Computer Vision - Versionsgeschichte

Graph Pixel: Tippfehler korrigiert.

2025-03-08T07:38:33Z

Tippfehler korrigiert.

← Nächstältere Version		Version vom 8. März 2025, 09:38 Uhr
Zeile 213:		Zeile 213:
	{{Hauptartikel\|Silhouetten-Schnittverfahren}}		{{Hauptartikel\|Silhouetten-Schnittverfahren}}

	Bei diesem Verfahren benutzt man mehrere Bilder, welche das ~~Objekts~~ aus unterschiedlichen Richtungen abbilden, um aus deren äußeren Umriss (die Silhouette) seine geometrische Form abzuleiten. Bei diesem Verfahren wird die Kontour aus einem groben Volumen quasi herausgeschnitten, so ähnlich wie ein Bildhauer eine Büste aus einem groben Holzklotz herausschnitzt. Im englischen Sprachgebrauch wird hierbei auch von Shape-from-Contour oder Space-Carving gesprochen.		Bei diesem Verfahren benutzt man mehrere Bilder, welche das Objekt aus unterschiedlichen Richtungen abbilden, um aus deren äußeren Umriss (die Silhouette) seine geometrische Form abzuleiten. Bei diesem Verfahren wird die Kontour aus einem groben Volumen quasi herausgeschnitten, so ähnlich wie ein Bildhauer eine Büste aus einem groben Holzklotz herausschnitzt. Im englischen Sprachgebrauch wird hierbei auch von Shape-from-Contour oder Space-Carving gesprochen.

	Voraussetzung für diese Technik ist, dass man das zu bestimmende Objekt (Vordergrund) vom Hintergrund trennen kann. Dabei kommen Techniken zur Bildsegmentierung zum Einsatz. Das Ergebnis wird dann als Representation eines Volumens mittels [[Voxel]] dargestellt und wird auch visuelle Hülle (auf Englisch: visual hull) genannt.<ref name=":1" />		Voraussetzung für diese Technik ist, dass man das zu bestimmende Objekt (Vordergrund) vom Hintergrund trennen kann. Dabei kommen Techniken zur Bildsegmentierung zum Einsatz. Das Ergebnis wird dann als Representation eines Volumens mittels [[Voxel]] dargestellt und wird auch visuelle Hülle (auf Englisch: visual hull) genannt.<ref name=":1" />

OlafTheScientist: Hinweis zur Aussprache des Begriffs "Computer Vision" auf Englisch ergänzt. Siehe Diskussion.

2025-02-13T18:43:13Z

Hinweis zur Aussprache des Begriffs "Computer Vision" auf Englisch ergänzt. Siehe Diskussion.

← Nächstältere Version		Version vom 13. Februar 2025, 20:43 Uhr
Zeile 1:		Zeile 1:
	{{Begriffsklärungshinweis\|Zu dem Softwareunternehmen siehe [[Computervision]].}}		{{Begriffsklärungshinweis\|Zu dem Softwareunternehmen siehe [[Computervision]].}}

	'''Computer Vision''' ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurwissenschaften und versucht die von Kameras aufgenommenen Bilder auf unterschiedlichste Art und Weise zu verarbeiten und zu analysieren, um deren Inhalt zu verstehen oder geometrische Informationen zu extrahieren. Der Begriff ''Computer Vision'' bedeutet auf Deutsch so viel wie ''computerbasiertes Sehen'' (oder kurz: ''Computer-Sehen''). Im englischen Sprachraum wird ebenfalls der Begriff '''Machine Vision''' (auf Deutsch: [[#Maschinelles Sehen\|Maschinelles Sehen]]) synonym zu Computer Vision verwendet, wobei die Anwendung im industriellen Umfeld betont wird.		'''Computer Vision''' (engl. Aussprache) ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurwissenschaften und versucht die von Kameras aufgenommenen Bilder auf unterschiedlichste Art und Weise zu verarbeiten und zu analysieren, um deren Inhalt zu verstehen oder geometrische Informationen zu extrahieren. Der Begriff ''Computer Vision'' bedeutet auf Deutsch so viel wie ''computerbasiertes Sehen'' (oder kurz: ''Computer-Sehen''). Im englischen Sprachraum wird ebenfalls der Begriff '''Machine Vision''' (auf Deutsch: [[#Maschinelles Sehen\|Maschinelles Sehen]]) synonym zu Computer Vision verwendet, wobei die Anwendung im industriellen Umfeld betont wird.

	Typische Aufgaben der Computer Vision sind die Objekterkennung und die Vermessung der geometrischen Struktur von Objekten sowie von Bewegungen (Fremdbewegung, Eigenbewegung). Dabei wird auf Algorithmen aus der [[Bildverarbeitung]] zurückgegriffen, zum Beispiel die [[Segmentierung (Bildverarbeitung)\|Segmentierung]] und auf Verfahren der [[Mustererkennung]], beispielsweise zur Klassifizierung von Objekten. Dabei kommen [[Wahrscheinlichkeitstheorie\|statistische]] (bzw. [[Probabilistische Graphische Modelle\|probabilistische]]) Methoden zum Einsatz, Methoden der Bildverarbeitung, der [[Projektive Geometrie\|projektiven Geometrie]], aus der [[Künstliche Intelligenz\|Künstlichen Intelligenz]] und der [[Computergrafik]]. Die Werkzeuge stammen meistens aus der [[Mathematik]], insbesondere aus [[Geometrie]], [[Lineare Algebra\|linearer Algebra]], [[Statistik]], [[Operations Research]] ([[Optimierung]]) und [[Funktionalanalysis]]. Darüber hinaus besteht eine enge Verwandtschaft zu benachbarten Fachgebieten, wie der [[Photogrammetrie]], der [[Fernerkundung]] und der [[Kartografie]].<ref name=":2">David A. Forsyth, Jean Ponce: ''Computer Vision: A Modern Approach.'' 2. Auflage. 2012, Pearson Education, Prentice Hall 2012, ISBN 978-0-13-608592-8.</ref><ref>Reinhard Klette: ''Concise Computer Vision - An Introduction into Theory and Algorithms.'' Springer-Verlag, London 2014, ISBN 978-1-4471-6319-0, [[doi:10.1007/978-1-4471-6320-6]]</ref><ref name=":3">Richard Szeliski: ''Computer Vision - Algorithms and Applications.'' Springer-Verlag, London 2011, ISBN 978-1-84882-934-3, [[doi:10.1007/978-1-84882-935-0]] [http://szeliski.org/Book (szeliski.org)]</ref>		Typische Aufgaben der Computer Vision sind die Objekterkennung und die Vermessung der geometrischen Struktur von Objekten sowie von Bewegungen (Fremdbewegung, Eigenbewegung). Dabei wird auf Algorithmen aus der [[Bildverarbeitung]] zurückgegriffen, zum Beispiel die [[Segmentierung (Bildverarbeitung)\|Segmentierung]] und auf Verfahren der [[Mustererkennung]], beispielsweise zur Klassifizierung von Objekten. Dabei kommen [[Wahrscheinlichkeitstheorie\|statistische]] (bzw. [[Probabilistische Graphische Modelle\|probabilistische]]) Methoden zum Einsatz, Methoden der Bildverarbeitung, der [[Projektive Geometrie\|projektiven Geometrie]], aus der [[Künstliche Intelligenz\|Künstlichen Intelligenz]] und der [[Computergrafik]]. Die Werkzeuge stammen meistens aus der [[Mathematik]], insbesondere aus [[Geometrie]], [[Lineare Algebra\|linearer Algebra]], [[Statistik]], [[Operations Research]] ([[Optimierung]]) und [[Funktionalanalysis]]. Darüber hinaus besteht eine enge Verwandtschaft zu benachbarten Fachgebieten, wie der [[Photogrammetrie]], der [[Fernerkundung]] und der [[Kartografie]].<ref name=":2">David A. Forsyth, Jean Ponce: ''Computer Vision: A Modern Approach.'' 2. Auflage. 2012, Pearson Education, Prentice Hall 2012, ISBN 978-0-13-608592-8.</ref><ref>Reinhard Klette: ''Concise Computer Vision - An Introduction into Theory and Algorithms.'' Springer-Verlag, London 2014, ISBN 978-1-4471-6319-0, [[doi:10.1007/978-1-4471-6320-6]]</ref><ref name=":3">Richard Szeliski: ''Computer Vision - Algorithms and Applications.'' Springer-Verlag, London 2011, ISBN 978-1-84882-934-3, [[doi:10.1007/978-1-84882-935-0]] [http://szeliski.org/Book (szeliski.org)]</ref>

Fan-vom-Wiki: /* Kamerakalibrierung */ Tippfehler

2024-11-28T12:00:46Z

Kamerakalibrierung: Tippfehler

← Nächstältere Version		Version vom 28. November 2024, 14:00 Uhr
Zeile 68:		Zeile 68:
	Im engeren Sinne wird unter einer Kamerakalibrierung die Bestimmung der [[Innere und äußere Orientierung\|inneren Orientierung]] verstanden. Dies sind alle Modellparameter, welche die Kamerageometrie beschreiben. Dazu zählen i. d. R. die ''Koordinaten des Hauptpunktes'', die ''Kamerakonstante'' sowie ''Verzeichnungsparameter''. Im weiteren Sinne wird unter einer Kamerakalibrierung aber auch die gleichzeitige Bestimmung der äußeren Orientierung verstanden. Da man sowieso meistens beides bestimmen muss, zumindest wenn man eine Kalibrierung mittels bekannten 3D-Koordinaten durchführt, wird dies im Computer Vision oft synonym verwendet. In der [[Photogrammetrie]] hingegen ist es durchaus noch üblich eine Laborkalibierung (z. B. mittels [[Goniometer]]) auszuführen, wo die innere Orientierung direkt bestimmt werden kann.		Im engeren Sinne wird unter einer Kamerakalibrierung die Bestimmung der [[Innere und äußere Orientierung\|inneren Orientierung]] verstanden. Dies sind alle Modellparameter, welche die Kamerageometrie beschreiben. Dazu zählen i. d. R. die ''Koordinaten des Hauptpunktes'', die ''Kamerakonstante'' sowie ''Verzeichnungsparameter''. Im weiteren Sinne wird unter einer Kamerakalibrierung aber auch die gleichzeitige Bestimmung der äußeren Orientierung verstanden. Da man sowieso meistens beides bestimmen muss, zumindest wenn man eine Kalibrierung mittels bekannten 3D-Koordinaten durchführt, wird dies im Computer Vision oft synonym verwendet. In der [[Photogrammetrie]] hingegen ist es durchaus noch üblich eine Laborkalibierung (z. B. mittels [[Goniometer]]) auszuführen, wo die innere Orientierung direkt bestimmt werden kann.

	Am häufigsten wird eine Kamera mittels eines bekannten Testfeldes oder Kalibrierrahmen kalibriert. Dabei sind die 3D-Koordinaten gegeben und die abgebildeten Bildkoordinaten werden gemessen. Somit kann man mittels den bekannten Abbildungsbeziehungen ein Gleichungssystem aufstellen, um die Parameter des Abbildungsmodells zu bestimmen. Abhängig von den Genauigkeitsanforderungen verwendet man ein geeignetes Kameramodell. ~~Eine~~ genaues Modell ist in der Abbildung dargestellt (s. Abb. rechts).		Am häufigsten wird eine Kamera mittels eines bekannten Testfeldes oder Kalibrierrahmen kalibriert. Dabei sind die 3D-Koordinaten gegeben und die abgebildeten Bildkoordinaten werden gemessen. Somit kann man mittels den bekannten Abbildungsbeziehungen ein Gleichungssystem aufstellen, um die Parameter des Abbildungsmodells zu bestimmen. Abhängig von den Genauigkeitsanforderungen verwendet man ein geeignetes Kameramodell. Ein genaues Modell ist in der Abbildung dargestellt (s. Abb. rechts).

	=== Optische Begriffe in Kameras ===		=== Optische Begriffe in Kameras ===

Hydro: typo

2024-06-20T11:58:26Z

typo

← Nächstältere Version		Version vom 20. Juni 2024, 13:58 Uhr
Zeile 1:		Zeile 1:
	{{Begriffsklärungshinweis\|~~Für~~ ~~das~~ Softwareunternehmen siehe [[Computervision]]}}		{{Begriffsklärungshinweis\|Zu dem Softwareunternehmen siehe [[Computervision]].}}

	'''Computer Vision''' ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurwissenschaften und versucht die von Kameras aufgenommenen Bilder auf unterschiedlichste Art und Weise zu verarbeiten und zu analysieren, um deren Inhalt zu verstehen oder geometrische Informationen zu extrahieren. Der Begriff ''Computer Vision'' bedeutet auf Deutsch so viel wie ''computerbasiertes Sehen'' (oder kurz: ''Computer-Sehen''). Im englischen Sprachraum wird ebenfalls der Begriff '''Machine Vision''' (auf Deutsch: [[#Maschinelles Sehen\|Maschinelles Sehen]]) synonym zu Computer Vision verwendet, wobei die Anwendung im industriellen Umfeld betont wird.		'''Computer Vision''' ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurwissenschaften und versucht die von Kameras aufgenommenen Bilder auf unterschiedlichste Art und Weise zu verarbeiten und zu analysieren, um deren Inhalt zu verstehen oder geometrische Informationen zu extrahieren. Der Begriff ''Computer Vision'' bedeutet auf Deutsch so viel wie ''computerbasiertes Sehen'' (oder kurz: ''Computer-Sehen''). Im englischen Sprachraum wird ebenfalls der Begriff '''Machine Vision''' (auf Deutsch: [[#Maschinelles Sehen\|Maschinelles Sehen]]) synonym zu Computer Vision verwendet, wobei die Anwendung im industriellen Umfeld betont wird.
Zeile 140:		Zeile 140:

	== Merkmalsextraktion und Mustererkennung (feature detection and pattern recognition) ==		== Merkmalsextraktion und Mustererkennung (feature detection and pattern recognition) ==

	=== Kantendetektion (edge detection) ===		=== Kantendetektion (edge detection) ===
	{{Hauptartikel\|Kantendetektion}}		{{Hauptartikel\|Kantendetektion}}
Zeile 190:		Zeile 189:
	* sich wiederholende Muster kann zu falsch zugeordneten Bildpunkten führen		* sich wiederholende Muster kann zu falsch zugeordneten Bildpunkten führen

	Entsprechend gibt es eine Vielzahl an ganz unterschiedlichen Methoden. Man unterscheidet grauwertbasierte (flächenhafte) von merkmalsbasierten Verfahren. Die flächenhaften Verfahren untersuchen kleine Bildausschnitte und vergleichen die jeweiligen Grauwerte (Helligkeitswerte). Die merkmalsbasierten Verfahren extrahieren zunächst Merkmale (z. B. Eckpunkte) und gleichen darauf aufbauende ~~Mermalsvektoren~~ ab.		Entsprechend gibt es eine Vielzahl an ganz unterschiedlichen Methoden. Man unterscheidet grauwertbasierte (flächenhafte) von merkmalsbasierten Verfahren. Die flächenhaften Verfahren untersuchen kleine Bildausschnitte und vergleichen die jeweiligen Grauwerte (Helligkeitswerte). Die merkmalsbasierten Verfahren extrahieren zunächst Merkmale (z. B. Eckpunkte) und gleichen darauf aufbauende Merkmalsvektoren ab.
	<!--		<!--
	== 3D-Rekonstruktion ==-->		== 3D-Rekonstruktion ==-->
Zeile 269:		Zeile 268:

	== Weitere Methoden ==		== Weitere Methoden ==

	=== SLAM ===		=== SLAM ===
	{{Hauptartikel\|Simultaneous_Localization_and_Mapping}}		{{Hauptartikel\|Simultaneous_Localization_and_Mapping}}

	Als SLAM ([[Englische Sprache\|englisch]] '''Simultaneous Localization and Mapping'''; [[Deutsche Sprache\|deutsch]] ''Simultane Positionsbestimmung und Kartenerstellung'') wird ein Verfahren bezeichnet, welches vor allem zur autonomen Navigation eingesetzt wird. Dabei ist ein mobiler Roboter mit verschiedenen Sensoren ausgerüstet, um seine Umgebung dreidimensional zu erfassen. Das besondere an diesem Verfahren ist, dass die Positionsbestimmung und die Kartenerstellung gleichzeitig durchgeführt werden. Die Bestimmung der absoluten Position ist eigentlich nur möglich, wenn man bereits eine Karte hat und anhand von Landmarken, die der Roboter identifiziert, dessen Lage innerhalb der Karte bestimmen kann. Oftmals sind die Karten jedoch nicht detailliert genug, weswegen ein mobiler Roboter keine – in der Karte vorhandene – Landmarken finden kann. Darüber hinaus ist die Identifikation solcher Landmarken äußerst schwierig, weil die Perspektive einer Karte eine völlig andere ist, als die Perspektive des Roboters.<ref>{{Internetquelle \|autor=Rongxing Li, Kaichang Di, Larry H. Matthies, William M. Folkner, Raymond E. Arvidson \|url=https://www.ingentaconnect.com/content/asprs/pers/2004/00000070/00000001/art00001 \|titel=Rover Localization and Landing-Site Mapping Technology for the 2003 Mars Exploration Rover Mission \|datum=2004-01 \|abruf=2020-06-11 \|sprache=en }}</ref> Mit SLAM versucht man solche Problemstellungen zu lösen.		Als SLAM ([[Englische Sprache\|englisch]] '''Simultaneous Localization and Mapping'''; [[Deutsche Sprache\|deutsch]] ''Simultane Positionsbestimmung und Kartenerstellung'') wird ein Verfahren bezeichnet, welches vor allem zur autonomen Navigation eingesetzt wird. Dabei ist ein mobiler Roboter mit verschiedenen Sensoren ausgerüstet, um seine Umgebung dreidimensional zu erfassen. Das besondere an diesem Verfahren ist, dass die Positionsbestimmung und die Kartenerstellung gleichzeitig durchgeführt werden. Die Bestimmung der absoluten Position ist eigentlich nur möglich, wenn man bereits eine Karte hat und anhand von Landmarken, die der Roboter identifiziert, dessen Lage innerhalb der Karte bestimmen kann. Oftmals sind die Karten jedoch nicht detailliert genug, weswegen ein mobiler Roboter keine – in der Karte vorhandene – Landmarken finden kann. Darüber hinaus ist die Identifikation solcher Landmarken äußerst schwierig, weil die Perspektive einer Karte eine völlig andere ist, als die Perspektive des Roboters.<ref>{{Internetquelle \|autor=Rongxing Li, Kaichang Di, Larry H. Matthies, William M. Folkner, Raymond E. Arvidson \|url=https://www.ingentaconnect.com/content/asprs/pers/2004/00000070/00000001/art00001 \|titel=Rover Localization and Landing-Site Mapping Technology for the 2003 Mars Exploration Rover Mission \|datum=2004-01 \|abruf=2020-06-11 \|sprache=en}}</ref> Mit SLAM versucht man solche Problemstellungen zu lösen.

	== Anwendungen ==		== Anwendungen ==

Monow: Rechtschreibung

2024-06-01T21:40:28Z

Rechtschreibung

← Nächstältere Version		Version vom 1. Juni 2024, 23:40 Uhr
Zeile 1:		Zeile 1:
	{{Begriffsklärungshinweis\|Für das Softwareunternehmen siehe [[Computervision]]}}		{{Begriffsklärungshinweis\|Für das Softwareunternehmen siehe [[Computervision]]}}

	'''Computer Vision''' ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurwissenschaften und versucht die von Kameras aufgenommenen Bilder auf unterschiedlichste Art und Weise zu verarbeiten und zu analysieren, um deren Inhalt zu verstehen oder geometrische Informationen zu extrahieren. Der Begriff ''Computer Vision'' bedeutet auf Deutsch ~~soviel~~ wie ''computerbasiertes Sehen'' (oder kurz: ''Computer-Sehen''). Im englischen Sprachraum wird ebenfalls der Begriff '''Machine Vision''' (auf Deutsch: [[#Maschinelles Sehen\|Maschinelles Sehen]]) synonym zu Computer Vision verwendet, wobei die Anwendung im industriellen Umfeld betont wird.		'''Computer Vision''' ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurwissenschaften und versucht die von Kameras aufgenommenen Bilder auf unterschiedlichste Art und Weise zu verarbeiten und zu analysieren, um deren Inhalt zu verstehen oder geometrische Informationen zu extrahieren. Der Begriff ''Computer Vision'' bedeutet auf Deutsch so viel wie ''computerbasiertes Sehen'' (oder kurz: ''Computer-Sehen''). Im englischen Sprachraum wird ebenfalls der Begriff '''Machine Vision''' (auf Deutsch: [[#Maschinelles Sehen\|Maschinelles Sehen]]) synonym zu Computer Vision verwendet, wobei die Anwendung im industriellen Umfeld betont wird.

	Typische Aufgaben der Computer Vision sind die Objekterkennung und die Vermessung der geometrischen Struktur von Objekten sowie von Bewegungen (Fremdbewegung, Eigenbewegung). Dabei wird auf Algorithmen aus der [[Bildverarbeitung]] zurückgegriffen, zum Beispiel die [[Segmentierung (Bildverarbeitung)\|Segmentierung]] und auf Verfahren der [[Mustererkennung]], beispielsweise zur Klassifizierung von Objekten. Dabei kommen [[Wahrscheinlichkeitstheorie\|statistische]] (bzw. [[Probabilistische Graphische Modelle\|probabilistische]]) Methoden zum Einsatz, Methoden der Bildverarbeitung, der [[Projektive Geometrie\|projektiven Geometrie]], aus der [[Künstliche Intelligenz\|Künstlichen Intelligenz]] und der [[Computergrafik]]. Die Werkzeuge stammen meistens aus der [[Mathematik]], insbesondere aus [[Geometrie]], [[Lineare Algebra\|linearer Algebra]], [[Statistik]], [[Operations Research]] ([[Optimierung]]) und [[Funktionalanalysis]]. Darüber hinaus besteht eine enge Verwandtschaft zu benachbarten Fachgebieten, wie der [[Photogrammetrie]], der [[Fernerkundung]] und der [[Kartografie]].<ref name=":2">David A. Forsyth, Jean Ponce: ''Computer Vision: A Modern Approach.'' 2. Auflage. 2012, Pearson Education, Prentice Hall 2012, ISBN 978-0-13-608592-8.</ref><ref>Reinhard Klette: ''Concise Computer Vision - An Introduction into Theory and Algorithms.'' Springer-Verlag, London 2014, ISBN 978-1-4471-6319-0, [[doi:10.1007/978-1-4471-6320-6]]</ref><ref name=":3">Richard Szeliski: ''Computer Vision - Algorithms and Applications.'' Springer-Verlag, London 2011, ISBN 978-1-84882-934-3, [[doi:10.1007/978-1-84882-935-0]] [http://szeliski.org/Book (szeliski.org)]</ref>		Typische Aufgaben der Computer Vision sind die Objekterkennung und die Vermessung der geometrischen Struktur von Objekten sowie von Bewegungen (Fremdbewegung, Eigenbewegung). Dabei wird auf Algorithmen aus der [[Bildverarbeitung]] zurückgegriffen, zum Beispiel die [[Segmentierung (Bildverarbeitung)\|Segmentierung]] und auf Verfahren der [[Mustererkennung]], beispielsweise zur Klassifizierung von Objekten. Dabei kommen [[Wahrscheinlichkeitstheorie\|statistische]] (bzw. [[Probabilistische Graphische Modelle\|probabilistische]]) Methoden zum Einsatz, Methoden der Bildverarbeitung, der [[Projektive Geometrie\|projektiven Geometrie]], aus der [[Künstliche Intelligenz\|Künstlichen Intelligenz]] und der [[Computergrafik]]. Die Werkzeuge stammen meistens aus der [[Mathematik]], insbesondere aus [[Geometrie]], [[Lineare Algebra\|linearer Algebra]], [[Statistik]], [[Operations Research]] ([[Optimierung]]) und [[Funktionalanalysis]]. Darüber hinaus besteht eine enge Verwandtschaft zu benachbarten Fachgebieten, wie der [[Photogrammetrie]], der [[Fernerkundung]] und der [[Kartografie]].<ref name=":2">David A. Forsyth, Jean Ponce: ''Computer Vision: A Modern Approach.'' 2. Auflage. 2012, Pearson Education, Prentice Hall 2012, ISBN 978-0-13-608592-8.</ref><ref>Reinhard Klette: ''Concise Computer Vision - An Introduction into Theory and Algorithms.'' Springer-Verlag, London 2014, ISBN 978-1-4471-6319-0, [[doi:10.1007/978-1-4471-6320-6]]</ref><ref name=":3">Richard Szeliski: ''Computer Vision - Algorithms and Applications.'' Springer-Verlag, London 2011, ISBN 978-1-84882-934-3, [[doi:10.1007/978-1-84882-935-0]] [http://szeliski.org/Book (szeliski.org)]</ref>

Aka: /* Digitale Sensoren */ Tippfehler entfernt

2024-05-02T20:13:18Z

Digitale Sensoren: Tippfehler entfernt

← Nächstältere Version		Version vom 2. Mai 2024, 22:13 Uhr
Zeile 52:		Zeile 52:
	{{Hauptartikel\|Bildsensor}}		{{Hauptartikel\|Bildsensor}}

	Zur Detektion des Lichts benötigt man lichtempfindliche Sensoren, die Licht in Strom umwandeln können. Schon 1970 wurde ein [[CCD-Sensor]] (Englisch: ''charge coupled device'', auf ~~deutsch~~: ladungsgekoppeltes Bauelement) zur Bildaufnahme entwickelt. Durch Aneinanderreihung in einer Zeile erhält man einen Zeilensensor und entsprechende Anordnung in einer Fläche erhält man einen flächenhaften Sensor. Jedes einzelne Element wird dabei als Pixel (Englisch: picture element) bezeichnet.		Zur Detektion des Lichts benötigt man lichtempfindliche Sensoren, die Licht in Strom umwandeln können. Schon 1970 wurde ein [[CCD-Sensor]] (Englisch: ''charge coupled device'', auf Deutsch: ladungsgekoppeltes Bauelement) zur Bildaufnahme entwickelt. Durch Aneinanderreihung in einer Zeile erhält man einen Zeilensensor und entsprechende Anordnung in einer Fläche erhält man einen flächenhaften Sensor. Jedes einzelne Element wird dabei als Pixel (Englisch: picture element) bezeichnet.

	Alternativ dazu gibt es auch einen flächenhaften Sensor [[Active Pixel Sensor\|CMOS]] (Englisch: ''complementary metal-oxide-semiconductor, auf ~~deutsch~~: komplementärer / sich ergänzender Metall-Oxid-[[Halbleiter]]'') genannt.		Alternativ dazu gibt es auch einen flächenhaften Sensor [[Active Pixel Sensor\|CMOS]] (Englisch: ''complementary metal-oxide-semiconductor, auf Deutsch: komplementärer / sich ergänzender Metall-Oxid-[[Halbleiter]]'') genannt.

	[[Datei:3-Sensor-System.png\|mini\|Prinzip einer 3-Sensor-Farbkamera mittels Strahlteiler]]		[[Datei:3-Sensor-System.png\|mini\|Prinzip einer 3-Sensor-Farbkamera mittels Strahlteiler]]

OlafTheScientist: /* Korrespondenzproblem (Bildpunktzuordnung) */ Link zum Hauptartikel hinzugefügt

2024-01-03T21:55:47Z

Korrespondenzproblem (Bildpunktzuordnung): Link zum Hauptartikel hinzugefügt

← Nächstältere Version		Version vom 3. Januar 2024, 23:55 Uhr
Zeile 181:		Zeile 181:

	== Korrespondenzproblem (Bildpunktzuordnung) ==		== Korrespondenzproblem (Bildpunktzuordnung) ==
			{{Hauptartikel\|Korrespondenzproblem (Bildverarbeitung)}}
	Die Suche nach einander zugeordneten (homologen) Bildpunkten zwischen Stereo-Bildern wird in Computer Vision als Korrespondenzproblem bezeichnet. Im englischen Fachjargon wird dies auch als ''image matching'' (Bildabgleich) bezeichnet. Dies ist ein Kernproblem, welches besonders schwierig ist, weil von der zweidimensionalen Abbildung auf ihre dreidimensionale Entsprechung rückgeschlossen wird. Es gibt deswegen viele Gründe, warum die Suche korrespondierender Bildpunkte fehlschlagen kann:<ref name=":4">{{Literatur \|Autor=J. Chris McGlone, Edward M Mikhail, James S Bethel, Roy Mullen, American Society for Photogrammetry and Remote Sensing \|Titel=Manual of photogrammetry \|Auflage=5 \|Verlag=American Society for Photogrammetry and Remote Sensing \|Ort=Bethesda, Md. \|Datum=2004 \|ISBN=1-57083-071-1}}</ref>		Die Suche nach einander zugeordneten (homologen) Bildpunkten zwischen Stereo-Bildern wird in Computer Vision als Korrespondenzproblem bezeichnet. Im englischen Fachjargon wird dies auch als ''image matching'' (Bildabgleich) bezeichnet. Dies ist ein Kernproblem, welches besonders schwierig ist, weil von der zweidimensionalen Abbildung auf ihre dreidimensionale Entsprechung rückgeschlossen wird. Es gibt deswegen viele Gründe, warum die Suche korrespondierender Bildpunkte fehlschlagen kann:<ref name=":4">{{Literatur \|Autor=J. Chris McGlone, Edward M Mikhail, James S Bethel, Roy Mullen, American Society for Photogrammetry and Remote Sensing \|Titel=Manual of photogrammetry \|Auflage=5 \|Verlag=American Society for Photogrammetry and Remote Sensing \|Ort=Bethesda, Md. \|Datum=2004 \|ISBN=1-57083-071-1}}</ref>

Visualnarrative: Interwikilink entfernt

2023-12-19T08:57:58Z

Interwikilink entfernt

← Nächstältere Version		Version vom 19. Dezember 2023, 10:57 Uhr
Zeile 215:		Zeile 215:
	Bei diesem Verfahren benutzt man mehrere Bilder, welche das Objekts aus unterschiedlichen Richtungen abbilden, um aus deren äußeren Umriss (die Silhouette) seine geometrische Form abzuleiten. Bei diesem Verfahren wird die Kontour aus einem groben Volumen quasi herausgeschnitten, so ähnlich wie ein Bildhauer eine Büste aus einem groben Holzklotz herausschnitzt. Im englischen Sprachgebrauch wird hierbei auch von Shape-from-Contour oder Space-Carving gesprochen.		Bei diesem Verfahren benutzt man mehrere Bilder, welche das Objekts aus unterschiedlichen Richtungen abbilden, um aus deren äußeren Umriss (die Silhouette) seine geometrische Form abzuleiten. Bei diesem Verfahren wird die Kontour aus einem groben Volumen quasi herausgeschnitten, so ähnlich wie ein Bildhauer eine Büste aus einem groben Holzklotz herausschnitzt. Im englischen Sprachgebrauch wird hierbei auch von Shape-from-Contour oder Space-Carving gesprochen.

	Voraussetzung für diese Technik ist, dass man das zu bestimmende Objekt (Vordergrund) vom Hintergrund trennen kann. Dabei kommen Techniken zur Bildsegmentierung zum Einsatz. Das Ergebnis wird dann als Representation eines Volumens mittels [[Voxel]] dargestellt und wird auch visuelle Hülle (auf Englisch: ~~[[:en:Visual hull\|~~visual hull]]) genannt.<ref name=":1" />		Voraussetzung für diese Technik ist, dass man das zu bestimmende Objekt (Vordergrund) vom Hintergrund trennen kann. Dabei kommen Techniken zur Bildsegmentierung zum Einsatz. Das Ergebnis wird dann als Representation eines Volumens mittels [[Voxel]] dargestellt und wird auch visuelle Hülle (auf Englisch: visual hull) genannt.<ref name=":1" />

	=== Shape-from-Shading / Photometric Stereo ===		=== Shape-from-Shading / Photometric Stereo ===

Vergänglichkeit: /* top */Link mit AWB

2023-06-14T10:50:01Z

top: Link mit AWB

← Nächstältere Version		Version vom 14. Juni 2023, 12:50 Uhr
Zeile 5:		Zeile 5:
	Typische Aufgaben der Computer Vision sind die Objekterkennung und die Vermessung der geometrischen Struktur von Objekten sowie von Bewegungen (Fremdbewegung, Eigenbewegung). Dabei wird auf Algorithmen aus der [[Bildverarbeitung]] zurückgegriffen, zum Beispiel die [[Segmentierung (Bildverarbeitung)\|Segmentierung]] und auf Verfahren der [[Mustererkennung]], beispielsweise zur Klassifizierung von Objekten. Dabei kommen [[Wahrscheinlichkeitstheorie\|statistische]] (bzw. [[Probabilistische Graphische Modelle\|probabilistische]]) Methoden zum Einsatz, Methoden der Bildverarbeitung, der [[Projektive Geometrie\|projektiven Geometrie]], aus der [[Künstliche Intelligenz\|Künstlichen Intelligenz]] und der [[Computergrafik]]. Die Werkzeuge stammen meistens aus der [[Mathematik]], insbesondere aus [[Geometrie]], [[Lineare Algebra\|linearer Algebra]], [[Statistik]], [[Operations Research]] ([[Optimierung]]) und [[Funktionalanalysis]]. Darüber hinaus besteht eine enge Verwandtschaft zu benachbarten Fachgebieten, wie der [[Photogrammetrie]], der [[Fernerkundung]] und der [[Kartografie]].<ref name=":2">David A. Forsyth, Jean Ponce: ''Computer Vision: A Modern Approach.'' 2. Auflage. 2012, Pearson Education, Prentice Hall 2012, ISBN 978-0-13-608592-8.</ref><ref>Reinhard Klette: ''Concise Computer Vision - An Introduction into Theory and Algorithms.'' Springer-Verlag, London 2014, ISBN 978-1-4471-6319-0, [[doi:10.1007/978-1-4471-6320-6]]</ref><ref name=":3">Richard Szeliski: ''Computer Vision - Algorithms and Applications.'' Springer-Verlag, London 2011, ISBN 978-1-84882-934-3, [[doi:10.1007/978-1-84882-935-0]] [http://szeliski.org/Book (szeliski.org)]</ref>		Typische Aufgaben der Computer Vision sind die Objekterkennung und die Vermessung der geometrischen Struktur von Objekten sowie von Bewegungen (Fremdbewegung, Eigenbewegung). Dabei wird auf Algorithmen aus der [[Bildverarbeitung]] zurückgegriffen, zum Beispiel die [[Segmentierung (Bildverarbeitung)\|Segmentierung]] und auf Verfahren der [[Mustererkennung]], beispielsweise zur Klassifizierung von Objekten. Dabei kommen [[Wahrscheinlichkeitstheorie\|statistische]] (bzw. [[Probabilistische Graphische Modelle\|probabilistische]]) Methoden zum Einsatz, Methoden der Bildverarbeitung, der [[Projektive Geometrie\|projektiven Geometrie]], aus der [[Künstliche Intelligenz\|Künstlichen Intelligenz]] und der [[Computergrafik]]. Die Werkzeuge stammen meistens aus der [[Mathematik]], insbesondere aus [[Geometrie]], [[Lineare Algebra\|linearer Algebra]], [[Statistik]], [[Operations Research]] ([[Optimierung]]) und [[Funktionalanalysis]]. Darüber hinaus besteht eine enge Verwandtschaft zu benachbarten Fachgebieten, wie der [[Photogrammetrie]], der [[Fernerkundung]] und der [[Kartografie]].<ref name=":2">David A. Forsyth, Jean Ponce: ''Computer Vision: A Modern Approach.'' 2. Auflage. 2012, Pearson Education, Prentice Hall 2012, ISBN 978-0-13-608592-8.</ref><ref>Reinhard Klette: ''Concise Computer Vision - An Introduction into Theory and Algorithms.'' Springer-Verlag, London 2014, ISBN 978-1-4471-6319-0, [[doi:10.1007/978-1-4471-6320-6]]</ref><ref name=":3">Richard Szeliski: ''Computer Vision - Algorithms and Applications.'' Springer-Verlag, London 2011, ISBN 978-1-84882-934-3, [[doi:10.1007/978-1-84882-935-0]] [http://szeliski.org/Book (szeliski.org)]</ref>

	Anwendungsgebiete sind z. B. die autonome Navigation von Robotern (Fahrerassistenzsysteme), die Filmindustrie zur Erschaffung virtueller Welten ([[Virtuelle Realität\|virtual reality]]), die Spieleindustrie zum Eintauchen und Interagieren in virtuellen Räumen ([[Erweiterte Realität\|augmented reality]]), die [[Mustererkennung\|Erkennung]] und [[Tracking\|Verfolgung]] von Objekten (z. B. Fußgänger) oder die Registrierung von medizinischen CT-Aufnahmen und die Erkennung von krankem Gewebe.		Anwendungsgebiete sind z. B. die autonome Navigation von Robotern (Fahrerassistenzsysteme), die Filmindustrie zur Erschaffung virtueller Welten ([[Virtuelle Realität\|virtual reality]]), die Spieleindustrie zum Eintauchen und Interagieren in virtuellen Räumen ([[Erweiterte Realität\|augmented reality]]), die [[Mustererkennung\|Erkennung]] und [[Tracking (Spurverfolgung)\|Verfolgung]] von Objekten (z. B. Fußgänger) oder die Registrierung von medizinischen CT-Aufnahmen und die Erkennung von krankem Gewebe.

	== Geschichte ==		== Geschichte ==

Pasamu: "Computer Sehen" wäre auf Englisch eher "computer see".

2023-05-08T17:26:42Z

"Computer Sehen" wäre auf Englisch eher "computer see".

← Nächstältere Version		Version vom 8. Mai 2023, 19:26 Uhr
Zeile 1:		Zeile 1:
	{{Begriffsklärungshinweis\|Für das Softwareunternehmen siehe [[Computervision]]}}		{{Begriffsklärungshinweis\|Für das Softwareunternehmen siehe [[Computervision]]}}

	'''Computer Vision''' ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurwissenschaften und versucht die von Kameras aufgenommenen Bilder auf unterschiedlichste Art und Weise zu verarbeiten und zu analysieren, um deren Inhalt zu verstehen oder geometrische Informationen zu extrahieren. Der Begriff ''Computer Vision'' bedeutet auf Deutsch soviel wie ''computerbasiertes Sehen'' (oder kurz: ''Computer Sehen''). Im englischen Sprachraum wird ebenfalls der Begriff '''Machine Vision''' (auf Deutsch: [[#Maschinelles Sehen\|Maschinelles Sehen]]) synonym zu Computer Vision verwendet, wobei die Anwendung im industriellen Umfeld betont wird.		'''Computer Vision''' ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurwissenschaften und versucht die von Kameras aufgenommenen Bilder auf unterschiedlichste Art und Weise zu verarbeiten und zu analysieren, um deren Inhalt zu verstehen oder geometrische Informationen zu extrahieren. Der Begriff ''Computer Vision'' bedeutet auf Deutsch soviel wie ''computerbasiertes Sehen'' (oder kurz: ''Computer-Sehen''). Im englischen Sprachraum wird ebenfalls der Begriff '''Machine Vision''' (auf Deutsch: [[#Maschinelles Sehen\|Maschinelles Sehen]]) synonym zu Computer Vision verwendet, wobei die Anwendung im industriellen Umfeld betont wird.

	Typische Aufgaben der Computer Vision sind die Objekterkennung und die Vermessung der geometrischen Struktur von Objekten sowie von Bewegungen (Fremdbewegung, Eigenbewegung). Dabei wird auf Algorithmen aus der [[Bildverarbeitung]] zurückgegriffen, zum Beispiel die [[Segmentierung (Bildverarbeitung)\|Segmentierung]] und auf Verfahren der [[Mustererkennung]], beispielsweise zur Klassifizierung von Objekten. Dabei kommen [[Wahrscheinlichkeitstheorie\|statistische]] (bzw. [[Probabilistische Graphische Modelle\|probabilistische]]) Methoden zum Einsatz, Methoden der Bildverarbeitung, der [[Projektive Geometrie\|projektiven Geometrie]], aus der [[Künstliche Intelligenz\|Künstlichen Intelligenz]] und der [[Computergrafik]]. Die Werkzeuge stammen meistens aus der [[Mathematik]], insbesondere aus [[Geometrie]], [[Lineare Algebra\|linearer Algebra]], [[Statistik]], [[Operations Research]] ([[Optimierung]]) und [[Funktionalanalysis]]. Darüber hinaus besteht eine enge Verwandtschaft zu benachbarten Fachgebieten, wie der [[Photogrammetrie]], der [[Fernerkundung]] und der [[Kartografie]].<ref name=":2">David A. Forsyth, Jean Ponce: ''Computer Vision: A Modern Approach.'' 2. Auflage. 2012, Pearson Education, Prentice Hall 2012, ISBN 978-0-13-608592-8.</ref><ref>Reinhard Klette: ''Concise Computer Vision - An Introduction into Theory and Algorithms.'' Springer-Verlag, London 2014, ISBN 978-1-4471-6319-0, [[doi:10.1007/978-1-4471-6320-6]]</ref><ref name=":3">Richard Szeliski: ''Computer Vision - Algorithms and Applications.'' Springer-Verlag, London 2011, ISBN 978-1-84882-934-3, [[doi:10.1007/978-1-84882-935-0]] [http://szeliski.org/Book (szeliski.org)]</ref>		Typische Aufgaben der Computer Vision sind die Objekterkennung und die Vermessung der geometrischen Struktur von Objekten sowie von Bewegungen (Fremdbewegung, Eigenbewegung). Dabei wird auf Algorithmen aus der [[Bildverarbeitung]] zurückgegriffen, zum Beispiel die [[Segmentierung (Bildverarbeitung)\|Segmentierung]] und auf Verfahren der [[Mustererkennung]], beispielsweise zur Klassifizierung von Objekten. Dabei kommen [[Wahrscheinlichkeitstheorie\|statistische]] (bzw. [[Probabilistische Graphische Modelle\|probabilistische]]) Methoden zum Einsatz, Methoden der Bildverarbeitung, der [[Projektive Geometrie\|projektiven Geometrie]], aus der [[Künstliche Intelligenz\|Künstlichen Intelligenz]] und der [[Computergrafik]]. Die Werkzeuge stammen meistens aus der [[Mathematik]], insbesondere aus [[Geometrie]], [[Lineare Algebra\|linearer Algebra]], [[Statistik]], [[Operations Research]] ([[Optimierung]]) und [[Funktionalanalysis]]. Darüber hinaus besteht eine enge Verwandtschaft zu benachbarten Fachgebieten, wie der [[Photogrammetrie]], der [[Fernerkundung]] und der [[Kartografie]].<ref name=":2">David A. Forsyth, Jean Ponce: ''Computer Vision: A Modern Approach.'' 2. Auflage. 2012, Pearson Education, Prentice Hall 2012, ISBN 978-0-13-608592-8.</ref><ref>Reinhard Klette: ''Concise Computer Vision - An Introduction into Theory and Algorithms.'' Springer-Verlag, London 2014, ISBN 978-1-4471-6319-0, [[doi:10.1007/978-1-4471-6320-6]]</ref><ref name=":3">Richard Szeliski: ''Computer Vision - Algorithms and Applications.'' Springer-Verlag, London 2011, ISBN 978-1-84882-934-3, [[doi:10.1007/978-1-84882-935-0]] [http://szeliski.org/Book (szeliski.org)]</ref>

	Anwendungsgebiete sind z. B. die autonome Navigation von Robotern (Fahrerassistenzsysteme), die Filmindustrie zur Erschaffung virtueller Welten ([[Virtuelle Realität\|virtual reality]]), die Spieleindustrie zum Eintauchen und Interagieren in virtuellen Räumen ([[Erweiterte Realität\|augmented reality]]), die [[Mustererkennung\|Erkennung]] und [[Tracking\|Verfolgung]] von Objekten (z. B. Fußgänger) oder ~~zur~~ Registrierung von medizinischen CT-Aufnahmen und Erkennung von krankem Gewebe ~~usw~~.		Anwendungsgebiete sind z. B. die autonome Navigation von Robotern (Fahrerassistenzsysteme), die Filmindustrie zur Erschaffung virtueller Welten ([[Virtuelle Realität\|virtual reality]]), die Spieleindustrie zum Eintauchen und Interagieren in virtuellen Räumen ([[Erweiterte Realität\|augmented reality]]), die [[Mustererkennung\|Erkennung]] und [[Tracking\|Verfolgung]] von Objekten (z. B. Fußgänger) oder die Registrierung von medizinischen CT-Aufnahmen und die Erkennung von krankem Gewebe.

	== Geschichte ==		== Geschichte ==

← Nächstältere Version		Version vom 13. Februar 2025, 20:43 Uhr
Zeile 1:		Zeile 1:
	{{Begriffsklärungshinweis\|Zu dem Softwareunternehmen siehe [[Computervision]].}}		{{Begriffsklärungshinweis\|Zu dem Softwareunternehmen siehe [[Computervision]].}}

	'''Computer Vision''' ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurwissenschaften und versucht die von Kameras aufgenommenen Bilder auf unterschiedlichste Art und Weise zu verarbeiten und zu analysieren, um deren Inhalt zu verstehen oder geometrische Informationen zu extrahieren. Der Begriff ''Computer Vision'' bedeutet auf Deutsch so viel wie ''computerbasiertes Sehen'' (oder kurz: ''Computer-Sehen''). Im englischen Sprachraum wird ebenfalls der Begriff '''Machine Vision''' (auf Deutsch: [[#Maschinelles Sehen\|Maschinelles Sehen]]) synonym zu Computer Vision verwendet, wobei die Anwendung im industriellen Umfeld betont wird.		'''Computer Vision''' (engl. Aussprache) ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurwissenschaften und versucht die von Kameras aufgenommenen Bilder auf unterschiedlichste Art und Weise zu verarbeiten und zu analysieren, um deren Inhalt zu verstehen oder geometrische Informationen zu extrahieren. Der Begriff ''Computer Vision'' bedeutet auf Deutsch so viel wie ''computerbasiertes Sehen'' (oder kurz: ''Computer-Sehen''). Im englischen Sprachraum wird ebenfalls der Begriff '''Machine Vision''' (auf Deutsch: [[#Maschinelles Sehen\|Maschinelles Sehen]]) synonym zu Computer Vision verwendet, wobei die Anwendung im industriellen Umfeld betont wird.

	Typische Aufgaben der Computer Vision sind die Objekterkennung und die Vermessung der geometrischen Struktur von Objekten sowie von Bewegungen (Fremdbewegung, Eigenbewegung). Dabei wird auf Algorithmen aus der [[Bildverarbeitung]] zurückgegriffen, zum Beispiel die [[Segmentierung (Bildverarbeitung)\|Segmentierung]] und auf Verfahren der [[Mustererkennung]], beispielsweise zur Klassifizierung von Objekten. Dabei kommen [[Wahrscheinlichkeitstheorie\|statistische]] (bzw. [[Probabilistische Graphische Modelle\|probabilistische]]) Methoden zum Einsatz, Methoden der Bildverarbeitung, der [[Projektive Geometrie\|projektiven Geometrie]], aus der [[Künstliche Intelligenz\|Künstlichen Intelligenz]] und der [[Computergrafik]]. Die Werkzeuge stammen meistens aus der [[Mathematik]], insbesondere aus [[Geometrie]], [[Lineare Algebra\|linearer Algebra]], [[Statistik]], [[Operations Research]] ([[Optimierung]]) und [[Funktionalanalysis]]. Darüber hinaus besteht eine enge Verwandtschaft zu benachbarten Fachgebieten, wie der [[Photogrammetrie]], der [[Fernerkundung]] und der [[Kartografie]].<ref name=":2">David A. Forsyth, Jean Ponce: ''Computer Vision: A Modern Approach.'' 2. Auflage. 2012, Pearson Education, Prentice Hall 2012, ISBN 978-0-13-608592-8.</ref><ref>Reinhard Klette: ''Concise Computer Vision - An Introduction into Theory and Algorithms.'' Springer-Verlag, London 2014, ISBN 978-1-4471-6319-0, [[doi:10.1007/978-1-4471-6320-6]]</ref><ref name=":3">Richard Szeliski: ''Computer Vision - Algorithms and Applications.'' Springer-Verlag, London 2011, ISBN 978-1-84882-934-3, [[doi:10.1007/978-1-84882-935-0]] [http://szeliski.org/Book (szeliski.org)]</ref>		Typische Aufgaben der Computer Vision sind die Objekterkennung und die Vermessung der geometrischen Struktur von Objekten sowie von Bewegungen (Fremdbewegung, Eigenbewegung). Dabei wird auf Algorithmen aus der [[Bildverarbeitung]] zurückgegriffen, zum Beispiel die [[Segmentierung (Bildverarbeitung)\|Segmentierung]] und auf Verfahren der [[Mustererkennung]], beispielsweise zur Klassifizierung von Objekten. Dabei kommen [[Wahrscheinlichkeitstheorie\|statistische]] (bzw. [[Probabilistische Graphische Modelle\|probabilistische]]) Methoden zum Einsatz, Methoden der Bildverarbeitung, der [[Projektive Geometrie\|projektiven Geometrie]], aus der [[Künstliche Intelligenz\|Künstlichen Intelligenz]] und der [[Computergrafik]]. Die Werkzeuge stammen meistens aus der [[Mathematik]], insbesondere aus [[Geometrie]], [[Lineare Algebra\|linearer Algebra]], [[Statistik]], [[Operations Research]] ([[Optimierung]]) und [[Funktionalanalysis]]. Darüber hinaus besteht eine enge Verwandtschaft zu benachbarten Fachgebieten, wie der [[Photogrammetrie]], der [[Fernerkundung]] und der [[Kartografie]].<ref name=":2">David A. Forsyth, Jean Ponce: ''Computer Vision: A Modern Approach.'' 2. Auflage. 2012, Pearson Education, Prentice Hall 2012, ISBN 978-0-13-608592-8.</ref><ref>Reinhard Klette: ''Concise Computer Vision - An Introduction into Theory and Algorithms.'' Springer-Verlag, London 2014, ISBN 978-1-4471-6319-0, [[doi:10.1007/978-1-4471-6320-6]]</ref><ref name=":3">Richard Szeliski: ''Computer Vision - Algorithms and Applications.'' Springer-Verlag, London 2011, ISBN 978-1-84882-934-3, [[doi:10.1007/978-1-84882-935-0]] [http://szeliski.org/Book (szeliski.org)]</ref>

← Nächstältere Version		Version vom 1. Juni 2024, 23:40 Uhr
Zeile 1:		Zeile 1:
	{{Begriffsklärungshinweis\|Für das Softwareunternehmen siehe [[Computervision]]}}		{{Begriffsklärungshinweis\|Für das Softwareunternehmen siehe [[Computervision]]}}

	'''Computer Vision''' ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurwissenschaften und versucht die von Kameras aufgenommenen Bilder auf unterschiedlichste Art und Weise zu verarbeiten und zu analysieren, um deren Inhalt zu verstehen oder geometrische Informationen zu extrahieren. Der Begriff ''Computer Vision'' bedeutet auf Deutsch ~~soviel~~ wie ''computerbasiertes Sehen'' (oder kurz: ''Computer-Sehen''). Im englischen Sprachraum wird ebenfalls der Begriff '''Machine Vision''' (auf Deutsch: [[#Maschinelles Sehen\|Maschinelles Sehen]]) synonym zu Computer Vision verwendet, wobei die Anwendung im industriellen Umfeld betont wird.		'''Computer Vision''' ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurwissenschaften und versucht die von Kameras aufgenommenen Bilder auf unterschiedlichste Art und Weise zu verarbeiten und zu analysieren, um deren Inhalt zu verstehen oder geometrische Informationen zu extrahieren. Der Begriff ''Computer Vision'' bedeutet auf Deutsch so viel wie ''computerbasiertes Sehen'' (oder kurz: ''Computer-Sehen''). Im englischen Sprachraum wird ebenfalls der Begriff '''Machine Vision''' (auf Deutsch: [[#Maschinelles Sehen\|Maschinelles Sehen]]) synonym zu Computer Vision verwendet, wobei die Anwendung im industriellen Umfeld betont wird.

	Typische Aufgaben der Computer Vision sind die Objekterkennung und die Vermessung der geometrischen Struktur von Objekten sowie von Bewegungen (Fremdbewegung, Eigenbewegung). Dabei wird auf Algorithmen aus der [[Bildverarbeitung]] zurückgegriffen, zum Beispiel die [[Segmentierung (Bildverarbeitung)\|Segmentierung]] und auf Verfahren der [[Mustererkennung]], beispielsweise zur Klassifizierung von Objekten. Dabei kommen [[Wahrscheinlichkeitstheorie\|statistische]] (bzw. [[Probabilistische Graphische Modelle\|probabilistische]]) Methoden zum Einsatz, Methoden der Bildverarbeitung, der [[Projektive Geometrie\|projektiven Geometrie]], aus der [[Künstliche Intelligenz\|Künstlichen Intelligenz]] und der [[Computergrafik]]. Die Werkzeuge stammen meistens aus der [[Mathematik]], insbesondere aus [[Geometrie]], [[Lineare Algebra\|linearer Algebra]], [[Statistik]], [[Operations Research]] ([[Optimierung]]) und [[Funktionalanalysis]]. Darüber hinaus besteht eine enge Verwandtschaft zu benachbarten Fachgebieten, wie der [[Photogrammetrie]], der [[Fernerkundung]] und der [[Kartografie]].<ref name=":2">David A. Forsyth, Jean Ponce: ''Computer Vision: A Modern Approach.'' 2. Auflage. 2012, Pearson Education, Prentice Hall 2012, ISBN 978-0-13-608592-8.</ref><ref>Reinhard Klette: ''Concise Computer Vision - An Introduction into Theory and Algorithms.'' Springer-Verlag, London 2014, ISBN 978-1-4471-6319-0, [[doi:10.1007/978-1-4471-6320-6]]</ref><ref name=":3">Richard Szeliski: ''Computer Vision - Algorithms and Applications.'' Springer-Verlag, London 2011, ISBN 978-1-84882-934-3, [[doi:10.1007/978-1-84882-935-0]] [http://szeliski.org/Book (szeliski.org)]</ref>		Typische Aufgaben der Computer Vision sind die Objekterkennung und die Vermessung der geometrischen Struktur von Objekten sowie von Bewegungen (Fremdbewegung, Eigenbewegung). Dabei wird auf Algorithmen aus der [[Bildverarbeitung]] zurückgegriffen, zum Beispiel die [[Segmentierung (Bildverarbeitung)\|Segmentierung]] und auf Verfahren der [[Mustererkennung]], beispielsweise zur Klassifizierung von Objekten. Dabei kommen [[Wahrscheinlichkeitstheorie\|statistische]] (bzw. [[Probabilistische Graphische Modelle\|probabilistische]]) Methoden zum Einsatz, Methoden der Bildverarbeitung, der [[Projektive Geometrie\|projektiven Geometrie]], aus der [[Künstliche Intelligenz\|Künstlichen Intelligenz]] und der [[Computergrafik]]. Die Werkzeuge stammen meistens aus der [[Mathematik]], insbesondere aus [[Geometrie]], [[Lineare Algebra\|linearer Algebra]], [[Statistik]], [[Operations Research]] ([[Optimierung]]) und [[Funktionalanalysis]]. Darüber hinaus besteht eine enge Verwandtschaft zu benachbarten Fachgebieten, wie der [[Photogrammetrie]], der [[Fernerkundung]] und der [[Kartografie]].<ref name=":2">David A. Forsyth, Jean Ponce: ''Computer Vision: A Modern Approach.'' 2. Auflage. 2012, Pearson Education, Prentice Hall 2012, ISBN 978-0-13-608592-8.</ref><ref>Reinhard Klette: ''Concise Computer Vision - An Introduction into Theory and Algorithms.'' Springer-Verlag, London 2014, ISBN 978-1-4471-6319-0, [[doi:10.1007/978-1-4471-6320-6]]</ref><ref name=":3">Richard Szeliski: ''Computer Vision - Algorithms and Applications.'' Springer-Verlag, London 2011, ISBN 978-1-84882-934-3, [[doi:10.1007/978-1-84882-935-0]] [http://szeliski.org/Book (szeliski.org)]</ref>

← Nächstältere Version		Version vom 8. Mai 2023, 19:26 Uhr
Zeile 1:		Zeile 1:
	{{Begriffsklärungshinweis\|Für das Softwareunternehmen siehe [[Computervision]]}}		{{Begriffsklärungshinweis\|Für das Softwareunternehmen siehe [[Computervision]]}}

	'''Computer Vision''' ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurwissenschaften und versucht die von Kameras aufgenommenen Bilder auf unterschiedlichste Art und Weise zu verarbeiten und zu analysieren, um deren Inhalt zu verstehen oder geometrische Informationen zu extrahieren. Der Begriff ''Computer Vision'' bedeutet auf Deutsch soviel wie ''computerbasiertes Sehen'' (oder kurz: ''Computer Sehen''). Im englischen Sprachraum wird ebenfalls der Begriff '''Machine Vision''' (auf Deutsch: [[#Maschinelles Sehen\|Maschinelles Sehen]]) synonym zu Computer Vision verwendet, wobei die Anwendung im industriellen Umfeld betont wird.		'''Computer Vision''' ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurwissenschaften und versucht die von Kameras aufgenommenen Bilder auf unterschiedlichste Art und Weise zu verarbeiten und zu analysieren, um deren Inhalt zu verstehen oder geometrische Informationen zu extrahieren. Der Begriff ''Computer Vision'' bedeutet auf Deutsch soviel wie ''computerbasiertes Sehen'' (oder kurz: ''Computer-Sehen''). Im englischen Sprachraum wird ebenfalls der Begriff '''Machine Vision''' (auf Deutsch: [[#Maschinelles Sehen\|Maschinelles Sehen]]) synonym zu Computer Vision verwendet, wobei die Anwendung im industriellen Umfeld betont wird.

	Typische Aufgaben der Computer Vision sind die Objekterkennung und die Vermessung der geometrischen Struktur von Objekten sowie von Bewegungen (Fremdbewegung, Eigenbewegung). Dabei wird auf Algorithmen aus der [[Bildverarbeitung]] zurückgegriffen, zum Beispiel die [[Segmentierung (Bildverarbeitung)\|Segmentierung]] und auf Verfahren der [[Mustererkennung]], beispielsweise zur Klassifizierung von Objekten. Dabei kommen [[Wahrscheinlichkeitstheorie\|statistische]] (bzw. [[Probabilistische Graphische Modelle\|probabilistische]]) Methoden zum Einsatz, Methoden der Bildverarbeitung, der [[Projektive Geometrie\|projektiven Geometrie]], aus der [[Künstliche Intelligenz\|Künstlichen Intelligenz]] und der [[Computergrafik]]. Die Werkzeuge stammen meistens aus der [[Mathematik]], insbesondere aus [[Geometrie]], [[Lineare Algebra\|linearer Algebra]], [[Statistik]], [[Operations Research]] ([[Optimierung]]) und [[Funktionalanalysis]]. Darüber hinaus besteht eine enge Verwandtschaft zu benachbarten Fachgebieten, wie der [[Photogrammetrie]], der [[Fernerkundung]] und der [[Kartografie]].<ref name=":2">David A. Forsyth, Jean Ponce: ''Computer Vision: A Modern Approach.'' 2. Auflage. 2012, Pearson Education, Prentice Hall 2012, ISBN 978-0-13-608592-8.</ref><ref>Reinhard Klette: ''Concise Computer Vision - An Introduction into Theory and Algorithms.'' Springer-Verlag, London 2014, ISBN 978-1-4471-6319-0, [[doi:10.1007/978-1-4471-6320-6]]</ref><ref name=":3">Richard Szeliski: ''Computer Vision - Algorithms and Applications.'' Springer-Verlag, London 2011, ISBN 978-1-84882-934-3, [[doi:10.1007/978-1-84882-935-0]] [http://szeliski.org/Book (szeliski.org)]</ref>		Typische Aufgaben der Computer Vision sind die Objekterkennung und die Vermessung der geometrischen Struktur von Objekten sowie von Bewegungen (Fremdbewegung, Eigenbewegung). Dabei wird auf Algorithmen aus der [[Bildverarbeitung]] zurückgegriffen, zum Beispiel die [[Segmentierung (Bildverarbeitung)\|Segmentierung]] und auf Verfahren der [[Mustererkennung]], beispielsweise zur Klassifizierung von Objekten. Dabei kommen [[Wahrscheinlichkeitstheorie\|statistische]] (bzw. [[Probabilistische Graphische Modelle\|probabilistische]]) Methoden zum Einsatz, Methoden der Bildverarbeitung, der [[Projektive Geometrie\|projektiven Geometrie]], aus der [[Künstliche Intelligenz\|Künstlichen Intelligenz]] und der [[Computergrafik]]. Die Werkzeuge stammen meistens aus der [[Mathematik]], insbesondere aus [[Geometrie]], [[Lineare Algebra\|linearer Algebra]], [[Statistik]], [[Operations Research]] ([[Optimierung]]) und [[Funktionalanalysis]]. Darüber hinaus besteht eine enge Verwandtschaft zu benachbarten Fachgebieten, wie der [[Photogrammetrie]], der [[Fernerkundung]] und der [[Kartografie]].<ref name=":2">David A. Forsyth, Jean Ponce: ''Computer Vision: A Modern Approach.'' 2. Auflage. 2012, Pearson Education, Prentice Hall 2012, ISBN 978-0-13-608592-8.</ref><ref>Reinhard Klette: ''Concise Computer Vision - An Introduction into Theory and Algorithms.'' Springer-Verlag, London 2014, ISBN 978-1-4471-6319-0, [[doi:10.1007/978-1-4471-6320-6]]</ref><ref name=":3">Richard Szeliski: ''Computer Vision - Algorithms and Applications.'' Springer-Verlag, London 2011, ISBN 978-1-84882-934-3, [[doi:10.1007/978-1-84882-935-0]] [http://szeliski.org/Book (szeliski.org)]</ref>

	Anwendungsgebiete sind z. B. die autonome Navigation von Robotern (Fahrerassistenzsysteme), die Filmindustrie zur Erschaffung virtueller Welten ([[Virtuelle Realität\|virtual reality]]), die Spieleindustrie zum Eintauchen und Interagieren in virtuellen Räumen ([[Erweiterte Realität\|augmented reality]]), die [[Mustererkennung\|Erkennung]] und [[Tracking\|Verfolgung]] von Objekten (z. B. Fußgänger) oder ~~zur~~ Registrierung von medizinischen CT-Aufnahmen und Erkennung von krankem Gewebe ~~usw~~.		Anwendungsgebiete sind z. B. die autonome Navigation von Robotern (Fahrerassistenzsysteme), die Filmindustrie zur Erschaffung virtueller Welten ([[Virtuelle Realität\|virtual reality]]), die Spieleindustrie zum Eintauchen und Interagieren in virtuellen Räumen ([[Erweiterte Realität\|augmented reality]]), die [[Mustererkennung\|Erkennung]] und [[Tracking\|Verfolgung]] von Objekten (z. B. Fußgänger) oder die Registrierung von medizinischen CT-Aufnahmen und die Erkennung von krankem Gewebe.

	== Geschichte ==		== Geschichte ==