Diese Vorlesung wird im Wintersemester gelesen.
Einschreibung: Zur Einschreibung benötigen Sie ein Passwort. Sie erhalten das Passwort automatisch und sofort per
eMail. Alternativ können Sie das Passwort auch auf Anfrage per eMail an rico.nestler@tu-ilmenau.de erhalten.
Die Moodle-Einschreibung ist Voraussetzung für den Zugang zu Lehrmaterialien! Die Einschreibung zur Kursteilnahme ist ab 15.08.2022 möglich.
Dozent: Dr. Rico Nestler (rico.nestler@tu-ilmenau.de)
Zielgruppe: Studenten der BA-Studiengänge Ingenieurinformatik und Informatik sowie Biomedizinische
Technik. Studenten der BA-Studiengänge Medientechnologie und Elektrotechnik, BA-/MA-Studenten mit Interesse an Bildverarbeitung als Ergänzung oder zur Abrundung des Studiums.
Termine:
- Vorlesung: Mittwochs, 13.00-14.30 Uhr, Sr HU 211/212
- Übung: Freitags-U, 13.00-14.30 Uhr, Sr K 2002A
- Klausur: SoSe 2022, 21.09.2022, Sr-HU 117, 9.00-10.30 Uhr
Zum Inhalt:
Einführungsvorlesung WS 2022/2023
Gegenstand der Vorlesung Grundlagen der Bildverarbeitung und Mustererkennung (Bildverarbeitung 1) sind Methoden zur Lösung von Erkennungsaufgaben mit kamerabasierten technischen Systemen. Kamerabasierte ("sehende") technische Systeme sind heutzutage in der Automatisierungstechnik, der Robotik, der Medizintechnik, der Überwachungstechnik und im Automotive-Bereich sehr weit verbreitet.
Die Veranstaltung legt den Fokus zunächst auf digitale Bilder mit skalaren Pixelwerten (sogenannte Grauwertbilder), die im Sinne konkreter Aufgabenstellungen ausgewertet werden müssen. Das übergeordnete Ziel dieser Auswertung ist die Interpretation des
Bildinhaltes auf verschiedenen Abstraktionsstufen. Dazu müssen die Bilder in ihrer technisch zugänglichen Form aufbereitet, transformiert, gewandelt, analysiert und letztlich klassifiziert werden, um relevante Inhalte und Aussagen ableiten zu können.
In der Veranstaltung werden dafür wesentliche Methoden, Verfahren und Algorithmen betrachtet und im Kontext konkreter Anwendungen aus der Praxis diskutiert.
Neben den rein informatischen Aspekten der digitalen Bildverarbeitung werden in der Vorlesung wichtige Zusammenhänge zum Entstehen und zur Beschreibung digitaler Bilder vermittelt.
Im Ergebnis ist der Kursteilnehmer in der Lage, klassische Verarbeitungsketten zur Lösung bildbasierter Erkennungsaufgaben zu verstehen und zu gestalten, Teilaspekte von Verarbeitungslösungen richtig einzuordnen und umzusetzen sowie sich begrifflich sicher
in diesem interdisziplinären Wissensgebiet zu bewegen. Für aktuelle Anwendungsgebiete der Künstlichen Intelligenz, wie dem Deep Learning, werden beste Vorraussetzungen geschaffen.
Die Vorlesung ist inhaltlich wie folgt gegliedert:
- Einführung / Grundlagen
- Wesen technischer Erkennungsprozesse mit bildhaften Daten
- Primäre Wahrnehmung / Entstehen digitaler Bilder
- Bildrepräsentationen und -transformationen
- Verfahren der Bildvorverarbeitung
- Geometrische Bildtransformationen
- Bildstatistik
- Punktoperationen
- Lineare und nichtlineare lokale Operationen (Bildverbesserung, Kantenorthervorhebung und -erkennung)
- Morphologische Operationen
- Ausgewählte Aspekte der höheren Bildinhaltsanalyse
- Bildsegmentierung
- Merkmalextraktion und Klassifikation
- Übungen mit
VIP-Toolkit™-Rapid BV-Prototyping- Studentenversion
Aufbauend auf den in der Vorlesung vermittelten Inhalten kann der Studierende das erworbene Wissen in weiterführenden Veranstaltungen des Bachelor- und Masterstudiums, z.B.
- Systemtechnik und Systemtheorie der Bildverarbeitung,
- Grundlagen der Farbbildverarbeitung (Bildverarbeitung 2) oder
- Grundlagen der 3D-Bildverarbeitung (Erfassung und Verarbeitung von 3D-Daten)
sowie weiteren Veranstaltungen zur angewandten Bildverarbeitung / künstlichen Intelligenz an der TU Ilmenau abrunden, weiter auszubauen oder spezialisieren.
- Teacher: Rico Nestler
Diese Vorlesung wird im Sommersemester gelesen.
Die Moodle-Einschreibung ist Voraussetzung für die Teilnahme an der Veranstaltung! Die Einschreibung zum Kurs ist ab 01.03.2023 möglich.
Dozenten: Dr. Rico Nestler (rico.nestler@tu-ilmenau.de), Prof. Dr. Gunther Notni
Zielgruppe: Studenten der MA-Studiengänge Biomedizinische Technik sowie Ingenieurinformatik und Informatik. Studenten der MA-Studiengänge Medientechnologie und Elektrotechnik, Studenten mit Interesse an 3D-Bildverarbeitung als Ergänzung oder zur Abrundung des Studiums.
Termine (fix):
- Vorlesung
Mittwochs, 13:00-14:30 Uhr, Raum lt. OTT - Übung
Donnerstags (U), 11:00-12.30 Uhr, Raum lt. OTT
Termine (variabel):
- P
1 Termin, G-Woche, Raum lt. OTT - Konsultation
Mittwochs, 15:00-16:00 Uhr, Cisco Webex Bitte laden Sie mich nach Absprache ein.
- Klausur / Modulabschluss:
Klausur (sPL) + semesterbegleitende, alternative Studienleistung (aSL)
Vorlesungsfolien Einführungsvorlesung SoSe 2023Die Veranstaltung Grundlagen der 3D-Bildverarbeitung (Erfassung und Verarbeitung von 3D-Daten)
widmet sich technischen Ansätzen zur Gewinnung von Tiefeninformationen, den dabei erforderlichen Datenverarbeitungsaspekten. Der Schwerpunkt liegt auf optischen Ansätzen zur 3D-Datenerfassung, den zugehörigen systemtechnischen Realisierungen,
den notwendigen theoretischen Grundlagen sowie Methoden / Verfahren der (Bild)Datenverarbeitung. Mögliche Anwendungsgebiete dieser Techniken sind heutzutage sehr vielfältig und weit verbreitet, z.B.
computergrafische Modellierungen dreidimensionaler Objekte (Reverse
Engineering), Abstandsmessungen in selbstfahrenden Fahrzeugen oder zur Fahrerassistenz,
Oberflächeninspektionen oder Prüfungen auf Maßhaltigkeit in der
Qualitätssicherung, Lageschätzungen oder Hindernislokalisierung in der
Robotik bzw. der Sicherheitstechnik. Verfahren zur
Gestaltsrekonstruktion beinhalten in starkem Maße Elemente und Techniken
der klassischen Bildverarbeitung. Genauso sind zur Erfüllung von
Erkennungsaufgaben mit monokularer Bildverarbeitung heutzutage zunehmend 3D-Aspekte
zu berücksichtigen.
Die Verarbeitungsaspekte zur Gewinnung der 3D-Information werden in der Vorlesung ansatzbezogen diskutiert. Die ausführliche Darstellung des klassischen Verfahrens der Stereo- und Multikamera-Vision wird durch aktuelle Ansätze, wie die Weißlichtinterferometrie, die Fokusvariation oder das Time of Flight-Prinzip ergänzt. Die Veranstaltung schließt im Grundlagenteil wichtige systemtechnische, optische und geometrische Gesetzmäßigkeiten von Bildaufnahmeprozessen sowie Grundzüge der projektiven Geometrie ein.
Der Studierende erhält einen umfassenden Überblick zu Verfahren der Rekonstruktion von Objektoberflächen bis hin zur qualitativen Analyse ausgewählter Szenen-/Objektpunkte in dreidimensionalen Szenen. Dazu werden die theoretischen Grundlagen, die systemtechnischen Aspekte und die Methoden / Verfahren zur Ableitung räumlich, geometrischer Szeneninformationen aus digitalen Bildern diskutiert.
Aufbauend auf den vermittelten Inhalten ist der Studierende befähigt, sein Wissen in konkreten Anwendungen in einem der oben genannten Felder einzusetzen bzw. kann dieses im Rahmen weiterer Vorlesungen zur angewandten Bildverarbeitung, z.B.
- Systemtechnik und Systemtheorie der Bildverarbeitung,
sowie zur bildbasierten Mustererkennung / künstlichen Intelligenz weiter auszubauen und spezialisieren.
Die Veranstaltung ist begleitet von Übungen bzw. Exkursionen, in denen Vorlesungsinhalte nachbereitet und vertieft diskutiert werden.
Die Vorlesung ist inhaltlich wie folgt gegliedert:
- Einleitung
- Historische und wahrnehmungsphysiologische Aspekte der 3D-Erfassung
- Überblick zu technischen Grundansätzen zur optischen 3D-Erfassung
- Grundlagen
- Algebraische Beschreibung von geometrischen Transformationen, Abbildungen und Messanordnungen
- Optische Grundlagen
- Binokularer / multiokularer inkohärent optischer Ansatz zur 3D-Erfassung
- Primärdatenaufbereitung
- Tsai-Modellierung von Messkameras
- Polynokulare Messanordnungen und -systemkalibrierung
- Korrespondenzsuche in Bildern: Constraints und Algorithmen
- Subpixelgenaues Erfassen von Strukturorten
- Musterprojektion und strukturiertes Licht
- Anwendungen
- Monokular inkohärent optische Verfahren zur 3D-Erfassung über sekundäre Tiefenmerkmale
- Depth from -Motion, -Shading, -Texture, -Fokus: Prinzipien und Randbedingungen der praktischen Anwendung
- Praxisrelevante weitere Ansätze zur 3D-Erfassung
- Teacher: Rico Nestler
- Teacher: Gunther Notni
Diese Vorlesung wird im Sommersemester gelesen.
Einschreibung: Zur Einschreibung benötigen Sie ein Passwort. Sie erhalten das Passwort automatisch per eMail oder auf Anfrage per eMail an rico.nestler@tu-ilmenau.de .
Die Moodle-Einschreibung ist Voraussetzung für die Teilnahme an der Veranstaltung! Die Einschreibung zum Kurs ist ab 01.03.2023 möglich.
Dozent: Dr. Rico Nestler (rico.nestler@tu-ilmenau.de)
Zielgruppe: Studenten der BA-Studiengänge Biomedizinische Technik sowie Ingenieurinformatik und Informatik.
Studenten der MA-Studiengänge Medientechnologie und Elektrotechnik, Studenten mit Interesse an Bildverarbeitung als Ergänzung oder zur Abrundung des Studiums.
Termine (fix):
- Vorlesung
Dienstags, 15:00-16:30 Uhr, Raum lt. OTT - Übung
Mittwochs (G), 7:15-8.45 Uhr, Raum lt. OTT
Termine (variabel):
- P
Mittwochs (U), 7:00-8.30 Uhr, Raum lt. OTT
- Konsultation
(Online): Mittwochs, 15:00-16:00 Uhr, Cisco Webex Bitte laden Sie mich nach Absprache ein.
- Klausur / Modulabschluss:
Klausur (sPL) + semesterbegleitende, alternative Studienleistung (aSL)
Vorlesungsfolien Einführungsvorlesung SoSe 2023Gegenstand der Vorlesung Grundlagen der Farbbildverarbeitung (Bildverarbeitung 2) sind Methoden zur Lösung von bildbasierten Erkennungsproblemen in technischen Systemen mit Farbkameras oder mehrkanaligen bildgebenden Systemen. Erkennungsaufgaben mit kamerabasierten (sehenden) technischen Systemen sind heutzutage in der Automatisierungstechnik, der Robotik, der Medizintechnik, der Überwachungstechnik und im Automotive-Bereich sehr weit verbreitet.
Die Veranstaltung legt den Fokus auf mehrkanalige digitale Bilder am Beispiel von Bildern der spektralen Bildmodalität (Farbbilder), die im Sinne konkreter Aufgaben ausgewertet werden müssen. Die in der Vorlesung behandelten Methoden und Verfahren leiten sich unmittelbar aus bekannten Methoden der Grauwertbildverarbeitung ab, wie sie in der Vorlesung Grundlagen der Bildverarbeitung und Mustererkennung (Bildverarbeitung 1) behandelt werden oder werden unter Berücksichtigung der Zusammenhänge und der Bedeutung der Farbkanäle (Farbwerte) eines Bildes entwickelt. Dazu werden in der Veranstaltung wichtige Grundlagen zur „Farbe“ als subjektiver Sinnesempfindung, zu Farbräumen und –systemen, zur Farbmetrik vermittelt und durch Wissen zu multispektral-messenden und farbwiedergebenden Systemen ergänzt. Das Ziel der Bildauswertung ist die Interpretation des Bildinhaltes auf verschiedenen Abstraktionsstufen.Dazu müssen die Bilder in der jeweils technisch zugänglichen Form, hier als mehrkanaliges (Farb-)Bild, aufbereitet, transformiert, gewandelt, analysiert und letztlich klassifiziert werden, um relevante Inhalte und Aussagen ableiten zu können. In der Veranstaltung werden dafür wesentliche Methoden, Verfahren und Algorithmen betrachtet und im Kontext konkreter Anwendungen aus der Praxis diskutiert.
Der Studierende erhält einen umfassenden Überblick zu den Besonderheiten der Verarbeitung digitaler Farbbilder im Rahmen von technischen Erkennungsaufgaben. Neben dem rein
informatischen Aspekten der Bildverarbeitung werden dem Studenten wichtige
Zusammenhänge zum Entstehen und zur technischen Beschreibung des
Farbphänomens und der technischen Erfassung in Form digitaler Farbbilder
vermittelt. Im Ergebnis ist der Kursteilnehmer in der Lage, klassische Verarbeitungsketten zur Lösung bildbasierter Erkennungsaufgaben zu verstehen und zu gestalten, Teilaspekte von Verarbeitungslösungen richtig einzuordnen und umzusetzen
sowie sich begrifflich sicher in diesem interdisziplinären Wissensgebiet zu bewegen. Für das Verständnis aktueller Anwendungsgebiete auf diesem Gebiet, wie der multispektralen und multimodalen Bilderfassung und Bildsignalverarbeitung, werden durch
die Vorlesung wichtige Vorraussetzungen geschaffen.
Aufbauend auf den in der Vorlesung vermittelten Inhalten kann der Studierende das erworbene Wissen in weiterführenden Veranstaltungen des Bachelor- und Masterstudiums, z.B.
- Systemtechnik und Systemtheorie der Bildverarbeitung,
- Grundlagen der 3D-Bildverarbeitung (Erfassung und Verarbeitung von 3D-Daten)
sowie externen Veranstaltungen zur angewandten Bildverarbeitung / künstlichen Intelligenz an der TU Ilmenau weiter auszubauen und spezialisieren.
Die Veranstaltung ist begleitet von einer Übung, in der die Vorlesungsinhalte nachbereitet, vertieft und einfache BV-Aufgaben mit VIP-Toolkit™-Rapid BV-Prototyping- Studentenversion (VIP-Toolkit) bearbeitet werden. Zur Vorlesung werden zahlreiche VIP-Toolkit-Lehrbeispiele bereitgestellt.
Die Vorlesung ist inhaltlich wie folgt gegliedert
- Einführung / Grundlagen
- Geschichtliches (Newton, Goethe)
- Farbbegriff und Farbwahrnehmung
- Grundlagen der Farbmetrik
- Farbräume und Farbtafeln
- Ansätze zur Farbmessung und Farbkalibrierung
- Farbbildverarbeitung / Verarbeitung mehrkanaliger Bilder
- Statistik und Punktoperationen auf Farbbildern
- ColorIndexing und Histogrammmatching
- Lineare und nichtlineare lokale Operationen zur Störungsreduktion und Kantenhervorhebung
- Ausgewählte Verfahren zur Bildinhaltsanalyse von farbigen und mehrkanaligen Bildern
- Segmentierung
- Merkmalgewinnung und Klassifikation
- Übungen mit VIP-Toolkit™-Rapid BV-Prototyping- Studentenversion
- Teacher: Rico Nestler
Vorlesung Qualitätssicherung (Dr.-Ing. M. Rosenberger)
Die Methoden der Qualitätssicherung werden anhand relevanter Normenreihen zunächst theoretisch vermittelt. Insbesondere die Einordung der einzelnen Teilinhalte in die PDCA-Struktur wird immer wieder hervorgehoben. QM/QS Werkzeuge werden erklärt und in Anwendungsbeispielen vertiefend verdeutlicht. Abschließend werden die Methoden der statistischen Prozesskontrolle sowie der Versuchsplanung behandelt.
Inhaltliche Schwerpunkte bilden:
Grundlagen des Qualitätssicherung (Wesen/Einführung)
Merkmalsdefinition, Qualitätsregelkreise
Prozessorientiertes Qualitätsmanagement HLS-Struktur
ISO 9000 Normenfamilie
House of Quality
Wesen der Zertifizierung
Verteilungen in der Qualitätssicherung
Grundlagen der statistischen Prozesskontrolle SPC
Fähigkeitskennzahlen
Prüfmittelauswahl
MSA-Analyse
Design von Qualitätsregelkarten
Stichprobenprüfsysteme
Six-Sigma
FMEA
Design of Experiments
Das Modul Qualität und Zuverlässigkeit bildet einen Teil des Inhaltes für den Erwerb des Quality-Manager Junior.
- Teacher: Maik Rosenberger
- Teacher: Axel Sichardt
- Teacher: Marion Zumpf
Das Praktikum Flexible Montage / Qualitätssicherung (Fachnummer 7448) dient der Vertiefung und praktischen Übung der Vorlesungsinhalte zu den Themen Qualitätssicherung bzw. Qualitätsmanagement und Flexible Montage, Statistik, Wahrscheinlichkeitsrechnung und Verteilungen.
Die Studierenden sammeln praktische Erfahrungen in der Anwendung von Werkzeugen und Methoden der Qualitätssicherung und des Qualitätsmanagements.
Das Praktikum gehört zum Wahlkatalog Produktionstechnik im 2. Fachsemester des Master-Studiengangs Maschinenbau.
Es umfasst 4 Versuche:
- Audit (AUDIT)
- Prüfprozesseignung / Prümitttelfähigkeitsuntersuchung (PEPF)
- Qualitätsregelkarten für qualitative Merkmale (QRKA)
- Stichprobenprüfung für qualitative Merkmale (SPPA)
Literatur:
- Linß, G.: Qualitätsmanagement für Ingenieure, Fachbuchverlag Leipzig, 3. Aufl., 2011
- Linß, G.: Training Qualitätsmanagement, Fachbuchverlag Leipzig, 3. Aufl., 2011
- Linß, G.: Statistiktraining im Qualitätsmanagement, Fachbuchverlag Leipzig, 2006
Die Praktikumsanleitungen und die Betreuer mit ihren Kontaktdaten finden Sie im Download-Bereich des Fachgebietes. Die Versuche sind in der Übersicht in der Spalte FM farbig gekennzeichnet.
Terminvereinbarung bitte bitte direkt mit den Versuchsbetreuern per E-Mail mit 3 Terminvorschlägen (KW, Datum, Uhrzeit).
Das Praktikum findet in 3er-Gruppen statt.
Testatkarten werden im Sekretariat (Newtonbau 2050, Fr. Tillack) ausgegeben.
Zur Durchführung des Praktikums ist eine Belehrung zum Verhalten im Praktikum erforderlich. Belehrungsunterlagen sind ebenfalls im Download-Bereich einsehbar. Die Belehrung muss bei Ausgabe der Testatkarten im Sekretariat durch Unterschrift bestätigt werden.
- Teacher: Axel Sichardt
4 Versuche im Fachgebiet QBV
Die Praktikumsanleitungen und die Versuchsbetreuer finden Sie zurzeit noch im Download-Bereich auf der Internetseite des Fachgebietes QBV.
Terminvereinbarung bitte bitte direkt mit den Versuchsbetreuern per E-Mail mit 3 Terminvorschlägen (KW, Datum, Uhrzeit).
- Teacher: Carl-Bernhard Nopper
- Teacher: Axel Sichardt
- Teacher: Marion Zumpf
2 Versuche im Fachgebiet QBV
Die Praktikumsanleitungen und die Versuchsbetreuer finden Sie zurzeit noch im Download-Bereich auf der Internetseite des Fachgebietes QBV.
Terminvereinbarung bitte bitte direkt mit den Versuchsbetreuern per E-Mail mit 3 Terminvorschlägen (KW, Datum, Uhrzeit).
- Teacher: Carl-Bernhard Nopper
- Teacher: Axel Sichardt
- Teacher: Marion Zumpf
4 Versuche im Fachgebiet QBV
Die Praktikumsanleitungen und die Versuchsbetreuer finden Sie zurzeit noch im Download-Bereich auf der Internetseite des Fachgebietes QBV.
Terminvereinbarung bitte bitte direkt mit den Versuchsbetreuern per E-Mail mit 3 Terminvorschlägen (KW, Datum, Uhrzeit).
- Teacher: Carl-Bernhard Nopper
- Teacher: Axel Sichardt
- Teacher: Marion Zumpf
7 Versuch (aus 21 Versuchen wählbar)
Die Praktikumsanleitungen und die Versuchsbetreuer finden Sie zurzeit noch im Download-Bereich auf der Internetseite des Fachgebietes QBV.
Terminvereinbarung bitte bitte direkt mit den Versuchsbetreuern per E-Mail mit 3 Terminvorschlägen (KW, Datum, Uhrzeit).
- Teacher: Carl-Bernhard Nopper
- Teacher: Axel Sichardt
- Teacher: Marion Zumpf