Anno di corso: 1

Anno di corso: 2

Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 12
Tipo: A scelta dello studente
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 33
Tipo: Lingua/Prova Finale

PERCEZIONE E ROBOTICA

Scheda dell'insegnamento

Anno accademico di regolamento: 
2015/2016
Anno di corso: 
2
Anno accademico di erogazione: 
2016/2017
Tipo di attività: 
Obbligatorio a scelta
Crediti: 
6
Ciclo: 
Primo Semestre
Ore di attivita' didattica: 
50
Prerequisiti: 

• introduzione al filtraggio bayesiano;
• algebra lineare e coordinate omogenee;
• rudimenti di geometria analitica nello spazio;
• elaborazione delle immagini (complementi): feature detection;

Moduli

Metodi di valutazione

Tipo di esame: 
Orale
Modalita' di verifica dell'apprendimento: 

Final exam. It will be possible to take small intermediate verifications about the notions presented in the classes and software development, which will form the basis for the determination of the final mark.

Valutazione: 
Voto Finale

Obiettivi formativi

Lo studente acquisirà le competenze di base per lavorare da informatico nell'ambito dei sistemi percettivi. Per il superamento dell'esame è richiesta la capacità di rendicontare l'impiego del proprio tempo e di relazionare in forma scritta sul lavoro svolto.

Contenuti

Aspetti hardware, geometrici ed algoritmici nella percezione delle macchine basata sui sistemi sensoriali di frequente uso (telecamere, laser scanners), tecniche di soluzione di alcuni noti problemi di percezione delle macchine; ricostruzione 3D, tracking, localizzazione, mapping.

Programma esteso

Programma esteso:
• formazione dell'immagine
o aspetti legati all'intensità,
o aspetti legati alla geometria (modellizzazione della proiezione e sua calibrazione),
o aspetti tecnologici dei dispositivi di acquisizione,
• ricostruzione 3D con stereometria
o vincoli epipolari,
o altri vincoli geometrici (disparità, gradiente, etc),
o algoritmi stereomatching grey-level,
o stereomatching feature-based,
• ricostruzione 3D da movimento
o problema dell'apertura,
o flusso ottico,
o tracking,
o structure from motion,
• range sensing mediante laser range scanners ed altri dispositivi attivi (Kinect)
• modellazione del movimento dell'osservatore
o velocity model,
o odometry model,
• modellazione del sensore (beam model)
• problema della autolocalizzazione;
• problema del world modeling

Bibliografia consigliata

• E. Trucco, A. Verri, "Introductory techniques for 3D computer vision", Prentice-Hall, 1998
• S. Thrun, W. Burgard, D. Fox, "Probabilistic Robotics", MIT Press, 2005
• A. Fusiello, "Visione computazionale", ilmiolibro.it, 2008

Metodi didattici

Lezioni frontali, esercitazioni pratiche per attività sperimentale sui dispositivi, attività di laboratorio di sviluppo di software di semplici applicazioni.