Wie können Roboter die Welt und ihre eigenen Bewegungen wahrnehmen, so dass sie Navigations- und Manipulationsaufgaben bewältigen können? In diesem Modul werden wir untersuchen, wie Bilder und Videos, die von an Robotern angebrachten Kameras aufgenommen werden, in Darstellungen wie Merkmale und optischen Fluss umgewandelt werden. Diese 2D-Darstellungen ermöglichen es uns dann, 3D-Informationen darüber zu extrahieren, wo sich die Kamera befindet und in welche Richtung sich der Roboter bewegt. Sie werden verstehen, wie das Greifen von Objekten durch die Berechnung der 3D-Position von Objekten erleichtert wird und wie die Navigation durch visuelle Odometrie und Landmarken-basierte Lokalisierung erreicht werden kann.
Robotik: Wahrnehmung
Dieser Kurs ist Teil von Spezialisierung Robotik
Unterrichtet auf Englisch
Einige Inhalte können nicht übersetzt werden
Dozenten: Kostas Daniilidis
40.234 bereits angemeldet
Bei enthalten
Kurs
(649 Bewertungen)
81%
Kompetenzen, die Sie erwerben
- Kategorie: Computervision
- Kategorie: Schätzung
- Kategorie: Zufallsstichprobe Konsens (Ransac)
- Kategorie: Geometrie
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
21 Quizzes, 1 Aufgabe
Kurs
(649 Bewertungen)
81%
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
Erwerben Sie ein Karrierezertifikat.
Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.
In diesem Kurs gibt es 4 Module
Willkommen bei Robotics: Wahrnehmung! Wir beginnen diesen Kurs mit einer Einführung in die Standard-Kameramodelle, die in der Computer Vision verwendet werden. Diese Modelle ermöglichen es uns, auf geometrische Weise zu verstehen, wie das Licht einer Szene in eine Kamera eintritt und auf ein 2D-Bild projiziert wird. Indem wir diese Modelle mathematisch definieren, werden wir in der Lage sein, genau zu verstehen, wie ein Punkt in 3D einem Punkt im Bild entspricht und wie sich ein Bild verändert, wenn wir eine Kamera in einer 3D-Umgebung bewegen. In den späteren Modulen werden wir diese Informationen nutzen können, um komplexe Wahrnehmungsaufgaben wie die Rekonstruktion von 3D-Szenen aus Videos durchzuführen.
Das ist alles enthalten
15 Videos2 Lektüren8 Quizzes1 Aufgabe1 Programmieraufgabe
Jetzt, da wir ein gutes Kameramodell haben, werden wir die Geometrie der perspektivischen Projektion in der Tiefe erforschen. Wir werden feststellen, dass diese Projektion die Ursache für die größte Herausforderung bei der Wahrnehmung ist, da wir eine Dimension verlieren, die wir nicht mehr direkt beobachten können. In diesem Modul lernen wir verschiedene Eigenschaften von projektiven Transformationen in der Tiefe kennen, wie z.B. Fluchtpunkte, die es uns ermöglichen, komplexe Informationen über unser grundlegendes Kameramodell hinaus abzuleiten.
Das ist alles enthalten
5 Videos4 Quizzes1 Programmieraufgabe
In diesem Modul werden wir uns mit der Extraktion von Merkmalen und der Schätzung der Körperhaltung aus zwei Bildern beschäftigen. Wir werden lernen, wie man die markantesten Teile eines Bildes findet und sie über mehrere Bilder (d.h. in einer Videosequenz) verfolgt. Anschließend lernen wir, wie wir mithilfe von Merkmalen die Position der Kamera in Bezug auf ein anderes Referenzbild auf einer Ebene mit Hilfe von Homographien bestimmen können. Wir werden auch lernen, wie wir diese Techniken robuster machen können, indem wir kleinste Quadrate verwenden, um verrauschte Merkmalspunkte zu behandeln oder RANSAC, um völlig fehlerhafte Merkmalspunkte zu entfernen.
Das ist alles enthalten
8 Videos5 Quizzes1 Programmieraufgabe
Jetzt werden wir das, was wir über die Geometrie in zwei Ansichten gelernt haben, auf Bildsequenzen, wie z.B. ein Video, ausweiten. Wir werden die grundlegenden geometrischen Beschränkungen zwischen Punktmerkmalen in Bildern, die Epipolar-Beschränkung, erläutern und lernen, wie man sie verwendet, um die relativen Posen zwischen mehreren Bildern zu extrahieren. Abschließend kombinieren wir all diese Informationen für die Anwendung von Structure from Motion, bei der wir die Trajektorie einer Kamera und einer Karte über viele Frames hinweg berechnen und unsere Schätzungen mithilfe der Bündelanpassung verfeinern.
Das ist alles enthalten
14 Videos1 Lektüre4 Quizzes1 Programmieraufgabe
Dozenten
Empfohlen, wenn Sie sich für Maschinenwesen interessieren
University of Pennsylvania
University of Pennsylvania
University of Pennsylvania
University of Toronto
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
Zeigt 3 von 649
649 Bewertungen
- 5 stars
60,40 %
- 4 stars
24,49 %
- 3 stars
7,70 %
- 2 stars
4 %
- 1 star
3,38 %
Geprüft am 31. Dez. 2018
Geprüft am 27. März 2020
Geprüft am 31. Jan. 2021
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:
Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Specializations, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kündigen können. Danach gewähren wir keine Rückerstattung, aber Sie können Ihr Abonnement jederzeit kündigen. Siehe unsere vollständigen Rückerstattungsbedingungen.