Dette kursus dækker centrale emner indenfor computer vision inklusiv 3D geometri, overfladerekonstruktion, objektgenkendelse og andre metoder til at få information baseret på naturlige billeder. Computer vision metoder er centrale for en række anvendelser inklusiv digital underholdning, kortlægning, visuelle sensorer i industrielle anvendelser og robotnavigation og meget andet. Kursets mål er at give studerende en kombineret teoretisk og praktisk forståelse af hvordan computer vision problemer løses. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Identificere relevante metoder til løsning af computer vision problemer.
• Implementere en valgt computer vision algoritme i for eksempel Matlab eller Python.
• Gennemføre en analyse baseret på en specifik analyse.
• Anvende almindelige computer vision biblioteker.
• Anvende kamerageometri mellem to billeder.
• Finde korrespondance mellem 2D billedpunkter og estimere 3D punkter ud fra disse.
• Bruge linerære metoder til kameraestimering.
• Forstå billedfeatures som koncept og deres brug i computer vision.
• Implementere og anvende kamerakalibrering.

Metoder dækket i kurset er baseret på en kombination af matematik, statistik og machine learning, som alle er anvendt på naturlige billeder. Studerende bliver introduceret til teoretiske elementer af computer vision-metoder og får praktisk erfaring gennem øvelser, hvor metoderne bliver implementeret i computerprogrammer. Det forventes, at en studerende, som deltager i kurset, har noget erfaring med programmering i for eksempel Matlab eller Python samt erfaring med grudlæggende emner fra billedanalyse. 29. april, 2019