Machine Perception and Tracking - Praktikum

Aufgaben:

  • Die Webcam öffnen
  • Kantendetektion mit Sobel
  • Der Harris Eckendetektor
  • Objekterkennung mit YOLO
  • AdaBoost
  • Histogram of Oriented Gradients
  • Rechnen mit homogene Koordinaten
  • Mahalanobisdistanz
  • Nichtlineare Abbildung normalverteilter Zufallsvariablen
  • Minimum Varianz Fusion
  • Der Vorwärts-Algorithmus
  • Das Kalman-Filter
Machine Perception and Tracking - Praktikum
  • Stichwortverzeichnis

Stichwortverzeichnis

C | D | F | G | I | M | P | U

C

  • character_propabilities() (im Modul forward)
  • clean_text() (im Modul forward)

D

  • displayImage() (im Modul kanten)

F

  • forward() (im Modul forward)

G

  • get_emmision_propabilities() (im Modul forward)
  • get_initial_alpha() (im Modul forward)
  • get_state_transition_matrix() (im Modul forward)

I

  • init_filter() (Methode von kalman.KalmanFilter)

M

  • mainLoop() (im Modul kanten)
  • map_samples() (im Modul linear)
    • (im Modul oxygen)
    • (im Modul polar)

P

  • plot_covariance_ellipse() (im Modul maha)
  • predict() (Methode von kalman.KalmanFilter)
  • processImage() (im Modul kanten)

U

  • update() (Methode von kalman.KalmanFilter)

© Copyright 2025, Prof. Dr. Dennis Müller.

Erstellt mit Sphinx mit einem theme bereitgestellt von Read the Docs.