|
Vyučující
|
-
Novák Jakub, Ing. Ph.D.
-
Chalupa Petr, Ing. Ph.D.
|
|
Obsah předmětu
|
1. Úvod a základní principy strojového vidění 2. Hardwarové prostředky systémů strojového vidění 3. Návrh systému strojového vidění 4. Geometrické transformace obrazu 5. Model kamery 6. Kalibrace kamery 7. Filtrace obrazu 8. Detekce hran 9. Detekce přímek 10. Analýza binárních obrazů 11. Morfologické operace 12. Příznaky 13. 3D metody počítačového vidění
|
|
Studijní aktivity a metody výuky
|
Přednášení, Projekce (statická, dynamická), Cvičení na počítači, Praktické procvičování, Individuální práce studentů
- Domácí příprava na výuku
- 12 hodin za semestr
- Semestrální práce
- 24 hodin za semestr
- Účast na výuce
- 56 hodin za semestr
- Příprava na zkoušku
- 48 hodin za semestr
|
| Předpoklady |
|---|
| Odborné znalosti |
|---|
| Předpokladem je základní znalost algoritmizace, programování, matematiky a fyziky. |
| Předpokladem je základní znalost algoritmizace, programování, matematiky a fyziky. |
| Výsledky učení |
|---|
| popsat základní součásti průmyslového systému strojového vidění |
| popsat základní součásti průmyslového systému strojového vidění |
| vysvětlit základní algoritmy zpracování obrazu |
| vysvětlit základní algoritmy zpracování obrazu |
| popsat geometrický model kamery |
| popsat geometrický model kamery |
| vysvětlit základní principy osvětlení pro strojové vidění |
| vysvětlit základní principy osvětlení pro strojové vidění |
| popsat metody filtrace obrazu |
| popsat metody filtrace obrazu |
| Odborné dovednosti |
|---|
| vybrat vhodné komponenty pro detekci vad pomocí strojového vidění |
| vybrat vhodné komponenty pro detekci vad pomocí strojového vidění |
| implementovat algoritmy zpracování obrazu knihovny OpenCV |
| implementovat algoritmy zpracování obrazu knihovny OpenCV |
| zpracovat a vizualizovat digitální obrazové data |
| zpracovat a vizualizovat digitální obrazové data |
| provést kalibraci kamery |
| provést kalibraci kamery |
| navrhnout systém optické kontroly vad |
| navrhnout systém optické kontroly vad |
| Vyučovací metody |
|---|
| Odborné znalosti |
|---|
| Projekce (statická, dynamická) |
| Přednášení |
| Přednášení |
| Praktické procvičování |
| Cvičení na počítači |
| Individuální práce studentů |
| Individuální práce studentů |
| Projekce (statická, dynamická) |
| Cvičení na počítači |
| Praktické procvičování |
| Hodnotící metody |
|---|
| Písemná zkouška |
| Ústní zkouška |
| Ústní zkouška |
| Analýza jiné písem. práce studenta (kazuistika, deník, plán ...) |
| Písemná zkouška |
| Analýza seminární práce |
| Analýza seminární práce |
| Analýza jiné písem. práce studenta (kazuistika, deník, plán ...) |
|
Doporučená literatura
|
-
Corke, P. Robotics, vision and control: fundamental algorithms in Matlab. Berlin, 2011. ISBN 9783642201431.
-
Forsyth, D., Ponce, j. Computer vision: a modern approach. Upper Saddle Rivers, 2003. ISBN 0130851981.
-
Hartley, R., Zisserman, A. Multiple view geometry in computer vision. cambridge, 2003. ISBN 0521540518.
-
Sankowski, D., Nowakovski, J. Computer vision in robotics and industrial applications.. Singapore, 2014. ISBN 9789814583718.
-
Solomon, C., Breckon, T. Fundamentals of digital image processing: a practical approach with examples in Matlab. Hoboken, 2011. ISBN 9780470844724.
-
Szelinski, R. Computer Vision: Algorithms and Applications. London, 2010. ISBN 9781848829343.
-
Šonka, M. ,Hlaváč, V., Boyle, R. Image processing, analysis, and machine vision. Pacific Grove, 1999. ISBN 053495393X.
|