|
Vyučující
|
-
Novák Jakub, Ing. Ph.D.
-
Chalupa Petr, Ing. Ph.D.
|
|
Obsah předmětu
|
Přednášky 1. Úvod a základní principy strojového vidění - digitalizace obrazu, obraz jako funkce, histogram obrazu 2. Filtrace obrazu - šum v obraze, konvoluce, korelace, detekce šablony v obraze, Gaussovská pyramida 3. Detekce hran - gradient obrazu, Sobelův filtr, Laplaceova pyramida, Cannyho algoritmus 4. Detekce přímek - Houghova transformace, RANSAC algoritmus 5. Analýza binárních obrazů - prahovní, obrazové momenty, analýza spojitých komponent, Morfologické operace 6. Geometrické transformace obrazu - perspektivní projekce, 2D transformace 7. Model kamery - vnitřní a vnější parametry kamery, orientace a pozice kamery 8. Kalibrace kamery - kalibrace pomocí 2D a 3D šablony 9. Komponenty systémů strojového vidění - kamery, objektivy, filtry, principy osvětlení 10. Návrh systému Strojového vidění - výběr kamery, objektivu, rozlišení, osvětlení pro danou aplikaci 11.-13. Implementace systému strojového vidění
|
|
Studijní aktivity a metody výuky
|
Přednášení, Projekce (statická, dynamická), Cvičení na počítači, Praktické procvičování, Individuální práce studentů
- Domácí příprava na výuku
- 24 hodin za semestr
- Semestrální práce
- 35 hodin za semestr
- Účast na výuce
- 56 hodin za semestr
- Příprava na zkoušku
- 20 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 |
|---|
| Praktické procvičování |
| Projekce (statická, dynamická) |
| Cvičení na počítači |
| Cvičení na počítači |
| Praktické procvičování |
| Projekce (statická, dynamická) |
| Přednášení |
| Přednášení |
| Individuální práce studentů |
| Individuální práce studentů |
| Hodnotící metody |
|---|
| Ústní zkouška |
| Ústní zkouška |
| Analýza seminární práce |
| Analýza seminární práce |
| Analýza jiné písem. práce studenta (kazuistika, deník, plán ...) |
| 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.
-
Howse, J. Learning OpenCV 4 Computer Vision with Python 3. Packt Publishing Ltd. 2020.
-
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.
|