Robotvision - Interaktive Studienpläne der TU Ilmenau

LV Neuroinformatik

In der Vorlesung Robotvision lernen die Studierenden die Begrifflichkeiten und das Methodenspektrum des Maschinellen Sehens mit Fokus in der mobilen Robotik kennen. Sie verstehen das Paradigma der handlungsorientierten Wahrnehmung - insbesondere zur visuellen Roboternavigation in natürlicher Umwelt. Sie beherrschen wichtige Basisoperationen für die visuelle Wahrnehmung der Umgebung (Tiefe, Bewegung, Hindernisse, Freiraum, Räumlichkeiten, eigene Position in der Welt) und können Handlungskonsequenzen aus der visuellen Wahrnehmung der Umgebung ableiten. Sie kennen Techniken der vision-basierten Umgebungswahrnehmung und der lokalen und globalen Navigation von Kognitiven Robotern in komplexer realer Einsatzumgebung.

Die Studierenden sind in der Lage, Fragestellungen aus dem o. g. Problemkreisen zu analysieren, durch Anwendung des behandelten Methodenspektrums Lösungskonzepte für unterschiedliche Fragestellungen der Service- und Assistenzrobotik zu entwerfen und umzusetzen, sowie bestehende Lösungskonzepte zu bewerten. Vor- und Nachteile der Komponenten und Verfahren im Kontext praktischer Anwendungen sind den Studierenden bekannt.

Die Lehrveranstaltung vermittelt das erforderliche Methodenspektrum aus theoretischen Grundkenntnissen und praktischen Fähigkeiten zum Verständnis, zur Implementierung und zur Anwendung von Verfahren der vision-basierten Roboternavigation und Objektmanipulation sowie zur erforderlichen Informations- und Wissensverarbeitung. Sie vermittelt sowohl Faktenwissen, begriffliches und algorithmisches Wissen aus folgenden Themenkomplexen:

• Basisoperationen d. Roboternavigation
• Neuronale Basisoperationen der visuo-motorischen Verarbeitung – der neuronale Instruktionssatz: funktionelle und topografische Abbildungen (u.a. log-polare Abbildung), Auflösungspyramiden, neuronale Felddynamik, ortsvariante Informationsverarbeitung, geschichtete Repräsentationen
• Basisoperationen & Technologien für die visuelle Umgebungswahrnehmung:
  • Detektoren & Deskriptoren für Interest-Points in 2D-Bildern
  • Bewegungssehen und optischer Fluss
  • Tiefenwahrnehmung, Tiefenkameras (RGB-D Kameras)
  • Detektoren & Deskriptoren für Tiefenbilder (3D-Bilder)
  • Visuelle Odometrie
• Vision-basierte Roboternavigation
  • Hindernisvermeidung (u.a. flussbasiert, Untergrund-Segmentierung)
  • Mapping und Selbstlokalisation
  • Visuelles SLAM (Simultaneous Localization and Map Building inkl. ORB-SLAM)
• Semantisches Szenenverständnis
• Vision-basierte Objektmanipulation

Im Rahmen des Pflichtpraktikums werden die behandelten methodischen und algorithmischen Grundlagen der vision-basierten Roboternavigation durch die Studierenden selbst softwaretechnisch umgesetzt und im Rahmen eines vorgefertigten Robotersimulations-Frameworks implementiert.

Präsenzvorlesung mit Powerpoint, Arbeitsblätter zur Vorlesung, Übungsaufgaben, Videos, Python Apps, e-Learning mittels „Jupyter Notebook”

- Hertzberg, J., Lingemann, K., Nüchter, A.: Mobile Roboter, Springer 2012

- Siegwart, R., Nourbakhsh, I. R., Scaramuzza, D.: Introduction to Autonomous Mobile Robots. MIT Press 2004

- Jähne, B. Digitale Bildverarbeitung. Springer Verlag 2005

- Bradsky, G., Kaehler, A. Learning OpenCV: Computer Vision with OpenCV Library

- Siciliano, B., Khatib: O. Springer Handbook of Robotics, Springer 2016

- Thrun, S., Burgard, W., Fox, D.: Probabilistic Robotics, MIT Press 2005

90% Klausur 90 min + 10% Praktikum

90% Klausur 90 min + 10% Praktikum

90% Klausur 90 min + 10% Praktikum