02504 Computer Vision

2024/2025

Kursusinformation
Computer Vision
Engelsk
5
Kandidat
Kurset udbydes som enkeltfag
Generel retningskompetence (MSc), Human-Centered Artificial Intelligence
Retningsspecifikt kursus (MSc), Human-Centered Artificial Intelligence
Teknologisk specialisering (MSc), Human-Centered Artificial Intelligence
Tilvalgskursus (B Eng), IT-elektronik
Tilvalgskursus (B Eng), Softwareteknologi
F3B (fre 13-17)
Campus Lyngby
Forelæsninger og øvelser
13-uger
F3B, Ved en skriftlig eksamen vil eksamen forgå på den officielle dato. Ved en mundtlig eksamen vil eksamen forgå over flere dage omkring den officielle dato.
Skriftlig eller mundtlig eksamen
Hvis antallet af studerende er stort vil eksamen blive skriftlig. Ellers er eksamen mundlig.
Skriftlig eksamen: 4 timer
Alle hjælpemidler - uden adgang til internettet
7-trins skala , ekstern censur
02501
02502 , Erfaring med programmering i Python og numpy. Billedanalyse eller lignende introducerende kursus som dækker introduktion til billeder og operationer på billeder. Dette inkluderer bl.a. morfologiske operationer, filtrering, geometriske transformationer, billedregistrering, klassifikation og segmentering.
Minimum 6
Morten Rieger Hannemose , Lyngby Campus, Bygning 324 , mohan@dtu.dk
Anders Bjorholm Dahl , Tlf. (+45) 4525 3907 , abda@dtu.dk
01 Institut for Matematik og Computer Science
I studieplanlæggeren
Overordnede kursusmål
Dette kursus dækker centrale emner indenfor computer vision med særligt fokus på 3D geometri og overfladerekonstruktion til at få information baseret på billeder fra et perspektivisk kamera. Computer vision metoder er centrale for en række anvendelser inklusiv digital underholdning, kortlægning, visuelle sensorer i industrielle anvendelser, robotnavigation og meget andet. Kursets mål er at give studerende en kombineret teoretisk og praktisk forståelse af, hvordan computer vision problemer løses.
Læringsmål
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 systematisk performanceanalyse af en computer vision algoritme.
  • Anvende et- og to-billedegeometri til estimering af punkter, positioner og overflader
  • Implementere og anvende linerære metoder til kameraestimering.
  • Implementere og anvende kamerakalibrering.
  • Implementere og anvend RANSAC-algoritmen
  • Finde korrespondancer mellem 2D billedpunkter og estimere 3D punkter ud fra disse.
  • Forstå og anvende billedfeatures i computer vision.
  • Anvende computer vision software-biblioteker.
Kursusindhold
Metoder dækket i kurset er baseret på en kombination af matematik, statistik, og algoritmer, som alle er anvendt på billeder fra et perspektivisk kamera. 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 erfaring med programmering i Python samt erfaring med grundlæggende emner fra billedanalyse.
Litteraturhenvisninger
Vi benytter kursusnoter og videnskabelige artikler.
Sidst opdateret
02. maj, 2024