|
Objectius
|
|
|
|
El principal objectiu d'aquesta assignatura és que l'alumne adquireixi els coneixements necessaris per desenvolupar sistemes basats en visió per computador. Es farà un especial èmfasi en les metodologies i algorismes necessaris pel desenvolupament de sistemes de localització, classificació i control de qualitat en l'entorn industrial. També s'incidirà en la visió per computador com a sensor en la navegació autònoma de robots. |
|
|
|
|
Prerrequisits
|
|
|
|
No n'hi han. És recomanable tenir coneixements de MATLAB, tot i que no inprescindible. |
|
|
|
|
Contingut (Programa)
|
|
|
Tema 1: Introducció als sensors.
1.1 Introducció al concepte de sensor.
1.2 Sensors de proximitat.
1.3 Sensors tàctils.
Tema 2: Sensors òptics.
2.1 Introducció.
2.2 Components sensibles a la llum.
2.3 Càmeres CCD.
Tema 3: Introducció a la visió per computador.
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.
Tema 4: Fonaments del 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 Equalització d'histograma (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 mitjana.
4.4.3 Detecció de contorns (utilització del gradient).
4.4.4 Detecció de LRV i LRH.
4.4 Transformacions de l'espai de color.
4.5 Utilització de textures.
Tema 5: Visió per computador en l'entorn industrial.
5.1 Introducció: inspecció, localització i identificació.
5.2 Reconeixement de formes.
5.2.1 Template Matching.
5.2.2 Reconeixement de patrons per tècniques estadístiques.
5.2.3 Reconeixement per tècniques estructurals
5.3 Tècniques d'il·luminació.
Tema 6: Detecció de moviment.
6.1 Introducció.
6.2 Detecció de punts d'interès.
6.3 El problema de la correspondència.
6.4 Detecció d'outliers.
Tema 7: Reconstrucció 3D.
7.1 Introducció.
7.2 Modelatge i calibració de càmeres.
7.3 Estéreo-visió.
7.4 Geometria Epipolar.
|
|
|
|
|
Bibliografia
|
|
|
DE LA ESCALERA, Arturo, Visión por Computador, Ed. Prentice Hall, 2001.
GONZÁLEZ, JAVIER, Visión por Computador, Ed. Paraninfo, 1999.
VERNON, DAVID. Machine Vision, Ed. Prentice Hall, 1991.
GONZALEZ, RAFAEL C. & WOODS, RICHARD E. Digital Image Processing, Addison Wesley Publishing Company, 1993. |
|
|
|
|
Mètodes docents
|
|
|
|
Classes teòriques a l'aula i classes pràctiques al laboratori. |
|
|
|
|
Tipus d'exàmens i avaluacions
|
|
|
|
L'examen consta de dues parts: una part tipus test sense apunts, i una segona part de problemes amb apunts.
Les pràctiques valen el 20% de la nota, mentre que l'examen val el 65% de la nota. Per fer mitja s'ha de treure més d'un 4 en cada part.
Durant el curs el professor demanarà que els estudiants realitzin una sèrie d'exercicis a casa, que s'hauran d'entregar en el plaç previst. La realització d'aquests exercicis compta el 15% restant de la nota. |
|
|
|
|
Informació addicional
|
|
|
|
Les tutories es faran al Despatx 028 del P-IV.
NOTA IMPORTANT: Només hi haurà tutories durant les setmanes lectives. Quan s'acabin les classes no hi haurà tutories. Per tant, és convenient anar estudiant durant el curs, perquè els dubtes surtin mentre es va fent l'assignatura, i no la setmana abans de l'examen. |
|
|
|
|
|
La bibliografia a la biblioteca