Bildgestützte Automatisierung IIModulbeschreibung #50191 / Version 5
- 6 LP
- Portfolioprüfung
- Benotet
- Winter- und Sommersemester
- Deutsch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v9)
| Modul / Version | #50191 / #5 |
|---|---|
| Gültigkeit | SS 2019 – WS 2019/20 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Krüger, Jörg |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät V |
|---|---|
| Institut | Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF) |
| Fachgebiet | 35361400 FG Industrielle Automatisierungstechnik |
Kontakt
| Sekretariat | PTZ 5 |
|---|---|
| Ansprechpartner*in | Altenbuchner, Adam Michael |
| E-Mail-Adresse | lehre@iat.tu-berlin.de |
| Webseite | http://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
- 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 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.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
Arbeitsaufwand und Leistungspunkte
Bildgestützte Automatisierung II (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Bildgestützte Automatisierung II (Übung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 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 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.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
- 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
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Deutsch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| Mündliche Rücksprache zu Vorlesungsinhalten | 40 | mündlich | 45 Min für 3 Pers. |
| Vorbereitungsaufgaben zu den Übungseinheiten (Kurztests bei ISIS) | 20 | schriftlich | 5x 10 Min |
| Wissenschaftliche Ausarbeitung zu einem selbstgewählten Aspekt aus der Übung | 40 | schriftlich | 4 Seiten |
Prüfungsbeschreibung (Abschluss des Moduls)
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
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 40.
Anmeldeformalitäten
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/
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
verfügbar – https://www.isis.tu-berlin.de/
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
- Informationstechnik im Maschinenwesen
- Produktionstechnik
- Maschinenbau
- Biomedizinische Technik
- Physikalische Ingenieurwissenschaft
Sonstiges
Weitere Informationen unter http://www.iat.tu-berlin.de