From 4df511ba2274e08c32267014a750083966eab5f7 Mon Sep 17 00:00:00 2001
From: Jan Wille <jan.wille@stud.hs-hannover.de>
Date: Mon, 12 Sep 2022 01:05:38 +0200
Subject: [PATCH] inhalt der arbeit
---
.vscode/ltex.hiddenFalsePositives.de-DE.txt | 1 +
chap/einleitung.tex | 14 +++++++++++++-
svg/PAP_generisch_markerdetektion.svg | 2 +-
3 files changed, 15 insertions(+), 2 deletions(-)
diff --git a/.vscode/ltex.hiddenFalsePositives.de-DE.txt b/.vscode/ltex.hiddenFalsePositives.de-DE.txt
index 8bfdacf..d6ecf99 100644
--- a/.vscode/ltex.hiddenFalsePositives.de-DE.txt
+++ b/.vscode/ltex.hiddenFalsePositives.de-DE.txt
@@ -70,3 +70,4 @@
{"rule":"GERMAN_SPELLER_RULE","sentence":"^\\QUm kleine Störungen im Bild, welche bestehende Kanten verzerren oder als falsche Kante detektiert werden könnten, zu reduzieren, wird das Bild mit einem gauss-filter Gaußschen Filter geglättet.\\E$"}
{"rule":"IN_WEISS","sentence":"^\\QIm Gegensatz zu Alternativen, wie einer reinen Gradientenbetrachtung, liefert der \\E(?:Dummy|Ina|Jimmy-)[0-9]+\\Q Kantenmarkierungen, hier in weiß, die nur einen \\E(?:Dummy|Ina|Jimmy-)[0-9]+\\Q breit sind.\\E$"}
{"rule":"DE_CASE","sentence":"^\\QUm die Datenmenge gering und die Laufzeit schnell zu halten, werden lediglich die vier Klassen Vertikal, Horizontal, Diagonal 1 und Diagonal 2 verwendet.\\E$"}
+{"rule":"DE_PHRASE_REPETITION","sentence":"^\\QHier wird der entwickelte Algorithmus und die Umsetzung als ROS Node ROS Node erläutert.\\E$"}
diff --git a/chap/einleitung.tex b/chap/einleitung.tex
index 54eebdc..6d31a6a 100644
--- a/chap/einleitung.tex
+++ b/chap/einleitung.tex
@@ -28,4 +28,16 @@
\section{Inhalt der Arbeit} \label{sec: inhalt}
- \todo[inline]{Überblick, jedes Kapitel vorstellen}
+ Der Inhalt der Arbeit gliedert sich in mehrere Kapitel, die hier kurz vorgestellt werden. Begonnen wird mit einem Kapitel über die
+ theoretischen Grundlagen und existierenden Vorgehensweisen in anderen Arbeiten. Außerdem werden die technischen Gegebenheiten definiert.
+
+ Danach wird die Kalibrierung der Kamera beschrieben. Dabei geht es um die Aufbereitung des Kamerabildes, dass einige Verzerrungen aufweist.
+ Diese werden durch eine intrinsische Kalibrierung korrigiert.
+ % Außerdem werden die extrinsischen Daten der Kamera emrittelt und dokumentiert. Diese können dann genutzt werden, um Rückschlüsse über die
+ % \gls{Welt-coords} eines Pixels zu schließen.
+
+ Im darauffolgenden Kapitel geht es um die eigentlich Erkennung der Fahrspurmarkierungen. Hier wird der entwickelte Algorithmus und die
+ Umsetzung als \glslink{ROS Node}{ROS Node} erläutert.
+
+ Die letzten beiden Kapitel ziehen ein Fazit und Fassen die Ergebnisse zusammen. Außerdem wird ein Ausblick auf
+ Weiterentwicklungs-Möglichkeiten gegeben.
diff --git a/svg/PAP_generisch_markerdetektion.svg b/svg/PAP_generisch_markerdetektion.svg
index 3056fbf..062406d 100644
--- a/svg/PAP_generisch_markerdetektion.svg
+++ b/svg/PAP_generisch_markerdetektion.svg
@@ -121,7 +121,7 @@
style="font-style:normal;font-variant:normal;font-weight:normal;font-stretch:normal;font-family:Arial;-inkscape-font-specification:Arial;text-align:center;text-anchor:middle;stroke-width:0.264583"
x="124.35886"
y="35.60215"
- id="tspan5074">Schwarzweiß umwandeln / Filtern</tspan></text>
+ id="tspan5074">In Grauwerte umwandeln / Filtern</tspan></text>
</g>
<g
id="g5080"
--
GitLab