DSB18: Inverse Perspektiventransformation
Autor:
Betreuer: Prof. Schneider
Motivation
Autonome Fahrzeuge benötigen eine virtuelle Rundumsicht.
Ziel
Die perspektivischen Daten einer Kamera sollen anhand intrinsischer und extrinsischer Parameter in eine Rundumsicht
Anforderungen
- Recherchieren Sie was ArUco Marker sind und wie sich diese in Position und Lage detektieren lassen.
- Erstellen Sie ArUko Marken mittels Matlab.
- Nutzen Sie eine Webcam für die Detektion der Marker.
- Kalibrieren Sie diese Kameras.
- Setzen Sie ein Verfahren zur Bestimmung der Pose eines ArUko Markers mit Matlab um.
- Transformieren Sie ein Objekt aus der Kameraperspektive in Weltkoordinaten.
- Stellen Sie die Objekte im Sichtfeld in der Draufsich metrisch dar.
- Schätzen Sie die Genauigkeit Ihres 3D-Sensors ab.
- Wissenschaftliche Dokumentation als HSHL-Wiki Artikel
- Softwareentwicklung nach SDE Standard in SVN
- Funktionsnachweis als YouTube-Video (vgl. Veranstaltungsregeln)
Lösungen
Weblinks
Literatur
- [https://www.google.de/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0ahUKEwjQ65Wq2LLaAhVKJ1AKHd_HCRAQFggtMAA&url=http%3A%2F%2Fwww.mdpi.com%2F1424-8220%2F12%2F4%2F4431%2Fpdf&usg=AOvVaw125NrkR8PO9y_ro8JoSe1q A Vision Based Top-View Transformation Model for a Vehicle
Parking Assistant]
- Camera Calibration and Inverse Perspective
- BirdEye - an Automatic Method for Inverse Perspective Transformation of Road Image without Calibration
BSD-Lizenzbedingung BSD-Lizenz
Copyright (c) 2014, Hochschule Hamm-Lippstadt, Dep. Lip. 1, Prof. Schneider
Hochschule Hamm-Lippstadt. Alle Rechte vorbehalten.
→ zurück zum Hauptartikel: Digitale Signal- und Bildverarbeitung SoSe2018