|
Vyučující
|
-
Novák Jakub, Ing. Ph.D.
-
Chalupa Petr, Ing. Ph.D.
|
|
Obsah předmětu
|
Kurz je rozdělen do 4 bloků kombinující přednášku a cvičení: 1. Úvod, Perspektivní projekce, transformace, model kamery a kalibrace 2. Zpracování obrazu, filtrace, detekce hran, přímek a kružnic, analýza binárních obrazů 3. Hardwarové prostředky systémů strojového vidění - senzory, objektivy, osvětlení 4. Návrh a implementace systému strojového vidění pro zadanou úlohu
|
|
Studijní aktivity a metody výuky
|
Přednášení, Projekce (statická, dynamická), Cvičení na počítači, Praktické procvičování, Individuální práce studentů
- Semestrální práce
- 30 hodin za semestr
- Příprava na zkoušku
- 32 hodin za semestr
- Účast na výuce
- 19 hodin za semestr
- Domácí příprava na výuku
- 54 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) |
| Projekce (statická, dynamická) |
| Praktické procvičování |
| Praktické procvičování |
| Cvičení na počítači |
| Cvičení na počítači |
| Individuální práce studentů |
| Individuální práce studentů |
| Přednášení |
| Přednášení |
| Hodnotící metody |
|---|
| Analýza jiné písem. práce studenta (kazuistika, deník, plán ...) |
| Analýza seminární práce |
| Analýza seminární práce |
| Ústní zkouška |
| Ústní zkouška |
| Písemná zkouška |
| Písemná zkouška |
| Analýza jiné písem. práce studenta (kazuistika, deník, plán ...) |
|
Doporučená literatura
|
-
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.
-
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.
|