OBIETTIVI FORMATIVI

The course aims at providing knowledge on theory and tools on the basics of Computer Vision, for the extraction of semantic and geometric information about a scene from an image or a sequence of images. Topics of interest include: camera models and image formation; camera calibration; connection between 2D images and 3D scene structures; image processing basics as image filtering, local features extraction (edge, corner, blob), including the use of multi-scale image representations; image matching, with reference to classification and retrieval problems; stereo vision and scene depth estimation; motion detection in image sequences, including change detection and optical flow estimation.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Lo scopo del corso è fornire un'ampia introduzione ai diversi aspetti fondamentali della visione artificiale, tra cui i modelli di telecamera, la calibrazione della telecamera, l'elaborazione di immagini, la stima della profondità, la geometria di un sistema stereo, il tracking di oggetti. 

Al termine del corso lo studente sarà in grado di comprendere i principali concetti teorici e di progettare e implementare algoritmi classici di visione artificiale. Il corso fornirà inoltre una panoramica dei principali domini applicativi, con particolare riferimento allo scenario della robotica.

PREREQUISITI

Basi di algebra lineare e analisi; basi di programmazione

MODALITA' DIDATTICHE

Lezioni frontali (teoria) e attività pratiche. 

PROGRAMMA/CONTENUTO

Introduzione  alla computer vision for applicazioni robotiche 

Parte 1 - Fondamenti di elaborazione di immagini  

Fondamenti sulle immagini digitali: aquisizione, campionamento e quantizzazione, operazioni di base 

Trasformazioni e filtraggio

Localizzazione di edge e corner

Elaborazione di immagini a colori

Trasformata di Hough e segmentazione

Spazio-scala e localizzazione di  blob 

Matching tra immagini

Parte 2 - Analisi del moto

Campi di moto 2D e 3D, metodi densi e sparsi per la stima del flusso ottico                             

Tracking con modelli dinamici lineari (filtro di Kalman)

Parte 3 - Geometria

Fondamenti di computer vision 3D

La geometria della formazione dell'immagine: geometria proiettiva e trasformazioni, modelli di telecamera e geometria da singola vista, calibrazione, omogarfie

Stereovisione: geometria epipolare, stima della profondità,  ricostruzione 3D

​Conclusione: Visual Recognition e image retrieval;  introduzione al riconoscimento di oggetti e di azioni per HRI 

TESTI/BIBLIOGRAFIA

Testi raccomandati

R.C. Gonzalez and R.E. Woods, Digital image processing, Prentice-Hall, 2008.

E. Trucco and A. Verri, Introductory Techniques for 3-D Computer Vision, Prentice Hall,  1998.

Ulteriore materiale verrà reso disponibile dai docenti