Computer Vision

• Datum: Juli 2013
• Prüferin: Elli Angelopoulou
• Beisitzer: ?
• Art der Prüfung: Benoteter Schein über 5 ECTS
• Note: 1.3

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

• 3 Eigenschaften von Grassmans Law erklären

• 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