Trodimenzionalni računalni vid

Prikazani su podaci za akademsku godinu: 2023./2024.

Laboratorijske vježbe

Opis predmeta

Predmet proučava osnove trodimenzionalnog računalnog vida. Razmatraju se pasivna stereoskopska rekonstrukcija, rekonstrukcija strukturiranim svjetlom te specifičnosti rekonstrukcije laserskim senzorima.

Studijski programi

Sveučilišni diplomski
Izborni predmeti (1. semestar) (3. semestar)
Izborni predmeti (3. semestar)
Izborni predmeti profila (3. semestar)
Izborni predmeti (3. semestar)
Izborni predmeti (3. semestar)
Izborni predmeti (3. semestar)
Izborni predmeti (3. semestar)
Izborni predmeti (3. semestar)
Izborni predmeti profila (3. semestar)
Izborni predmeti (3. semestar)
Izborni predmeti (3. semestar)
Izborni predmeti (3. semestar)
Izborni predmeti (3. semestar)
Izborni predmeti (3. semestar)
Izborni predmeti (3. semestar)
Izborni predmeti (3. semestar)

Ishodi učenja

  1. Objasniti prednosti rekonstrukcijih postupaka temeljenih na pasivnoj stereoskopiji.
  2. Objasniti prednosti rekonstrukcije strukturiranim svjetlom.
  3. Objasniti prednosti rekonstrukcije laserskim senzorima.

Oblici nastave

Predavanja

13 predavanja po dva sata.

Laboratorij

Po jedna vježba u svakoj polovini semestra.

Način ocjenjivanja

Kontinuirana nastava Ispitni rok
Vrsta provjere Prag Udio u ocjeni Prag Udio u ocjeni
Laboratorijske vježbe 50 % 20 % 50 % 0 %
Međuispit: Pismeni 0 % 40 % 0 %
Završni ispit: Pismeni 0 % 40 %
Ispit: Pismeni 50 % 80 %
Ispit: Usmeni 20 %

Tjedni plan nastave

  1. stvaranje slike, kalibracija kamera, nedogledi
  2. homografija, esencijalna matrica
  3. Detekcija značajki, diferencijalno praćenje, podudaranje značajki u razmaknutim pogledima.
  4. Kalibrirani stereo: rektifikacija, geometrija, SGM, metrička ugrađivanja
  5. aktivna 3D rekonstrukcija: time of flight, laserski senzori, strukturirano svjetlo
  6. Strukturirano svjetlo: umjeravanje sustava projektor/kamera, uzorci za statičke scene, uzorci za dinamičke scene
  7. 3D rekonstrukcija strukturiranim svjetlom iz više pogleda 1: klasične metode grube i fine 3D registracije oblaka točaka
  8. Međuispit
  9. 3D rekonstrukcija strukturiranim svjetlom iz više pogleda 2: duboki modeli za 3D registraciju oblaka točaka
  10. Osnove 3D geometrije i transformacije, matrice rotacije i transformacije, parametrizacije rotacije, svojstva.
  11. Predobrada oblaka točaka, estimacija normale, estimacija ravnine podloge, 3D značajke i opisnici, registracija (point-to-point, point-to-plane), ICP, RANSAC
  12. Učinkovite reprezentacije oblaka točaka, point reduction, projekcije, octree, voxeli, kd-tree
  13. Odometrija za autonomne robote i vozila, odometrija iz 3D oblaka točaka
  14. Vježbe
  15. Završni ispit

Literatura

Richard Szeliski (2010.), Computer Vision, Springer
Richard Hartley, Andrew Zisserman (2004.), Multiple View Geometry in Computer Vision, Cambridge University Press
Yi Ma, Stefano Soatto, Jana Kosecka, S. Shankar Sastry (2005.), An Invitation to 3-D Vision, Springer Science & Business Media

Za studente

Izvedba

ID 223691
  Zimski semestar
5 ECTS
R1 Engleski jezik
R1 E-učenje
30 Predavanja
0 Seminar
0 Auditorne vježbe
8 Laboratorijske vježbe
0 Konstrukcijske vježbe
0 Vježbe tjelesnog odgoja

Ocjenjivanje

89 izvrstan
76 vrlo dobar
63 dobar
50 dovoljan