IN 2023 BV I at TU München

Flashcards and summaries for IN 2023 BV I at the TU München

Arrow

100% for free

Arrow

Efficient learning

Arrow

100% for free

Arrow

Efficient learning

Arrow

Synchronization on all devices

Arrow Arrow

It’s completely free

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Study with flashcards and summaries for the course IN 2023 BV I at the TU München

Exemplary flashcards for IN 2023 BV I at the TU München on StudySmarter:

Sie machen mit Ihrer Kamera eine Aufnahme eines Hubschraubers, bei dem sich der Rotor dreht und erhalten das rechts zu sehende Bild. Welche Art von Sensor verwendet Ihre Kamera? Was verursacht die Artefakte?

Exemplary flashcards for IN 2023 BV I at the TU München on StudySmarter:

Welches Qualitätsmerkmal kann verbessert werden, indem die Blendenöffnunf des Obejktivs verkleinert wird?

Exemplary flashcards for IN 2023 BV I at the TU München on StudySmarter:

Beschreiben Sie die Schritte die zur robusten Kontrastnormalisierung eines Bildes durchgeführt werden.

Exemplary flashcards for IN 2023 BV I at the TU München on StudySmarter:

16) Bohrloch in Klammern, Durchmesser bestimmen.

a) Welche Belichtung, Kameraposition, etc. soll genutzt werden und warum?

b) Verfahren zur Bestimmung des Bohrlochs


c) Messen des Durchmessers (auf Korrektheit)
Bei

Exemplary flashcards for IN 2023 BV I at the TU München on StudySmarter:

15) Limodeckel „limit“ mit Tamponverfahren. Deckel kann rotieren, kleine Variationen erlaubt.

a) Positions- und Rotationbestimmung

b) Fehlerbestimmung, auch wie welche Art von Fehlern bestimmbar?

Exemplary flashcards for IN 2023 BV I at the TU München on StudySmarter:

14) Wie können innere Kanten in einer Region mithilfe der 8er-Nachbarschaft ermittelt werden?

Exemplary flashcards for IN 2023 BV I at the TU München on StudySmarter:

13) Wie kann die Genauigkeit der Kantenextraktion im Bezug auf Sensor und framegrabber verbessert werden?

Exemplary flashcards for IN 2023 BV I at the TU München on StudySmarter:

Wie kann die Präzision bei Bildaufnahmen und beim Canny Filter verbessert werden?

Exemplary flashcards for IN 2023 BV I at the TU München on StudySmarter:

11) Erkläre Präzision und Genauigkeit bei Kantenextraktionen.

Exemplary flashcards for IN 2023 BV I at the TU München on StudySmarter:

10) Erkläre die Verfahren Binärbild und Lauflängenkodierung

Exemplary flashcards for IN 2023 BV I at the TU München on StudySmarter:

9) Wann ist ein linearer Filter separierbar? Was hat das für Vorteile?

Exemplary flashcards for IN 2023 BV I at the TU München on StudySmarter:

8) Wie kann man die Standardabweichung vom Rauschen herausfinden?

Your peers in the course IN 2023 BV I at the TU München create and share summaries, flashcards, study plans and other learning materials with the intelligent StudySmarter learning app.

Get started now!

Flashcard Flashcard

Exemplary flashcards for IN 2023 BV I at the TU München on StudySmarter:

IN 2023 BV I

Sie machen mit Ihrer Kamera eine Aufnahme eines Hubschraubers, bei dem sich der Rotor dreht und erhalten das rechts zu sehende Bild. Welche Art von Sensor verwendet Ihre Kamera? Was verursacht die Artefakte?

CMOS-Sensor mit Rolling Shutter

Das sequenzielle Auslesen einzelner Bildzeilen -> Sensor mit global Shutter verwenden

IN 2023 BV I

Welches Qualitätsmerkmal kann verbessert werden, indem die Blendenöffnunf des Obejktivs verkleinert wird?

Schärfentiefe

IN 2023 BV I

Beschreiben Sie die Schritte die zur robusten Kontrastnormalisierung eines Bildes durchgeführt werden.

Problem:  Oft gibt es einige, wenige Pixel,
die sehr hell oder sehr dunkel sind, z.B. Glanzlichter oder Schatten.

Lösung: Berechnung des Histogramms der Grauwerte, d.h. der
relativen Häufigkeit ( Wahrscheinlichkeit) der im Bild
vorkommenden Grauwerte und des kumulativen Histogramms
( Dichte)

gmin und g max werden bestimmt, indem die untersten und obersten % der Grauwerte (quantil) ignoriert werden häufig pl = 5 und pu = 10

IN 2023 BV I

16) Bohrloch in Klammern, Durchmesser bestimmen.

a) Welche Belichtung, Kameraposition, etc. soll genutzt werden und warum?

b) Verfahren zur Bestimmung des Bohrlochs


c) Messen des Durchmessers (auf Korrektheit)
Bei

Loch = Silhouette & hohe Genauigkeit → gerichtete Hellfeld-Durchlichtbeleuchtung mit telezentrischem Objektiv & Beleuchtung Kostengünstig: diffus statt gerichtet → billiger

b) Verfahren zur Bestimmung des Bohrlochs
– Subpixelgenaue Kantenextraktion, z.B. mittels Canny-Filter oder Sobel-Operation – Anpassung von Kreisbögen: Robuste Varianten

c) Messen des Durchmessers (auf Korrektheit) durch Gewichtung der Abstände

Bei Anpassung von Kreisbögen hast du automatisch radius und Mittelpunkt aus der Mininimierung von Epsilon zur verfügung: Epsilon^2 < Varianz damit Anpassung Korrekt ist.

IN 2023 BV I

15) Limodeckel „limit“ mit Tamponverfahren. Deckel kann rotieren, kleine Variationen erlaubt.

a) Positions- und Rotationbestimmung

b) Fehlerbestimmung, auch wie welche Art von Fehlern bestimmbar?

a) Positions- und Rotationbestimmung
Mithilfe der Berechnung der Momente einer Region – Position = erste normalisierte Momente (Schwerpunkt) – Rotation = zweiten zentralen Momente bestimmen Richtung der Region (Hauptträgheitsachsen)

b) Fehlerbestimmung, auch wie welche Art von Fehlern bestimmbar?
Bestimmung über Dynamische Schwellwertoperation mit lokaler Schwelle aus Referenzbilder → Berechnung des Mittelwertes und der Standardabweichung der Pixel der n Trainingsbilder → Die Tampons können sich relativ zueinander und relativ zum Hintergrund verschieben

IN 2023 BV I

14) Wie können innere Kanten in einer Region mithilfe der 8er-Nachbarschaft ermittelt werden?

Kann näherungsweise mit Erosion und Dilatation berechnet werden:
• Innerer Rand: Erosion: 𝜕𝑅 = 𝑅 ( 𝑅 ⊖ 𝑆 )
• Äußerer Rand: Dilatation: 𝜕𝑅= ( 𝑅 ⨁ 𝑆)𝑅
• Als S: Element 4er/8er Nachbarschaft

IN 2023 BV I

13) Wie kann die Genauigkeit der Kantenextraktion im Bezug auf Sensor und framegrabber verbessert werden?

Das Antwortverhalten des Systems Kamera+Framegrabber muss linear sein → Kamera darf keine Gamma-Korrektur machen
– Sensor: Hoher Füllfaktor im Sensor → vermeidet „blinde Flecken“ und damit einhergehende Ungenauigkeit

IN 2023 BV I

Wie kann die Präzision bei Bildaufnahmen und beim Canny Filter verbessert werden?

– Vermeidung von Line-Jitter durch synch von Pixel-Clock in Kamera & Framegrabber – Gamma-Korrektur um Nicht-linearität der Grauwertantwort auszugleichen – Canny: Rauschunterdrückung durch Bildglättung Canny & Genauigkeit: subpixelgenaue Extraktion

IN 2023 BV I

11) Erkläre Präzision und Genauigkeit bei Kantenextraktionen.

– Genauigkeit: Wie nahe liegt die extrahierte Kante an der wahren Kantenposition?
– Präzision: Wie sehr streut die Kantenposition um ihren Mittelwert?
12)

IN 2023 BV I

10) Erkläre die Verfahren Binärbild und Lauflängenkodierung

Binärbild: Bitmap = digitale Rastergrafik, deren Pixel nur die zwei Farben Schwarz und Weiß annehmen können. Jedes Pixel kann also mit einem Bit gespeichert werden.
Charakteristische Funktion:
Lauflängenkodierung: Region zeilenweise & Anfang/Ende von Sehnen sortiert abspeichern →Besser als Binärbild

IN 2023 BV I

9) Wann ist ein linearer Filter separierbar? Was hat das für Vorteile?

Linearer Filter: Berechnung durch Faltung
Linearer filter h ist separierbar, falls ℎ(𝑟,𝑐)= 𝑠(𝑟)𝑡(𝑐) r = row, c=column
Vorteil: wesentlich effizientere Implementierung der Faltung möglich: → Komplexität: 𝑂(𝑛𝑘2) statt 𝑂(𝑛2𝑘2) (k = Bildgröße, n=Maskengröße)
ABER: Nicht jeder lineare Filter kann separiert werden

IN 2023 BV I

8) Wie kann man die Standardabweichung vom Rauschen herausfinden?

Aufnahme von mehreren Bildern und Mittelung aller Aufnahmen: Mittelung über Zeit oder Ort→ Standardabweichung berechnen

Sign up for free to see all flashcards and summaries for IN 2023 BV I at the TU München

Singup Image Singup Image
Wave

Other courses from your degree program

For your degree program Robotics; Cognition; Intelligence at the TU München there are already many courses on StudySmarter, waiting for you to join them. Get access to flashcards, summaries, and much more.

Back to TU München overview page

IN2222 CogSys

Management von Geschäftsstrategien

Humanoid Cognitive Reasoning

Computer Vision III: Detection, Tracking, Segmentation

Bildverstehen II

Methoden der Produktentwicklung

What is StudySmarter?

What is StudySmarter?

StudySmarter is an intelligent learning tool for students. With StudySmarter you can easily and efficiently create flashcards, summaries, mind maps, study plans and more. Create your own flashcards e.g. for IN 2023 BV I at the TU München or access thousands of learning materials created by your fellow students. Whether at your own university or at other universities. Hundreds of thousands of students use StudySmarter to efficiently prepare for their exams. Available on the Web, Android & iOS. It’s completely free.

Awards

Best EdTech Startup in Europe

Awards
Awards

EUROPEAN YOUTH AWARD IN SMART LEARNING

Awards
Awards

BEST EDTECH STARTUP IN GERMANY

Awards
Awards

Best EdTech Startup in Europe

Awards
Awards

EUROPEAN YOUTH AWARD IN SMART LEARNING

Awards
Awards

BEST EDTECH STARTUP IN GERMANY

Awards

How it works

Top-Image

Get a learning plan

Prepare for all of your exams in time. StudySmarter creates your individual learning plan, tailored to your study type and preferences.

Top-Image

Create flashcards

Create flashcards within seconds with the help of efficient screenshot and marking features. Maximize your comprehension with our intelligent StudySmarter Trainer.

Top-Image

Create summaries

Highlight the most important passages in your learning materials and StudySmarter will create a summary for you. No additional effort required.

Top-Image

Study alone or in a group

StudySmarter automatically finds you a study group. Share flashcards and summaries with your fellow students and get answers to your questions.

Top-Image

Statistics and feedback

Always keep track of your study progress. StudySmarter shows you exactly what you have achieved and what you need to review to achieve your dream grades.

1

Learning Plan

2

Flashcards

3

Summaries

4

Teamwork

5

Feedback