MAS903 Maskinsyn for autonome systemer
- Studiepoeng:
- 5
- Ansvarlig avdeling:
- Fakultet for teknologi og realfag
- Undervisningssemester:
- Høst
- Undervisningsspråk:
- Norsk
- Varighet:
- 1 semester
Emnet er tilknyttet følgende studieprogram
- Industriell digitalisering og kunstig intelligens
Undervisningsspråk
NorskAnbefalte forkunnskaper
Det er en fordel med litt kjennskap til programmering.
Innhold
Bildedannelse:
Belysning og optikk. Kamerasensoren. Digitalisering av bildepiksler. Gråtone og fargebilde representasjon
Bildeprosessering:
Histogrambaserte operasjoner. Intensitetsfunksjoner. Transformasjoner. Histogram og histogramutjevning. Naboskapsoperasjoner. Konvolusjon/korrelasjon. Støy og filter. Gradient operatorer
Bildebehandling:
Matching. Segmentering. Terskling og segmentering. Otsus metode. Bildemorfologi. Struktur elementer. Erosjon, dilasjon, åpning, og lukking. Blob-analyse
Uttrekk av features og gjenkjenning av objekter:
Deteksjon av kanter, linjer og hjørner. Gradientmetoder sobel operator. Previt.
Cannys kantdetektor. Hough transform. RANSAC. Deteksjon av optiske markører QR ARUCO CCC
Kameramodeller:
Homogene koordinater. Intern og ekstern kameramodell. Kamera Positur. Deteksjon. Stereosyn og korrespondanse problemet. Punktskyer fra stereobilder
Læringsutbytte
Etter fullført emne skal studenten
- forstå hvordan et ubemannet system eller en maskin kan tolke og forstå verden rundt seg ved hjelp av bilder og video.
- forstå avbildningsprosessen, bildeprosessering og kamerageometri og kamera modeller.
- kjenne til og kunne bruke flere av de viktigste verktøyene innen bildeprosessering som histogrambaserte operasjoner, naboskapsoperasjoner, terskling og segmentering, blob-analyse og bildemorfologi.
- kjenne til og kunne bruke flere av de viktigste verktøyene innen maskinsyn, som linje-kant-hjørnedeteksjon, interessepunktdeteksjon (sift surf), estimering, punktposisjoner ved stereogeometri og markørbasert kameraposisjonsestimering
Vilkår for å gå opp til eksamen
Øvinger og laboratorieoppgaver må være godkjent
Undervisnings- og læringsformer
Forelesninger, øvinger og laboratorieoppgaver. Forelesningene er ikke obligatoriske. Øvinger og laboratorieoppgaver er obligatoriske. Antall øvinger og oppgaver gis ved emnets oppstart.
Forventet arbeidsinnsats for emnet er 135 timer.
Studentevaluering
Emneansvarlig fastsetter i samråd med studenttillitsvalgt evalueringsform og om emnene skal ha midtveis- eller sluttevaluering i tråd med kvalitetssystemet kapittel 4.1.
Tilbys som enkeltemne
Nei
Opptakskrav hvis tilbudt som enkeltemne
Opptakskrav for emnet er generell studiekompetanse.
Eksamen
Mappevurdering. Nærmere informasjon om krav til mappen gis i Canvas ved oppstart. Karakteruttrykk: bestått/ikke bestått.
Reduksjon i studiepoeng
Innholdet i dette emnet dekkes helt eller delvis av annet emne. Tas ett av disse emnene i tillegg, reduseres studiepoengene som følger:
Emne | Studiepoengreduksjon |
---|---|
IKT213 – Machine Vision | 5 |