmengen (2009: Prozessieren von 24 Petabytes pro Tag)
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Typische Prüfungsfragen Die folgenden Fragen dienen lediglich der Orientierung und müssen nicht den tatsächlichen Prüfungsfragen entsprechen. Auch Erkenntnisse aus den
MehrMehrere Diagramme zu einer Darstellung kombinieren
Mehrere Diagramme zu einer Darstellung kombinieren Linien, Balken, Säulen: Manchmal passt ein Diagrammtyp nicht ganz genau. Wenn du beispielsweise eine Entwicklung mit der parallel verlaufenden Anzahl
MehrComputer 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
MehrKoordination des Mehrbenutzerbetriebs 9. Koordination des Mehrbenutzerbetriebs
9. Mehrbenutzerbetrieb: DBS bedient gleichzeitig mehrere Benutzer Benutzer arbeiten zwar unabhängig voneinander, können aber die gleiche Relation oder sogar den gleichen Datensatz bearbeiten! Aktivität
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
Mehr2. Lernen von Entscheidungsbäumen
2. Lernen von Entscheidungsbäumen Entscheidungsbäume 2. Lernen von Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch Attribut/Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrTechnische 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
MehrGleichungen und Ungleichungen
Gleichungen Ungleichungen. Lineare Gleichungen Sei die Gleichung ax = b gegeben, wobei x die Unbekannte ist a, b reelle Zahlen sind. Diese Gleichung hat als Lösung die einzige reelle Zahl x = b, falls
MehrDas Mathematikabitur. Abiturvorbereitung Geometrie. Autor: Claus Deser Abiturvorbereitung Mathematik 1
Das Mathematikabitur Abiturvorbereitung Geometrie Autor: Claus Deser Abiturvorbereitung Mathematik 1 Gliederung Was sind Vektoren/ ein Vektorraum? Wie misst man Abstände und Winkel? Welche geometrischen
MehrÜ bung GIT- Teil Nachrichtentechnik, 17.11.2015
Ü bung GIT- Teil Nachrichtentechnik, 17.11.2015 1 OSI Schichtenmodell Systeme der Nachrichtentechnik werden häufig mittels des OSI-Referenzmodells charakterisiert. a) Benennen Sie die Schichten des OSI-Referenzmodells!
Mehr