image based automation IIModule description #50191 / Version 5
- 6 CP
- Portfolio examination
- Graded
- Winter and summer semester
- German
This module description is not valid in the current semester (Winter semester 2026/27).
Current version (v9)
| Module / Version | #50191 / #5 |
|---|---|
| Validity | SS 2019 – WS 2019/20 |
| Available language(s) | German |
| Credit points | 6 |
| Person responsible for the module | Krüger, Jörg |
| Grading | Graded |
| Exam format | Portfolio examination |
| Language(s) of instruction | German |
Affiliation
| Faculty | Fakultät V |
|---|---|
| Institute | Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF) |
| Academic chair | 35361400 FG Industrielle Automatisierungstechnik |
Contact
| Office | PTZ 5 |
|---|---|
| Contact person | Altenbuchner, Adam Michael |
| E-mail address | lehre@iat.tu-berlin.de |
| Website | http://www.iat.tu-berlin.de |
Learning outcomes
Lernergebnisse sind:
- Verständnis und Anwendung verschiedener Methoden zur Merkmalsextraktion aus Bildern
- Verständnis und Anwendung verschiedener Verfahren zur Klassifikation
- Anwendung von Methoden zur problembezogenen Beurteilung verschiedener Algorithmen der Merkmalsextraktion/Klassifikation
- Kenntnisse in weiterführenden Themen der bildgestützten Automatisierung, wie beispielsweise 3D-Bilderfassung, Thermographie, Visual Servoing, Sensorfusion, Bildfolgenverarbeitung, etc.
- Selbstständiges, gruppenorientiertes Erarbeiten komplexer Problemstellungen
- Anwendung ingeneurwissenschaftlicher Methoden zur Anfertigung von schriftlichen Ausarbeitungen
- Verständnis und Anwendung verschiedener Methoden zur Merkmalsextraktion aus Bildern
- Verständnis und Anwendung verschiedener Verfahren zur Klassifikation
- Anwendung von Methoden zur problembezogenen Beurteilung verschiedener Algorithmen der Merkmalsextraktion/Klassifikation
- Kenntnisse in weiterführenden Themen der bildgestützten Automatisierung, wie beispielsweise 3D-Bilderfassung, Thermographie, Visual Servoing, Sensorfusion, Bildfolgenverarbeitung, etc.
- Selbstständiges, gruppenorientiertes Erarbeiten komplexer Problemstellungen
- Anwendung ingeneurwissenschaftlicher Methoden zur Anfertigung von schriftlichen Ausarbeitungen
Content
Die Vorlesung setzt das Modul 'Bildgestützte Automatisierung I' fort und behandelt nach der Bilderfassung und Bild(vor)verarbeitung insbesondere die Merkmalsextraktion und Klassifikation. Weiterführende Themen der bildgestützten Automatisierung wie z.B. Bewegungsanalyse, Thermografie, Sensorfusion, 3D-Bilderfassung, Visual Servoing etc., werden vorgestellt. Das breite Anwendungsspektrum der Bildverarbeitung in der Automatisierung industrieller Prozesse wird vermittelt.
In der Übung 'Bildgestützte Automatisierung II' werden die in der Vorlesung erlernten Methoden und Algorithmen für eine komplexe Problemstellung angewendet. Sukzessive wird ein Verfahren zur Verkehrszeichenerkennung mittels objektorientierter Programmiersprache und der Software-Bibliothek OpenCV realisiert. Dabei beschäftigt sich jede Übungseinheit mit einem Teilproblem (z.B. Segmentierung, Merkmalsextraktion, Klassifikation). Abschließend wird eine schriftliche Ausarbeitung in Form eines Papers angefertigt.
In der Übung 'Bildgestützte Automatisierung II' werden die in der Vorlesung erlernten Methoden und Algorithmen für eine komplexe Problemstellung angewendet. Sukzessive wird ein Verfahren zur Verkehrszeichenerkennung mittels objektorientierter Programmiersprache und der Software-Bibliothek OpenCV realisiert. Dabei beschäftigt sich jede Übungseinheit mit einem Teilproblem (z.B. Segmentierung, Merkmalsextraktion, Klassifikation). Abschließend wird eine schriftliche Ausarbeitung in Form eines Papers angefertigt.
Module components
Compulsory area
The following courses are mandatory for this module:
Workload and credit points
Bildgestützte Automatisierung II (Lecture)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Bildgestützte Automatisierung II (Exercise)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
The workload of the module adds up to 180 hours. The module therefore comprises 6 credit points.
Description of teaching and learning methods
Die Vorlesung findet hauptsächlich in Vortragsform statt. Es finden jedoch auch verschiedene didaktische Mittel Anwendung, wie u.a. Mindmap, Lehrgespräch, Metaplan etc.
Experimentelle und analytische Übungsinhalte vertiefen das in der VL vermittelte Wissen und schulen die Teamfähigkeit durch Arbeit in Gruppen. Die Übungen beinhalten Diskussionsrunden und selbstständige, kreative Auseinandersetzungen mit Problematiken der Bildgestützten Automatisierung.
Experimentelle und analytische Übungsinhalte vertiefen das in der VL vermittelte Wissen und schulen die Teamfähigkeit durch Arbeit in Gruppen. Die Übungen beinhalten Diskussionsrunden und selbstständige, kreative Auseinandersetzungen mit Problematiken der Bildgestützten Automatisierung.
Requirements for participation and examination
Desirable prerequisites for participation in the courses:
- Grundlagen der Bildverarbeitung hilfreich (Bildgestützte Automatisierung I, Digital Image Processing, o.ä.)
- Grundlegende Programmierkenntnisse notwendig (C++)
- B.Sc. in einem ingenieurtechnischen oder informationstechnischem Studienfach wird vorausgesetzt
- Grundlegende Programmierkenntnisse notwendig (C++)
- B.Sc. in einem ingenieurtechnischen oder informationstechnischem Studienfach wird vorausgesetzt
Mandatory requirements for the module examination registration:
This module has no examination requirements.
Completion of the module
| Grading | Graded |
|---|---|
| Exam format | Portfolio examination |
| Type of portfolio examination | 100 points in total |
| Language | German |
Test elements
| Name | Points/Weight | Category | Duration/Extent |
|---|---|---|---|
| Mündliche Rücksprache zu Vorlesungsinhalten | 40 | oral | 45 Min für 3 Pers. |
| Vorbereitungsaufgaben zu den Übungseinheiten (Kurztests bei ISIS) | 20 | written | 5x 10 Min |
| Wissenschaftliche Ausarbeitung zu einem selbstgewählten Aspekt aus der Übung | 40 | written | 4 Seiten |
Exam description
Die in den Prüfungselementen erreichte Leistung wird summiert.
Zu erreichende Gesamtpunktezahl: 100.
Notenschlüssel in Prozent:
ab 95% ..... 1,0
ab 90% ..... 1,3
ab 85% ..... 1,7
ab 80% ..... 2,0
ab 75% ..... 2,3
ab 70% ..... 2,7
ab 65% ..... 3,0
ab 60% ..... 3,3
ab 55% ..... 3,7
ab 50% ..... 4,0
bis 50% .... 5,0
Zu erreichende Gesamtpunktezahl: 100.
Notenschlüssel in Prozent:
ab 95% ..... 1,0
ab 90% ..... 1,3
ab 85% ..... 1,7
ab 80% ..... 2,0
ab 75% ..... 2,3
ab 70% ..... 2,7
ab 65% ..... 3,0
ab 60% ..... 3,3
ab 55% ..... 3,7
ab 50% ..... 4,0
bis 50% .... 5,0
Duration of the module
The following number of semesters is estimated for taking and completing the module: 1 semester(s).
This module can be started in the following semesters: Winter and summer semester.
Maximum number of participants
The maximum capacity of participants is 40.
Registration procedures
Die Anmeldung für die Übung findet über das ISIS-System statt. Sämtliche Kurse des Fachgebiets IAT werden ab dem 01.04. bzw. dem 01.10. zur Anmeldung freigeschaltet. Eine rechtzeitige Anmeldung sowie das Erscheinen beim Einführungstermin ist zwingend erforderlich.
https://www.isis.tu-berlin.de/
https://www.isis.tu-berlin.de/
Recommended reading, lecture notes
Lecture notes
unavailable
Electronic lecture notes
available – https://www.isis.tu-berlin.de/
Recommended literature
- B. Jähne, Digitale Bildverarbeitung
- C. Demant, Industrielle Bildverarbeitung
- C.-E.Liedtke, M. Ender; Wissensbasierte Bildverarbeitung
- G. Bradski, A. Kaehler; Learning OpenCV - Computer Vision with the OpenCV Library
- H. Bässmann, J. Kreyss; Bildverarbeitung Ad Oculos (für den Optik Teil)
- M. S. Nixon, A. S. Aguado; Feature Extraction and Image Processing
- R. Szeliski; Computer Vision: Algorithms and Applications
Assigned programs
This module is not used in any program.
Dieses Modul ist unter anderem geeignet für die Masterstudiengänge:
- Informationstechnik im Maschinenwesen
- Produktionstechnik
- Maschinenbau
- Biomedizinische Technik
- Physikalische Ingenieurwissenschaft
- Informationstechnik im Maschinenwesen
- Produktionstechnik
- Maschinenbau
- Biomedizinische Technik
- Physikalische Ingenieurwissenschaft
Miscellaneous
Weitere Informationen unter http://www.iat.tu-berlin.de