Computer Vision

Fast alles wie gehabt.

zeichne und erkläre eine pinhole camera → spiegelverkehrte, auf dem Kopf stehende Bilder der Szene
(echte pinhole cameras weisen Probleme auf → Linsen verwenden)
schreibe das thin-lens-law auf → 1/z + 1/Z = 1/f
schreibe die Formeln von radiance und irradiance auf und erkläre beide (am besten anhand von Zeichnungen) → siehe Skript (wichtig ist denke ich: radiance richtungsabhängig, irradiance nicht)
Solid Angle erklären und Formel hinschreiben

es werden spot und bar filters verwendet, wie werden die ausgedrückt → gewichtete Summe von Normalverteilungen, einmal symmetrisch, einmal lang gezogen über unterschiedliche Varianzen in x/y
Formel für 2D-Normalverteilung mit unterschiedlichem sigma_x und sigma_y und nicht-0 mean

optical flow (2D, subjektive warhnehmung) vs. motion field (projektion der eigentlichen bewegung): definition und unterschied

zeichne und erkläre die epipolar geometry → epipolar plane aufgespannt durch O, O‘ und P; epipolar lines Schnitt der epipolar plane mit Bildebenen; epipole Schnitt der epipolar line mit der baseline; epipolar constraint: die Bilder eines Punktes müssen auf den entsprechenden epipolar lines liegen
gib die analytische Beschreibung der epipolar geometry an → essential / fundamental matrix
schreib die Formeln für beide hin → p^TEp‘=0, F=K^{-T}E(K‘)^{-1}

erkläre das Framework eines Kalman-Filters → linear dynamic system mit gaussian noise
schreibe die state transition Formeln dafür auf → siehe Skript (die Formeln vom Kalman-Filter selbst waren nicht gefragt)
erkläre im Gegensatz dazu Particle Filters (welche Voraussetzungen machen diese?) → sehr allgemein, arbeitet mit einem bayesian framework. state transition Formeln für Particle Filters hinschreiben.