Labor: Self-Localisation and Mapping (SLAM)

Die Studierenden erwerben Kentnisse in den für Visual SLAM erforderlichen Bereichen der rechnergestützten Szenenanalyse. Auf dieser Grundlage wird ein kamerabasiertes SLAM-Verfahren für den Anwendungsbereich Automotive umgesetzt. Alle Verfahren werden in Python implementiert und praktisch angewendet.

Inhalte

Vorkenntnisse

Studierende müssen grundlegende Kenntnisse in der Programmierung mit Python besitzen, um am Labor teilnehmen zu können. Zusätzlich werden die Vorlesungen Digitale Bildverarbeitung und Computer Vision empfohlen.

Für die Zulassung zum Labor ist das Bestehen einer Vorprüfung erforderlich. Weitere Informationen erhalten Sie bei der Anmeldung.

Termine

Das Labor findet donnerstags von 14 bis 18 Uhr statt. Der erste Termin ist der 19.10.2023. Es besteht Anwesenheitspflicht.

Anmeldung

Die Anmeldung findet über die Webseite zur zentralen Vergabe der Laborplätze statt. (Link: https://www.tnt.uni-hannover.de/etinflabor/)

Literaturempfehlungen

"Multiple View Geometry in Computer Vision" by Richard Hartley and Andrew Zisserman. (DOI - abrufbar im Uni-Netz)
"Probabilistic Robotics" by Sebastian Thrun, Wolfram Burgard and Dieter Fox. (TIBKAT - verfügbar zur Leihe)

Weitere Literatur wird in der Veranstaltung bekanntgegeben.

Ansprechpartner: