Bildverstehen II

Karteikarten und Zusammenfassungen für Bildverstehen II an der TU München

Arrow Arrow

Komplett kostenfrei

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

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs Bildverstehen II an der TU München.

Beispielhafte Karteikarten für Bildverstehen II an der TU München auf StudySmarter:

Gegeben sind 2 3D-Punktwolken. Mit welchen Algorithmus gleicht man sie einander an? Beschreibe den Algorithmus.

Beispielhafte Karteikarten für Bildverstehen II an der TU München auf StudySmarter:

Wie viele Freiheitsgrade muss ein Objekterkennungsverfahren aufweisen?

Beispielhafte Karteikarten für Bildverstehen II an der TU München auf StudySmarter:

Wie löst man beim deskriptor basiertem Matching das Problem mehrdeutiger Korrespondenzen?

Beispielhafte Karteikarten für Bildverstehen II an der TU München auf StudySmarter:

Bei der Darstellung mit direkten Rotationsgrößen, welchen Einfluss hat die Reihenfolge der Transformation auf die Richtung der Transformation?

Beispielhafte Karteikarten für Bildverstehen II an der TU München auf StudySmarter:

Welche Auswirkungen kann eine Darstellung mit Minimalparametrisierung bzw. Überparametrisierung auf die Darstellung der Transformationsmatrix haben?

Beispielhafte Karteikarten für Bildverstehen II an der TU München auf StudySmarter:

Durch welche Vorkehrungen soll eine kardanische Blockade der Eulerwinkel-Darstellung vermieden werden?

Beispielhafte Karteikarten für Bildverstehen II an der TU München auf StudySmarter:

Beschreibe die Hand-Auge Kalibrierung mit dualen Quaternionen? Nenne Gründe für die Verwendung dieser Darstellung.

Beispielhafte Karteikarten für Bildverstehen II an der TU München auf StudySmarter:

Nenne Anforderungen an die Roboterbewegung, durch deren Einhaltung die Genauigkeit der Hand-Auge Kalibrierung erhöht werden kann

Beispielhafte Karteikarten für Bildverstehen II an der TU München auf StudySmarter:

Wie viele Posen werden für die Kalibration benötigt? Welche Anforderungen müssen die Posen erfüllen?

Beispielhafte Karteikarten für Bildverstehen II an der TU München auf StudySmarter:

Ein SCARA-Roboter ist ein Roboter mit drei Drehgelenken und einem Schubgelenk. Die Rotationsachsen der drei Drehgelenke sind alle parallel. Können bei einem SCARA- Roboter alle Parameter der für eine Hand-Auge Kalibrierung relevanten Posen eindeutig bestimmt werden? Begründen Sie Ihre Antwort.

Beispielhafte Karteikarten für Bildverstehen II an der TU München auf StudySmarter:

Metametrie zwischen RBG-Kamera und Mensch gleich?

Beispielhafte Karteikarten für Bildverstehen II an der TU München auf StudySmarter:

Beschreibe das Prinzip von Convolutional Neural Networks

Kommilitonen im Kurs Bildverstehen II an der TU München. erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp. Jetzt mitmachen!

Jetzt mitmachen!

Flashcard Flashcard

Beispielhafte Karteikarten für Bildverstehen II an der TU München auf StudySmarter:

Bildverstehen II

Gegeben sind 2 3D-Punktwolken. Mit welchen Algorithmus gleicht man sie einander an? Beschreibe den Algorithmus.

Name: Iterative Closest Point Algorithmus

Wiederholung zweier Schritte:

– Korrespondenzermittlung: Für jeden Punkt der ersten Punktwolke wird der unter der aktuellen Pose nächste Punkt der zweiten Punktwolke gesucht

– Abstandsminimierung: Es wird die Pose bestimmt, die die Summe der quadrierten Abstände zwischen den in Schritt 1 ermittelten Punktpaaren minimiert

  • ICP als Optimierungsverfahren sucht das lokale Minimum dieses Fehlers und ist bei einer guten Startpose in der Lage, die optimale Pose zu finden

  • Iteration wird terminiert, wenn der Fehler unter einen Schwellwert fällt oder eine vorgegebene Anzahl an Iterationen erreicht wurde

  • Großteil der Laufzeit wird für die Korrespondenzsuche benötigt, wofür eine effiziente Datenstruktur zur Bestimmung des nächsten Nachbars (Nearest-Neighbor-Verfahren) benötigt wird. Üblicherweise: 

    • Voxelbasierte Verfahren

    • k-d-Bäume

    • Vollständige Suche

Bildverstehen II

Wie viele Freiheitsgrade muss ein Objekterkennungsverfahren aufweisen?

  • 8 für die Homographie (3×3 Matrix – ohne Skalierfaktor) – Projektive Abbildung
  • 6 für Pose in 3D
  • → 14

Bildverstehen II

Wie löst man beim deskriptor basiertem Matching das Problem mehrdeutiger Korrespondenzen?

  • mit Robustem Matching (z.B. RANSAC)
  • bei Robustem Matching wird die Homographieschätzung und die Korrespondenzauswahl gleichzeitig gelöst

Bildverstehen II

Bei der Darstellung mit direkten Rotationsgrößen, welchen Einfluss hat die Reihenfolge der Transformation auf die Richtung der Transformation?

Die Reihenfolge der Rotationen bestimmt ob die Rotation auf den globalen oder lokalen Axen erfolgt. XYZ(global) is äquivalent zu ZYX(lokal)

Bildverstehen II

Welche Auswirkungen kann eine Darstellung mit Minimalparametrisierung bzw. Überparametrisierung auf die Darstellung der Transformationsmatrix haben?

Minimalparametrisierung wird immer eine Singularität/kardanische Blockade aufweisen (Gimbal lock).

Bildverstehen II

Durch welche Vorkehrungen soll eine kardanische Blockade der Eulerwinkel-Darstellung vermieden werden?

  • indem man duale Quaternionen verwendet
  • indem man globale Orientierungen in lokalen Koordinatensystemen ausdrückt (laut wiki)

Bildverstehen II

Beschreibe die Hand-Auge Kalibrierung mit dualen Quaternionen? Nenne Gründe für die Verwendung dieser Darstellung.

  • Die Darstellung von starren Abbildungen (also Transformationen) als duale Einheitsquaternionen ist für die Transformation von Geraden vorzuziehen
  • Duale Quaternionen erlauben die gleichzeitige Bestimmung der Translation und Rotation bei der Hand-Auge Kalibrierung
  • Außerdem hat man mit ihnen nicht das Problem der kardanischen Blockade

Bildverstehen II

Nenne Anforderungen an die Roboterbewegung, durch deren Einhaltung die Genauigkeit der Hand-Auge Kalibrierung erhöht werden kann

  • Roboterarm muss gut kalibriert sein (sprich: Transformation von der Basis zum Werkzeug ist möglichst genau)
  • Winkel zwischen Schraubenachsen der beiden Transformationen sollte möglichst gross sein (Sprich: 90°) – geometrische Bedingung
  • Rotationswinkel sollte möglichst groß sein (Sprich: grosse Rotationen) – geometrische Bedingung
  • Abstand des Projektionszentrums der Kamera zum Kalibrierkörper möglichst klein (sprich: Kamera nah am Objekt) – geometrische Bedingung
  • Abstand zwischen zwei Werkzeugarbeitspunkten sollte möglichst klein sein (Sprich: Werkzeug nicht viel bewegen) – geometrische Bedingung
  • Möglichst viele Posen benutzen

Bildverstehen II

Wie viele Posen werden für die Kalibration benötigt? Welche Anforderungen müssen die Posen erfüllen?

  • drei Posen
  • die zwei Bewegungen müssen mit Hilfe von nicht-parallelen Schraubungen vollzogen werden

Bildverstehen II

Ein SCARA-Roboter ist ein Roboter mit drei Drehgelenken und einem Schubgelenk. Die Rotationsachsen der drei Drehgelenke sind alle parallel. Können bei einem SCARA- Roboter alle Parameter der für eine Hand-Auge Kalibrierung relevanten Posen eindeutig bestimmt werden? Begründen Sie Ihre Antwort.

Nein, da man mindestens zwei Rotationen mit nicht-parallelen Achsen benötigt. Wenn alle Achsen parallel sind kann der Abstand der Schraubung nicht bestimmt werden (d.h. ein Parameter nicht bestimmbar)

Bildverstehen II

Metametrie zwischen RBG-Kamera und Mensch gleich?

Nein, da die spektrale Empfindlichkeit der Zapfen sich deutlich von der Empfindlichkeit der RGB-Sensoren einer Kamera unterscheidet.

Bildverstehen II

Beschreibe das Prinzip von Convolutional Neural Networks

  • Ersetzen der ersten Schichten eines MLP durch Faltungen mit geteilten Gewichten
  • Dadurch Klassifikator in der Lage, Merkmalsextraktion aus Trainingsdaten zu lernen
  • CNN besteht aus mehreren Conv und Pool Layern, gefolgt von fully connected Schicht zur Klassifikation
  • Bei Mehrkanalbildern werden Faltungen über alle Kanäle berechnet und aufsummiert

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für Bildverstehen II an der TU München zu sehen

Singup Image Singup Image
Wave

Andere Kurse aus deinem Studiengang

Für deinen Studiengang Robotics; Cognition; Intelligence an der TU München gibt es bereits viele Kurse auf StudySmarter, denen du beitreten kannst. Karteikarten, Zusammenfassungen und vieles mehr warten auf dich.

Zurück zur TU München Übersichtsseite

IN 2023 BV I

IN2222 CogSys

Management von Geschäftsstrategien

Humanoid Cognitive Reasoning

Computer Vision III: Detection, Tracking, Segmentation

Methoden der Produktentwicklung

Was ist StudySmarter?

Was ist StudySmarter?

StudySmarter ist eine intelligente Lernapp für Studenten. Mit StudySmarter kannst du dir effizient und spielerisch Karteikarten, Zusammenfassungen, Mind-Maps, Lernpläne und mehr erstellen. Erstelle deine eigenen Karteikarten z.B. für Bildverstehen II an der TU München oder greife auf tausende Lernmaterialien deiner Kommilitonen zu. Egal, ob an deiner Uni oder an anderen Universitäten. Hunderttausende Studierende bereiten sich mit StudySmarter effizient auf ihre Klausuren vor. Erhältlich auf Web, Android & iOS. Komplett kostenfrei. Keine Haken.

Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards
Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards

So funktioniert's

Top-Image

Individueller Lernplan

StudySmarter erstellt dir einen individuellen Lernplan, abgestimmt auf deinen Lerntyp.

Top-Image

Erstelle Karteikarten

Erstelle dir Karteikarten mit Hilfe der Screenshot-, und Markierfunktion, direkt aus deinen Inhalten.

Top-Image

Erstelle Zusammenfassungen

Markiere die wichtigsten Passagen in deinen Dokumenten und bekomme deine Zusammenfassung.

Top-Image

Lerne alleine oder im Team

StudySmarter findet deine Lerngruppe automatisch. Teile deine Lerninhalte mit Freunden und erhalte Antworten auf deine Fragen.

Top-Image

Statistiken und Feedback

Behalte immer den Überblick über deinen Lernfortschritt. StudySmarter führt dich zur Traumnote.

1

Lernplan

2

Karteikarten

3

Zusammenfassungen

4

Teamwork

5

Feedback