Erfahrung Kurse zu Interaktive Systeme

U

User15646

abgemeldet
Hochschulabschluss
Bachelor of Science
Studiengang
M.Sc. Informatik
ECTS Credit Points
90 von 120
2. Studiengang
M.Sc. Wirtschaftsinformatik
ECTS Credit Points
80 von 120
Ja die Klausur was MC. Die Fragen waren fair und machbar.
Vom Stoff her war es durchaus anspruchsvoll. Viel geht aber auch in die Historie und ist Blabla. Das Anstrengenste dabei waren die Einsendeaufgaben: sie sind online, je Kurs 4, 20 Fragen MC, davon müssen bei 3 pro Kurs 75% richtig sein und beim 4. reichen 50%. Ein Versuch, aber beliebig viele Übungsversuche.
 
U

User15646

abgemeldet
dankeschön für die Infos
wie schwer was denn der Matheanteil bei den beiden Kursen und wieviel Mathevorwissen sollte man mitbringen?
 
U

User15646

abgemeldet
@alex0001 : kannst du was zum Matheanteil bei Interaktive Systemen sagen? Reichen die Grundlagen aus 1141 und 1142 (Algomathe)? Bringen die beiden Kurse was um auch praktisch etwas zum Thema Bilderkennung zu lernen?
 
Hochschulabschluss
Bachelor of Science
Studiengang
M.Sc. Informatik
ECTS Credit Points
90 von 120
2. Studiengang
M.Sc. Wirtschaftsinformatik
ECTS Credit Points
80 von 120
Inhaltsverzeichnis zu Interaktive Systeme 1:
1 Grundlagen der Signalverarbeitung
1.1
Signale und ihre zugrunde liegenden Prozesse
1.1.1
9
. . . . . . . . . . 12
Statistische Beschreibung . . . . . . . . . . . . . . . . . . 14
1.2 Analog-Digital-Wandlung . . . . . . . . . . . . . . . . . . . . . . 31
1.3 Lineare Systeme . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.4
1.5
1.3.1 Superpositionsprinzip . . . . . . . . . . . . . . . . . . . . 40
1.3.2 Dekomposition von Signalen . . . . . . . . . . . . . . . . 42
1.3.3 Analyse nicht-linearer Systeme . . . . . . . . . . . . . . . 48
Faltung diskreter Signale . . . . . . . . . . . . . . . . . . . . . . 49
1.4.1 Eigenschaften der Faltung . . . . . . . . . . . . . . . . . 54
1.4.2 Elementare Impulsantworten . . . . . . . . . . . . . . . . 55
1.4.3 Korrelation . . . . . . . . . . . . . . . . . . . . . . . . . 59
Faltung kontinuierlicher Signale . . . . . . . . . . . . . . . . . . 60
1.5.1 Dirac-Impuls . . . . . . . . . . . . . . . . . . . . . . . . 61
1.5.2 Faltung . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
1.6 Selbsttestaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . 65
1.7 Lösungen der Selbsttestaufgaben . . . . . . . . . . . . . . . . . 69
2 Fourier-Analyse
2.1
73
Diskrete Fourier-Transformation . . . . . . . . . . . . . . . . . . 76
2.1.1 Reellwertige DFT . . . . . . . . . . . . . . . . . . . . . . 77
2.1.2 Anwendungen der DFT . . . . . . . . . . . . . . . . . . . 97
2.2 Komplexwertige DFT . . . . . . . . . . . . . . . . . . . . . . . . 106
2.3 Schnelle Fourier-Transformation . . . . . . . . . . . . . . . . . . 113
2.4 Die Familie der Fourier-Transformationen . . . . . . . . . . . . . 123
2.5 Zweidimensionale Fourier-Transformation . . . . . . . . . . . . . 127
2.6 Selbsttestaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . 135
2.7 Lösungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
56
INHALTSVERZEICHNIS
3 Verarbeitung visueller Signale
3.1
3.2
3.3
145
Aufbau visueller Signale . . . . . . . . . . . . . . . . . . . . . . 146
3.1.1 Farbmodelle . . . . . . . . . . . . . . . . . . . . . . . . . 147
3.1.2 Datenformat . . . . . . . . . . . . . . . . . . . . . . . . . 158
Globale Verarbeitung . . . . . . . . . . . . . . . . . . . . . . . . 163
3.2.1 Intensitätstransformationen . . . . . . . . . . . . . . . . 164
3.2.2 Histogramme . . . . . . . . . . . . . . . . . . . . . . . . 167
3.2.3 Segmentierung
. . . . . . . . . . . . . . . . . . . . . . . 172
Lokale Verarbeitung . . . . . . . . . . . . . . . . . . . . . . . . 179
3.3.1 Kantendetektion . . . . . . . . . . . . . . . . . . . . . . 179
3.3.2 Merkmalbasierte Verfahren . . . . . . . . . . . . . . . . . 192
3.4 Selbsttestaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . 225
3.5 Lösungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
4 Erweiterte Signalverarbeitung
4.1
4.2
4.3
233
Clusteranalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
4.1.1 Hierarchische Clusteranalyse . . . . . . . . . . . . . . . . 238
4.1.2 k-Means-Clusteranalyse . . . . . . . . . . . . . . . . . . 248
4.1.3 DBSCAN . . . . . . . . . . . . . . . . . . . . . . . . . . 250
Parameterschätzung . . . . . . . . . . . . . . . . . . . . . . . . 258
4.2.1 Methode der kleinsten Quadrate . . . . . . . . . . . . . . 260
4.2.2 Nichtlineare Modellfunktionen . . . . . . . . . . . . . . . 270
4.2.3 RANSAC . . . . . . . . . . . . . . . . . . . . . . . . . . 275
Probabilistische Modellierung . . . . . . . . . . . . . . . . . . . 280
4.3.1 Grundlagen der probabilistischen Modellierung . . . . . . 281
4.3.2 Maximum-Likelihood-Methode . . . . . . . . . . . . . . . 296
4.3.3 Expectation-Maximization-Algorithmus . . . . . . . . . . 302
4.4 Selbsttestaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . 309
4.5 Lösungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315​

und zu Interaktive Systeme 2:
1 Geometrische Grundlagen
1.1
1.2
1.3
1.4
13
Projektive Geometrie . . . . . . . . . . . . . . . . . . . . . . . . 17
1.1.1 Geometrie in der Ebene . . . . . . . . . . . . . . . . . . 18
1.1.2 Planare projektive Transformationen . . . . . . . . . . . 24
1.1.3 Hierarchie von Transformationen . . . . . . . . . . . . . 26
1.1.4 Wiedergewinnung metrischer und affiner Eigenschaften . 34
1.1.5 Der dreidimensionale projektive Raum . . . . . . . . . . 39
Kegelschnitte, Kegel und Quadriken . . . . . . . . . . . . . . . . 48
1.2.1 Kegelschnitte . . . . . . . . . . . . . . . . . . . . . . . . 48
1.2.2 Metrische Rektifizierung mit dualem Kegelschnitt . . . . 54
1.2.3 Quadriken . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Kamera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
1.3.1 Die Lochkamera . . . . . . . . . . . . . . . . . . . . . . . 63
1.3.2 Exkurs Koordinatensysteme . . . . . . . . . . . . . . . . 65
1.3.3 Die projektive Kamera . . . . . . . . . . . . . . . . . . . 66
Lösungen der Selbsttestaufgaben . . . . . . . . . . . . . . . . . 77
2 Die Geometrie von zwei Kameras
2.1
2.2
83
Epipolargeometrie und Fundamentalmatrix . . . . . . . . . . . . 85
2.1.1 Epipolargeometrie
. . . . . . . . . . . . . . . . . . . . . 85
2.1.2 Die Fundamentalmatrix . . . . . . . . . . . . . . . . . . 87
2.1.3 Bestimmung der Kameramatrizen . . . . . . . . . . . . . 95
Exkurs zur Singulärwertzerlegung . . . . . . . . . . . . . . . . . 101
2.2.1 Quadratische Matrizen mit vollem Rang . . . . . . . . . 101
2.2.2 Unterbestimmte Gleichungssysteme . . . . . . . . . . . . 103
2.2.3 Überbestimmte Gleichungssysteme . . . . . . . . . . . . 106
78
INHALTSVERZEICHNIS
2.3
2.4
Bestimmung der Fundamentalmatrix . . . . . . . . . . . . . . . 109
2.3.1 Der normalisierte 8-Punkt-Algorithmus . . . . . . . . . . 110
2.3.2 Algebraische Minimierung . . . . . . . . . . . . . . . . . 115
2.3.3 Geometrische Minimierung . . . . . . . . . . . . . . . . . 119
2.3.4 Geometrische Minimierung – Distanzmaße . . . . . . . . 122
2.3.5 Der Levenberg-Marquardt-Algorithmus . . . . . . . . . . 123
2.3.6 RANSAC . . . . . . . . . . . . . . . . . . . . . . . . . . 135
2.3.7 Guided Matching . . . . . . . . . . . . . . . . . . . . . . 141
Autokalibrierung . . . . . . . . . . . . . . . . . . . . . . . . . . 143
2.4.1 Algebraische Grundlagen und Problemstellung . . . . . . 146
2.4.2 Das Verfahren von Pollefeys . . . . . . . . . . . . . . . . 148
2.4.3 Die Kruppa-Gleichungen . . . . . . . . . . . . . . . . . . 152
2.5 Selbsttestaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . 157
2.6 Lösungen der Selbsttestaufgaben . . . . . . . . . . . . . . . . . 163
3 Von Bildern zu Objekten
3.1
3.2
3.3
167
Triangulierung projektiver Bildpunkte . . . . . . . . . . . . . . . 169
3.1.1 Geometrische Kostenfunktion . . . . . . . . . . . . . . . 171
3.1.2 Epipolardistanz . . . . . . . . . . . . . . . . . . . . . . . 172
Dreiecksnetze . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
3.2.1 Voronoi-Diagramme . . . . . . . . . . . . . . . . . . . . . 183
3.2.2 Delaunay-Triangulierung . . . . . . . . . . . . . . . . . . 194
3.2.3 Von der Ebene in den Raum . . . . . . . . . . . . . . . . 200
Texturierung
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
3.3.1 Normalenvektoren – es werde Licht . . . . . . . . . . . . 208
3.3.2 Texturkarten . . . . . . . . . . . . . . . . . . . . . . . . 211
3.3.3 Überblendungen . . . . . . . . . . . . . . . . . . . . . . . 215
3.4 Selbsttestaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . 221
3.5 Lösungen der Selbsttestaufgaben . . . . . . . . . . . . . . . . . 225INHALTSVERZEICHNIS
4 Mehr Punkte, mehr Kameras
4.1
4.2
4.3
4.4
4.5
9
231
Merkmal-Paarung . . . . . . . . . . . . . . . . . . . . . . . . . . 233
4.1.1 SIFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
4.1.2 Merkmalabgleich . . . . . . . . . . . . . . . . . . . . . . 237
4.1.3 Identifikation von Ausreißern . . . . . . . . . . . . . . . 243
Mehr als zwei Bilder . . . . . . . . . . . . . . . . . . . . . . . . 247
4.2.1 Bestimmung der Bildpaare . . . . . . . . . . . . . . . . . 247
4.2.2 Verkettung der Kameras . . . . . . . . . . . . . . . . . . 249
Optimierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
4.3.1 Bundle Adjustment . . . . . . . . . . . . . . . . . . . . . 256
4.3.2 Initiale Triangulierung . . . . . . . . . . . . . . . . . . . 263
Reduktion der Komplexität . . . . . . . . . . . . . . . . . . . . 265
4.4.1 Hough-Transformation . . . . . . . . . . . . . . . . . . . 265
4.4.2 J-linkage . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
Typische Fehler und Probleme . . . . . . . . . . . . . . . . . . . 275
4.5.1 Necker reversal . . . . . . . . . . . . . . . . . . . . . . . 275
4.5.2 Unzureichende Überlappung oder Strukturen . . . . . . . 276
4.5.3 Mehrdeutige oder sich wiederholende Texturen . . . . . . 277
4.5.4 Kaskadierende Fehler . . . . . . . . . . . . . . . . . . . . 278
4.5.5 Inkonsistente Kanten im Szenengraph . . . . . . . . . . . 278
4.6 Selbsttestaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . 289
4.7 Lösungen der Selbsttestaufgaben . . . . . . . . . . . . . . . . . 295
Das ganze Zeug mit Fundamentalmatrix habe ich als relativ anstrengend in Erinnerung. Die Kenntnisse reichen, es wird ja auch viel erklärt. Aber einfach ist es trotzdem nicht.
Ich habe auf Lücke gelernt weil ich mir nicht vorstellen konnte, dass in der Klausur allzuviele Fragen dazu drankommen (können). Genau so war es dann auch.
 
U

User15646

abgemeldet
@alex0001 : Vielen Dank
hat dir der Kurs auch was praktisch gebracht bzgl Bilderkennung oder ist der Kurs nur Theorie?
 
Zuletzt bearbeitet von einem Moderator:
Hochschulabschluss
Bachelor of Science
Studiengang
M.Sc. Informatik
ECTS Credit Points
90 von 120
2. Studiengang
M.Sc. Wirtschaftsinformatik
ECTS Credit Points
80 von 120
Es ist ganz nett was von den Zusammenhängen zu verstehen. Da ich aber nicht in dem Umfeld arbeite war es für mich nicht so praxisrelevant.
 
Oben