diff --git a/bib/Quellenverzeichnis.bib b/bib/Quellenverzeichnis.bib
index b67f62a56274ef28dc7661604eb400e2283f5e00..2e8b503106769e3a7dff8eb85064879884e05824 100644
--- a/bib/Quellenverzeichnis.bib
+++ b/bib/Quellenverzeichnis.bib
@@ -268,6 +268,22 @@
}
+@online{git:dataset-strassen,
+ author = {Jan Wille},
+ date = {2022-06-15},
+ title = {VideoDriveWorkspace Wiki: example data sets - straßen leer down4},
+ url = {https://lab.it.hs-hannover.de/p9r-rxm-u1/videodrive_ws/-/wikis/uploads/c8e09d2f28a2279b9b76cd899c383cc9/stra%C3%9Fen_leer_down4.zip},
+ urldate = {2022-06-19}
+}
+
+@online{git:dataset-kalibreirung,
+ author = {Jan Wille},
+ date = {2022-06-15},
+ title = {VideoDriveWorkspace Wiki: example data sets - intrinsiche kalibrierung down4},
+ url = {https://lab.it.hs-hannover.de/p9r-rxm-u1/videodrive_ws/-/wikis/uploads/6c853b3f41964eccd6671954a07ad5ed/intrinsicCalibration_down4.zip},
+ urldate = {2022-06-19}
+}
+
%-----------------------Templates--------------------------------------------------------
% A single-volume book with one or more authors
@book{1,
diff --git a/chap/kalibrierung.tex b/chap/kalibrierung.tex
index 1701f360f444b861ecfc521795319736dcd8ba9a..f4f3ccf4e370aeb847719e7ecbc0f01356c85f9b 100644
--- a/chap/kalibrierung.tex
+++ b/chap/kalibrierung.tex
@@ -201,9 +201,9 @@
ret, K, D_coeff, rvecs, tvecs = cv.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None)
\end{lstlisting}
- Der gesamte Code wird nun auf einen Datensatz von Bilder angewandt, um die Ergebnisse für den vorliegenden Roboter zu erhalten. Der Datensatz
- ist auf dem GitLab Server unter der URL \url{https://lab.it.hs-hannover.de/p9r-rxm-u1/videodrive_ws/-/wikis/uploads/6c853b3f41964eccd6671954a07ad5ed/intrinsicCalibration_down4.zip}
- abgelegt. Damit ergeben sich die folgenden Kalibrierungsergebnisse.
+ Der gesamte Code wird nun auf einen Datensatz von Bilder angewandt, um die Ergebnisse für den vorliegenden Roboter zu erhalten. Der
+ Datensatz ist auf dem GitLab Server unter der \cite{git:dataset-kalibreirung} abgelegt. Damit ergeben sich die folgenden
+ Kalibrierungsergebnisse.
\begin{align*}
k_1 &= -0,42049309612684654 \\
@@ -270,7 +270,7 @@
Mit dem verwendeten Datensatz ergibt sich ein Reprojektions-Fehler von $0,049$, was genau genug für diesen Anwendungsfall ist.
- \subsection{Anwenden der Kalibrierung in einer ROS Node}
+ \subsection{Anwenden der Kalibrierung in einer ROS Node} \label{sec: undistort Node}
Um die Kalibrierungsergebnisse auf jedes Bild, dass vom Kamera Treiber veröffentlicht wird, anzuwenden, wird eine weitere \gls{ROS Node}
erstellt. Diese entzerrt jedes erhaltene Bild und veröffentlicht die korrigierte Version als eigens \gls{Topic}. Das korrigierte Bild wird