Titulació | Tipus | Curs |
---|---|---|
4318299 Visió per Computador / Computer Vision | OB | 0 |
Podeu consultar aquesta informació al final del document.
Grau en Enginyeria, Matemàtiques, Física o similar.
Coordinadora del mòdul: Dr. Gloria Haro
L’objectiu d’aquest mòdul és aprendre els principis de la reconstrucció en 3D d’un objecte o d’una escena a partir de múltiples imatges o vídeos estereoscòpics. Per això, primer s’introdueixen els conceptes bàsics de la geometria projectiva i l’espai 3D. La resta d'aspectes i aplicacions teòriques es basen en aquestes eines bàsiques. S’estudiarà el mapeig del món 3D al pla de la imatge, tot introduint diferents models de càmera, els seus paràmetres i la forma d’estimar-los (calibració de la càmera i auto-calibració). S’estudiarà la geometria que relaciona un parell de vistes. Tots aquests conceptes s'aplicaran per obtenir una reconstrucció 3D en les dues principals situacions possibles: càmeres calibrades o sense calibrar. En particular, aprendrem a: estimar la profunditat dels punts d’una imatge, extreure els punts 3D subjacents donats un conjunt de correspondències puntuals a les imatges, generar vistes noves, estimar l’objecte 3D donat un conjunt d’imatges calibrades en color o imatges binàries, i estimar un conjunt de punts 3D donat un conjunt d’imatges no calibrades. S’estudiarà la representació 3D en voxels i malles. Explicarem la reconstrucció i modelatge a partir de les dades de Kinect, com un model particular de sensors que proporcionen una imatge de l'escena junt amb les seves profunditats. Finalment, veurem algunes tècniques per processar núvols de punts 3D. Els conceptes i tècniques apreses en aquest mòdul s’utilitzen en aplicacions reals que van des de la realitat augmentada, la digitalització d’objectes, la captura demoviment, la síntesi de noves vistes, la generació d'efectes especials, la robòtica, etc.
Títol | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|
Tipus: Dirigides | |||
Sessions teòriques | 20 | 0,8 | CA01, CA06, KA04, KA12, SA04, SA10, SA15, SA17, CA01 |
Tipus: Supervisades | |||
Sessions de seguiment de projectes | 8 | 0,32 | CA01, CA06, KA04, KA12, SA04, SA10, SA15, SA17, CA01 |
Tipus: Autònomes | |||
Treball autònom | 113 | 4,52 | CA01, CA06, KA04, KA12, SA04, SA10, SA15, SA17, CA01 |
Sessions supervisades: (Algunes d'aquestes sessions podrien ser en línia síncròniques)
Sessions dirigides:
Treball autònom:
Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, per a la complementació per part de l'alumnat de les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.
Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|---|
Assistència a sessions | 0.05 | 0,5 | 0,02 | CA01, CA06, KA04, KA12, SA04, SA10, SA15, SA17 |
Examen | 0.4 | 2,5 | 0,1 | CA01, CA06, KA04, KA12, SA04, SA10, SA15, SA17 |
Projecte | 0.55 | 6 | 0,24 | CA01, CA06, KA04, KA12, SA04, SA10, SA15, SA17 |
La nota final d’aquest mòdul es calcularà amb la següent fórmula:
Nota final = 0,4 x Examen + 0,55 x Projecte + 0,05 x Assistència
on,
Examen: és la nota obtinguda a l'examen del mòdul (ha de ser> = 3).
Assistència: és la nota derivada del control d'assistència a les sessions (mínim 70%)
Projecte: és la nota proporcionada pel coordinador del projecte a partir del seguiment setmanal del projecte i dels lliuraments (ha de ser> = 5). Tot plegat amb criteris específics com ara:
Només els estudiants que han suspès (Nota final < 5.0) poden fer l'examen de recuperació.
Llibres:
Tutorials:
Entorn de programació en Python amb especial atenció a les llibreries de visió per computador i processament d'imatges.
Nom | Grup | Idioma | Semestre | Torn |
---|---|---|---|---|
(PLABm) Pràctiques de laboratori (màster) | 1 | Anglès | primer quadrimestre | matí-mixt |
(TEm) Teoria (màster) | 1 | Anglès | primer quadrimestre | matí-mixt |