Interaktion mittels Gestik, Animation
|
|
- Oskar Linden
- vor 6 Jahren
- Abrufe
Transkript
1 Interaktion mittels Gestik, Animation Bastian Könings Proseminar Virtuelle Präsenz SS 2005 Universität Ulm 1/38
2 Übersicht 1. Gestik allgemein 1.1 Definition von Gestik 1.2 lexikalische Gesten 1.3 Nutzen von Gestik 2. Gestikerkennung 3. Animation von Gesten 2/38
3 1.1 Definition von Gestik Gestik = Gesamtheit der Gesten Geste = nonverbale Kommunikation v.a. über Arme und Hände sprachersetzend / sprachbegleitend 3/38
4 1.1 Definition von Gestik 4 Arten von Gesten: lexikalische Gesten (kulturell abhängig) deiktische Gesten (Zeigegesten auf Personen oder Objekte im Raum) ikonische Gesten (Abbildung der Wirklichkeit) koverbale Gesten (sprachbegleitend) 4/38
5 Übersicht 1. Gestik allgemein 1.1 Definition von Gestik 1.2 lexikalische Gesten 1.3 Nutzen von Gestik 2. Gestikerkennung 3. Animation von Gesten 5/38
6 1.2 lexikalische Gesten kulturell abhängig und müssen erlernt werden Winken Kopfnicken Achselzucken Kopfschütteln (in Indien Zeichen der Zustimmung) Zwinkern Augenbrauen hochziehen usw. 6/38
7 1.2 lexikalische Gesten Nordamerika, Europa: O.K., gut so Frankreich, Belgien, Tunesien: Null, wertlos Japan: Geld viele Länder: Prima!", hervorragend" Deutschland: ein" Japan: fünf 7/38
8 1.2 lexikalische Gesten wütender Türke wütender Italiener wütender Grieche 8/38
9 Übersicht 1. Gestik allgemein 1.1 Definition von Gestik 1.2 lexikalische Gesten 1.3 Nutzen von Gestik 2. Gestikerkennung 3. Animation von Gesten 9/38
10 1.3 Nutzen von Gestik erleichtert und unterstützt Kommunikation erleichtert Mensch-Maschine Interaktion, da Gesten intuitiv anwendbar sind Problem der Gestikerkennung macht virtuelle Charaktere realistischer Problem der realistischen Animation von Gesten Problem der automatischen Generierung 10/38
11 Übersicht 1. Gestik allgemein 2. Gestikerkennung 2.1 bildbasierte Erkennung 2.2 Anwendungsbeispiele 3. Animation von Gesten 11/38
12 2. Gestikerkennung Gestikerkennung per Datenhandschuh bildbasierte Gestikerkennung (Kamera) 12/38
13 2. Gestikerkennung Gestikerkennung per Datenhandschuh + zuverlässige Ergebnisse + schnelle Erkennung + umgebungsunabhängig - umständlich / lästig für den Benutzer - hohe Kosten für präzise Geräte 13/38
14 Übersicht 1. Gestik allgemein 2. Gestikerkennung 2.1 bildbasierte Erkennung 2.2 Anwendungsbeispiele 3. Animation von Gesten 14/38
15 2.1 Bildbasierte Erkennung Kombination aus Bildverarbeitung und künstlicher Intelligenz Verwendung neuronaler Netze zur Mustererkennung (Klassifikation von Eingabemustern, also Gesten) neuronale Netze sind trainierbar Unterscheidung zwischen postures, d.h. statischen Gesten (z.b. Faust) und gestures, d.h. dynamischen Gesten (z.b. winkende Hand) 15/38
16 2.1 Bildbasierte Erkennung Erkennung bei statischen Gesten: 1. Gaborfilterung des Bildes 2. Ergebnis (farbkodiert dargestellt) liefert Eingabedaten für neuronales Netz 3. Netz liefert neuen Bildausschnitt, auf den der Vorgang erneut angewendet wird bis die Fingerposition erkannt wurde. 16/38
17 2.1 Bildbasierte Erkennung neuronale Netze können die Position aller 5 Finger bestimmen jede Fingerspitze wird durch separate Verarbeitungskette mehrerer Netze erkannt 17/38
18 2.1 Bildbasierte Erkennung durch Erkennung der Fingerwurzel (ebenfalls durch trainierte neuronale Netze) kann die Zeigerichtung einer Hand ausgewertet werden 18/38
19 2.1 Bildbasierte Erkennung Positionen der Fingerspitzen können zur Steuerung eines computergenerierten Handmodells benutzt werden 19/38
20 2.1 Bildbasierte Erkennung + geringe Anschaffungskosten + sehr benutzerfreundlich + kann auf gesamten Körper erweitert werden - umgebungsabhängig - komplizierte Algorithmen notwendig - Geschwindigkeit durch Bildrate der Kameras zusätzlich beschränkt - kontinuierliche Gestikerkennung schwierig 20/38
21 Übersicht 1. Gestik allgemein 2. Gestikerkennung 2.1 bildbasierte Erkennung 2.2 Anwendungsbeispiele 3. Animation von Gesten 21/38
22 2.2 Anwendungsbeispiele Gestikeingabegerät zur Computersteuerung (z.b. SIVIT für Parkinson Erkrankte) SIVIT = Siemens Virtual Touchscreen Benutzeroberfläche kann per Videobeamer auf nahezu jede Unterlage projiziert werden Bedienung durch Zeigegesten auf Objekte Kamera registriert über die Konturen der Hand die Zeigegeste 22/38
23 2.2 Anwendungsbeispiele 3D-Kiosksystem von Rittal schwebende 3D-Objekte in photorealistischer Qualität Bewegung der Objekte per Hand Einsatz in Museen, Flughäfen, Einkaufszentren und Tourismusinformationen 23/38
24 Übersicht 1. Gestik allgemein 2. Gestikerkennung 3. Animation von Gesten 3.1 Keyframe-Animation 3.2 inverse Kinematik 3.3 Vertex Skinning 3.4 Anwendungsbeispiele 24/38
25 3. Animation von Gesten 3 Animationskategorien Keyframe-Animationen Prozedurale Systeme (inverse Kinematik) Verbindung aus vorgefertigter Animation und prozeduraler Systeme 25/38
26 Übersicht 1. Gestik allgemein 2. Gestikerkennung 3. Animation von Gesten 3.1 Keyframe-Animation 3.2 inverse Kinematik 3.3 Vertex Skinning 3.4 Anwendungsbeispiele 26/38
27 3.1 Keyframe-Animationen vordefiniert durch Motion-Capture-Verfahren aufgezeichnet In bestimmten Zeitintervallen werden Rotationswinkel, Translationswerte oder Skalierungswerte für x,y und z Achse gespeichert Berechnung genauer Werte durch lineare Interpolation zwischen zwei gespeicherten Werten Speicherung der Werte auch durch Bézier-Kurven oder B-Splines möglich 27/38
28 3.1 Keyframe-Animationen Kurven beschreiben Animationsverlauf anhand weniger Stützstellen Berechnung zwischen 2 Punkten aufwendig Gute Ergebnisse bei Interpolation zwischen 2 Animationen 28/38
29 Übersicht 1. Gestik allgemein 2. Gestikerkennung 3. Animation von Gesten 3.1 Keyframe-Animation 3.2 inverse Kinematik 3.3 Vertex Skinning 3.4 Anwendungsbeispiele 29/38
30 3.2 inverse Kinematik prozedurales System Animation wird anhand von Algorithmen berechnet Kinematische Kette = mehrere Glieder sind hintereinander durch Gelenke verbunden Kind Elternteil 30/38
31 3.2 inverse Kinematik Vorwärtskinematik: Winkelstellungen der Gelenke sind bekannt Lage des letzen Gliedes (Endeffektor, z.b. Fingerspitze) muss berechnet werden 31/38
32 3.2 inverse Kinematik Inverse Kinematik: Lage des letzten Gliedes ist bekannt Winkelstellungen der Gelenke muss berechnet werden es existieren unendlich viele Möglichkeiten, daher muss natürlichste Variante gefunden werden aufwendig, aber gut geeignet für Charakter-Animation 32/38
33 Übersicht 1. Gestik allgemein 2. Gestikerkennung 3. Animation von Gesten 3.1 Keyframe-Animation 3.2 inverse Kinematik 3.3 Vertex Skinning 3.4 Anwendungsbeispiele 33/38
34 3.3 Vertex Skinning Skin (Polygonnetz) wird über Skelett (Hierarchie aus Joint-Knoten) gespannt Jeder Eckpunkt der Haut (Vertex) ist mind. einem Knochen zugeordnet Einfluss der Knochenstellung auf die Eckpunkte ist gewichtet 34/38
35 3.3 Vertex Skinning Ändert sich Knochenstellung wird die Haut entsprechend verformt Die Haut passt sich der Armbewegung an 35/38
36 Übersicht 1. Gestik allgemein 2. Gestikerkennung 3. Animation von Gesten 3.1 Keyframe-Animation 3.2 inverse Kinematik 3.3 Vertex Skinning 3.4 Anwendungsbeispiele 36/38
37 3.4 Anwendungsbeispiele Avatare (3D-Repräsentation einer realen Person in einer virtuellen Welt) Charaktere für Film- und Spielindustrie NSCs (Nicht Spieler Charaktere, beleben virtuelle Welten) Virtuelle Assistenten (z.b. Tessa: übersetzt Sprache in Gebärdensprache) 37/38
38 Zusammenfassung lexikalische / deiktische Gesten Gestik erleichtert Mensch-Maschine Interaktion Bildbasierte Gestikerkennung durch neuronale Netze Gestik wichtig für virtuelle Charaktere Animation von Gesten durch Keyframe-Animationen oder prozedurale Systeme (inverse Kinematik, Vertex Skinning) 38/38
Kapitel 6. Virtuelle Charaktere. Virtuelle Präsenz WS08/09, Uni Ulm
Kapitel 6 Virtuelle Charaktere Inhalt Einleitung Gestik 6 Virtuelle Charaktere Avatare und Freunde Repräsentant einer realen Person autonomer Charakter gesteuert durch den Computer Wichtige Eigenschaften
MehrEntwicklung einer Programmbibliothek zur Simulation von Hautdeformation durch Knochen und Muskeln
Entwicklung einer Programmbibliothek zur Simulation von Hautdeformation durch Knochen und Muskeln Universität Koblenz Institut für Computervisualistik Arbeitsgruppe Computergraphik Betreuer und Prüfer
MehrGestenerkennung. Yannick Jonetzko Yannick Jonetzko
30.04.2015 Inhalt Motivation Definition Geste Historie / Anwendungsbereiche Arten der Funktionsweise anhand eines Papers Alternativen Fazit Seite 2 Motivation Human Computer Interaction Gesten sind in
MehrSeminar SS 2006 Intelligent Virtual Characters
Seminar SS 2006 Intelligent Virtual Characters Leiter: Dr. Michael Kipp Johannes Tran Character Animation Materials by Jeff Lander, John Lasseter and Rick Parent Überblick Einführung: Bewegung, Computer
MehrVirtuelle Charaktere Anwendung Rechnernetze Jana Hornberger
Virtuelle Charaktere Anwendung Rechnernetze Jana Hornberger 1 Einleitung 1.1 Der Begriff Avatar Der Begriff Avatar leitet sich von avatara (der Herabsteigende) ab, was im Hinduismus ein Gott bezeichnet,
MehrCHARACTER ANIMATION in 3D Studio Max. Ulrike Martus
CHARACTER ANIMATION in 3D Studio Max Ulrike Martus Übersicht: 1. Aufbau von Charakteren 2. Animationsmethoden 3. Skelettanimation 4. Oberflächenanimation 2 1. Aufbau von Charakteren Aufbau von Charakteren
MehrAnimation ist das Erzeugen von Filmen mit Hilfe der Computergrafik. Objekte bewegen sich hierbei oder Beleuchtung, Augpunkt, Form,... ändern sich.
Kapitel 1 Animation (Belebung) Animation ist das Erzeugen von Filmen mit Hilfe der Computergrafik. Objekte bewegen sich hierbei oder Beleuchtung, Augpunkt, Form,... ändern sich. Anwendungen findet die
MehrMimik und Gestik bei virtuellen Charakteren
Universität Ulm - Fakultät für Informatik Hauptseminar 3D-Modellierung und Virtuelle Präsenz Mimik und Gestik bei virtuellen Charakteren Nils Reichardt (nils.reichardt@.uni-ulm.de) 2/44 Agenda Mimik Einführung
MehrComputergraphik II. Computer-Animation. Oliver Deussen Animation 1
Computer-Animation Oliver Deussen Animation 1 Unterscheidung: Interpolation/Keyframing Starrkörper-Animation Dynamische Simulation Partikel-Animation Verhaltens-Animation Oliver Deussen Animation 2 Keyframing
MehrMotion Capture. Menschliche Bewegungen digital erfassen. Dipl.Ing. Sophie Jörg
Motion Capture Menschliche Bewegungen digital erfassen Dipl.Ing. Sophie Jörg Arbeitsumfeld Feste MitarbeiterInnen: 48 männlich 20 weiblich WissenschaftlerInnen: 41 männlich Studierende: 13 männlich Projektleiter
MehrKurventabellen definieren (CTABDEF, CATBEND)
Funktion Eine Kurventabelle stellt ein Teileprogramm oder einen Teileprogrammabschnitt dar, welcher durch Voranstellen von CTABDEF und den abschließenden Befehl gekennzeichnet ist. Innerhalb dieses Teileprogrammabschnitts
MehrNonverbale Kommunikation
Nonverbale Kommunikation Grundemotionen Kanäle nonverbaler Kommunikation Gesichtsausdruck Blickverhalten Körperhaltung & Körperbewegung Berührung Räumliche Distanz Stimme Staffage Erkennen von Luegen Mikro-Expressionen
MehrInhalt. 1. Einführung in die Informatik. 2. Algorithmen Definition, Eigenschaften, Entwurf Darstellung von Algorithmen Beispiele.
1. Einführung in die Informatik Inhalt 2. Algorithmen Definition, Eigenschaften, Entwurf Darstellung von Algorithmen Beispiele Peter Sobe 1 Einführende Beispiele 2. Algorithmen Täglich werden Verarbeitungsvorschriften
MehrSIMERO: Erzeugung von flüssigen und schnellen Roboterbewegungen
SIMERO: Erzeugung von flüssigen und schnellen Roboterbewegungen AG Eingebettete Systeme und Robotik (RESY),, http://resy.informatik.uni-kl.de/ 1. Motivation 2. Stand der Forschung 3. Kontrollflusskonzepte
MehrZeichen in anderen Kulturen
Zeichen in anderen Kulturen Pico-bello: Dieses Symbol, bei dem ein Ring mit den Fingern gebildet wird, heißt in Deutschland und Nordamerika soviel wie OK oder gut. In Frankreich, Spanien, Griechenland
MehrErkennung menschlicher Aktionen durch Inferenz stochastischer regulärer Grammatiken
BTU Cottbus Seminar "Mustererkennung mit syntaktischen und graphbasierten Methoden" Wintersemester 2006/2007 Vortrag zum Thema: Erkennung menschlicher Aktionen durch Inferenz stochastischer regulärer Grammatiken
MehrProf. J. Zhang Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 6. Januar 2005
zhang@informatik.uni-hamburg.de Universität Hamburg AB Technische Aspekte Multimodaler Systeme zhang@informatik.uni-hamburg.de Inhaltsverzeichnis 7. Roboterregelung..........................370 Klassifikation
MehrGrundlagen der Augmented Reality
Institut für Computervisualistik Universität Koblenz 04.07.11 Inhaltsverzeichnis 1 Definitionen 2 Überblick Architektur 3 Anwendungsgebiete 4 Literatur Augmented Reality Definition nach Milgram und Kishino
MehrLEITFADEN - GRUNDLAGEN DER BEWEGUNGSANALYSE
LEITFADEN - GRUNDLAGEN DER BEWEGUNGSANALYSE Autoren: Roland Aller, Ulrike Hausen 2015 WWW.KNSU.DE Seite 1 Übersicht Leitfaden zum Powerpoint-Vortrag Bewegungsanalyse o Was ist die Bewegungsanalyse? o Anwendungsgebiete
MehrAndroid: Property Animation
Prof. Dr. Carsten Vogt,, Mar. 2015 Carsten Vogt,, 2015. Android: Property Animation Techniken für Fortgeschrittene Prof. Dr. Carsten Vogt Prof. Dr. Carsten Vogt,, Mar. 2015 Carsten Vogt,, 2015. Android:
MehrNeuronalen Netzen. Jens Lehmann. 1. März Institut für Künstliche Intelligenz Fakultät Informatik Technische Universität Dresden
Institut für Künstliche Intelligenz Fakultät Informatik Technische Universität Dresden 1. März 2005 Neurosymbolische Integration versucht künstliche neuronale Netze und Logikprogrammierung zu vereinen
MehrAlgorithmen für Computerspiele
Algorithmen für Computerspiele Künstliche Intelligenz von Manuel Bischof 3. Mai 2010 Gliederung Einleitung Was umfasst die KI? Nutzung in verschiedenen Genres Wo sind Verbesserungen notwendig? Möglichkeiten,
MehrAnwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen
Anwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen David Knötel Freie Universität Berlin, Institut für Informatik Seminar über Algorithmen Leitfaden Wiederholung
MehrMathematische Grundlagen der dynamischen Simulation
Mathematische Grundlagen der dynamischen Simulation Dynamische Systeme sind Systeme, die sich verändern. Es geht dabei um eine zeitliche Entwicklung und wie immer in der Informatik betrachten wir dabei
Mehr2. Sofasurfen Nutzen Sie Ihr Tablet als perfektes Surfbrett
. Sofasurfen Nutzen Sie Ihr Tablet als perfektes Surfbrett Das entspannte Surfen auf dem Sofa, im Bett oder eben auch jederzeit und überall unterwegs macht ein Tablet für viele Nutzer so attraktiv und
MehrVirtuelle Inbetriebnahme von Maschinen und Fabriken
Proseminar Technische Informationssysteme Virtuelle Inbetriebnahme von Maschinen und Fabriken Dresden, den 14.01.2010 Virtuelle Inbetriebnahme von Maschinen und Fabriken 1. serklärung 2. Vorteile und Grenzen
MehrDynamisches Routing in der Logistik
Informatik, Angewandte Informatik, Technische Informationssysteme Dynamisches Routing in der Logistik Tobias Dimmel Dresden, 24.05.2012 Agenda 1. Begriffe 2. Traveling Salesman Problem 3. Ameisenalgorithmus
MehrEin- und Ausgabegeräte für AR-Systeme
Ein- und Ausgabegeräte für AR- Hauptseminar: Virtual and Augmented Reality Karin Leichtenstern am Gliederung (1) 1. Einführung Besonderheiten Anforderungen 2. Eingabegeräte in der Augmented Reality Klassische
MehrZwischenvortrag zur Diplomarbeit Simulation und Visualisierung von Muskeln, Sehnen und Bändern
Zwischenvortrag zur Diplomarbeit Simulation und Visualisierung von Muskeln, Sehnen und Bändern Von Armin Burger Johann-Wolfgang-von-Goethe-Universität Frankfurt am Main Was ist ein Muskel? Wie funktioniert
MehrThe Animation Process. Proseminar Computer Grafik und Visualisierung Daniel Lagler
Proseminar Computer Grafik und Visualisierung I. Inhaltsverzeichnis 1. Einleitung 1.1 Definition...3 1.2 Geschichte...3 1.3 Animationsfilme... 3 2. Techniken... 3 2.1 Rotoskopie... 3 2.2 Keyframing...
MehrFunktionale Programmiersprachen
Funktionale Programmiersprachen An den Beispielen Haskell und Erlang Übersicht Programmiersprachen λ-kalkül Syntax, Definitionen Besonderheiten von funktionalen Programmiersprache, bzw. Haskell Objektorientierte
Mehrad Physik A VL2 (11.10.2012)
ad Physik A VL2 (11.10.2012) korrigierte Varianz: oder: korrigierte Stichproben- Varianz n 2 2 2 ( x) ( xi ) n 1 i1 1 n 1 n i1 1 Begründung für den Vorfaktor : n 1 Der Mittelwert der Grundgesamtheit (=
Mehr7 WERKZEUGKORREKTUR. 7.1 Eingabe der Korrekturtabelle aus dem Part-Programm
7 WERKZEUGKORREKTUR Die Werkzeugkorrektur erlaubt die Erstellung eines allgemeinen Part-Programms, das für verschiedene Durchmesser- bzw. Werkzeuglängen-Werte eingesetzt werden kann. Man unterscheidet
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
Mehr3. Übung IHCI. Markus Weber
3. Übung IHCI Markus Weber 3. Übungsblatt Fragen Stoff der sechsten siebten und achten Vorlesung Implementierung Automatische Ziffernerkennung Fragen: Multi-Touch (1) Im Zusammenhang mit Multi-Touch Tischen:
MehrReal Time Tracking of the Human Body. Hauptseminar Bildverstehen: Videobasierte Erkennung und Analyse menschlicher Aktionen. Thomas Endres SS 2006
Real Time Tracking of the Human Body Hauptseminar Bildverstehen: Videobasierte Erkennung und Analyse menschlicher Aktionen Thomas Endres SS 2006 Echtzeit-Erkennung Erkennung Anwendungsmöglichkeiten: Interfaces
MehrGestenerkennung. Von albert gass
Gestenerkennung Von albert gass Gliederung Einleitung einleitendes Zitat Visuelle Gestenerkennung Allgemein Merkmale Farben Geometrie der Objekte gliederung Modellierung der beteiligten Daten Art der Datenaufnahme
MehrIntelligente Transportsysteme
Intelligente Transportsysteme Universität Ulm Fakultät für Informatik Proseminar Künstliche Intelligenz SS 2004 Michael Arnold Typen intelligenter Transportsysteme Fahrer-Assistenz-Systeme Mensch hat Kontrolle
MehrMathematik für Naturwissenschaftler I WS 2009/2010
Mathematik für Naturwissenschaftler I WS 2009/2010 Lektion 8 10. November 2009 Kapitel 2. Konvergenz von Folgen und Reihen Definition 27. Eine (reelle bzw. komplexe) Zahlenfolge ist eine R- bzw. C-wertige
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
Mehr3D-Modellierung / Motion-Capturing. von Kevin O Brien
3D-Modellierung / Motion-Capturing von Kevin O Brien Inhalt 1. Animationsfilme Geschichte der Animation 3D-Modellierung 2. Special Effects Vorkommen Blue- / Greenscreen Motion-Capturing Kameraführung 2/36
MehrBedienung der Kamera MotionPro Y3 mit Motion. Studio
Bedienung der Kamera MotionPro Y3 mit Motion Studio Inhaltsverzeichnis... Fehler! Textmarke nicht definiert. 1. Hardwareinstallation... 3 2. Programm starten... 3 3. Kameraeinstellungen... 3 4. Aufzeichnungsgeschwindigkeit...
MehrCharacter Animation in 3D Studio Max
Character Animation in 3D Studio Max Ulrike Martus ulrike.martus@uni-ulm.de Inhaltsverzeichnis: 1. Einleitung 3 2. Aufbau von Charakteren 3 2.1 Bone Tools 3 2.2 Biped 4 3. Animationsmethoden 5 3.1 Forwärts
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke, Universität Augsburg 15.10.2013 Alexander Lytchak 1 / 14 Organisation Alle wichtigen organisatorischen Information
MehrMaterialflusssystemen
Seite 1 / 21 Topographieerfassung und Berechnung von Bewegungsbahnen für Instandhaltungseinheiten auf Materialflusssystemen Dipl.-Ing. Matthias Bücker Dipl.-Ing. Tobias Brutscheck Teilprojektleiter: Prof.
MehrVirtual Reality Heute und Morgen
Virtual Reality Heute und Morgen Kommt das Holodeck fürs Wohnzimmer? Anton L. Fuhrmann Was ist Virtual Reality? Realität Virtuelle Realität Virtuelle Hochzeit Erwarten wir uns das von Virtual Reality?
MehrPrüfung WS 2006/07. Robotik
Prüfung WS 26/7 Robotik Anmerkungen: Aufgabenblätter auf Vollständigkeit überprüfen Nur Blätter mit Namen und Matr.Nr. werden korrigiert. Keine rote Farbe verwenden. Zu jeder Lösung Aufgabennummer angeben.
MehrANIMATION - GRUNDLAGEN
ANIMATION - GRUNDLAGEN Bei CAD-Programmen gibt es meist folgende Verfahren zur Erzeugung von : Festlegung von Schlüsselszenen, aus denen das Programm automatisch Zwischenbilder generiert ( Keyframing )
Mehry x x y ( 2x 3y + z x + z
Matrizen Aufgabe Sei f R R 3 definiert durch ( ) x 3y x f = x + y y x Berechnen Sie die Matrix Darstellung von f Aufgabe Eine lineare Funktion f hat die Matrix Darstellung A = 0 4 0 0 0 0 0 Berechnen Sie
MehrInformatik 1. Teil 1 - Wintersemester 2012/2013. Prof. Dr.-Ing. habil. Peter Sobe Fachkultät Informatik / Mathematik
Informatik 1 Teil 1 - Wintersemester 2012/2013 Prof. Dr.-Ing. habil. Peter Sobe Fachkultät Informatik / Mathematik Dieser Foliensatz wurde z.t. von Herrn Prof. Grossmann übernommen 0. Rechner und Programmierung
MehrRobuste Handkonturerkennung
Informatik Oliver Jorkisch Robuste Handkonturerkennung Initialisierung eines Handtrackingverfahrens Diplomarbeit Bibliografische Information der Deutschen Nationalbibliothek: Bibliografische Information
MehrCAD-FEM-MKS, CAD FEM MKS. von der dreidimensionalen Konstruktionszeichnung zum guten mechanischen Simulationsmodell
CAD-FEM-MKS, 24.11.16 CAD FEM MKS von der dreidimensionalen Konstruktionszeichnung zum guten mechanischen Simulationsmodell der erste Schritt zum digitalen Zwilling im Rahmen von Industrie 4.0 Bocholt,
Mehr[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
MehrGestik- und Mimikgenerierung. Oliver GärtnerG Universität t des Saarlandes Seminar: Intelligent Virtual Characters Leiter: Dr. Michael Kipp SS 2006
Gestik- und Mimikgenerierung Oliver GärtnerG Universität t des Saarlandes Seminar: Intelligent Virtual Characters Leiter: Dr. Michael Kipp SS 2006 Wozu Mimik und Gestik? Wesentlicher Bestandteil der Kommunikation
MehrDynamische Geometrie
Dynamische Geometrie 1) Die Mittelsenkrechten, die Seitenhalbierenden, die Höhen und die Winkelhalbierenden eines beliebigen Dreiecks schneiden sich jeweils in einem Punkt. a) Untersuchen Sie die Lage
MehrBildverarbeitung Herbstsemester. Mustererkennung
Bildverarbeitung Herbstsemester Herbstsemester 2009 2012 Mustererkennung 1 Inhalt Einführung Mustererkennung in Grauwertbildern Ähnlichkeitsmasse Normalisierte Korrelation Korrelationskoeffizient Mustererkennung
MehrNeuronale Netze. Anna Wallner. 15. Mai 2007
5. Mai 2007 Inhalt : Motivation Grundlagen Beispiel: XOR Netze mit einer verdeckten Schicht Anpassung des Netzes mit Backpropagation Probleme Beispiel: Klassifikation handgeschriebener Ziffern Rekurrente
MehrHistorisches zur Gruppentheorie
Historisches zur Gruppentheorie Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 20 Gruppen: Abstrakte Definition Eine Gruppe
MehrKonzepte von Betriebssystem-Komponenten. Programmstart & dynamische Bibliotheken SS 05. Wladislaw Eckhardt.
Proseminar KVBK Programmstart dynamische Bibliotheken Konzepte von Betriebssystem-Komponenten Programmstart & dynamische Bibliotheken SS 05 Wladislaw Eckhardt Wladi23@gmx.net 1 1 Einleitung 1.1 Problematik
MehrEin selbstmodellierendes System für die Wasserwirtschaft
Ein selbstmodellierendes System für die Wasserwirtschaft Dipl.-Ing. Dr. ANDRADE-LEAL Wien, im Juli 2001 1 Einleitung, Motivation und Voraussetzungen Künstliche Intelligenz Neuronale Netze Experte Systeme
MehrMögliche Lösungen Lerneinheit V: Interaktion gestalten
Mögliche Lösungen Mögliche Lösungen zum Handlungsschwerpunkt V/1: Signalebenen des Menschen unterscheiden Erwartungshorizont zum Brainstorming / Vernissage Nonverbaler Kanal Beobachtbare Signale Mimik
MehrEine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
MehrNatürliche und ganze Zahlen
Die ganze Welt ist Harmonie und Zahl. Pythagoras Natürliche und ganze Zahlen 1-E1 Richard Dedekind (1831-1916) war ein deutscher Mathematiker. Die Zahlen sind freie Schöpfungen des menschlichen Geistes,
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
MehrKommunikationsmodelle für verteilte Systeme
Kommunikationsmodelle für verteilte Systeme Sommersemester 2016 H.-A. Schindler Kapitel 3: Kommunikationsmodelle Hans-Albrecht Schindler CSI Technische Universität Ilmenau www.tu-ilmenau.de Kommunikationsmodelle,
MehrMultimedia-Anwendungen
Wissensmanagement mit Neuen Medien Übung Integration von Medien Ein WWW-Dokument kann unterschiedliche Medien integrieren: Text, Icons, Karten, Bilder, bewegte Bilder, Animationen, Audio- und Video-Clips.
MehrMein Körper die Plaudertasche
SVIT BERN Immobilientage Lenkerhof Lenk 5. November 2015 Mein Körper die Plaudertasche www.ventromedia.com 1 2 Haben Sie sich schon einmal Gedanken darüber gemacht, wie zwischenmenschliche Verständigung
MehrThema 3: Radiale Basisfunktionen und RBF- Netze
Proseminar: Machine Learning 10 Juli 2006 Thema 3: Radiale Basisfunktionen und RBF- Netze Barbara Rakitsch Zusammenfassung: Aufgabe dieses Vortrags war es, die Grundlagen der RBF-Netze darzustellen 1 Einführung
MehrInhaltliche Planung für die Vorlesung
Vorlesung: Künstliche Intelligenz - Mustererkennung - P LS ES S ST ME Künstliche Intelligenz Miao Wang 1 Inhaltliche Planung für die Vorlesung 1) Definition und Geschichte der KI, PROLOG 2) Expertensysteme
Mehr3. Klassen Statische Komponenten einer Klasse. Klassenvariablen
Klassenvariablen Wir wollen die Zahl der instantiierten Studentenobjekte zählen. Dies ist jedoch keine Eigenschaft eines einzelnen Objektes. Vielmehr gehört die Eigenschaft zu der Gesamtheit aller Studentenobjekte.
MehrMärkte und Preise. IK Ökonomische Entscheidungen & Märkte. (Kapitel 1 & 2/I)
IK Ökonomische Entscheidungen & Märkte Märkte und Preise (Kapitel 1 & 2/I) Nicole Schneeweis (JKU Linz) IK Ökonomische Entscheidungen & Märkte 1 / 27 Kapitel 2: Angebot und Nachfrage... beschreiben das
MehrDetektion von Eckpunkten und einfachen Kurven
Detektion von Eckpunkten und einfachen Kurven Industrielle Bildverarbeitung, Vorlesung No. 7 1 M. O. Franz 21.11.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005.
MehrAW 1 - Vortrag. Simulationsmodell für visuell geführte Roboter. von Bernd Pohlmann. Betreuender: Prof. Dr. Andreas Meisel
AW 1 - Vortrag Simulationsmodell für visuell geführte Roboter von Betreuender: Prof. Dr. Andreas Meisel Inhalt 1. Motivation 2. Ziel 3. Einführung Robotik 4. Kinematik 5. Denavit-Hartenberg 6. Kameramodell
MehrEntwicklung einer allgemeinen dynamischen inversen Kinematik
Entwicklung einer allgemeinen dynamischen inversen Kinematik Christoph Schmiedecke Studiendepartment Informatik Hochschule für Angewandte Wissenschaften Hamburg 06. Januar 2010 Inhaltsverzeichnis 1 Motivation
Mehr2. Vorlesung. Die Theorie der schwarz-weissen Ketten.
2. Vorlesung. Die Theorie der schwarz-weissen Ketten. Die Theorie der schwarzen Steinchen haben wir jetzt halbwegs vertanden. Statt mit schwarzen Steinen wie die Griechen, wollen wir jetzt mit schwarzen
MehrLehrstuhl für Wirtschaftsinformatik im Dienstleistungsbereich
WI 2013, Leipzig, Deutschland Automatische Rekonstruktion eines 3D Körpermodells aus Kinect Sensordaten, Jochen Süßmuth, Freimut Bodendorf Agenda Motivation Methode Ausblick 2 Problemstellung Onlineshopping
MehrDarstellung von Kurven und Flächen
Darstellung von Kurven und Flächen Proseminar Computergraphik, 10. Juni 2008 Christoph Dähne Seite 1 Inhalt Polygonnetze 3 Knotenliste 3 Kantenliste 3 Parametrisierte kubische Kurven 4 Definition 4 Stetigkeit
MehrAlgorithmische Modelle als neues Paradigma
Algorithmische Modelle als neues Paradigma Axel Schwer Seminar über Philosophische Grundlagen der Statistik, WS 2010/11 Betreuer: Prof. Dr. Thomas Augustin München, den 28. Januar 2011 1 / 29 LEO BREIMAN
MehrDie Erweiterung vom Satz des Pythagoras anhand der resultierenden Kraft FR
Michael B. H. Middendorf 1 Die Erweiterung vom Satz des Pthagoras anhand der resultierenden Kraft FR Bei meinen Überlegungen als Maschinenbauer bzgl. eines Impulsantriebes, stieß ich auf das Problem, ständig
MehrTeil III. Komplexitätstheorie
Teil III Komplexitätstheorie 125 / 160 Übersicht Die Klassen P und NP Die Klasse P Die Klassen NP NP-Vollständigkeit NP-Vollständige Probleme Weitere NP-vollständige Probleme 127 / 160 Die Klasse P Ein
MehrGlossar. zum Projekt. Dynamische Geometrie-Software. Version 1 vom Gruppe geo09, Projektleiter: Andy Stock
Glossar zum Projekt Dynamische Geometrie-Software Version 1 vom 03.05.03 Erstellt von: R. Hrushchak, P. Kongsto, A. Stock Seite 1 von 5 Animation: Folge von Schritten zur Erstellung und Veränderung einer
MehrUniversität Augsburg. 20. April 2012. B. Möller (U. Augsburg) Computergraphik SS12 20. April 2012 1 / 6
Kapitel 1 Einführung B. Möller Universität Augsburg 20. April 2012 B. Möller (U. Augsburg) Computergraphik SS12 20. April 2012 1 / 6 Begriffsdefinition Computergrafik: realistische Darstellung realer oder
Mehr[ tutorial - block animation ]
TEIL 1 - Ergänzung 3DS MAX - Objektanimation Ausgangspunkt ist eine Geometrie die aus mehreren teilen besteht. In diesem Fall, aus Tragwerk, Boden und Hülle Schritt 1: Für den ersten Schritt muss das Modell
MehrR a i n e r N i e u w e n h u i z e n K a p e l l e n s t r G r e v e n T e l / F a x / e
R a i n e r N i e u w e n h u i z e n K a p e l l e n s t r. 5 4 8 6 2 8 G r e v e n T e l. 0 2 5 7 1 / 9 5 2 6 1 0 F a x. 0 2 5 7 1 / 9 5 2 6 1 2 e - m a i l r a i n e r. n i e u w e n h u i z e n @ c
MehrF r e i t a g, 3. J u n i
F r e i t a g, 3. J u n i 2 0 1 1 L i n u x w i r d 2 0 J a h r e a l t H o l l a, i c h d a c h t e d i e L i n u x - L e u t e s i n d e i n w e n i g v e r n ü n f t i g, a b e r j e t z t g i b t e
MehrNeuronale Netze. Gehirn: ca Neuronen. stark vernetzt. Schaltzeit ca. 1 ms (relativ langsam, vgl. Prozessor)
29 Neuronale Netze Gehirn: ca. 10 11 Neuronen stark vernetzt Schaltzeit ca. 1 ms (relativ langsam, vgl. Prozessor) Mustererkennung in 0.1s 100 Schritte Regel 30 Was ist ein künstl. neuronales Netz? Ein
MehrPolynome im Einsatz: Bézier-Kurven im CAD
Polynome im Einsatz: Bézier-Kurven im CAD Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 25 Kurven im Raum Eine Kurve im
MehrWie
drag to move object Was Das Pattern drag to move object bietet die Möglichkeit, ein UI-Element in einer Touch- Bedienoberfläche zu verschieben. Wie Aktion des Benutzers Der Benutzer berührt das UI-Element
MehrInterdisziplinäre fachdidaktische Übung: Modelle für Sprachen in der Informatik. SS 2016: Grossmann, Jenko
Interdisziplinäre fachdidaktische Übung: Modelle für Sprachen in der SS 2016: Grossmann, Jenko Die Beschreibung orientiert sich am Begriffssystem der Beschreibung natürlicher Sprachen Sprache in der steht
MehrMotion Capturing und Compositing
Motion Capturing und Compositing Hausarbeit im Fach Einführung in die Medienwissenschaften von - 1 - Inhaltsverzeichnis 1. Einleitung...- 3-2. Motion Capture...- 3-2.1 Was ist Motion Capture?...- 3-2.2
MehrInformatik. Teil 1 Wintersemester 2011/2012. Prof. Dr.-Ing. habil. Peter Sobe Fachkultät Informatik / Mathematik
Informatik Teil 1 Wintersemester 2011/2012 Prof. Dr.-Ing. habil. Peter Sobe Fachkultät Informatik / Mathematik Dieser Foliensatz wurde z.t. von Herrn Prof. Grossmann übernommen Inhalt 1. Algorithmen -
Mehr1 Potenzen und Polynome
1 Potenzen und Polynome Für eine reelle Zahl x R und eine natürliche Zahl n N definieren wir x n := x x x... x }{{} n-mal Einschub über die bisher aufgetretenen mathematischen Symbole: Definition mittels
MehrTechnologievergleich Digitalkamerasysteme
Technologievergleich Digitalkamerasysteme A. Bayer- Matrix Sensoren 1. Technologie Bayer Farbmatrix (1) In nahezu allen Digitalkamerasystemen werden Sensoren mit Bayer- Farbmatrix eingesetzt. Hierzu wird
MehrFrieder Nake: Information und Daten
Frieder Nake: Information und Daten Mit Grundlagen der Zeichentheorie nach Morris Seminar 31120: Information Philosophische und informationswissenschaftliche Perspektiven, SS 2004 Frieder Nake: Information
Mehr4. Kreis- und Wegeprobleme Abstände in Graphen
4. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 4.4. Es sei G = (V,E) ein Graph. Der Abstand d(v,w) zweier Knoten v,w V ist die minimale Länge eines Weges von v nach w. Falls
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Datenstrukturen: Anordnung von Daten, z.b. als Liste (d.h. in bestimmter Reihenfolge) Beispiel: alphabetisch sortiertes Wörterbuch... Ei - Eibe - Eidotter... als Baum (d.h.
MehrMengen und Abbildungen
1 Mengen und bbildungen sind Hilfsmittel ( Sprache ) zur Formulierung von Sachverhalten; naive Vorstellung gemäß Georg Cantor (1845-1918) (Begründer der Mengenlehre). Definition 1.1 Eine Menge M ist eine
Mehr5 - CAMERA - RIG ADOBE AFTER EFFECTS. von Christoph Schreiber und Stefan Bernhardt Fulldome - Fachmodul WS 2010 / 11 Bauhaus - Universität Weimar
ADOBE AFTER EFFECTS 5 - CAMERA - RIG von Christoph Schreiber und Stefan Bernhardt Fulldome - Fachmodul WS 2010 / 11 Bauhaus - Universität Weimar Beim 5 - Camera - Rig wird mit Hilfe von 5 Kameras ein Fulldome
MehrAlgorithmen und Datenstrukturen (für ET/IT) Wiederholung: Ziele der Vorlesung. Wintersemester 2012/13. Dr. Tobias Lasser
Algorithmen und Datenstrukturen (für ET/IT) Wintersemester 2012/13 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Wiederholung: Ziele der Vorlesung Wissen: Algorithmische
MehrIdentPro Intralogistiklösungen für. Rostock, 01. Juni 2016
IdentPro Intralogistiklösungen für Rostock, 01. Juni 2016 IdentPro Intralogistiklösungen für Seehafen Wismar I N D U S T R I E 4.0 Teilnehmer Herr Groß Herr Peters Herr Rudat Herr Kremp Wismar, 16. Novemberr
Mehr