Computer Vision

• Identificere relevante metoder til løsning af computer vision problemer.
• Implementere en valgt computer vision algoritme i for eksempel Matlab eller Python.
• Gennemføre en systematisk performanceanalyse af en computer vision algoritme.
• Anvende et- og to-billedegeometri til estimering af punkter, positioner og overflader
• Implementere og anvende linerære metoder til kameraestimering.
• Implementere og anvende kamerakalibrering.
• Implementere og anvend RANSAC-algoritmen
• Finde korrespondancer mellem 2D billedpunkter og estimere 3D punkter ud fra disse.
• Forstå og anvende billedfeatures i computer vision.
• Anvende computer vision software-biblioteker.

Metoder dækket i kurset er baseret på en kombination af matematik, statistik, og algoritmer, som alle er anvendt på billeder fra et perspektivisk kamera. Studerende bliver introduceret til teoretiske elementer af computer vision-metoder og får praktisk erfaring gennem øvelser, hvor metoderne bliver implementeret i computerprogrammer. Det forventes, at en studerende, som deltager i kurset, har erfaring med programmering i Python samt erfaring med grundlæggende emner fra billedanalyse.

02502, Erfaring med programmering i Python og numpy. Billedanalyse eller lignende introducerende kursus som dækker introduktion til billeder og operationer på billeder. Dette inkluderer bl.a. morfologiske operationer, filtrering, geometriske transformationer, billedregistrering, klassifikation og segmentering.

Forelæsninger og øvelser

Minimum 6.

Vær opmærksom på, at dette enkeltfagskursus har et minimumskrav for antal deltagere for at kunne oprettes. Du får besked om, hvorvidt kurset oprettes senest 8 dage før kursusstart.