Page begin -
Logo DISCO
|
Go to the Highly accessible area
|
Go to the Content page
|
Go to the End of content
|
Go to the Main menu
|
Go to the Navigation Bar (location)
|
Go to the Navigation menu (tree)
|
Go to the Commands list
|
Go to the Further readings
|
Go to the Bottom Menu
|
Logo Ateneo
   
Enrolled
Visione artificiale

Docente: D. Sorrenti

Crediti: 6 CFU corrispondenti a 150 ore di lavoro complessivo, per lo "studente medio".

Abilità
Mediante il progetto lo studente apprende ad organizzare il proprio lavoro per raggiungere un obiettivo;attraverso la interazione con il docente viene portato a modellizzare il problema, a definire alcune ipotesidi soluzione, ad analizzarle e quindi a tradurle in una realizzazione.

Programma

La visione artificiale è una area rilevante per diversi settori, ad esempio ambient intelligence, robotica industriale ed avanzata, monitoraggio del traffico, etc. Il corso, dato il limitato tempo a disposizione, ha loscopo di illustrare solo alcune tecniche base di visione artificiale. Approfondimenti su tematiche coperte durante le lezioni ed esercitazioni o esposizione ad altre tematiche saranno possibili durante losvolgimento del progetto.

1. formazione dell'immagine
    1.1. aspetti legati all'intensità
    1.2. aspetti legati alla geometria (modellizzazione della proiezione e sua calibrazione)
    1.3. aspetti tecnologici dei dispositivi di acquisizione

2. cenni alle caratteristiche immagine più usate (argomenti approfonditi nei corsi di elaborazioni delle immagini).

3. ricostruzione 3D con stereometria
    3.1. vincoli epipolari
    3.2. altri vincoli geometrici (disparità, gradiente, piano tangente, etc)
    3.3. algoritmi stereomatching grey-level (correlazione, minimizzazione funzionale)
    3.4. stereomatching feature-based (marr-poggio, pollard-mayew-frisby, baker-binford, otha-kanade,trinocular)

4. movimento: problema dell'apertura, flusso ottico, feature tracking (Kalman Filtering), structure frommotion

5. cenni a:
    5.1. visione omnidirezionale (catadiottrica, SVP e non)
    5.2. riconoscimento di oggetti (interpretation trees, invarianti prospettici)

Organizzazione
Il corso viene erogato nel primo semestre ed è organizzato in lezioni frontali ed esercitazioni pratiche dilaboratorio.

Prerequisiti
È suggerita una precedente esposizione alle seguenti tematiche: algebra delle matrici, calcolo delle probabilità e statistica, teoria dei sistemi, elaborazione delle immagini.

Testi
Tutti questi testi sono disponibili presso la Biblioteca Centrale (http://www.biblio.unimib.it), alcuni in più copie. Alcuni di questi testi sono anche disponibili presso la biblioteca ISU di Bicocca(http://159.149.17.17/sebina/opac/ase).
1. E. Trucco, A. Verri, "Introductory techniques for 3D computer vision", Prentice-Hall, 1998
2. O. Faugeras, "Three-dimensional computer vision", MIT Press, 1993
3. B. K. P. Horn, "Robot vision", MIT Press, 1986
4. D. A. Forsyth, J. Ponce, "Computer vision, a modern approach", Pearson Prentice-Hall, 2003
5. Y. Ma, S. Soatto, J. Koseká, S. S. Sastry, "An invitation to 3-D Vision", Springer, 2004


Esame L’esame è articolato in due parti: una prova relativa alla teoria esposta durante le lezioni ed un piccolo progetto. La parte teorica è usualmente superata con alcune verifiche intermedie. Il progetto è concordatocon il docente e potrebbe anche vertere su tematiche non coperte nelle lezioni. Il voto complessivo è determinato come media pesata dei voti della teoria (peso 0.3) e del progetto (peso 0.7). Il progetto può essere svolto congiuntamente per più corsi (ad esempio Laboratorio di progettazione, Sistemi in tempo reale, etc.).

Sito web

http://www.disco.unimib.it/visioneartificiale

Further readings
(C) Copyright 2016 - Dipartimento Informatica Sistemistica e Comunicazione - Viale Sarca, 336
20126 Milano - Edificio U14
redazioneweb@disco.unimib.it - last update of this page 28/03/2011