Overordnede kursusmål
Kurset orienterer deltagerne om teori og praktiske anvendelser af
perception for autonome systemer. Formålet er at sætte eleverne i
stand til at omdanne sensorers input fra en række billeddannelses-
og 3D-sensorer til mere abstrakte beskrivelser af den observerede
scene. Således vil sådanne teknikker tillade autonome systemer at
sanser deres omverden og handle ind i det eller interagere med det.
Kurset skal give både de matematiske beskrivelser og
programmeringsværktøjer for at implementere sådanne perception
teknikker.
Endelig er målet at sætte deltagerne i stand til at anvende de
undervisede koncepter og værktøjer til yderligere at udvikle enten
autonome systemer, der er udformet (fx roboter) eller immaterielle
(fx software agent).
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- Beskriv de trin, der fører til 3D rekonstruktion ved hjælp af
flere visninger.
- Definer almindelige image feature ekstraktion og matchende
teknikker.
- Diskuter egenskaber ved forskellige afstand sansning sensorer
og teknikker.
- Anvend softwareværktøjer til at behandle 3D point clouds.
- Kombiner billeddannelse og 3D sensorers input med state
estimation teknikker.
- Beskriv forskellene mellem klassisk og læringsbaseret objekt /
scene klassifikation teknikker.
- Beskriv de forskellige trin i visual odometry og forklar
driften af de relaterede algoritmer.
- Kombiner det lærte materiale til at foreslå og beskrive mulige
implementeringer af yderligere perception applikationer.
Kursusindhold
Multiple View Geometry, Image Feature Detection and Description,
Ranging, 3D Cloud Processing, State Estimation, Classification,
Visual Servoing, Visual Odometry, SLAM, Object Detection.
Yderligere applikationer som: Hand and Skeleton Tracking, Semantic
Mapping for Navigation, Object Pose Estimation, Scene Recognition,
Long-Term Visual Recognition.
Øvelsesdelen består af introducerende øvelser og en projektopgave
Sidst opdateret
22. april, 2021