Inizio della pagina -
Logo DISCO
|
Visita la Versione ad elevata leggibilità
|
Vai al Contenuto della pagina
|
Vai alla Fine dei contenuti
|
Vai al Menu Principale
|
Vai alla Barra di navigazione (sei in)
|
Vai al Menu di navigazione (albero)
|
Vai alla Lista dei comandi
|
Vai alla Lista degli approfondimenti
|
Vai al Menu inferiore
|
Logo Ateneo
   
Didattica
Visione artificiale

Codice Insegnamento: F1801Q022

Docente Domenico G. Sorrenti, con l'aiuto del dr. Axel Furlan

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 ipotesi di 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 lo scopo 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 lo svolgimento del progetto.

Organizzazione         
  • 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. ricostruzione 3D con stereometria
  • 2.1. vincoli epipolari
  • 2.2. altri vincoli geometrici (disparità, gradiente, piano tangente, etc)
  • 2.3. algoritmi stereomatching grey-level (correlazione, minimizzazione funzionale)
  • 2.4. stereomatching feature-based (marr-poggio, pollard-mayew-frisby, baker-binford, otha-kanade, trinocular)
  • 3. movimento: problema dell'apertura, flusso ottico, feature tracking (Kalman Filtering), structure from motion

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

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
  6. A. Fusiello, "Visione computazionale", ilmiolibro.it, 2008

Capabilities   
By means of the development of a project the student learns how to organize his/her work in order to attain a given objective; through the interaction with the lecturer he/she is pushed to modeling the problem, to the definition of a few potential solutions, to their evaluation, and then to a real implementation.

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 definito con il docente e usualmente verte su avanzamenti rispetto alle tematiche 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. Anche quest'anno si intende iniziare il progetto verso la fine del corso, per consentire una più stretta interazione con i docenti. A seconda del numero di studenti si attiverà uno o più gruppi per lo svolgimento del progetto.

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

Lecturer/s    
Domenico G. Sorrenti, with the help dr. Axel Furlan.

Program:        
Computer vision is a relevant area for many different domains, e.g., ambient intelligence, industrial and advanced robotics, traffic monitoring, etc. The course, given the limited time available, aims at presenting just a few basic computer vision techniques. Deeper insights on topics covered during classes or coverage of other topics can be gained during the development of the project.

 Organization:  

  • 1. image formation:
  • 1.1. radiometric aspects
  • 1.2. geometric aspects (modeling of the projection and its calibration)
  • 1.3. technology of image acquisition devices
  • 2. 3D reconstruction via stereopsis
  • 2.1. epipolar constraints
  • 2.2. other geometric constraints (disparity, gradient, tangent plane, etc)
  • 2.3. grey-level stereomatching algorithms (correlation, functional minimization)
  • 2.4. feature-based stereomatching (marr-poggio, pollard-mayew-frisby, baker-binford, otha-kanade, trinocular)
  • 3. motion: aperture problem, optical flow, feature tracking (Kalman Filtering), structure from motion

The course is given in the first semester and is articulated in classes and laboratory activities.

Requirements:
It is suggested to having been exposed previously to matrix algebra, probabilities and statistics, system theory, image processing.

Textbooks:
The following texts are owned by the Central Library (http://www.biblio.unimib.it), a few in more than one copy. Some of them are also owned by the ISU Library, Milano - Bicocca branch (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
  • 6. A. Fusiello, "Visione computazionale", ilmiolibro.it, 2008

Examination:
The examination is articulated in two parts: an exam about the topics presented in the classes and a project. The first part is usually passed by passing some intermediate evaluations. The project is defined with the lecturer and typically deals with advanced topics, with respect to the ones presented during classes. The final mark is a weighted average of the marks of the first part (weight 0.3) and the project (weight 0.7). Also for tThe project can be jointly developed for other courses as well. his year, the project activity will likely start during the last part of the course, in order to allow a more strict interaction with the lecturer(s). Depending on the number of students. one or more groups will work on the project.

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

 

Approfondimenti

Google Translate
Translate to English Translate to French Translate to German Translate to Spanish Translate to Chinese Translate to Portuguese Translate to Arabic
Translate to Albanian Translate to Bulgarian Translate to Croatian Translate to Czech Translate to Danish Translate to Dutch Translate to Finnish Translate to Greek Translate to Hindi
Translate to Hungarian Translate to Irish Translate to Japanese Translate to Korean Translate to Norwegian Translate to Polish Translate to Romanian Translate to Russian Translate to Serbian
Translate to Slovenian Translate to Swedish Translate to Thai Translate to Turkish

(C) Copyright 2016 - Dipartimento Informatica Sistemistica e Comunicazione - Viale Sarca, 336
20126 Milano - Edificio U14
redazioneweb@disco.unimib.it - ultimo aggiornamento di questa pagina 11/10/2011