Das maschinelle Sehen wird in der öffentlichen Wahrnehmung oft auf "Robotik" und "autonomes Fahren" begrenzt. Vielmehr jedoch geht es aber auch um grundlegende Bildverarbeitungsschritte wie das Erkennen von Features in Bildern und die Kalibrierung von (Stereo-)Kameras.

Mit einem kalibrierten System aus mehreren Kameras ist es dann möglich die räumlichen Eigenschaften von beobachteten Objekten zu bestimmen. Hier gibt es noch immer viel Forschungsbedarf, besonders da an Genauigkeit sowie Geschwindigkeit der Algorithmen immer größere Ansprüche gestellt werden.

Deep Learning hat sich als ein sehr vielfäftiges (z.T. ZU vielfältig)  Werkzeug für das maschinelle Sehen entwickelt. Wir konnten zeigen, dass Deep-Learning Algorithmen ideal geeignet sind um einige unserer speziellen 3D-Rekonstruktionsaufgaben in extrem kurzer Zeit zu lösen.

In der Arbeitgruppe von Prof. Melzer werden die 3D-Rekonstruktionsalgorithmen etwa genutzt, um die Bahnkurven von Mirkometergroßen Teilchen zu verfolgen. Durch die Anwendung von Deep Learning wird die Auswertungszeit hierfür um ein vielfaches verkürzt.