Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 109 Horas de Tutorías: 1 Clase Expositiva: 14 Clase Interactiva: 26 Total: 150
Lenguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Departamento externo vinculado a las titulaciones
Áreas: Área externa Máster en Visión por Computador / Computer Vision
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
En esta materia los estudiantes aprenderán a:
modelar de forma precisa un sistema de adquisición de imágenes desde el punto de vista geométrico;
las metodologías de adquisición y procesamiento adecuadas para relacionar varias imágenes entre sí;
las herramientas de orientación para la obtención de un modelo tridimensional;
las técnicas de mapeado y navegación a través de la integración de sensores y la generación de información multimodal visión-láser.
-Calibración de cámaras. Transformaciones geométricas.
Propiedades geométricas de los sistemas ópticos:
Condición de colinealidad. Resolución geométrica de una cámara.
Transformaciones en el plano: Similitud. Afinidad. Proyectividad. Transformaciones polinomiales
Calibración de una cámara. Parámetros. Errores. Corrección iterativa. Precisión.
Corrección de perspectiva, rectificación y metrología:
Resección de imagen espacial. Rectificación de imagen plana. Medición de vista única.
-Orientación relativa y absoluta
Condición de coplanaridad.
Geometría y triangulación epipolar.
Modelo de sistema de coordenadas.
Parámetros de calidad y precisión.
Pares estereoscópicos
Orientación absoluta.
Sistemas de referencia globales geográficos y proyectados. Dato.
Transformaciones espaciales. Transformación de parámetros.
-Ajuste del paquete
Modelos de ajuste y autocalibración.
Generación de ortoimágenes.
-Nubes de puntos 3D
Cálculo y Cobro.
Procesamiento 3D
-Aplicaciones Robot Vision
Estimación de movimiento.
Resección de imagen espacial y odometría visual. Cartografía.
Bibliografía Básica
Thomas Luhmann, Close Range Photogrammetry, 1-870325-50-8, Whittles Publishing, 200
Richard Hartley, Multiple view geometry in Computer Vision, 0521-54051-8, 2, Cambridge : Cambridge University Press, 2003.
Karl Kraus, Photogrammetry : geometry from images and laser scans, 978-3-11-019007-6, 2, Berlin ; New York : Walter De Gruyter, cop., 2007
Bibliografía Complementaria
Wolfgang FörstnerBernhard P. Wrobel, Photogrammetric Computer Vision, 978-3-319-11549-8, Springer, 2016
CB6 Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
CB9. Que los estudiantes sepan comunicar sus conclusiones –y los conocimientos y razones últimas que las sustentan–a públicos especializados y no especializados de un modo claro y sin ambigüedades.
CB10: Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
CT2- Capacidad de trabajo en equipo, organización y planificación.
CE1. Conocer y aplicar los conceptos, metodologías y tecnologías de procesado de imagen.
CE3. Conocer y aplicar los conceptos, metodologías y tecnologías de análisis de imagen y vídeo.
CE5: Analizar y aplicar métodos del estado de la técnica en visión por computador.
CE6- Conocer y aplicar los fundamentos de los sistemas de adquisición de imagen y de visión artificial.
CE9:Conocer y aplicar los conceptos, metodologías y tecnologías para el reconocimiento de patrones visuales en escenas reales.
-Lección magistral
Se realizará la exposición de los contenidos de la asignatura de manera pariticipativa.
Se plantearán temas para la discusión en el aula y la resolución de problemas y supuestos prácticos.
Competencias Evaluadas:
CB6
CB9
CB10
CT2
CE1
CE3
CE5
CE6
CE9
-Prácticas con apoyo de las TIC
Se solucionarán casos de estudio relacionados con la temática de la materia utilizando software de referencia.
Se plantearán prácticas enfocadas a la implementación de los algoritmos explicados en las clases participativas.
Competencias Evaluadas:
CB6
CB9
CB10
CT2
CE1
CE3
CE5
CE6
CE9
Esta asignatura requiere asistencia presencial de todo el alumnado a la Universidad de Vigo para llevar a cabo parte de sus prácticas de laboratorio.
-Trabajo tutelado
Para todas las modalidades de docencia, las sesiones de tutorización podrán realizarse por medios telemáticos (correo electrónico, videoconferencia, foros de FAITIC, ...) bajo la modalidad de concertación previa.
Competencias Evaluadas:
CB6
CB9
CB10
CT2
CE1
CE3
CE5
CE6
CE9
-Trabajo tutelado (30)
Los alumnos deberán completar un caso de estudio mediante el
diseño de una metodología que incluya los pasos vistos en el curso:
1.- Análiisis de objetivos y productos requeridos
2.- Definición de las redes de adquisición de imágenes necesarias
3.- Procesamiento y análisis de las imágenes
4.- Obtención de los productos fotogramétricos adecuados.
-Examen de preguntas objetivas (30)
Los alumnos deberán responder de forma individual un conjunto de preguntas acerca de los contenidos del curso.
-Resolución de problemas y/o ejercicios (40)
Los alumnos deberán resolver de forma individual y en pequeños grupos un conjunto de casos y ejercicios prácticos concretos.
El tiempo de estudio promedio recomendado es de 2 horas por semana. Además, debe contarse el tiempo dedicado a la realización de trabajos de prácticos que estimamos en 6.5 h /semana más. En total suman alrededor de 120 h / semestre.
Asignaturas que se recomienda cursar simultáneamente
Instrumentación y procesamiento para visión artificial/V05M185V01104
Visión artificial en tiempo real/V05M185V01207
Asignaturas que se recomienda haber cursado previamente
Descripción y modelado de imagen/V05M185V01102
Fundamentos de procesado y análisis de imagen/V05M185V01101