93668 - ANALISI DI IMMAGINI 3D E SISTEMI DI COMPUTER VISION

Scheda insegnamento

SDGs

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.

Salute e benessere Imprese innovazione e infrastrutture

Anno Accademico 2020/2021

Conoscenze e abilità da conseguire

L'obiettivo formativo del corso è formare uno studente in grado di progettare sistemi funzionanti nel mondo reale, anche in real time, per scopi industriali, scientifici e ludici, che sfruttano immagini e sequenze video per l’analisi automatica in 3D in numerosi campi applicativi tra cui la visione industriale, l’automotive, il controllo automatico di qualità e la manutenzione predittiva, la sicurezza, l’imaging medico, biomedico e aerospaziale, l’agricoltura di precisione, i beni culturali. In particolare, lo studente è in grado di applicare le competenze acquisite per: – applicare la computer vision in campi multidiscplinari critici, incluso il medical imaging – utilizzare la telecamera per effettuare misure 3D ad elevata accuratezza – realizzare applicazioni di realtà aumentata e mescolata – utilizzare i sensori di visione in applicazioni IoT – effettuare scansioni 3D di oggetti reali, anche per stampa 3D – ricostruire la scena in 3D da drone o veicolo in movimento – effettuare controlli di qualità in 3D in ambito industriale – progettare sistemi di visione in tempo reale su architettura parallela/distribuita

Contenuti

- Computer vision: esempi di sistemi e applicazioni

- Dal sensore all’immagine: elementi di ottica

- Analisi di sequenze di immagini e video in tempo reale

- Estrazione semantica delle informazioni multidimensionali

- La prospettiva: una proiezione in 2D del mondo reale

- Dalla prospettiva al 3D: calibrazione della telecamera, stereoscopia e triangolazione

- Dal moto al 3D: nuvole di punti (cloud point)

- Cloud point e rappresentazione geometrica di oggetti in 3D

     - Principi di elaborazione in tempo reale (high throughput

     - Programmazione efficiente della GPU

Casi di studio: progetti in corso

Testi/Bibliografia

  • R. I. Hartley, A. Zisserman: “Multiple View Geometry in Computer Vision”, Second Edition, Cambridge University Press, 2004
  • Richard O. Duda, Peter E. Hart, David G. Stork: “Pattern Classification”, Second Edition, Wiley Interscience, New York, 2001

Metodi didattici

Lezioni in aula ed esercitazioni assistite in laboratorio. Ogni argomento teorico verrà immediatamente accompagnato dallo studio di casi in laboratorio che ne mettano in luce applicazioni significative. Per far acquisire agli studenti padronanza e familiarità con gli argomenti trattati, saranno svolte esercitazioni in aula e saranno proposte esercitazioni da svolgere a casa, con successiva correzione in laboratorio.

Modalità di verifica dell'apprendimento

Gli studenti saranno valutati in base allo svolgimento di una prova in laboratorio, di un progetto e di un esame orale.

Strumenti a supporto della didattica

Nel sito del materiale didattico  sono disponibili per il download le slide presentate a lezione ed il software per le esercitazioni in laboratorio.

Link ad altre eventuali informazioni

https://cvg.deis.unibo.it

Orario di ricevimento

Consulta il sito web di Alessandro Bevilacqua