Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Bildgestützte Automatisierung IIModulbeschreibung #50191 / Version 3

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v9)
Modul / Version#50191 / #3
GültigkeitWS 2015/16 – WS 2015/16
Verfügbare Sprache(n)Deutsch
Leistungspunkte6
Modulverantwortliche*rKrüger, Jörg
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Deutsch

Zugehörigkeit

FakultätFakultät V
InstitutInstitut für Werkzeugmaschinen und Fabrikbetrieb (IWF)
Fachgebiet35361400 FG Industrielle Automatisierungstechnik

Kontakt

SekretariatPTZ 5
Ansprechpartner*inAltenbuchner, Adam Michael
E-Mail-Adresselehre@iat.tu-berlin.de
Webseitehttp://www.iat.tu-berlin.de

Lernergebnisse

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

Lehrinhalte

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 C++ 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.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Bildgestützte Automatisierung IIVorlesung0536 L 114 Winter- und Sommersemester[de]2 ISIS
Bildgestützte Automatisierung IIÜbung0536 L 117 Winter- und Sommersemester[de]2 ISIS

Arbeitsaufwand und Leistungspunkte

Bildgestützte Automatisierung II (Vorlesung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Bildgestützte Automatisierung II (Übung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

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 mündliche Diskussionsrunden, die eine gezielte Förderung der Studenten ermöglicht.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

- Grundlagen der Bildverarbeitung (Bildgestützte Automatisierung I, Digital Image Processing, o.ä.)
- Grundlegende Programmierkenntnisse (insbesondere C++)
- (BSc in einem ingenieurtechnischen oder informationstechnischem Studienfach wird vorausgesetzt)

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
SpracheDeutsch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
Mündliche Rücksprache50
Übung: Abnahme der Übungseinheiten16
Übung: Schriftliche Ausarbeitung17
Übungsvorbereitung17

Prüfungsbeschreibung (Abschluss des Moduls)

Zu erreichende Gesamtpunktezahl: 100

Notenschlüssel:
95,0 bis 100,0 Punkte ... 1,0
90,0 bis 94,9 Punkte ..... 1,3
85,0 bis 89,9 Punkte ..... 1,7
80,0 bis 84,9 Punkte ..... 2,0
75,0 bis 79,9 Punkte ..... 2,3
70,0 bis 74,9 Punkte ..... 2,7
65,0 bis 69,9 Punkte ..... 3,0
60,0 bis 64,9 Punkte ..... 3,3
55,0 bis 59,9 Punkte ..... 3,7
50,0 bis 54,9 Punkte ..... 4,0
0,0 bis 49,9 Punkte ....... 5,0

Teilleistungen können nicht kompensiert werden.

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Winter- und Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 36.

Anmeldeformalitäten

Die Anmeldung für die Übung findet über das ISIS2-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/2.0/course/index.php?categoryid=198

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

verfügbar – https://www.isis.tu-berlin.de/2.0/course/index.php?categoryid=198

Empfohlene Literatur

  • 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

Zugeordnete Studiengänge

Dieses Modul findet in keinem Studiengang Verwendung.

Dieses Modul ist unter anderem geeignet für die Masterstudiengänge:
Informationstechnik im Maschinenwesen, Produktionstechnik, Maschinenbau, Biomedizinische Technik, Physikalische Ingenieurwissenschaft

Sonstiges

Weitere Informationen unter http://www.iat.tu-berlin.de