Open Access

Diese Bachelorarbeit basiert auf dem zuvor durchgeführten Praxisprojekt, in dem die Objekterkennungsdienste in den Cloudsystemen von Google, Amazon und Microsoft untersucht und verglichen wurden, um zur Erkennung von Gesichtern und Kfz-Kennzeichen eingesetzt zu werden. Im Rahmen des Projekts wurde zudem evaluiert ein neuronales Netz für diese Aufgabe für den lokalen Einsatz zu entwickeln, was aufgrund des Aufwands aber nicht durchgeführt wurde. An diesem Punkt soll diese Arbeit ansetzen, indem zunächst mit MTCNN und YOLOv3 vortrainierte neuronale Netze zur Gesichts- bzw. allgemeinen Objekterkennung den Cloud-Systemen gegenübergestellt und verglichen werden. Im Folgenden wird ein in Keras implementierter eigener Ansatz präsentiert, der einzig zur Lokalisierung von Kennzeichen dienen soll. Abschließend wird eine Empfehlung ausgesprochen, wie neuronale Netze, unabhängig ob lokal oder in der Cloud, eingesetzt werden können.

kein Abstract vorhanden

kein Abstract vorhanden

kein Abstract vorhanden

In Rahmen dieser Diplomarbeit werden Strategien und Bildverabeitungsalgo-rithmen zur Realisierung des „relativen Hoverns“ eines autonomen Kleinhelikopters untersucht. Unter relativem Hovern versteht man dabei das Positionhalten, relativ zu Objekten und Untergründen, die von einer Kamera aufgenommen werden. Insbesondere wurden Blob-Analyse-Algorithmen zu dieserProblemstellung entwickelt und geprüft, ob und in wie weit die Blob-Analyse zur Bestimmung der Eigenbewegung geeignet ist. Des Weiteren wurden ein objektorientiertes Framework, Konzepte und Applikationen zum Realisieren und Testen von Bildverarbeitungsalgorithmen auf verschiedenen Plattformen erstellt. Mit Hilfe dieses Frameworks wurden auch einige der Blob-Analyse-Algorithmen implementiert. Erste Tests haben ergeben, dass sich die Blob-Analyse zum „relativen Hovern“ unter „Echtzeit“-Bedingungen gut eignet, da sie sehr schnell und dabei ähnlich genau wie andere zur Zeit verwendete Algorithmen ist.