Engelska

Varje vårtermin

Kursen syftar är att ge nödvändiga kunskaper för att kunna forska inom datorseende samt för att kunna använda datorseende inom andra forskningsområden, till exempel inom robotik, seende system, icke-förstörande mätningar och "augmented reality".

Projektiv geometri. Geometriska transformationer. Modellering av kameror. Stereoseende. Fotogrammetri. Igenkänning. 3D-modellering. Geometri för ytor och dess silhuetter. Visualisering.

kunna tydligt förklara och använda grundbegrepp inom datorseende, speciellt med avseende på projektiv geometri, kameramodellering, stereoseende, igenkänning samt struktur- och rörelseproblem.

kunna beskriva och översiktligt förklara den matematiska teorin bakom några centrala algoritmer i datorseende (minsta kvadratmetoden och Newton-baserad optimering).

på ett ingenjörsmässigt sätt kunna använda programpaket på dator för att självständigt lösa datorseendeproblem.

kunna visa god förmåga att självständigt identifiera problem som kan lösas med datorseendetekniker samt att välja lämplig metod.

självständigt kunna applicera grundläggande datorseendetekniker på industriellt och forskningsmässigt relevanta problem.

med adekvat terminologi, väl strukturerat och logiskt sammanhängande kunna redogöra för lösningen till ett problem inom datorseende.

Föreläsningar

Laborationer

övningar

Skriftlig tentamen

Muntlig tentamen

Inlämningsuppgifter

Underkänd, godkänd

Szeliski, R.: Computer Vision: Algorithms and Applications. Springer, 2010. ISBN 9781848829343.

Det är möjligt att klara kursen med hjälp av utdelat material.

FMA271F

 -01-31

FN1/Anders Gustafsson