Dades generals

Curs acadèmic:
2017
Descripció:
Mètodes per la percepció visual: calibració de càmares, primitives d'imatge, transformacions planars, reconstrucció, projecció de patrons, escànners làser tridimensionals.
Crèdits ECTS:
5

Grups

Grup A

Durada:
Semestral, 1r semestre
Professorat:
RAFAEL GARCIA CAMPOS
Idioma de les classes:
Català (70%), Anglès (30%)

Competències

  • CT01 Analitzar situacions complexes i dissenyar estratègies per a resoldre-les
  • CT02 Comunicar-se oralment i per escrit
  • CT04 Treballar en equip
  • CT06 Disenyar propostes creatives
  • CT08 Planificar i organitzar les propostes i projectes
  • CT12 Avaluar la sostenibilitat de les propostes i actuacions pròpies
  • CT15 Utilitzar la llengua anglesa
  • CIC5 Capacitat d'analitzar, avaluar i seleccionar les plataformes hardware i software més adequades pel suport d'aplicacions encastades i de temps real.
  • CIC7 Capacitat per analitzar, avaluar, seleccionar i configurar plataformes hardware pel desenvolupament i execució d'aplicacions i serveis informàtics.

Continguts

1. Introducció

2. Sensors òptics

          2.1. Introducció

          2.2. Components sensibles a la llum

          2.3. Càmeres CCD vs. CMOS

3. Procés de formació de la imatge

          3.1. Introducció.

          3.2. Adquisició i representació d'imatges.

          3.3. Mostratge i quantificació.

                    3.3.1. Espectre d'un senyal: transformada de Fourier.

                    3.3.2. Resposta impulsional i sortida d'un filtre

                    3.3.3. Solapament espectral: Aliasing

4. Processament digital d'imatges

          4.1. Introducció

                    4.1.1. Mètodes de domini espacial

                    4.1.2. Mètodes de domini freqüencial.

          4.2. Histograma d'una imatge

          4.3. Transformacions basades en l'histograma

                    4.3.1. Contrast stretching

                    4.3.2. Llindarització (Thresholding)

                    4.3.3. Eliminació del soroll per suma d'imatges

                    4.3.4. Background substraction

          4.4. Transformacions basades en els veïns

                    4.4.1. Filtres

                    4.4.2. Eliminació de soroll: filtre passa baixos, filtre de la mitja

                    4.4.3. Detecció de contorns (utilització del gradient)

                    4.4.4. Detecció de LRV i LRH

                    4.4.5. Models de color

5. Visió per computador en l’entorn industrial

          5.1. Introducció

          5.2. Reconeixement de formes

                    5.2.1. Template Matching

                    5.2.2. Introducció

                    5.2.3. Reconeixement de patrons per tècniques estadístiques

                    5.2.4. Reconeixement per tècniques estructurals

          5.3. Tècniques d’il·luminació per l’entorn industrial

6. Visió estereoscòpica

          6.1. Modelatge de càmeres

                    6.1.1. Paràmetres intrínsecs

                    6.1.2. Paràmetres extrínsecs

          6.2. Geometria Epipolar

          6.3. Estimació del 3D

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Total
Anàlisi / estudi de casos 65 60 125
Total 65 60 125

Bibliografia

  • David Vernon (1991). Machine vision : automated visual inspection and robot vision. Prentice-Hall. Catàleg
  • Richard Hartley and Andrew Zisserman (2003). Multiple view geometry in computer vision (2a). Cambridge University Press. Catàleg
  • Yi Ma ... [et al.] (2004). An Invitation to 3-D vision : from images to geometric models. Springer. Catàleg

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat %
Realització de les sessions pràctiques 30% Resolució de problemes pràctics (Labs)
10% Presentació oral
(Cal > 5/10 per passar els Labs)
40
Examens d'avaluació continua de l'assignatura 20% Examen 1
40% Examen 2
(Cal > 4/10 per fer mitjana amb els Labs)
60

Qualificació

30% Resolució de problemes pràctics (Labs)
10% Presentació oral
(Cal nota > 5/10 per passar els Labs)

20% Examen 1
40% Examen 2
(Cal > 4/10 per fer mitjana amb els Labs)

En total cal nota > 5/10 per aprovar l'assignatura

Criteris específics de la nota «No Presentat»:
L'assistència a les proves de laboratori és obligatòria. Si hi ha cap falta injustificada l'estudiant no serà avaluat d'aquella part.