Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Escola de Engenharia de São Carlos
 
Engenharia Elétrica e de Computação
 
Disciplina: SEL0635 - Visão Computacional em Robótica
Robotic Computer Vision

Créditos Aula: 2
Créditos Trabalho: 1
Carga Horária Total: 60 h
Tipo: Semestral
Ativação: 01/01/2021 Desativação:

Objetivos
Introduzir ao aluno os fundamentos e métodos de visão computacional para estimação da geometria tridimensional do ambiente a partir do processamento de imagens, e aplicações desses métodos em robótica. 
 
To introduce the students to fundaments and methods of computer vision for tridimensional geometry estimation from camera images, and how these methods can be applied to robotics.
 
 
Docente(s) Responsável(eis)
2807959 - Marco Henrique Terra
1986392 - Valdir Grassi Junior
 
Programa Resumido
Introdução à visão computacional aplicada em robótica. Formação de imagens e modelos de câmera. Extração de características visuais e segmentação de imagem. Rastreamento visual. Calibração de câmeras. Mosaico de Imagens. Visão estéreo. Fluxo ótico. Odometria Visual.
 
Introduction to computer vision applied to robotics. Image formation and camera models. Feature extraction and image segmentation. Visual tracking. Camera calibration. Image mosaicing. Stereo vision. Optical Flow. Visual Odometry.
 
 
Programa
Introdução à visão computacional aplicada em robótica. Formação de imagens e modelos de câmera: imagens digitais, ótica básica, formação de imagens, modelos de câmera, parâmetros intrínsecos e extrínsecos de uma câmera, imagens de profundidade. Extração de características visuais e segmentação de imagem: características visuais, detecção de bordas e cantos, linhas e curvas, Transformada de Hough, SIFT, segmentação de regiões por cor e intensidade. Rastreamento visual. Calibração de câmeras: matriz de projeção. Visão estéreo: introdução, correspondência, geometria epipolar, retificação de imagem, estimativa de profundidade. Mosaico de imagens. Fluxo ótico, estimativa de velocidade. Odometria visual. 
 
Introduction to computer vision applied to robotics. Image formation and camera models: digital images, basic optics, image formation, camera models, intrinsic and extrinsic camera parameters, depth images. Visual feature extraction and image segmentation: visual features, detection of edges and corners, lines and curves, Hough transformation, color and intensity segmentation. Visual tracking. Camera calibration: projection matrix. Stereo Vision: introduction, correspondence, epipolar geometry, depth estimation. Image mosaicing. Optical flow, velocity estimation. Visual odometry.
 
 
Avaliação
     
Método
Trabalhos práticos, projetos, e listas de exercícios.
Critério
Média ponderada das notas atribuídas ao aluno nas participações em classe, trabalhos e projetos individuais e/ou em grupo.
Norma de Recuperação
Os critérios de avaliação da recuperação devem ser similares aos aplicados durante o semestre regular do oferecimento da disciplina; 1) A nota final (MF) do aluno que realizou provas de recuperação dependerá da média do semestre (MS) e da média das provas de recuperação (MR), como segue: a) MF=5 se 5 ≤MR ≤ (10 - MS); b) MF = (MS + MR) / 2 se MR > (10 – MS) c) MF = MS se MR < 5. 2) O período de recuperação das disciplinas deve se estender do início até um mês antes do final do semestre subsequente ao da reprovação do aluno em primeira avaliação.
 
Bibliografia
     
Principal: 
TRUCCO, Emanuele; VERRI, Alessandro. Introductory Techniques for 3-D Computer Vision. Prentice Hall, New Jersey, 1998. 
HARTLEY, R. and ZISSERMAN A. Multiple View Geometry in Computer Vision. 2º edition. Cambridge University Press, 2004. 
FORSYTH, David A.; PONCE, Jean. Computer Vision: A Modern Approach. 2º edition. Pearson, 2011. 
GONZALEZ, Rafael C.; WOODS, Richard E. Processamento Digital de Imagens. 3ª edição. Pearson Universidades, 2009. 
Complementar: 
KAEHLER, A.; BRADSKI, G. Learning OpenCV 3: Computer Vision in C++ with the OpenCV Library. O’Reilly, 2016. 
BRADSKI, G.; KAEHLER, A. “Learning OpenCV: Computer Vision with the OpenCV Library”. O’Reilly, 2008. 
JAIN, Ramesh; KASTURI, Rangachar; SCHUNCK, Brian G. Machine Vision. McGraw-HiII, 1995. 
HORN, B. K. P. Robot Vision. MIT Press, 1986. 
BALLARD, Dana; BROWN, Christopher. Computer Visíon. Prentice Hall, 1982. 
 

Clique para consultar os requisitos para SEL0635

Clique para consultar o oferecimento para SEL0635

Créditos | Fale conosco
© 1999 - 2024 - Superintendência de Tecnologia da Informação/USP