Emnet er tilknyttet følgende studieprogram

  • Industriell digitalisering og kunstig intelligens

Undervisningsspråk

Norsk

Anbefalte 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. Det blir ikke arrangert ny/utsatt eksamen for mappen.

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
Sist hentet fra Felles Studentsystem (FS) 1. juli 2024 03:05:51