Grundlagen der 3D-Computer Vision Tiefenschätzung, Punktwolkenverarbeitung und Volumetrische Rekonstruktion aus Kameraanordnungen

Warum liefert cv2.stereoBM.compute() auf deinem Bildmaterial Müll — und wie behebst du das? Die meisten Bücher über 3D-Computer Vision erklären dir, was ein Tiefenschätzer tut. Dieses zeigt dir, wie du einen baust. Und zwar so, dass er läuft. Nicht auf einer Workstation mit 128 GB RAM, sondern auf dem Embedded-System in deinem Schrank. Dieses Buch nimmt den Mittelweg zwischen mathematischer Theorie und Black-Box-API. Wir schreiben ausführbaren Python-Code, den du verstehen und anpassen kannst. Vom rohen Kamerabild bis zur volumetrischen Rekonstruktion — keine Pseudocode-Schnipsel, keine fertigen Lösungen, die dir das Denken abnehmen. Kalibrierung: Warum Schachbrettmuster eine Industrienorm sind und wie du metrisch korrekte intrinsische Parameter misst Stereo-Tiefenschätzung: Block-Matching, Semi-Global Matching und warum „Tiefe" eigentlich „Disparität" heißt Punktwolkenverarbeitung: Filterung, Registrierung und wie viele Punkte eine Wolke wirklich braucht Multi-View-Systeme: Synchronisation, Kalibrierung und Rekonstruktion aus 4, 8 oder 16 Kameras Volumetrische Rekonstruktion: Aus losen Punktwolken zu geschlossenen Oberflächenmodellen — Voxel, Marching Cubes und warum Speicher dein größter Feind wird Jedes Kapitel enthält Code, Übungen mit Lösungen und konkrete Fehler, die du machen wirst — plus wie du sie behebst. Bereit, unter die Haube zu schauen? Die Kameras warten.