Projekt i bildanalys Trafikövervakning
|
|
- Alexander Göransson
- för 8 år sedan
- Visningar:
Transkript
1 Projekt i danalys Trafikövervakning F 99 F 00 Handledare : Håkan Ardö Hösten 3 vid Lunds Tekniska Högskola Abstract Using traffic surveillance cameras the authorities can get information about the traffic in for example intersections. They can monitor the behaviour of the road-users, and get the number of cars passing and how fast these cars move. In this work we develop an automatic segmentation and classification of the cars in an intersection in Lund. The project is done in the course Image analysis at Lund Institute of Technology. The algorithm is written in MatLab and succeeds to find and mark the cars in the images using criterias of area and speed. 1
2 Innehåll 1 Introduktion 3 2 Metod 3 3 Resultat 4 4 Diskussion 5 A Bilder 6 2
3 1 Introduktion Allt fler vägkorsningar blir utrustade med övervakningskameror. Bland dem som är intresserade av filmerna finns exempelvis Vägverket, som vill veta hur hårt trafikerade korsningar är. Även polisen kan ha nytta av kamerorna för att kunna kontrollera att trafikanterna följer lagen. Informationen som fås från en övervakningskamera i en korsning måste analyseras innan den kan användas. Till exempel vill man veta vad som rör sig i den, och hur fort det rör sig. För att slippa tillbringa många timmar framför derna för att manuellt extrahera information, vore det bra om det fanns ett datorprogram som gjorde det automatiskt. Vårt projekt är gjort inom kursen Bildanalys vid Lunds tekniska högskola. Vi har segmenterat ut fordon ur derna och sedan försökt skilja ut de som är ar. Den data vi hade bestod i en 40 minuter lång filmsekvens som visade korsningen Sölvegatan Tornavägen i Lund. Objekten segmenterades genom att bakgrunden subtraherades från derna, och fordonen klassificerades utifrån area och hastighet. Inga ar missades men ibland fick brus eller en cyklist felaktigt markeringen. 2 Metod De första minuterna av filmen från övervakningskameran sparades som 0 der. Dessa skalades ner till halva storleken för att beräkningarna skulle gå fortare. En bakgrundsd beräknades genom att alla der adderades och summan dividerades med antalet der. På så sätt erhölls en medelvärdesd. Denna d visar bara statiska föremål som vägbanan, lyktstolpar och hus eftersom trafikanter bara befinner sig på samma ställe i ett litet antal der. Denna beräkning tog ganska lång tid men behövde bara göras en gång, eftersom bakgrundsden sedan sparades och användes i alla senare beräkningar. Ur den första den segmenterades vägbanan manuellt, för att slippa att rörelser utanför vägbanan störde beräkningarna. MatLab-funktionen roipoly användes för att skapa en binär mask som sedan sparades. För varje d som laddades in subtraherades bakgrunden och masken lades på. När en d laddats in trösklades den så att alla pixlar med intensitet över 0,065 fick intensitet 1 och alla andra fick intensitet 0. För att ta bort små brusfläckar gjordes öppning på den med hjälp av MatLab-funktionen bwareaopen. För att göra områdena mer sammanhängande användes sedan dilatation med strukturelementet line i MatLab. Slutligen användes bwlabel för att ge varje område ett identifikationsnummer. I en sidofunktion beräknades tyngdpunkten och arean för varje objekt i den. Först eliminerades alla objekt som bestod av mindre än pixlar. För de som var kvar beräknades mittpunkten i x-led och y-led, samt arean som det antal pixlar objektet bestod av. Dessa tre variabler sparades i vektorer. Det största objektets data sparades på plats ett i vektorerna och därefter sorterades datan in efter minskande storlek på objekten. 3
4 För att kunna jämföra fordonens placering i olika der sparades x- och y- koordinaterna i två matriser. På första raden i matriserna lades koordinaterna för objekten i den första den och så vidare. För att kunna följa fordonen genom flera der behövde varje koordinat läggas in under den som troligast motsvarade det fordonet i förra den. För att kunna göra detta beräknades ytterligare en matris, i vilken de euklidiska avstånden mellan alla mittpunkter i den förra den och alla mittpunkter i den aktuella den sparades. För att para ihop koordinaterna söktes först det minsta avståndet i matrisen upp. De två tyngdpunkter som hade detta avstånd antogs höra ihop och sorterades in under varandra. För att inte det valda fordonet i den aktuella den skulle kopplas ihop med fler fordon i den gamla den sattes alla avstånd till det valda fordonet till oändligt stora. Sedan upprepades proceduren tills det minsta avståndet var större än 40 pixlar. Alla fordon i den aktuella den som ännu inte blivit ihopkopplade med något i den gamla den antogs vara nya, det vill säga just ha dykt upp. Koordinaterna för dessa lades in längst till höger i matriserna. I ytterligare en sidofunktion undersöktes om objekten var ar eller inte. Två kriterier användes, area och fart. Eftersom den inte var rektifierad utan en perspektivd var ar närmast kameran betydligt större än ar långt bort. Därför behövdes olika kriterier för vad som var en normal storlek. Om objektet befann sig på den övre halvan av den och var större än pixlar antogs det vara en, men på den undre halvan av den var tröskelvärdet 400. Om objektet rörde sig fortare än ett visst tröskelvärde skulle det också klassificeras som en. För var tionde d beräknades det euklidiska avståndet mellan koordinaterna för ett objekt i den och samma objekt tio der tidigare. Om detta avstånd var större än 10 pixlar antogs objektet vara en. För att visualisera resultatet visades den dilaterade den med röda cirklar (beräknade med MatLab-funktionen ellipse) kring objektens mittpunkter. Vid de objekt som klassats som ar skrevs texten ut. 3 Resultat Figur 1 visar d nummer av de 0 derna. I detta ögonblick finns fyra ar och två cyklister i korsningen. Bakgrundsden visas i figur 2. I denna syns inga fordon, utan bara statiska föremål. I den har vägbanan segmenterats. Figur 3 visar d efter att bakgrunden subtraherats. Bara fordonen finns kvar. När den trösklats, öppnats och dilaterats ser den ut som i figur 4. Bilden är binär, en del brus har plockats bort och fordonen hänger ihop. Efter att alla element mindre än pixlar tagits bort ser den ut som i figur 5. I figur 6 har banan för en av tyngdpunkterna följts i tio der och är utritad som ett streck i figuren. Figur 7 visar vilka objekt som klassas som ar om areakriteriet helt tagits bort. Runt de beräknade tyngdpunkterna är cirklar utritade, och de objekt som klassats som ar är märkta med ordet. Det enda som nu avgör om ett objekt är en är hur fort det rör sig, och den stillastående en i övre vänstra hörnet (som väntar på grönt ljus) blir felklassificerad. Figur 8 visar slutligen hur d ser ut när algoritmen klassificerat fordonen efter både area och hastighet. 4
5 4 Diskussion Bakgrundsden beräknades på alla 0 der för att få bästa möjliga resultat. Beräkning med ett lägre antal der hade gått snabbare men gett ett brusigare resultat eftersom en som till exempel väntar på grönt ljus då är med i en större del av derna och kommer med i bakgrundsden. När bakgrundsden sedan subtraheras från en d där en inte är med kommer det att se ut som om det står en där i alla fall. Omvänt kommer en inte att komma med i de der när den faktiskt finns där. Eftersom beräkningen bara behövde göras en gång gjorde det inte så mycket att det tog lång tid. När derna laddats in och bakgrundsden subtraherats trösklades de eftersom det är enklare att arbeta med binära der. Sedan gjordes en öppning på derna eftersom små brusfläckar då försvinner. Dilatationen gjorde att områdena hängde bättre ihop och att vi fick färre områden att identifiera. Trots dessa åtgärder ser man vid en jämförelse av figur 3 och figur 5 att en större brusfläck ändå följt med. Denna kommer troligen av trädskuggornas rörelse på vägbanan. Problemet är att fläcken är så stor att en algoritm som hade tagit bort den också hade tagit bort den stillastående cykeln bredvid. Tittar man i originalden (figur 1) ser man att det finns en cyklist mitt i korsningen. Tyvärr blir det objektet så litet att det filtreras bort. I figur 4 finns det fortfarande kvar men i figur 5 är objektet borta. Hade så små element släppts igenom hade figur 5 haft betydligt fler brusfläckar. Eftersom man alltid förlorar information när man filtrerar är det en svår avvägning att bestämma hur hög tröskel man ska ha. Vår algoritm lyckades klassificera arna ganska bra. Inga ar missades, men däremot klassificerades en del objekt felaktigt som ar. Ett problem är att skuggorna rör sig likadant som objekten, och ett litet objekt med en stor skugga ser därför större ut i vår segmentering. Problemet med att trädkronorna rör sig i vinden har vi undkommit genom den manuella segmenteringen i början. Tyvärr kastar träden skuggor på vägbanan, och rörelseartefakter finns därför kvar. Ett annat segmenteringsproblem uppstår eftersom den är en perspektivd, vilket medför att objekt kan täcka varandra och ser då i vår segmentering ut som ett objekt. Genom att rektifiera derna, det vill säga titta mer uppifrån, hade man kunnat minska detta problem. Strecket i figur 6 visar att algoritmen lyckats följa ett objekt i tio der. Detta var inte helt lätt. Om inte tillräckligt många pixlar är sammanhängande uppfattar algoritmen att objektet har försvunnit. När området i någon d senare är tillräckligt stort tror programmet att det är en ny och börjar en ny följning. En jämförelse av figur 7 och 8 visar tydligt att både hastighet och area måste tas i beaktande då objekten klassificeras. En stillastående blir inte klassificerad som om bara hastigheten används, trots att den är stor nog för enkelt klassificeras rätt utifrån area. Hastigheten behövs till exempel för att ar som är delvis dolda (och därför ser mindre ut), men ändå rör sig fort ska kunna klassificeras rätt. 5
6 A Bilder Figur 1: Bild nummer i originalserien. 6
7 300 3 Figur 2: Bakgrundsden beräknad som medelvärdet av 0 der. Vägbanan är manuellt segmenterad och bara statiska föremål syns Figur 3: Bild nummer när bakgrunden subtraherats bort. Bara fordonen har blivit kvar. 7
8 300 3 Figur 4: Bild nummer efter att bakgrunden subtraherats bort och återstoden trösklats, öppnats och dilaterats Figur 5: Den trösklade den efter att objekt mindre än pixlar tagits bort. Detta är den d programmet jobbar med. De fyra arna och en cyklist syns tydligt. Den andra cyklisten har försvunnit. Dessutom finns en brusfläck (förmodligen orsakad av trädskuggornas rörelse) fortfarande kvar. 8
9 300 3 Figur 6: Den färdigmanipulerade den. Strecket i en i mitten visar hur ens tyngdpunkt rört sig under 10 der Figur 7: Objektens tyngdpunkter visas med cirklar och objekten har klassificerats bara utifrån sina hastigheter. Bilen till vänster som väntar på grönt ljus blir felklassificerad. Den väntande cyklisten och bruset blir omärkt, vilket är korrekt. 9
10 300 3 Figur 8: Den slutgiltiga den när algoritmen är färdig och arna klassificerats utifrån area och hastighet. Alla ar har hittats och klassificerats rätt. Tyngdpunktsberäkningen har hittat alla objekt. 10
Ett enkelt OCR-system
P r o j e k t i B i l d a n a l y s Ett enkelt OCR-system av Anders Fredriksson F98 Fredrik Rosqvist F98 Handledare: Magnus Oskarsson Lunds Tekniska Högskola 2001-11-29 - Sida 1 - 1.Inledning Många människor
Läs merAnsiktsigenkänning med MATLAB
Ansiktsigenkänning med MATLAB Avancerad bildbehandling Christoffer Dahl, Johannes Dahlgren, Semone Kallin Clarke, Michaela Ulvhammar 12/2/2012 Sammanfattning Uppgiften som gavs var att skapa ett system
Läs merTillämplingar av bildanalys
Tillämplingar av bildanalys Hanna Källén I denna avhandling bildanalys används för att försöka lösa olika problem. En stor del av avhandlingen handlar om hur vi kan använda bildanalys för att förbättra
Läs merHur jag tänker innan jag trycker på knappen? Lasse Alexandersson
Hur jag tänker innan jag trycker på knappen? Lasse Alexandersson Hur jag tänker innan jag trycker på knappen? Bländare = Skärpedjup Slutartid = Öppettid ISO = Förstärkning Hur jag tänker innan jag trycker
Läs merTentamen Bildanalys (TDBC30) 5p
Tentamen Bildanalys (TDBC30) 5p Skrivtid: 9-15 Hjälpmedel: kursboken Digital Image Processing Svara på alla frågor på nytt blad. Märk alla blad med namn och frågenummer. Disponera tiden mellan frågorna
Läs merKort introduktion till POV-Ray, del 1
Kort introduktion till POV-Ray, del 1 Kjell Y Svensson, 2004-02-02,2007-03-13 Denna serie av artiklar ger en grundläggande introduktion och förhoppningsvis en förståelse för hur man skapar realistiska
Läs merProjekt i Bildanalys: Mönsterigenkänning inom bioinformatik
Projekt i Bildanalys: Mönsterigenkänning inom bioinformatik 2001-11-30 av Jonas Hjelm (F98) och Åsa Jönsson (F98) Handledare: Henrik Malm Jonas Hjelm f98jhj@efd.lth.se Åsa Jönsson f98ajo@efd.lth.se Inledning
Läs merSignaler, information & bilder, föreläsning 15
Signaler, information & bilder, föreläsning 5 Michael Felsberg Computer Vision Laboratory Department of Electrical Engineering michael.felsberg@liu.se Översikt Histogram och tröskelsättning Histogramutjämning
Läs merBildanalys. Segmentering. Föreläsning 7. Split and Merge. Region Growing
Föreläsning 7 1 Föreläsning 7 2 Bildanalys Rikard Berthilsson Kalle Åström Matematikcentrum Lund 27 september 2005 Segmentering Mål: Dela upp bilden i segment, d.v.s. områden som hör till samma objekt
Läs merTentamen, Programmeringsteknik för BME, F och N
LUNDS TEKNISKA HÖGSKOLA 1(6) Institutionen för datavetenskap Tentamen, Programmeringsteknik för BME, F och N 2015 06 03, 14.00 19.00 Anvisningar: Preliminärt ger uppgifterna 7 + 11 + 16 + 11 = 45 poäng.
Läs merFöre du sätter igång behöver du, förutom en videokamera och en dator, följande:
En introduktion till att filma och analysera rörelse i mekanik En stor del av den inledande kursen i mekanik är ägnad åt att studera och kvantifiera rörelse. Detta viktiga område, som kallas kinematik,
Läs merGrafisk Teknik. Rastrering. Övningar med lösningar/svar. Sasan Gooran (HT 2013)
Grafisk Teknik Rastrering Övningar med lösningar/svar Det här lilla häftet innehåller ett antal räkneuppgifter med svar och i vissa fall med fullständiga lösningar. Uppgifterna är för det mesta hämtade
Läs merBildanalys för vägbeläggningstillämplingar
Bildanalys för vägbeläggningstillämplingar Hanna Källén I denna avhandling har några forskningsfrågor gällande bestämning av vägars beständighetundersökts. Bildanalys har används för att försöka komplettera
Läs merFinal i Wallenbergs Fysikpris
Final i Wallenbergs Fysikpris 26-27 mars 2010. Teoriprov 1. En kylmaskin som drivs med en spänning på 220 Volt och en ström på 0,50 A kyler vatten i en behållare. Kylmaskinen har en verkningsgrad på 0,70.
Läs merMedicinska Bilder, TSBB31. Lab: Mätvärden på Medicinska Bilder
Medicinska Bilder, TSBB3 Lab: Mätvärden på Medicinska Bilder Maria Magnusson, 22 Senaste updatering: september 25 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings Universitet Introduktion
Läs merHandledning för att använda Skogsägarplan Webb
Handledning för att använda Skogsägarplan Webb Planen på webben kommer från början att vara ett tittskåp men kommer att utvecklas så att du som medlem skall kunna göra ekonomiska beräkningar och jämföra
Läs merLabbrapport svängande skivor
Labbrapport svängande skivor Erik Andersson Johan Schött Olof Berglund 11th October 008 Sammanfattning Grunden för att finna matematiska samband i fysiken kan vara lite svårt att förstå och hur man kan
Läs merKonvexa höljet Laboration 6 GruDat, DD1344
Konvexa höljet Laboration 6 GruDat, DD1344 Örjan Ekeberg 10 december 2008 Målsättning Denna laboration ska ge dig övning i att implementera en algoritm utgående från en beskrivning av algoritmen. Du ska
Läs merGrundritning Torpargrund
Grundritning Torpargrund Ritningsnummer Grundritning... 2 Startfil för Grundritning... 3 Inställning för Grundritning... 4 Rita rektangulär torpargrund baserad på två punkter... 6 Fri Yttermur/Hjärtmur...
Läs merSKRIVNING I VEKTORGEOMETRI
SKRIVNING I VEKTORGEOMETRI Delkurs 1 016 Om inget annat uttryckligen sägs, kan koordinaterna för en vektor i antas vara givna i en ON-bas. Baser i rummet kan dessutom antas vara positivt orienterade. 1.
Läs merNAMN KLASS/GRUPP. Poängsumma: Känguruskutt: UPPGIFT 1 2 3 4 5 6 7 8 9 10 SVAR UPPGIFT 11 12 13 14 15 16 17 18 19 20 SVAR
Känguru 2010 Junior (gymnasiet åk 1) sida 1 / 6 NAMN KLASS/GRUPP Poängsumma: Känguruskutt: Lösgör svarsblanketten. Skriv ditt svarsalternativ under uppgiftsnumret. Lämna rutan tom om du inte vill besvara
Läs merTrepoängsproblem. Kängurutävlingen 2011 Cadet. 1 Vilket av följande uttryck har störst värde? 1 A: B: C: D: E: 2011
Trepoängsproblem 1 Vilket av följande uttryck har störst värde? 1 A: 2011 1 B: 1 2011 C: 1 2011 D: 1 + 2011 E: 2011 2 Övergångsställen är markerade med vita och svarta streck som är 50 cm breda. Markeringen
Läs merMedicinska Bilder, TSBB31. Lab: Mätvärden på Medicinska Bilder
Medicinska Bilder, TSBB3 Lab: Mätvärden på Medicinska Bilder Maria Magnusson, 22 Senaste updatering: september 27 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings Universitet Introduktion
Läs mer729G43 Artificiell intelligens (2016) Maskininlärning 2. Marco Kuhlmann Institutionen för datavetenskap
729G43 Artificiell intelligens (2016) Maskininlärning 2 Marco Kuhlmann Institutionen för datavetenskap Förra gången: Gradientsökning tangentens lutning i punkt θ steglängdsfaktor Översikt Introduktion
Läs mer1. Compute the following matrix: (2 p) 2. Compute the determinant of the following matrix: (2 p)
UMEÅ UNIVERSITY Department of Mathematics and Mathematical Statistics Pre-exam in mathematics Linear algebra 2012-02-07 1. Compute the following matrix: (2 p 3 1 2 3 2 2 7 ( 4 3 5 2 2. Compute the determinant
Läs merLinjära ekvationer med tillämpningar
UMEÅ UNIVERSITET Institutionen för matematik och matematisk statistik Olof Johansson, Nina Rudälv 2006-10-17 SÄL 1-10p Linjära ekvationer med tillämpningar Avsnitt 2.1 Linjära ekvationer i en variabel
Läs merWALLENBERGS FYSIKPRIS
WALLENBERGS FYSIKPRIS KVALIFICERINGS- OCH LAGTÄVLING 22 januari 2009 SVENSKA FYSIKERSAMFUNDET LÖSNINGSFÖRSLAG 1. (a) Rörelsemotståndsarbetet på nervägen är A n = F motst s = k mg s = k (2 180 + 52 100)
Läs merLaboration 1. Grafisk teknik Rastrering. Sasan Gooran (HT 2004)
Laboration 1 Grafisk teknik ------------------------------------- Rastrering Sasan Gooran (HT 2004) Introduktion 1.0 Introduktion Den här laborationen måste förberedas innan laborationstillfället. Ett
Läs merLutande torn och kluriga konster!
Lutande torn och kluriga konster! Aktiviteter för barn under Vetenskapsfestivalens skolprogram 2001 Innehåll 1 Bygga lutande torn som inte faller 2 2 Om konsten att vinna betingat godis i spel 5 3 Den
Läs merTEM Projekt Transformmetoder
TEM Projekt Transformmetoder Utförs av: Mikael Bodin 19940414 4314 William Sjöström 19940404 6956 Sammanfattning I denna laboration undersöks hur Fouriertransformering kan användas vid behandling och analysering
Läs meranvändarhandledning skogsägarplan webb
2 1. Översikt Verktygsknappar Här väljer du vilken plan du vill se och du kan även välja om du vill se data från ett skifte. Här väljer du vilka kartlager som skall synas på kartan. För att synas måste
Läs merMoment 4.2.1, 4.2.2, 4.2.3, Viktiga exempel 4.1, 4.3, 4.4, 4.5, 4.6, 4.13, 4.14 Övningsuppgifter 4.1 a-h, 4.2, 4.3, 4.4, 4.5, 4.
Moment 4.2.1, 4.2.2, 4.2., 4.2.4 Viktiga exempel 4.1, 4., 4.4, 4.5, 4.6, 4.1, 4.14 Övningsuppgifter 4.1 a-h, 4.2, 4., 4.4, 4.5, 4.7 Många av de objekt man arbetar med i matematiken och naturvetenskapen
Läs merFysikalisk mätning av vägmarkeringars area
VTI notat 53 2003 VTI notat 53-2003 Fysikalisk mätning av vägmarkeringars area Författare Elisabeth Ågren FoU-enhet Drift och underhåll Projektnummer 80571 Projektnamn Empiriska studier inom CDU T25 Uppdragsgivare
Läs merPublikation 1994:40 Mätning av tvärfall med mätbil
Publikation 1994:40 Mätning av tvärfall med mätbil Metodbeskrivning 109:1994 1. Orientering... 3 2. Sammanfattning... 3 3. Begrepp... 3 3.1 Benämningar... 3 4. Utrustning... 4 4.1 Mätfordon... 4 4.2 Utrustning
Läs merNumerisk lösning till den tidsberoende Schrödingerekvationen.
Numerisk lösning till den tidsberoende Schrödingerekvationen. Det är enbart i de enklaste fallen t ex när potentialen är sträckvis konstant som vi kan lösa Schrödingerekvationen analytiskt. I andra fall
Läs mer3. Välj den sprajt (bild) ni vill ha som fallande objekt, t ex en tårta, Cake. Klicka därefter på OK.
Moment 2: Klonspel Instruktioner för deltagare Idag ska du få lära dig om: Kloner - kopior av samma figur (sprajt) Variabler - ett värde, exempelvis antal poäng Slumptal - slå en tärning för att välja
Läs mer-Projekt- FMA170- Bildanalys
-Projekt- FMA170- Bildanalys Karl Berggren, 820503-2454 d02kb@student.lth.se Andreas Helgegren, 811119-2715 d02ah@student.lth.se Handledare: Håkan Ardö hakan@debian.org 30 november 2007 1 Projektide Undertexter
Läs merBildmosaik. Bilddatabaser, TNM025. Anna Flisberg Linne a Mellblom. linme882. Linko pings Universitet
Bildmosaik Bilddatabaser, TNM025 Linko pings Universitet Anna Flisberg Linne a Mellblom annfl042 linme882 28 maj 2015 Innehåll 1 Introduktion 2 2 Metod 2 2.1 Features..............................................
Läs merUppgift 1 ( Betyg 3 uppgift )
2005-06-09.kl.08-13 Uppgift 1 ( Betyg 3 uppgift ) Ett plustecken kan se ut på många sätt. En variant är den som ses nedan. Skriv ett program som låter användaren mata in storleken på plusset enligt exemplen
Läs merKänguru 2013 Cadet (åk 8 och 9) i samarbete med Jan-Anders Salenius vid Brändö gymnasium
sida 1 / 7 NAMN KLASS/GRUPP Poängsumma: Känguruskutt: Lösgör svarsblanketten. Skriv ditt svarsalternativ under uppgiftsnumret. Lämna rutan tom om du inte vill besvara den frågan. Gissa inte, felaktigt
Läs merHögskoleprovet Kvantitativ del
Högskoleprovet Kvantitativ del Här följer anvisningar till de kvantitativa delproven XYZ, KVA, NOG och DTK. Provhäftet innehåller 40 uppgifter och den totala provtiden är 55 minuter. XYZ Matematisk problemlösning
Läs merGREENSIGHT-2. Sve. Bruksanvisning. Greensight-2 Rev 1.1 ( ) 1
GREENSIGHT-2 Sve Bruksanvisning Greensight-2 Rev 1.1 (2013-04-03) 1 Greensight-2 Backvarningssystem Detta fordon är utrustat med Greensight-2 Backvarningssystem som upptäcker bakomvarande personer och
Läs merGrundläggande om kameran
Gatufotogruppen Sida 1 (5) Grundläggande om kameran De mest grundläggande principerna. Vilka typer av hänsyn som just gatufotografi kräver map kamerainställningar Christer Strömholm: Ögonblick kommer som
Läs merOptimering av resväg genom Sverige
Umeå Universitet 2007-05-28 Institutionen för tillämpad fysik och elektronik Optimering av resväg genom Sverige Magnus Melander Kristina Odeblad Sammanfattning Kostnaden för att besöka fjorton städer i
Läs merLaboration 2. Grafisk teknik (TNM059) Digital Rastrering. S. Gooran (VT2007)
Laboration 2 Grafisk teknik (TNM059) Digital Rastrering S. Gooran (VT2007) Introduktion Denna laboration handlar om rastrering och är tänkt att fungera som komplement till rastreringsföreläsningar och
Läs mer8 Binär bildbehandling
8 Binär bildbehandling 8.. Man kan visa att en kontinuerlig liksidig triangel har formfaktorn P2A = P 2 4πA =.65, där P är omkretsen och A är arean. π Nedanstående diskreta triangel är en approximation
Läs merMatematisk modellering fortsättningskurs Visuell variation
Matematisk modellering fortsättningskurs Visuell variation Johan Hedberg, Fredrik Svensson, Frida Hansson, Samare Jarf 12 maj 2011 1 1 Sammanfattning I denna rapport undersöker vi en modell för att beskriva
Läs mer3 Man kan derivera i Matlab genom att approximera derivator med differenskvoter. Funktionen cosinus deriveras för x-värdena på följande sätt.
Kontrolluppgifter 1 Gör en funktion som anropas med där är den siffra i som står på plats 10 k Funktionen skall fungera även för negativa Glöm inte dokumentationen! Kontrollera genom att skriva!"#$ &%
Läs mer= ( 1) ( 1) = 4 0.
MATA15 Algebra 1: delprov 2, 6 hp Fredagen den 17:e maj 2013 Skrivtid: 800 1300 Matematikcentrum Matematik NF Lösningsförslag 1 Visa att vektorerna u 1 = (1, 0, 1), u 2 = (0, 2, 1) och u 3 = (2, 2, 1)
Läs merHögskoleprovet Kvantitativ del
Högskoleprovet Kvantitativ del Här följer anvisningar till de kvantitativa delproven XYZ, KVA, NOG och DTK. Provhäftet innehåller 40 uppgifter och den totala provtiden är 55 minuter. XYZ Matematisk problemlösning
Läs merFingerprint Matching
Fingerprint Matching Björn Gustafsson bjogu419 Linus Hilding linhi307 Joakim Lindborg joali995 Avancerad bildbehandling TNM034 Projektkurs Biometri 2006 1 Innehållsförteckning 1 Innehållsförteckning 2
Läs merAtt använda bildhanteringsprogram, del 2
Att använda bildhanteringsprogram, del 2 Gå till Adobe Online (M) Markeringsram - (L) Lasso - (C) Beskärning - (J) Airbrush - (S) Klonstämpel - (E) Suddgummi - (R) Oskärpa - (A) Markering av bankomponenter
Läs merResurscentrums matematikleksaker
Resurscentrums matematikleksaker Aktiviteter för barn och vuxna Innehåll 1 Bygga lutande torn som inte faller 2 2 Om konsten att vinna betingat godis i spel 5 3 Den snåle grosshandlarens våg 6 4 Tornen
Läs merObligatoriska uppgifter i MATLAB
Obligatoriska uppgifter i MATLAB Introduktion Följande uppgifter är en obligatorisk del av kursen och lösningarna ska redovisas för labhandledare. Om ni inte använt MATLAB tidigare är det starkt rekommenderat
Läs merProjektarbete i Bildanalys vid Institutionen för Matematik Lunds Tekniska Högskola. Segmentering. Av: Karin Kolmert och Julia Stojanov
Projektarbete i Bildanalys vid Institutionen för Matematik Lunds Tekniska Högskola Segmentering Av: Karin Kolmert och Julia Stojanov Handledare: Björn Johansson 29 November, 2001 1 Inledning I detta projekt
Läs merGrundritning Platta på mark
Grundritning Platta på mark Inställning för grund i vån. 1 av projektet... 2 Ritningsnummer Grundritning... 4 Startfil för Grundritning... 4 Inställning för Grundritning... 5 Grundritning för golvvärme
Läs merL A B R A P P O R T 1
L A B R A P P O R T 1 BILDTEKNIK Dan Englesson Emil Brissman 9 september 2011 17:04 1 Camera noise 1.1 Task 1 Ett antal svarta bilder togs genom att fota i totalt mörker för att beräkna kamerans svartnivå.
Läs merObservera också att det inte går att både se kanten på fönstret och det där ute tydligt samtidigt.
Om förstoringsglaset Du kan göra mycket med bara ett förstoringsglas! I många sammanhang i det dagliga livet förekommer linser. Den vanligast förekommande typen är den konvexa linsen, den kallas också
Läs merOptiWay GIS Vind. Manual - Version OptiWay
OptiWay GIS Vind - Version 3.7.1 OptiWay Innehållsförteckning Ämne Sida Inledning sida. 3 Översikt sida. 3 Startsida sida. 4 Öppna sida. 4 Återställ sida. 5 Import sida. 5 Import av Projekt, Verk, Vindmätare
Läs merSnake. Digitala Projekt (EITF11) Fredrik Jansson, I-12 Lunds Tekniska Högskola,
Snake Digitala Projekt (EITF11) Fredrik Jansson, I-12 Lunds Tekniska Högskola, 2015-05-18 Oskar Petersen, I-12 Handledare: Bertil Lindvall Abstract Denna rapport beskriver ett projekt där ett klassiskt
Läs merSpecifikation av kandidatexjobb
Specifikation av kandidatexjobb 3D-rekonstruktion av Rubiks kub André Gräsman Rasmus Göransson grasman@kth.se rasmusgo@kth.se 890430-3214 850908-8517 Introduktion Vi vill göra en förstudie om 3D rekonstruktion.
Läs mer,5 10. Skuggat. Svart ,2 4. Randigt. b) 0,4 10. b) 0,3 10. b) 0,08. b) 0, ,7 0, ,17 0,95 0,15 0,2 + 0,7
Tal a) 00 50 00 c) 5 00 a) 0,0 0,5 c) 0,05 Färg Bråkform Decimalform Röd Grön _ Gul _ Blå _ a) 7 00 70 00 07 00 5 00 50 00 05 00 00 0,0 00 0,0 0 00 0, 0 00 0, 0,07 0,7,07,05 0,5,5 5 a) Bråkform Decimalform
Läs merGrundläggande om kameran
Gatufotogruppen Sida 1 (6) Grundläggande om kameran De mest grundläggande principerna. Vilka typer av hänsyn som just gatufotografi kräver map kamerainställningar Christer Strömholm: Ögonblick kommer som
Läs merKortaste Ledningsdragningen mellan Tre Städer
Kortaste Ledningsdragningen mellan Tre Städer Tre städer A, B och C, belägna som figuren till höger visar, ska förbindas med fiberoptiska kablar. En så kort ledningsdragning som möjligt vill uppnås för
Läs merx = som är resultatet av en omskrivning av ett ekvationssystemet som ursprungligen kunde ha varit 2x y+z = 3 2z y = 4 11x 3y = 5 Vi får y z
Ett nytt försök med att ta fram inversen till en matris Innan vi startar med att bestämma inversen till en matris måste vi veta varför vi skulle kunna behöva den. Vi har A x b som är resultatet av en omskrivning
Läs merInfoVisaren s grundfunktionalitet
InfoVisaren s grundfunktionalitet Snabbt komma igång Zooma in (förstora) Klicka på - placera muspekaren på kartan, enkelklicka och kartan förstoras. Zooma ut (visa ett större område) Klicka på - placera
Läs merSKRIVNING I VEKTORGEOMETRI
SKRIVNING I VEKTORGEOMETRI 2016-05-10 14.00-17.00 Om inget annat uttryckligen sägs, kan koordinaterna för en vektor i antas vara givna i en ON-bas. Baser i rummet kan dessutom antas vara positivt orienterade.
Läs merTAIU07 Matematiska beräkningar med Matlab
TAIU07 Matematiska beräkningar med Matlab Laboration 3. Linjär algebra Namn: Personnummer: Epost: Namn: Personnummer: Epost: Godkänd den: Sign: Retur: 1 Introduktion 2 En Komet Kometer rör sig enligt ellipsformade
Läs merFöreläsning 5-6 Innehåll. Exempel på program med objekt. Exempel: kvadratobjekt. Objekt. Skapa och använda objekt Skriva egna klasser
Föreläsning 5-6 Innehåll Exempel på program med objekt Skapa och använda objekt Skriva egna klasser public class DrawSquare { public static void main(string[] args) { SimpleWindow w = new SimpleWindow(600,
Läs merTentamen. 2D4135 vt 2004 Objektorienterad programmering, design och analys med Java Torsdagen den 3 juni 2004 kl 9.00 14.
Tentamen 2D4135 vt 2004 Objektorienterad programmering, design och analys med Java Torsdagen den 3 juni 2004 kl 9.00 14.00, sal D31 Tentan har en teoridel och en problemdel. På teoridelen är inga hjälpmedel
Läs merHistogramberäkning på en liten bild
Signal- och Bildbehandling FÖRELÄSNING Histogram och tröskelsättning Binär bildbehandling Morfologiska operationer Dilation (Expansion) och Erosion () och kombinationer Avståndskartor Mäta avstånd i bilder
Läs merFöreläsning 5-6 Innehåll
Föreläsning 5-6 Innehåll Skapa och använda objekt Skriva egna klasser Datavetenskap (LTH) Föreläsning 5-6 HT 2017 1 / 32 Exempel på program med objekt public class DrawSquare { public static void main(string[]
Läs merPrestandautvärdering samt förbättringsförslag
Prestandautvärdering samt förbättringsförslag Henrik Johansson Version 1.0 Status Granskad Godkänd 1 PROJEKTIDENTITET Reglerteknisk projektkurs, WalkCAM, 2007/VT Linköpings tekniska högskola, ISY Namn
Läs merMatematiska uppgifter
Elementa Årgång 69, 1986 Årgång 69, 1986 Första häftet 3420. Två ljus av samma längd är gjorda av olika material så att brinntiden är olika. Det ena brinner upp på tre timmar och det andra på fyra timmar.
Läs merExtramaterial till Matematik Y
LIBER PROGRAMMERING OCH DIGITAL KOMPETENS Extramaterial till Matematik Y NIVÅ TVÅ Geometri ELEV Desmos Geometry är ett matematikverktyg som bland annat kan hjälpa dig att avbilda geometriska figurer och
Läs merSegmentering av celler med hjälp av aktiva konturer och level sets
Segmentering av celler med hjälp av aktiva konturer och level sets - Modifiering av befintlig algoritm Abstrakt Detta projekt är en modifiering av en redan befintlig algoritm med en hypotes att kunna segmentera
Läs merFinal i Wallenbergs Fysikpris
Final i Wallenbergs Fysikpris 26-27 mars 2010. Teoriprov Lösningsförslag 1. a) Vattens värmekapacitivitet: Isens värmekapacitivitet: Smältvärmet: Kylmaskinen drivs med spänningen och strömmen. Kylmaskinens
Läs merUppgift 1 ( Betyg 3 uppgift )
2008-03-25.kl.14-19 Uppgift 1 ( Betyg 3 uppgift ) Du skall skriva ett program (en funktion), my_plot_figure, som läser in ett antal sekvenser av koordinater från tangentbordet och ritar ut dessa till en
Läs merOskyddade Trafikanter
Oskyddade Trafikanter Inledning I vårt arbete om gruppen oskyddade trafikanter det vill säga alla de som befinner sid vid eller på en väg som inte färdas eller tar sig fram i ett fordon som är stängt och
Läs merProgrammering. Den första datorn hette ENIAC.
Programmering Datorn är bara en burk. Den kan inget själv. Hur får man den att göra saker? Man programmerar den. Människor som funderar ut program som fungerar. Datorn förstår bara ettor och nollor och
Läs merFöreläsning 7: Klassificering, minsta kvadratproblem, SVD, forts.
Föreläsning 7: Klassificering, minsta kvadratproblem, SVD, forts. Berkant Savas Tillämpad matematik i natur och teknikvetenskap, TNA5 Institutionen för teknik och naturvetenskap Linköpings universitet
Läs merKänguru 2013 Junior sida 1 / 8 (gymnasiet åk 1) i samarbete med Jan-Anders Salenius vid Brändö gymnasium
Känguru 2013 Junior sida 1 / 8 NAMN KLASS / GRUPP Poängsumma: Känguruskutt: Lösgör svarsblanketten. Skriv ditt svarsalternativ under uppgiftsnumret. Felaktigt svar ger minus 1/4 poäng av uppgiftens totala
Läs merBildbehandling, del 1
Bildbehandling, del Andreas Fhager Kapitelhänvisningar till: Image Processing, Analysis and Machine Vision, 3rd ed. by Sonka, Hlavac and Boyle Representation av en bild Så här kan vi plotta en bild tex
Läs merFrågor och svar om reservantagning
Frågor och svar om reservantagning 1. Frågor om tekniska problem (att saker inte syns eller att man inte kommer åt vissa funktioner). 1 2. Frågor som gäller strykningar och återbud... 2 3. Frågor som gäller
Läs merLEKTION PÅ GRÖNA LUND GRUPP A (GY)
LEKTION PÅ GRÖNA LUND GRUPP A (GY) t(s) FRITT FALL Hur långt är det till horisonten om man är 80 m.ö.h.? Titta på en karta i förväg och försök räkna ut hur långt man borde kunna se åt olika håll när man
Läs merSKRIVNING I VEKTORGEOMETRI Delkurs
SKRIVNING I VEKTORGEOMETRI Delkurs 1 2015 Om inget annat uttryckligen sägs, kan koordinaterna för en vektor i antas vara givna i en ON-bas. Baser i rummet kan dessutom antas vara positivt orienterade.
Läs merResultatkonferens inom Fordons- och trafiksäkerhet
Resultatkonferens inom Fordons- och trafiksäkerhet Non Hit Car & Truck Volvo Personvagnar med flera projektparter presenterar de resultat som nåtts avseende: 360 vy för bilar Fusion av sensordata Kollisionsfria
Läs merOm ellipsen och hyperbelns optiska egenskaper
Om ellipsen och hyperbelns optiska egenskaper Anders Källén MatematikCentrum LTH anderskallen@gmail.com Sammanfattning Ellipser och hyperbler är, liksom parabeln, s.k. kägelsnitt, dvs kurvor som uppkommer
Läs merLokala betygskriterier Matematik åk 8
Lokala betygskriterier Matematik åk 8 Mer om tal För Godkänt ska du: Kunna dividera och multiplicera med 10, 100 och 1000. Kunna räkna ut kilopriset för en vara. Kunna multiplicera och dividera med positiva
Läs merLästal från förr i tiden
Lästal från förr i tiden Nedan presenteras ett antal problem som normalt leder till ekvationer av första graden. Inled din lösning med ett antagande. Teckna sedan ekvationen. Då ekvationen är korrekt uppställt
Läs merStokastisk geometri. Lennart Råde. Chalmers Tekniska Högskola och Göteborgs Universitet
Stokastisk geometri Lennart Råde Chalmers Tekniska Högskola och Göteborgs Universitet Inledning. I geometrin studerar man geometriska objekt och deras inbördes relationer. Exempel på geometriska objekt
Läs merInnehållsförteckning
CANDY4 HD 20150129 Innehållsförteckning 1 Vad är CANDY4 HD?... 4 2 Säkerhetsföreskrifter... 5 3 Vad finns i förpackningen?... 6 4 Fysisk beskrivning... 7 5 Kom igång... 9 5.1 Ladda batteriet... 9 5.2 Ta
Läs merNär man vill definiera en matris i MATLAB kan man skriva på flera olika sätt.
"!$#"%'&)(*,&.-0/ 177 Syftet med denna övning är att ge en introduktion till hur man arbetar med programsystemet MATLAB så att du kan använda det i andra kurser. Det blir således inga matematiska djupdykningar,
Läs merFörenklad förklaring i anslutning till kompedieavsnitten 6.3 och 6.4
Ext-6 (Ver 2010-08-09) 1(5) Förenklad förklaring i anslutning till kompedieavsnitten 6.3 och 6.4 Tecken-beloppsrepresentation av heltal Hur skall man kunna räkna med negativa tal i ett digitalt system,
Läs merAnalys och slutsatsprotokoll för dödsolyckor
Månad: Januari Projekt 2007- Skåne OLYCKA 1 Analys och slutsatsprotokoll för dödsolyckor Datum: 2007-01-03 Riksväg 21, ca 1 km från Lommarpskorset Hässleholm Hastighetsbegränsning: 90 km/tim Förare, framsätespassagerare
Läs merPalette. Matchning fakturor mot order - Manual. Version 1.0 / 140530
Palette Matchning fakturor mot order - Manual 1 Innehållsförteckning TIPS:... 3 MATCHA FAKTURA... 4 OM FAKTURARADER FINNS I FÄLT 3... 6 Automatisk ommatchning... 6 Kvar att matcha... 7 Om rader får röd
Läs merLaboration i Fourieroptik
Laboration i Fourieroptik David Winge Uppdaterad 30 januari 2015 1 Introduktion I detta experiment ska vi titta på en verklig avbildning av Fouriertransformen. Detta ska ske med hjälp av en bild som projiceras
Läs merMedicinska Bilder, TSBB31. Lab3: Mätvärden på Medicinska Bilder
Medicinska Bilder, TSBB3 Lab3: Mätvärden på Medicinska Bilder Maria Magnusson, Avdelningen för Datorseende Institutionen för Systemteknik Linköpings Universitet Introduktion I denna laboration ska vi göra
Läs merLär dig grunderna om Picasa
Lär dig grunderna om Picasa Välkommen till Picasa. I den här guiden får du lära dig att använda Picasa för att organisera och redigera dina foton. Picasa Programvara När du börjar, finns det 2 saker du
Läs merUPPGIFT 1 TVÅPOTENSER. UPPGIFT 2 HISSEN I LUSTIGA HUSET.
UPPGIFT 1 TVÅPOTENSER. 2 ½ ¾ = 5575186299632655785383929568162090376495104 n = 142 är det minsta värde på n för vilket 2 Ò inleds med siffrorna 55. Uppgiften består i att skriva ett program som tar emot
Läs mer