Klausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772. Termin: 5. Februar Maximal mögliche Punktzahl: = 50.

Transkript

1 Klausuraufgaben zur Vorlesung Computer Vision Prüfung I W772 Prüfer: Laubenheimer Termin: 5. Februar 2009 Beginn: 14:00 Uhr Dauer: 90 Minuten Maximal mögliche Punktzahl: = 50 Name Matrikelnummer 1. Situationsbeschreibung: 7 Punkte (a) Welche Komponente des Interpretationszyklus ist für die Situationsbeschreibung relevant? 1 Punkt (b) Welche Komponenten der Situationsgrafen werden durch die Bildauswertung bestimmt? 1 Punkt (c) Für eine sensorbasierte Einparkhilfe für PKWs soll ein (vereinfachter) Situationsgraph erstellt werden. Gehen Sie von folgener Aufgabenstellung aus. Die PKWs sind mit Sensoren ausgestattet, die Ihnen folgende Informationen liefern: Wird im Abstand von 1,5 Metern vor dem Fahrzeug ein Hindernis detektiert, so liefert eine Variable obstacle = true, andernfalls obstacle = false. Im Fall eines detektierten Hindernisses liefert das System außerdem die Variable distance, die die Entfernung zum Hindernis in Metern angibt. In Abhängigkeit von der Entfernung vom Hindernis soll das Fahrzeug einen der folgenden Warntöne von sich geben. distance größer als 1,0 Meter zwischen 1,0 Metern und 0,3 Metern kleiner als 0,3 Meter Warnton moderat mittel aufdringlich Ergänzen Sie den Situationsgraphen um Zustands- und Handlungsschemata sowie um Prädiktionskanten. 5 Punkte 1

2 2. Anwendungsbeispiel Walnüsse: 35 Punkte Bei der Verpackung von Walnüssen soll ein Sichtprüfsystem eingerichtet werden, um die Qualität der eingehenden Lieferungen zu überwachen. Sie können von folgenden, vereinfachenden Voraussetzungen ausgehen: Die Beleuchtungsbedingungen sind konstant. Die Helligkeit der Walnüsse ist ebenfalls konstant (was in der Realität nicht der Fall ist!). (a) Zur stichprobenartigen Kontrolle der Größe der Walnüsse werden Bilder entsprechend Abbildung (a) eingezogen. In diesen Bildern sollen die Walnüsse anhand einer Schwelle segmentiert werden (vgl. Abbildung (b)), die automatisch bestimmt werden soll. Die 2

3 Histogramme H O und H H von Vorder- und Hintergrundpixeln sind aus einem repräsentativen Beispielbild bekannt: q H O (q) q H H (q) Berechnen Sie aus diesen (vereinfachten) Histogrammen die Mittelwerte und Varianzen µ O, µ H, σ 2 O und σ2 H. 4 Punkte (b) Was muss (neben der Auswahl eines repräsentativen Beispielbilds) gegeben sein, um das Verfahren zur automatischen Schwellwertbestimmung anwenden zu können? 1 Punkt (c) Nach der Binarisierung müssen in obigem Beispiel noch kleine Störstrukturen im Hintergrund beseitigt werden. Welche morphologische Operation wenden Sie an und aus welchen Grundoperationen setzt sich diese zusammen? 2 Punkte (d) Für Walnüsse ist die Größe ein Qualitätsmerkmal. Darüber hinaus sind Lieferungen, deren Walnüsse eine möglichst gleichmäßige Größe besitzen, wünschenswert. Beschreiben Sie in Stichworten, wie Sie auf Basis der segmentierten Bilder erstens die durchschnittliche Größe und zweitens die Schwankung um diesen Durchschnitt quantitativ ermitteln können. 3 Punkte 3

4 (e) Wie können aus dem Binärbild die Ränder der Walnüsse mit morphologischen Operatoren extrahiert werden? 2 Punkte (f) Die Walnüsse sollen nun als Kettencode gespeichert werden. Geben Sie den startpunktinvarianten Kettencode der folgenden (vereinfachten) Walnuss an (ein bezeichnet ein Randpixel). 3 Punkte (g) Alternativ können die Randpixel der Walnüsse auch mit Hilfe von Kantenoperationen auf dem Grauwertbild gewonnen werden. Beschreiben Sie in Stichworten diejenigen Schritte, die durchgeführt werden müssen, um über die erste Ableitung ein binarisiertes Bild mit Kantenpixelkandidaten zu erhalten. 4 Punkte 4

5 (h) Mit Hilfe der gespiegelten Faltungskerne lassen sich die partiellen Ableitungen in x- und y-richtung approximieren. Berechnen Sie die Ergebnisbilder dieser Faltungen für den folgenden Bildausschnitt. 4 Punkte (i) Berechnen Sie das Gradientenbetragsbild. 4 Punkte 5

6 (j) Inwiefern unterscheidet sich die Berechnung von Kantenbildpunkten, wenn statt des Sobel-Operators der Laplace-Operator verwendet wird? 2 Punkte (k) Nun sollen die Bilder ohne Informationsverlust bzw. -verfälschung verkleinert werden. Welcher Satz gibt Aufschluss darüber, wie groß das Abtastintervall sein darf, um das Bild aus den abgetasteten Punkten exakt rekonstruieren zu können? Wie lautet der Satz (verbal)? 3 Punkte (l) Wie stark dürfen Sie das Bild in x- und y-richtung verkleinern, ohne dass die im Bild enthaltene Information reduziert oder verfälscht wird, wenn die oberen Grenzfrequenzen in x- und y-richtung jeweils ũ = ỹ = 0.25 betragen? 2 Punkte (m) Zur Berechnung der oberen Grenzfrequenzen müssen Sie die diskrete Fouriertransformierte des Bildes berechnen. Nennen Sie zwei Möglichkeiten zur Beschleunigung der Berechnung der DFT und ggf. die Voraussetzungen, die erfüllt sein müssen, um sie anzuwenden? 2 Punkte 6

7 3. Nachtrag Texturextraktion: 8 Punkte (a) Berechnen Sie die Coocurrence-Matrix für den folgenden Bildausschnitt für Q = 5 und den Positionsoperator P 1,0. 3 Punkte (b) Berechnen Sie aus dieser Coocurrence-Matrix die Energie. Korrektes Einsetzen in die Formel ist für die volle Punktzahl ausreichend! 2 Punkte i j c 2 ij (c) Welche Grundidee verbindet die Coocurrencematrix und die Unser-Methode. Worin unterscheiden sie sich? 3 Punkte 7

8