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. 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.

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. Vi benytter kursusnoter og videnskabelige artikler. 02. maj, 2025