Matière prise au SoSe2019
Cours en anglais, suite du cours "Machine Vision" proposé au Wintersemester, axé sur les techniques de traitement d'images utilisées dans le cadre de la conduite autonome d'un véhicule. Les slides sont claires, bien faites et le prof prend le temps d'expliquer les notions.
Contenu:
*binocular vision: calcul de la position d'un objet dans l'espace au moyen de deux caméras
*feature point Methods: repérer des points singuliers sur une ou plusieurs images
*optical flow calculation: calcul du flux optique d'une séquence d'images (déplacement des pixels entre 2 images successives)
*image based tracking: tracking d'un objet apparaissant sur plusieurs images
*recognition of own and other‘s movement: estimation de trajectoires par l'observation de l'environnement
*filtering techniques in state space (Kalmanfilter, particle filter): estimation de l'état d'un système au cours du temps en fonction d'informations mesurées dans l'environnement
*self localization, mapping: estimation de sa position, cartographie de l'environnement
*roadway and behavior recognition.
Des TD sont prévus tous les 15 jours environ (sur Matlab).
Examen:
Ecrit 1h, en anglais ou en allemand, similaire à celui du cours "Machine Vision": questions de cours, application d'algorithmes, raisonnements mathématiques. Tous les documents sont autorisés, mais une bonne connaissance des notions vues en cours est nécessaire pour ne pas perdre de temps lors de l'examen.
A conseiller pour ceux intéressés par les techniques de traitement d'images, en complément ou non de "Machine Vision" (des informations seront redondantes si elles sont nécessaires pour Automotive Vision, mais ce cours n'est en rien une redite du premier).
Cours en anglais, suite du cours "Machine Vision" proposé au Wintersemester, axé sur les techniques de traitement d'images utilisées dans le cadre de la conduite autonome d'un véhicule. Les slides sont claires, bien faites et le prof prend le temps d'expliquer les notions.
Contenu:
*binocular vision: calcul de la position d'un objet dans l'espace au moyen de deux caméras
*feature point Methods: repérer des points singuliers sur une ou plusieurs images
*optical flow calculation: calcul du flux optique d'une séquence d'images (déplacement des pixels entre 2 images successives)
*image based tracking: tracking d'un objet apparaissant sur plusieurs images
*recognition of own and other‘s movement: estimation de trajectoires par l'observation de l'environnement
*filtering techniques in state space (Kalmanfilter, particle filter): estimation de l'état d'un système au cours du temps en fonction d'informations mesurées dans l'environnement
*self localization, mapping: estimation de sa position, cartographie de l'environnement
*roadway and behavior recognition.
Des TD sont prévus tous les 15 jours environ (sur Matlab).
Examen:
Ecrit 1h, en anglais ou en allemand, similaire à celui du cours "Machine Vision": questions de cours, application d'algorithmes, raisonnements mathématiques. Tous les documents sont autorisés, mais une bonne connaissance des notions vues en cours est nécessaire pour ne pas perdre de temps lors de l'examen.
A conseiller pour ceux intéressés par les techniques de traitement d'images, en complément ou non de "Machine Vision" (des informations seront redondantes si elles sont nécessaires pour Automotive Vision, mais ce cours n'est en rien une redite du premier).