Handdetektion in einem kameragesteuerten Robotersystem durch Auswertung digitaler Bilddaten in Echtzeit
|
|
- Judith Hofmann
- vor 5 Jahren
- Abrufe
Transkript
1 Handdetektion in einem kameragesteuerten Robotersystem durch Auswertung digitaler Bilddaten in Echtzeit Medien- und Kommunikationsinformatik
2 Agenda Einführung Motivation Anforderungen Zielsetzung Projektumgebung Robotersystem Kamera, Cell/B.E., Roboterarme Programmzyklus
3 Agenda Problematik/Herausforderung Auswahl geeigneter Verfahren Realisierung Projektergebnisse
4 Motivation Bedienung von Maschinen mit Gefahrenbereichen für Menschen Insbesondere: Gefahr der Verletzung der Handgliedmaßen Menschliche Reaktionszeit zu lang Beispiele: Kreissägen, Stanzmaschinen
5 Anforderungen Prävention solcher Unfälle: Automatisches Erkennen einer Gefahrensituation durch die Maschine Angemessene Reaktion der Maschine Echtzeitanforderung für das Erkennen u. die Reaktion => Möglichkeit: Integration einer kameragesteuerten Handdetektion in die Automatik der Maschine
6 Zielsetzung der Arbeit Integration einer Handdetektion in ein bestehendes Robotersystem (ballspielende Spielzeugroboter) Auswertung der Bilddaten einer Kamera auf in das Spielfeld eindringende Hände Wenig fehlerhafte Erkennungen (Spielfluss)
7 Zielsetzung der Arbeit Detektion der Hand auf möglichst vielen eingehenden Bildern (Echtzeit) Auswahl geeigneter Filter Auswahl echtzeitfähiger Algorithmen
8 Projektumgebung Bestehendes Robotersystem Ballspielende Roboterarme Studentenprojekt der IBM Deutschland Research & Development GmbH Balldetektion (Kamera über dem Spielfeld, Haarlike Filter => OpenCV)
9 Roboteranwendung 4 Roboterarme Gegenseitiges Zuspiel Spielregel: Roboter, der dem Ball am nächsten ist, spielt den Ball in die Mitte des Spielfeldes Quelle: Eigene Aufnahme
10 Die Kamera Kamera liefert Bilder Bestimmung der Ballposition Handdetektion Kameramodell: MvBlueCougar-S (Matrix Vision GmbH) Quelle: products/hardware/family/sc/mvbluecougar/ mvbluecougar-s_e_ MR.pdf Gigabit-Ethernet Industriekamera (Graustufenbilder)
11 Die Roboterarme Typ: Lynx 6 5 Freiheitsgrade Basisdrehung Schulterbewegung Ellenbogenbewegung Handgelenkbewegung Handgelenkdrehung Greifer zu Schaufel umfunktioniert Quelle: eigene Aufnahme
12 Cell/B.E. IBM Blade Server QS 21 Kooperation: Sony, Toshiba und IBM Quelle: technology cell pdf PowerXCell PB 7May2008 pub.pdf
13 Programmzyklus (1 Zyklus max. 50 ms) Aufbau Modular Quelle: eigene Grafik
14 Problematik Grauwertbilder => Hautfarbenerkennung nicht möglich Prüfung auf Bewegung nicht möglich => Bewegung im System (Bälle, Roboter) Wechselnder Initialisierungszustand der Kamera Konflikt bei Wahl der Algorithmen (Echtzeit vs. Qualität)
15 Ausgewählte Verfahren Viola & Jones-Verfahren zur Detektion von Objekten (opencv Haar-like Filter) Automatische Auswertung der Histogrammdaten Schwellwertberechnung: Binarisierung der Bilder
16 Viola & Jones-Verfahren 2001 veröffentlicht Paul Viola und Micheal Jones Statistisches Lernverfahren zur Bestimmung der Merkmale (Features) eines Objekttyps Basierend auf AdaBoost (Adpatic Boosting)
17 Viola & Jones-Verfahren Simple Struktur der Features Repräsentativen Wert für Umgebung des Features finden Mehrere Klassifizierer pro Bild -> Anordnung in Kaskaden (AdaBoost) Quelle: eigene Grafik nach [Bra08] und [Rie08]
18 Viola & Jones-Verfahren Objektdetektion mit Viola & Jones: Aufteilung des Bildes in Teilfenster Annahme: nicht alle Teilfenster sind mit gleichem Aufwand zu klassifizieren Kaskadenstufen mit ansteigender Komplexität
19 Binarisierung von Grauwertbildern Binäre Bilddarstellung (0 => schwarz, 255 => weiß) Schwellwertbestimmung Globaler Schwellwert: gesamtes Bild Lokaler Schwellwert: Bildausschnitt => mehrere Schwellwerte pro Bild Quelle: Eigene Aufnahme
20 Verfahren zur Schwellwertbestimmung Basis für alle Verfahren: Histogramm Schwellwert = Mittelwert der beiden Maxima im Histogramm = Minimum zwischen den beiden Maxima
21 Verfahren zur Schwellwertbestimmung Verfahren von Otsu (1979): Erfinder: Nobuyuki Otsu Häufig eingesetztes Verfahren Aufteilung des Histogramms in zwei Klassen (Objekt- und Hintergrundklasse) Test für alle möglichen Schwellwerte im Histogramm beginnend bei 0 Klasse1: 0 bis t Klasse2: t+1 bis 255
22 Verfahren zur Schwellwertbestimmung Schwellwert t: Streuung innerhalb der Klassen möglichst klein Streuung zwischen den Klassen möglichst groß
23 Implementation 3 hintereinandergeschaltete Filter Negiertes Eingangsbild Filter 1 (Auswertung Histogrammdaten): Erstes Maximum 35 % des zweiten Maximums es kann eine Hand im Spielfeld sein Erstes Maximum > 35 % des zweiten Maximums Auftreten einer Hand ausgeschlossen
24 Implementation Filter 2: Binarisierung des Bildes Aufteilung des Eingangsbildes in 14 x 14 Quadrate Quadrat enthält mehr schwarze Pixel: Quadrat ist schwarz Quadrat enthält mehr weiße Pixel: Quadrat ist weiß Betrachtung immer 9 nebeneinander liegender Pixel: min. 5 Quadrate sind schwarz => evtl. Hand
25 Implementation Filter 3: opencv Haar-like Filter (Viola & Jones-Verfahren) angelernter Klassifizierer Training: ca Bilder mit positiven Beispielen => binarisierte negierte Bilder von Händen ca Bilder mit negativen Beispielen (nur negiert)
26 Implementation Eingangsbilder für die Filter Quelle: Eigene Bilder Positives Beispiel für das Training des Klassifizierers Quelle: Eigenes Bild
27 Projektergebnisse Detektionsrate: 93 % (unter getesteten Bedingungen) Fehlerhafte Detektionen: z.b. helle Kaffeebecher Durchschnittliche Verarbeitungszeit bei Ausführung aller drei Filter: 11,303 ms Wirkt nur bei Händen mit hellem Erscheinungsbild
28 Quellen [Bra08] [Gra04] [IBM08] [MV08] [Pol05] [Rie08] Bradski, Gary; Kaehler, Adrian, Learning OpenCV, O Reilly Media, Inc., CA (USA) 2008 Grabner, Helmut, Autodetektion mit AdaBoost (Magisterarbeit), ICG, Technische Universität Graz 2004 IBM Corporation, PowerXCell 8i Processor, IBM Matrix Vision GmbH, Datenblatt mvbluecougar-s, Matrix Vision GmbH 2008, Poltavets, Volodymyr; Wildt Graziani, Eduardo; Kunzonzila Nzuzi, Darcy; Projekt Bildsegmentierung, FH Köln WS 05/06 Riemer, Kolja, Gesichtsdetektion mit Time-of-Flight-Kameras (Diplomarbeit), Universität zu Lübeck 2008
29 Vielen Dank! Fragen? Anregungen?
Vorlesung Digitale Bildverarbeitung Sommersemester 2013
Vorlesung Digitale Bildverarbeitung Sommersemester 2013 Sebastian Houben Institut für Neuroinformatik Sliding-Window Idee: Trainiere einen binären Klassifikator mit zwei Klassen von Bildausschnitten: dem
MehrWas bisher geschah. digitale Bilder: Funktion B : pos col Matrix B col
Was bisher geschah digitale Bilder: Funktion B : pos col Matrix B col pos mit den Mengen pos von Positionen (Adressen) col von Farben, Intensitäten Aufgaben maschineller Bildverarbeitung: Erzeugung, Wiedergabe,
MehrImplizite Modellierung zur Objekterkennung in der Fernerkundung
Implizite Modellierung zur Objekterkennung in der Fernerkundung Mitarbeiterseminar 20.01.2011 (IPF) Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften KIT Universität des Landes Baden-Württemberg
MehrSeminar: Multi-Core Architectures and Programming. Viola-Jones Gesichtsdetektor
Seminar: Multi-Core Architectures and Programming Viola-Jones Gesichtsdetektor Hardware-Software-Co-Design Universität Erlangen-Nürnberg 1 Übersicht Einleitung Viola-Jones Gesichtsdetektor Aufbau Blockmerkmale
MehrAutomatische Gesichtsdetektion und Feinanalyse
Automatische Gesichtsdetektion und Feinanalyse 3. Wissenschaftstag Metropolregion Nürnberg 26. Mai 2009 Dipl.-Inf. (FH) Tobias Ruf tobias.ruf@iis.fraunhofer.de http://www.iis.fraunhofer.de Fraunhofer-Institut
MehrVorlesung Digitale Bildverarbeitung Sommersemester 2013
Vorlesung Digitale Bildverarbeitung Sommersemester 2013 Sebastian Houben (Marc Schlipsing) Institut für Neuroinformatik Inhalt Crash-Course in Machine Learning Klassifikationsverfahren Grundsätzliches
MehrAlgorithmische Anwendungen
Algorithmische Anwendungen von Prof. Dr. Heiner Klocke Projekt Bildsegmentierung Gruppenbezeichnung: F_ROT AI7 WS05/06 02.02.2006 Namen: Poltavets, Volodymyr 11030683 Wildt Graziani, Eduardo 11030709 Kunzonzila
Mehr2. Schnitterkennung Video - Inhaltsanalyse
2. Schnitterkennung Video - Inhaltsanalyse Stephan Kopf Definition: Schnitt Schnitte (cut) liefern Informationen über den Produktionsprozess eines Filmes. trennen kontinuierliche Aufnahmen, die als Kameraeinstellungen
MehrKalibrierungsfreie Bildverarbeitungsalgorithmen. echtzeitfähigen Objekterkennung im Roboterfuÿball. Thomas Reinhardt Nao-Team HTWK. 26.
zur echtzeitfähigen Objekterkennung im Roboterfuÿball Thomas Reinhardt Nao-Team HTWK Hochschule für Technik, Wirtschaft und Kultur Leipzig 26. Februar 2011 Gliederung 1 2 3 4 5 6 7 YCbCr- Helligkeitskomponente
MehrGrundlagen: Bildbearbeitung / Objekterkennung. Julia Peterwitz zum Seminar: Videobasierte Erkennung und Analyse menschlicher Aktionen
Grundlagen: Bildbearbeitung / Objekterkennung Julia Peterwitz zum Seminar: Videobasierte Erkennung und Analyse menschlicher Aktionen Videoerkennung! Warum? Live-Übertragung von Veranstaltungen Überwachung
MehrBildverbesserung (Image Enhancement)
Prof. Dr. Wolfgang Konen, Thomas Zielke Bildverbesserung (Image Enhancement) WS07 7.1 Konen, Zielke Der Prozess der Bildverbesserung (1) Bildverbesserung wird häufig dafür eingesetzt, die für einen menschlichen
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
MehrProbleme bei der Bildverarbeitung. Digitale Bildverarbeitung. Charge-Coupled-Device Kameras. Beispiel Schärfentiefe
Digitale Bildverarbeitung Keine Bildbearbeitung (z.b. Photoshop) Behandlung von zur Computergrafik inversen Problemen Erkennen von Objekten in Bildern sowie Bestimmung deren 2D (3D) Lage im Bild (im Raum)
MehrKlausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772. Termin: 5. Februar Maximal mögliche Punktzahl: = 50.
Klausuraufgaben zur Vorlesung Computer Vision Prüfung I W772 Prüfer: Laubenheimer Termin: 5. Februar 2009 Beginn: 14:00 Uhr Dauer: 90 Minuten Maximal mögliche Punktzahl: 7+35+8 = 50 Name Matrikelnummer
MehrComputer Vision: AdaBoost. D. Schlesinger () Computer Vision: AdaBoost 1 / 10
Computer Vision: AdaBoost D. Schlesinger () Computer Vision: AdaBoost 1 / 10 Idee Gegeben sei eine Menge schwacher (einfacher, schlechter) Klassifikatoren Man bilde einen guten durch eine geschickte Kombination
Mehr2. Schnitterkennung Videoanalyse
2. Schnitterkennung Videoanalyse Stephan Kopf Inhalt Definition: Schnitt Klassifikation eines Schnittes Vorgehensweise bei der automatischen Schnitterkennung Pixelbasierte Verfahren Histogramme Aggregierte
MehrKlausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772. Termin: 5. Februar Maximal mögliche Punktzahl: = 50.
Klausuraufgaben zur Vorlesung Computer Vision Prüfung I W772 Prüfer: Laubenheimer Termin: 5. Februar 2009 Beginn: 8:00 Uhr Dauer: 90 Minuten Maximal mögliche Punktzahl: 7+35+8 = 50 Name Matrikelnummer
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
MehrChapter 2 Image Similarity. Chapter 2 Image Similarity
Chapter 2 Image Similarity Distributed Algorithms for Ähnlichkeit von Bildern Inhalt Pixelbasierte Verfahren Histogramme Aggregierte Bilddaten Kantenbasierte Verfahren (Canny) Anwendung: Schnitterkennung
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
MehrAnwendungen der Hauptkomponentenanalyse. Volker Tresp vertreten durch Florian Steinke
Anwendungen der Hauptkomponentenanalyse Volker Tresp vertreten durch Florian Steinke 1 Dimensionsreduktion für Supervised Learning 2 Beispiel: Kaufentscheidung 3 Verbesserte Abstandsmaße durch Hauptkomponentenanalyse
MehrStatistische Kenngrößen. Histogramm. Grundlagen zur statistischen Signalverarbeitung. Statistische Beschreibung von Audio
8.3.6 Statistische Kenngrößen Grundlagen zur statistischen Signalverarbeitung Dr. Detlev Marpe Fraunhofer Institut für achrichtentechnik HHI Histogramm Wahrscheinlichkeitsdichteverteilung Mittelwert µ
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
MehrGigE Vision Kameras für vicosys
phone: +49 36 81 / 79 740 fax: +49 36 81 / 79 7433 www.visioncontrol.com Produktmerkmale Kompakte GigEVision Industriekameras Hochwertige & Sensoren Sensorauflösung von VGA bis 5 Megapixel Grauwert, Farbe
MehrVorlesung Digitale Bildverarbeitung Sommersemester 2013
Vorlesung Digitale Bildverarbeitung Sommersemester 2013 Sebastian Houben Institut für Neuroinformatik Inhalt Crash-Course in Machine Learning Klassifikationsverfahren Grundsätzliches K-Nearest-Neighbour-Klassifizierer
MehrComputer Vision: Segmentierung I
Computer Vision: Segmentierung I D. Schlesinger TUD/INF/KI/IS Der Plan: D. Schlesinger () CV: Segmentierung I 1 / 13 Segmentierung Man hat das... Man braucht das. D. Schlesinger () CV: Segmentierung I
MehrEchtzeitfähige Algorithmen für markerloses Tracking und Umfelderkennung , Dr.-Ing. Steffen Herbort, A.R.T. GmbH
Echtzeitfähige Algorithmen für markerloses Tracking und Umfelderkennung 26.10.2016, TP 2: Arbeiten von A.R.T. TP2: Tracking und Umfelderkennung Markerloses Tracking texturierte Objekte Umfelderkennung
MehrBild-Erkennung & -Interpretation
Kapitel I Bild-Erkennung & -Interpretation FH Aachen / Jülich, FB 9 Prof. Dr. rer.nat. Walter Hillen (Dig Img I) 1 Einführung Schritte zur Bilderkennung und Interpretation: Bild-Erfassung Vorverarbeitung
MehrTitelblatt. Gruppe Wall E. Phasenverantwortlicher: Daniel Rother. Kooperative Steuerung von Modellversuchsfahrzeugen Sommersemester 2008
Titelblatt Phasenverantwortlicher: Daniel Rother Kooperative Steuerung von Modellversuchsfahrzeugen Sommersemester 2008 Institut für Betriebssysteme und Rechnerverbund Technische Universität Braunschweig
MehrAutomatische Kalibrierung eines Kamerasystems zur Verkehrsdatenerfassung auf Basis von Navigationssensorik Sebastian Schulz, DLR-TS-ANL
DLR.de Folie 1 03.03.2015, ASW 2016, Wildau Automatische Kalibrierung eines Kamerasystems zur Verkehrsdatenerfassung auf Basis von Navigationssensorik Sebastian Schulz, DLR-TS-ANL DLR.de Folie 2 Agenda
MehrKameraanbindung mit OpenCV. Projektpraktikum AR/VR Raphael Baumeister
Kameraanbindung mit OpenCV Projektpraktikum AR/VR Raphael Baumeister Einleitung & Allgemeines Open Source Bibliothek Basierend auf Image Processing Library Programmiersprache C++ Hohe Geschwindigkeit Lizenzfrei
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Bildanalyse Literatur David A. Forsyth: Computer Vision i A Modern Approach. Mark S. Nixon und Alberto S. Aguado: Feature Extraction and Image Processing. Ulrich Schwanecke:
Mehr"Kanten- und Linienerkennung in Grauwertbildern für Bildverarbeitungsstufen im Antikollissionssystem des Faustfahrzeugs"
"Kanten- und Linienerkennung in Grauwertbildern für Bildverarbeitungsstufen im Antikollissionssystem des Faustfahrzeugs" Ning Liu HAW-Hamburg Seminarvortrag December 15, 2006 Ning Liu Kanten- und Linienerkennung
MehrDas Frühwarnsystem für die. Das Frühwarnsystem für die Ausliefer-Produkt-Audits (APA) (APA)
Das Frühwarnsystem für die Das Frühwarnsystem für die Ausliefer-Produkt-Audits (APA) (APA) Das Frühwarnsystem für die Ausliefer-Produkt-Audits (APA) Gliederung: Auswertung der APA-Daten Datengrundlage
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
MehrDigitale 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
MehrPalmenidentifizierung aus digitalen Luftbildern
Jahrestagung DGPF AKFE 2009 Palmenidentifizierung aus digitalen Luftbildern Javier González Heinrich Heine Universität, 40225 Düsseldorf, Deutschland 1.EINLEITUNG 2. UNTERSUCHUNGSGEBIET 3. MATERIAL UND
MehrDer Schlüssel zu Kontrast und Detail Schwarzwert korrigieren
Der Schlüssel zu Kontrast und Detail Schwarzwert korrigieren In Ihrem Bild ist Weiß vorhanden, aber es sieht flau aus? Obwohl Sie Ihre Kamera komplett abgedunkelt haben, erreichen Sie kein Schwarz? Oder
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
MehrGLOBAL SHUTTER CMOS KAMERAS & BI-TELEZENTRISCHE HOCHLEISTUNGSOBJEKTIVE FÜR MEHR PRÄZISION
GLOBAL SHUTTER CMOS KAMERAS & BI-TELEZENTRISCHE HOCHLEISTUNGSOBJEKTIVE FÜR MEHR PRÄZISION USB3 VISION-KAMERAS MIT DER SENSORTECHNOLOGIE VON MORGEN Hohe Empfindlichkeit & Dynamik Ausgestattet mit modernster
MehrBildverarbeitung in der Qualitätskontrolle. Sebastian Zambal LEADING INNOVATIONS
Bildverarbeitung in der Qualitätskontrolle Sebastian Zambal LEADING INNOVATIONS Überblick Profactor Grundlagen Bildverarbeitung HW, SW, Methoden Inspektion Gussteilen Inspektion CFK, GFK Projekte EMVA-Studie:
MehrSegmentierung. Vorlesung FH-Hagenberg SEM
Segmentierung Vorlesung FH-Hagenberg SEM Segmentierung: Definition Die Pixel eines Bildes A={a i }, i=1:n, mit N der Anzahl der Pixel, werden in Teilmengen S i unterteilt. Die Teilmengen sind disjunkt
MehrObjekterkennung am Beispiel des Viola-Jones-Objektdetektors
Objekterkennung am Beispiel des Viola-Jones-Objektdetektors Medieninformatik IL Andreas Unterweger Vertiefung Medieninformatik Studiengang ITS FH Salzburg Wintersemester 2014/15 Andreas Unterweger (FH
MehrToshiba Teli USB3-Vision-Kameras
Toshiba Teli USB3-Vision-Kameras Kameras USB3-Vision-Kameras von Toshiba Teli Das USB-3.0-Vision-Kameraprogramm beinhaltet diverse CCD- und CMOS-Sensoren als S/W- und Farbkameramodelle mit Auflösungen
MehrDeLFI Workshops: Mittelwert
1 3 4 DeLFI Workshops: Mittelwert r 0 9 8 pädagogik 7 6 4 3 1 sorganisation 12 1 3 4 DeLFI Workshops: Streuung r 0 9 8 pädagogik 7 6 4 3 1 sorganisation 12 1 3 4 DeLFI Workshops: Maxima r 0 9 8 pädagogik
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
MehrSeminar: Multi-Core Architectures and Programming
Seminar: Multi-Core Architectures and Programming Parallelisierung des Viola-Jones Algorithmus auf Tilera Hardware-Software-Co-Design Universität Erlangen-Nürnberg 1 Übersicht Einleitung Erste Versuche
MehrHochdurchsatz-Mikroskopie zur automatisierten Qualitätskontrolle
Hochdurchsatz-Mikroskopie zur automatisierten Qualitätskontrolle Control 2017, Stuttgart 09 Mai 2017 Tobias Piotrowski, M.Sc. Bildquellen: Fraunhofer IPT Einführung Warum High-Speed-Mikroskopie? Herausforderung:
MehrAutomatic segmentation for dental operation planning. Diplomarbeit. Nguyen The Duy
Automatic segmentation for dental operation planning Diplomarbeit Nguyen The Duy 24.02.2012 Motivation Quelle: bestbudapestdentist.com Aufgabenstellung Segmentierung des Oberkiefers (Maxilla) Detektion
MehrDer EVMA 1288 Standard als Wegweiser zur richtigen Kamera mit der richtigen Bildqualität. Vortragender: Christoph Hoernlen Territory Account Manager
Der EVMA 1288 Standard als Wegweiser zur richtigen Kamera mit der richtigen Bildqualität Vortragender: Christoph Hoernlen Territory Account Manager Inhalt 1 Einführung in Bildqualität und ihre entscheidende
MehrDie FINCA Eine Platform für für Anwendungen des Ubiquitous Computing
Die FINCA Eine Platform für für Anwendungen des Ubiquitous Computing Christian 17. Juni 2009 Motivation Anwendungen und Anforderungen im Bereich UC Die FINCA Infrastruktur einer Intelligenten Umgebung
MehrInnovative by tradition. Sicherer Ultraschall in der Robotik Ultraschall schützt den Werker vor dem Schwert am Roboter
Innovative by tradition. Sicherer Ultraschall in der Robotik Ultraschall schützt den Werker vor dem Schwert am Roboter Robotics Award 2017 2. Platz Funktional sicherer Ultraschall - USi safety Sicherer
MehrEyeScan AT 3D. Technische Daten. Bis zu Hz (je nach Modell) Bis zu 4096 Punkte / Profile (je nach Modell)
EyeScan 3D Sensoren 2 3 EyeScan AT 3D Technische Daten Profile Speed Bis zu 25000 Hz (je nach Modell) Profile Resolution Bis zu 4096 Punkte / Profile (je nach Modell) Schnittstelle GigE Vision / GenICam
MehrObject recognition with Boosting
Object recognition with Boosting Hauptseminar Lernverfahren der Neuroinformatik und Robotik, Universität Ulm, Abteilung Neuroinformatik, SS 2007, Betreuer Friedhelm Schwenker Zusammenfassung Diese Ausarbeitung
MehrBildverarbeitung Herbstsemester. Mustererkennung
Bildverarbeitung Herbstsemester Herbstsemester 2009 2012 Mustererkennung 1 Inhalt Einführung Mustererkennung in Grauwertbildern Ähnlichkeitsmasse Normalisierte Korrelation Korrelationskoeffizient Mustererkennung
MehrIntegration eines pneumatischen Roboters in die Robotics API
Integration eines pneumatischen Roboters in die Robotics API Ziel: Integration eines AirArms in die Robotics API und Umsetzung eines Demo-Anwendung Idee: Die MRK (Mensch Roboter Kooperation) bekommt zunehmend
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrDigitale Bildverarbeitung Einheit 9 Morphologische Operationen
Digitale Bildverarbeitung Einheit 9 Morphologische Operationen Lehrauftrag WS 2007/2008 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen,
MehrAnalyse zur automatischen Klassifizierung von Bildern
Analyse zur automatischen Klassifizierung von Bildern 29. Januar 2008 Gliederung Einleitung Bemerkungen zum Bildbegriff Verwendete Bildklassen Eigenschaften von Bildern Klassifizierung Ergebnisse ImageJ-Plugin
MehrFehlererkennung beim 3D Druck
Daniel Nägele, Robert Gänzle und Lan Jiang Institut für Rechnergestützte Ingenieursysteme Universität Stuttgart 12. September 2014 Übersicht 1 Allgemeines Ziele Hardware 2 Bildverarbeitung Grundsätzliches
MehrMaschinelles Lernen: Neuronale Netze. Ideen der Informatik
Maschinelles Lernen: Neuronale Netze Ideen der Informatik Kurt Mehlhorn Adrian Neumann 16. Januar 2014 Übersicht Biologische Inspiration Stand der Kunst in Objekterkennung auf Bildern Künstliche Neuronale
MehrTaktilsensorbasierte Steuerung von Roboterarmen zur Erstellung einer Haptischen Datenbank
Taktilsensorbasierte Steuerung von Roboterarmen zur Erstellung einer Haptischen Datenbank Matthias Schöpfer 1 Gunther Heidemann 2 Helge Ritter 1 1 {mschoepf,helge}@techfak.uni-bielefeld.de Technische Fakultät
MehrViola-Jones Gesichtserkennung mit WebGL
Viola-Jones Gesichtserkennung mit WebGL Tobias Groß, Björn Meier Hardware/Software Co-Design, University of Erlangen-Nuremberg 18. Juli 2013 Outline Motivation Viola-Jones Funktionsweise Blockbewertung
MehrProf. J. Zhang Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 20. Januar 2004
zhang@informatik.uni-hamburg.de Universität Hamburg AB Technische Aspekte Multimodaler Systeme zhang@informatik.uni-hamburg.de Inhaltsverzeichnis 6. Bildverarbeitung..........................415 Aufbau
MehrInhaltsverzeichnis. Georg Stark. Robotik mit MATLAB ISBN: Weitere Informationen oder Bestellungen unter
Inhaltsverzeichnis Georg Stark Robotik mit MATLAB ISBN: 978-3-446-41962-9 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41962-9 sowie im Buchhandel. Carl Hanser Verlag, München
MehrKamera-basierte Objekterkennung
Kamera-basierte Objekterkennung Deep Machine Learning. Version 2.0 Einführung Motivation & Megatrends Motivation In der Logistik verursacht die Identifizierung (das Scannen) der Produkte, Pakete, Paletten,
Mehr10 Inhaltsverzeichnis
Georg Stark Robotik mit MATLAB Mit 101 Bildern, 33 Tabellen, 40 Beispielen, 55 Aufgaben und 37 Listings Fachbuchverlag Leipzig im Carl Hanser Verlag Inhaltsverzeichnis 1 Einführung in die Robotik 13 1.1
MehrSubpixelgenaue Geometriemessung in Mehrkanalbildern
Autoren: Dipl.-Ing. Martin Correns Dr.-Ing. Peter Brückner Prof. Dr.-Ing. habil. Gerhard Linß Subpixelgenaue Geometriemessung in Mehrkanalbildern Inhalt des Vortrags Einleitung Traditionell: Messung in
MehrÜbung Angewandte Biosignalverarbeitung
Übung Angewandte Biosignalverarbeitung Dr.-Ing. Sebastian Zaunseder e-mail: Sebastian.Zaunseder@tu-dresden.de Telefon: +49 (0)351 463 33786 Raum: Fetscherforum, 1. OG, Raum 32 Die Aufgabe - Schlagdetektion
MehrKapitel V. V. Ensemble Methods. Einführung Bagging Boosting Cascading
Kapitel V V. Ensemble Methods Einführung Bagging Boosting Cascading V-1 Ensemble Methods c Lettmann 2005 Einführung Bewertung der Generalisierungsfähigkeit von Klassifikatoren R (c) wahre Missklassifikationsrate
MehrSupport Vector Machines, Kernels
Support Vector Machines, Kernels Katja Kunze 13.01.04 19.03.2004 1 Inhalt: Grundlagen/Allgemeines Lineare Trennung/Separation - Maximum Margin Hyperplane - Soft Margin SVM Kernels Praktische Anwendungen
MehrFABRIKAUTOMATION EXAKT, PRÄZISE UND BERÜHRUNGSLOS LAGEERMITTLUNG FÜR AUTOMATISIERTE APPLIKATIONSPROZESSE
FABRIKAUTOMATION EXAKT, PRÄZISE UND BERÜHRUNGSLOS LAGEERMITTLUNG FÜR AUTOMATISIERTE APPLIKATIONSPROZESSE 2D/2,5D-Lageerkennung Präzise & berührungslos VMT 2D & 2,5D VMT 2D - Hochpräzises Robot Vision System
MehrStandardsoftware für die Industrielle Bildverarbeitung
Standardsoftware für die Industrielle Bildverarbeitung Der elegante Weg zur Performanzsteigerung Dr. Olaf Munkelt MVTec Software GmbH MVTec Software GmbH Firma konzentriert sich auf Building Vision for
MehrProjektpraktikum: Bildauswertung und fusion Wintersemester 2012 / 2013
Projektpraktikum: Bildauswertung und fusion Wintersemester 2012 / 2013 ies.anthropomatik.kit.edu Kalibrierung - subpixelgenaue Fokusmessung Zusammenfassung: Zur automatisierten Kalibrierung eines neuartigen
MehrParametrisierung von Hochgeschwindigkeits-Kamerasystemen zur Echtzeit-Bildbearbeitung
Parametrisierung von Hochgeschwindigkeits-Kamerasystemen zur Echtzeit-Bildbearbeitung Inhalt Einführung Aufbau eines Hochgeschwindigkeits-Kamerasystems Hochgeschwindigkeitskamera Objektive Beleuchtung
MehrDesigning Haptic. Computer Interfaces for blind people
Designing Haptic Computer Interfaces for blind people Agenda 2 01 Motivation 02 Forschung 03 Einleitung 04 Experimente 05 Guidelines Motivation Motivation 4 i 1,2 Millionen sehbehinderte und blinde Menschen
MehrBildauswertung in UAV
Bildauswertung in UAV Prof. Dr. Nailja Luth Prof. N. Luth Emden 2014-1 OTH Ost-Bayerische Technische Hochschule Amberg-Weiden Prof. N. Luth Emden 2014-2 Prof. Dr.-Ing. N. Luth: Vorlesung Bildverarbeitung
MehrHochauflösender Bildsensor. Mobile Digitalkamera MDC3
Hochauflösender Bildsensor Mobile Digitalkamera MDC3 Multi-Talent in dritter Generation Umfassende Sensorfunktion Mobile Digitalkamera MDC3 Die MDC3 eröffnet weit mehr Perspektiven als herkömmliche Digitalkameras:
MehrLösungsvorschlag zur 5. Übung zu Multimediale Systeme
Lösungsvorschlag zur 5. Übung zu Multimediale Systeme Dipl. Inf. Günter Robbert Universität Bayreuth Lehrstuhl für Angewandte Informatik I 20.6.2003 Lösungsvorschlag zur 5. Übung 1 AdOculos (1) AdOculos
MehrMatsushita PC-Imagechecker P400
Matsushita Electric Works Deutschland Matsushita PC-Imagechecker P400 Inhalt Inhalt: Hardware Leistungsmerkmale multifunktionale Kameraunterstützung höchste Geschwindigkeit Schnittstellen Software vielfältige
MehrHochauflösender Bildsensor. Mobile Digitalkamera MDC3
Hochauflösender Bildsensor Mobile Digitalkamera MDC3 Multi-Talent in dritter Generation Mobile Digitalkamera MDC3 Die MDC3 eröffnet weit mehr Perspektiven als herkömmliche Digitalkameras: Neben ihrer Funktion
MehrMessung von Echtzeitverhalten im G-WiN. R. Kleineisel, I. Heller, S. Nägele-Jackson Verteilte Echtzeitsysteme 27. / 28.
Messung von Echtzeitverhalten im G-WiN R. Kleineisel, I. Heller, S. Nägele-Jackson Verteilte Echtzeitsysteme 27. / 28. November 2003 Inhalt Historie Messprogramm Messstationen Messmethodik Messungen Ausblick
MehrEnzym-Dynamik an einzelnen Molekülen. Paul Käufl
Enzym-Dynamik an einzelnen Molekülen Paul Käufl Enzym-Dynamik einzelner Moleküle Quelle: (5) 2 Enzym-Dynamik einzelner Moleküle Bis vor ca. 20 Jahren: Chemische Reaktionen (in Lösung) im Wesentlichen nur
MehrSimulation von Oberflächenveränderungen und defekten zur Bestimmung der Fehlerauffindwahrscheinlichkeit (POD)
DACH-Jahrestagung 2015 Mi.2.C.2 Simulation von Oberflächenveränderungen und defekten zur Bestimmung der Fehlerauffindwahrscheinlichkeit (POD) Markus RAUHUT 1, Falco HIRSCHENBERGER 1, Martin SPIES 2 1 Fraunhofer
MehrBei Anwendung statistischer Verfahren benutzen Sie die unten aufgeführten Abkürzungen!
Bei Anwendung statistischer Verfahren benutzen Sie die unten aufgeführten Abkürzungen! t-test für Korrelationskoeffizient Einstichproben-t-Test Zweistichproben-t-Test F-Test Wilcoxon-Rangtest: tr t t2
MehrRobotik Seminar 2006 Mobile autonome Roboter
Robotik Seminar 2006 Mobile autonome Roboter Prof. Dr. Gisela Schäfer-Richter, FH Dortmund Gruppenmitglieder: Mark Krannich Christoph Schürmann Ninett Lenthaparambil 1 Inhalt Einleitung Schwerpunkte der
MehrDigitale Bildverarbeitung Einheit 9 Morphologische Operationen
Digitale Bildverarbeitung Einheit 9 Morphologische Operationen Lehrauftrag WS 05/06 Fachbereich M+I der FH-Offenburg Dipl.-Math. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen,
MehrErgebnisse der schriftlichen Zwischenprüfung Frühjahr 2018 Gärtner/Gärtnerin - Fachrichtung Garten- und Landschaftsbau Zuständige Stelle: Gartenbauzen
2000000885 2 2 4 5 6 5 4 4 2000003796 3 3 2 4 4 2 2 3 2000008262 2 2 2 6 5 5 3 2 2000010756 3 3 2 5 5 4 5 3 2000030386 2 3 1 5 5 3 4 4 2000040144 4 4 4 4 6 4 4 3 2000047293 1 4 3 2 6 5 5 4 2000062196 1
MehrKlassifikation von Textabschnitten
Klassifikation von Textabschnitten Am Beispiel von Stellenanzeigen (JASC - Job Ads Section Classifier) Gliederung 1. Einführung: Zu welchem Zweck machen wir das? 2. Klassifikation ein kurzer Überblick
MehrProf. J. Zhang zhang@informatik.uni-hamburg.de. Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 16. Dezember 2003
zhang@informatik.uni-hamburg.de Universität Hamburg AB Technische Aspekte Multimodaler Systeme zhang@informatik.uni-hamburg.de Inhaltsverzeichnis 5. Sichtsysteme in der Robotik....................307 Industrielle
MehrBerührungslose Temperaturmesstechnik in vernetzten Automatisierungslösungen
Berührungslose Temperaturmesstechnik in vernetzten Automatisierungslösungen Dr.-Ing. Frank Nagel DIAS Infrared GmbH Forum Industrial Automation 14.4.2015 Agenda Berührungslose Temperaturmesstechnik in
MehrProjekt Lesebrille : Mobiles Vorlesegerät für Blinde
Projekt Lesebrille : Mobiles Vorlesegerät für Blinde Texterkennung Vorverarbeitung Rauschen Kontrasterhöhung, Schärfung Binarizierung Layouterkennung Dokumentgrenzen Textblöcke, Textspalten Ausrichtung
MehrGleiche Daten, unterschiedliche Erkenntnisziele?
Gleiche Daten, unterschiedliche Erkenntnisziele? Zum Potential vermeintlich widersprüchlicher Zugänge zur Textanalyse Universität Hamburg Evelyn Gius Jan Christoph Meister Janina Jacke Marco Petris Universität
Mehrspotuation Netzwerk-Sicherheit Lagebild und intelligente Detektion Februar 2016
spotuation Netzwerk-Sicherheit Lagebild und intelligente Detektion Februar 2016 Agenda Bedrohungslandschaft IT-Sicherheit Security Intelligence spotuation Nutzungsvarianten Analyse-Beispiele USPs / Benefits
MehrInhaltsverzeichnis 1 Einleitung Mensch-Maschine-Kommunikation in der Informations- und Kommunikationstechnik Grundbegriffe der Mensch-M
1 Einleitung 1 1.1 Mensch-Maschine-Kommunikation in der Informations- und Kommunikationstechnik... 1 1.2 Grundbegriffe der Mensch-Maschine-Kommunikation... 2 1.3 Disziplinen der Mensch-Maschine-Kommunikation...
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
MehrCapturing Reality Hoch aufgelöste statische und dynamische Kartierung für hochautomatisiertes Fahren.
Capturing Reality Hoch aufgelöste statische und dynamische Kartierung für hochautomatisiertes Fahren www.joanneum.at/digital Wozu braucht mein Auto eine Karte? 2 Mensch als Fahrer: Karte wird zum Navigieren
Mehr