Bildverarbeitung

Lab für Bildhelligkeit und Leuchtdichte — Belichtung, Gamma und Clipping

Lineare Belichtung und kodierte Grauwerte an synthetischen Bildern mit Histogrammen und Gradienten vergleichen.

Labor zur Merkmalserkennung — Harris und Shi–Tomasi vergleichen

Synthetische Bilder drehen, skalieren und aufhellen; erkannte Ecken mit bekannten Referenzpositionen vergleichen.

Labor zur Merkmalszuordnung — Deskriptorfilter, geometrische Inlier und Referenz

Bildbereiche vergleichen, Korrespondenzen filtern und erkennen, warum geometrische Übereinstimmung keine korrekte Zuordnung garantiert.

Optischer-Fluss-Lab: Bewegung zwischen zwei Bildern

Schätze die Bewegung von Bildpunkten und vergleiche sie mit einer bekannten synthetischen Transformation. Untersuche Helligkeit, Verdeckung und das Aperturproblem.

Bildverarbeitung September 13, 2026

Monokulare Tiefenschätzung – Von relativen zu metrischen Entfernungen

„Eine Einführung in die monokulare Tiefenmessung: relative versus metrische Tiefe, Skalenmehrdeutigkeit, Auswertungsprotokolle und Ausfallbedingungen.“

Lernleitfaden · 3 Min. Lesezeit

Bildverarbeitung September 13, 2026

Neural 3D – Synthese neuartiger Ansichten und separate visuelle/geometrische Auswertung

Eine Einführung in neuronale Szenenrepräsentationen, die Synthese neuer Ansichten, zurückgehaltene Ansichten und die separate visuelle und geometrische Auswertung.

Lernleitfaden · 2 Min. Lesezeit

Grundlagen der Merkmalsverfolgung – So vermeiden Sie, dass derselbe Punkt zwischen den Frames verloren geht

Feature-Tracking ist der Prozess, denselben physikalischen Punkt in mehreren Frames einer Videosequenz zu identifizieren. Dieser Artikel beschreibt Template-Tracking, Lucas-Kanade-optischen Fluss, Deskriptor-Matching, RANSAC, Ausreißererkennung und Kalman-Prädiktion anhand von Gleichungen und Implementierungsschritten. Zudem werden die Bedingungen erläutert, unter denen visuelle Odometrie und SLAM versagen, sowie mögliche Lösungsansätze.

Fundamentals · 6 Min. Lesezeit

Leitfaden zur Schleifenschließung – Gleichzeitige Behebung der Drift eines SLAM-Systems entlang einer Schleife

Die Schleifenschließung ist der Prozess, bei dem erkannt wird, dass ein Roboter zu einem zuvor besuchten Ort zurückgekehrt ist, und der akkumulierte Selbstlokalisierungsfehler auf die gesamte Karte verteilt wird. Dieser Artikel erläutert systematisch die Ortserkennung, die Bildsuche, die geometrische Verifizierung, die Optimierung des Pose-Graphen, den Schutz vor Fehlalarmen sowie aktuelle SLAM-Implementierungen und -Forschungsprojekte.

Fundamentals · 5 Min. Lesezeit

Einführung in den optischen Fluss – Geschwindigkeit und Struktur aus der Bildbewegung ablesen

Optischer Fluss ist ein Vektorfeld, das die Bewegungsrichtung jedes Pixels in einer Bildsequenz beschreibt. Dieser Artikel behandelt die Helligkeitskonstanzbedingung, Lucas-Kanade und Horn-Schunck, Pyramiden, dichten Fluss versus spärliches Merkmalstracking, lernbasierte Methoden wie RAFT sowie Kamerabewegung, dynamische Objekte und Evaluierungsmethoden inklusive der zugrundeliegenden Mathematik.

Fundamentals · 5 Min. Lesezeit

PnP-Grundlagen – Wiederherstellung der Kameraposition anhand von 3D-Punkten und einem Bild

Perspective-n-Point (PnP) ist das geometrische Problem der Schätzung von Position und Orientierung einer Kamera anhand bekannter 3D-Punkte und ihrer zugehörigen Bildpunkte. Dieser Artikel behandelt die Projektionsgleichung, P3P/AP3P, EPnP, iterative Optimierung, RANSAC, planare Entartung und die Anwendung von PnP in Visual SLAM, AR und Vermessung. Er enthält die mathematischen Grundlagen und eine Checkliste zur Implementierung.

Fundamentals · 5 Min. Lesezeit