Anno di corso: 1

Anno di corso: 2

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

COMPUTER AND ROBOT VISION

Scheda dell'insegnamento

Anno accademico di regolamento: 
2017/2018
Anno di corso: 
2
Anno accademico di erogazione: 
2018/2019
Tipo di attività: 
Obbligatorio a scelta
Lingua: 
Italiano
Crediti: 
6
Ciclo: 
Primo Semestre
Ore di attivita' didattica: 
50
Prerequisiti: 

Prerequisiti suggeriti:

rappresentazioni di linee e piani nello spazio 3D;
rappresetazione delle roto-traslazioni;
definizione di sistema dinamico;
segmentazione di immagini per punti, contorni, etc.;
teorema del campionamento ed errore di quantizzazione.

Moduli

Metodi di valutazione

Modalita' di verifica dell'apprendimento: 

Verifiche scritte sulle parti teoriche (formazione dell'immagine, stereoscopia, analisi di sequenze, percezione per robotica mobile) più valutazione di piccoli un programma matlab sviluppato durante la attività di laboratorio, questi devono essere completati individualmente (filtraggio Bayesiano). In qualche anno si propone agli studenti di sviluppare qualche applicazione, sotto la guida dell'addetto alle esercitazioni; questa attività dà luogo ad un incremento del voto finale.

Valutazione: 
Voto Finale

Obiettivi formativi

Libri di testo
A. Fusiello, "Visione Computazionale: tecniche di ricostruzione tridimensionale", Franco Angeli, 2013
E. Trucco, A. Verri, "Introductory techniques for 3D Computer Vision", Prentice Hall, 1998
S. Thrun, W. Burgard, D. Fox, "Probabilistic Robotics", Mit press, 2005
Altro materiale
Brevi video (audio e schermo di tablet usato come lavagna, preso da video di lezioni di anni precedenti) per ciascun singolo sotto-argomento
Ulteriore materiale, disponibile sulla piattaforma elearning

Contenuti

L'insegnamento presenta una introduzione alle tematiche di percezione delle macchine, in particolare alla percezione della geometria della scena osservata, sia con tecniche di visione artificiale che di robotica mobile.

Programma esteso

Formazione dell'immagine
Formazione dell'immagine - geometria
Modelli geometrici della proiezione, cenno a visione model-based, necessità dell'ottica, lenti sottili, cerchi di sfocamento e profondità di campo, parametri di proiezione interni ed esterni, FOV (campo di vista).
Calibrazione dei parametri di proiezione
Formazione dell'immagine - aspetti tecnologici
Sensori a tubo ed a stato solido
Efficienza quantica, permanenza, smearing / blooming, sfocamento da movimento, vignetting, etc.
3D cameras, visori notturni, camere a colori
Formazione dell'immagine - brevissima introduzione alla radiometria
Stereoscopia
Introduzione alla terminologia, approcci pixel-level e feature-based
esempio pixel-level: stereo-matching a correlazione ed utilizzo della multi-resoluzione
Metodi basati sulla minimizzazione di una energia
Metodi basati su features, con una brevissima introduzione cenno al rilevamento ed alla descrizione delle features
Geometria epipolare
Rassegna di vincoli usati in stereo-matching
Rassegna Esempio di un algoritmo di stereo-matching
Analisi di sequenze di immagini
I differenti problemi, al variare del moto nella scena e dell'osservatore
Campo di moto immagine e scena
Equatione di costanza della luminanza e problema della apertura
metodi differenziali per la stima del flusso ottico con approccio LSE
Approcci basati su features
Structure from (o and) Motion, metodo basato sulla fattorizzazione ed il teorema del rango
Data association: effetti degli outliers, livello di breakdown, Least Median of Squares, RANSAC
Filtraggio Bayesiano
Sistemi dinamici e filtraggio Bayesiano
Kalman filter, Extended Kalman filter e utilizzo di misture di gaussiane
Unscented Kalman Filter
Rappresentazione canonica di gaussiane, IF (Information Filter), EIF (Extended Information Filter), SEIF (Sparse Extended Information Filter)
Filtraggio non parametrico: cenni su Histogram Filter, Particle Filter
Percezione per robotica mobile autonoma
Rassegna di cinematiche di diverse basi mobili, Velocity Motion Model ed Odometry Motion Model
Breve rassegna di sensori di distanza e modello di misura dei laser scanners
Problema di localization, approcci EFK-based e PF-based
SLAM PF-based (FASTSLAM) ed EKF-based
Visual SLAM con approcci basati su inverse depth

Bibliografia consigliata

Libri di testo
A. Fusiello, "Visione Computazionale: tecniche di ricostruzione tridimensionale", Franco Angeli, 2013
E. Trucco, A. Verri, "Introductory techniques for 3D Computer Vision", Prentice Hall, 1998
S. Thrun, W. Burgard, D. Fox, "Probabilistic Robotics", Mit press, 2005
Altro materiale
Brevi video (audio e schermo di tablet usato come lavagna, preso da video di lezioni di anni precedenti) per ciascun singolo sotto-argomento
Ulteriore materiale, disponibile sulla piattaforma elearning

Metodi didattici

lezioni, via elearning ed in presenza,
incontri periodici sugli argomenti coperti nelle lezioni in elearning,
attività in laboratorio e sul veicolo stradale (attività pratica),
semplice attività in laboratorio (programmazione matlab).