K-INFO
HU
EN
Login

3D Vision and Virtual Reality

Háromdimenziós látás és virtuális valóság
A tantárgyleírás hatályossága
Hatályosság kezdete:
Hatályosság vége:
Subject name (Hungarian, English)
Háromdimenziós látás és virtuális valóság
3D Vision and Virtual Reality
Subject code BMEVIFO4365
Subject type
Training Level
Course types and hours (weekly/semester)
Course type lecture tutorial laboratory
hours (weekly) 4 0 0
type (linked/independent)
Assessment type vizsga
Credits 5
Subject coordinator
Responsible department
Faculty
Subject website
Primary curriculum type
Direct prerequisites – Strong prerequisite none
Direct prerequisites – Weak prerequisite none
Direct prerequisites – Parallel prerequisite none
Direct prerequisites – Milestone prerequisite none
Direct prerequisites – Exclusion none

Objectives

Programme
  1. hét
  2. Az emberi látás működése, háromdimenziós érzékelés. A térérzet komponensei, a monokuláris és binokuláris érzékelés alapjai. A képfüggvények fogalma, matematikai tulajdonságai. A térbeli látvány leképzésének matematikai modellje. Koordináta transzformációk, kamera modellek.

  3. hét
  4. A fényérzékelés alapvető mértékegységei az SI rendszerben. Az érzékelés problémája, dinamika tartomány, optikai zajok. Alapvető érzékelő eszközök: PSD, CCD érzékelők. A térérzékelésre alkalmas eszközök csoportosítása. Aktív és passzív rendszerek. A sztereo látás alapjai. Strukturált fényes letapogató rendszerek

  5. hét
  6. A képi információ feldolgozásának alapjai. Bináris képek feldolgozása. Geometriai tulajdonságok mérése. A valósidejű realizáció kérdései. Alkalmazási példák. Topológiai tulajdonságok analízise. Additív halmaz tulajdonságmérték fogalma. Euler-szám fogalma, alkalmazása. Alkalmazási példák.

  7. hét
  8. A képek előkészítő feldolgozása. Tér-transzformációk. Fourier transzformáció (ismétlés). Mintavételezés, kvantálás hatása. Egyéb tér-transzformációk. Hisztogram transzformációk. Szűrések a tér és a frekvenciatartományban

  9. hét
  10. Képek szegmentálása. Szegmentálás matematikai modellje. Szintek hasonlóságán alapuló szegmentálás. Gyors változásokon alapuló szegmentálási eljárások. A Hough transzformáció. Mozgásalapú szegmentálás. Alkalmazási példák.

  11. hét
  12. Az intenzitás és a távolságadatok közötti összefüggés. A reflexiós modellek szerepe a képértelmezésben. A volumetrikus és texturális adatbázis fogalma. Kontúrok csoportosítása. Kontúr attribútumok. Waltz féle szűkítési tétel. Kontúrok keresése, verifikációja.

  13. hét.
  14. Haralick féle topografikus osztályozás. A felületek leírásának matematikai módszerei. Hesse féle normálalak, Hesse mátrix. A sajátvektorok és sajátértékek interpretálása. Zárthelyi

  15. hét
  16. Felület típusok, és azok meghatározása. Felület attribútumok. A felületek meghatározási módszerei. Az eredmények verifikálása. Komponensek. Az objektumok komponensekre bontásának módszerei. Algoritmus a komponenshatárok meghatározására.

  17. hét
  18. Objektumfelismerés a hierarchikus adatbázis alapján. Reverse engineering feladatok. Alkalmazási példák.

    Három dimenziós látás szerepe a robotikában. Mobilis robotok navigációs kérdései. Navigációs szenzorok. Távolságmérésen alapuló navigáció. Mozgás alapú sztereo látás szerepe, és matematikai modellje.

  19. hét
  20. Ismeretlen környezet szenzorbázisú térképezési módszerei. A környezeti adatbázis tárolási lehetőségei. Térképalapú navigáció. Trajektóriakövetési módszerek. Hibamező, hibamező analízis. Akadálykerülési stratégiák. A látószenzorok, mint biztonsági szenzorok.

  21. hét
  22. A virtuális valóság és a robotika kapcsolata. Telerobotika, mint szabályozástechnikai probléma. Képtömőrítési eljárások telerobotikai alkalmazása. Aktív látás fogalma. Három dimenziós aktív látás eszközei. Az aktív látás alkalmazása a telerobotikában.

  23. hét
  24. VRML nyelv története, specifikációja, alkalmazása, alkalmazási példák. A VRML alkalmazása telerobotikában. Szenzoradatok csatolása a telerobotikai rendszerekbe.

  25. hét
  26. Képtömörítési eljárások. Matematikai alapok. Valósidejű rendszerek. Mozgóképek tömörítési eljárásai. A képtömörítés és az aktív látás kapcsolata.

  27. hét

Esettanulmányok a háromdimenziós látás és a telerobotika témaköréből. Mars Pathfinder analízise. Teleoperáció sebészrobottal. Mobil plattform reaktor primerkör karbantartására. Robotfoci bajnokság. Robotrepülő navigációs rendszere. Repülőgépek alak deformációjának vizsgálata. A várható fejlődési irányzatok vizsgálata.

A korszerű számítógépes képfeldolgozási ismeretek készségszintű elsajátítása, a távfelügyelt autonóm ipari folyamatok kezelésében kulcsszerepet játszó virtuális technikák megismerése, a háromdimenziós képi információk feldolgozásának speciális technikái.

Learning outcomes

Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:

Knowledge

No learning outcomes recorded.

Skills

No learning outcomes recorded.

Attitudes

No learning outcomes recorded.

Autonomy and responsibility

No learning outcomes recorded.

Oktatási módszertan

(előadás, gyakorlat, laboratórium): A tárgy ismeretanyaga előadásokon kerül ismertetésre. Az előadásokra az előadó slide-okat készít, mely a félév során a //momic.iit.bme.hu címről letölthető. A tárgy ismeretanyaga a slide-ok felhasználásával és az előadásokon elhangzó lényegkiemelések, magyarázatok segítségével sajátítható el.

Tanulástámogató anyagok

Not provided.

Recommended preliminary knowledge for completing the subject

Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Képfeldolgozás és számítógépes grafikai alapismeretek
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Recommended (non-compulsory) preliminary competencies
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Képfeldolgozás és számítógépes grafikai alapismeretek
General rules
Követelmények: A szorgalmi időszakban: házi feladat és zárthelyi A vizsgaidőszakban: a vizsga írásbeli. Elővizsga: Az utolsó oktatási héten elővizsga lehetőséget biztosítunk. Pótlási lehetőségek: A házi feladat elkészítése a vizsgaidőszakban nem pótolható. A zárthelyi pótlására a TVSZ előírásai szerint van lehetőség.
Assessment methods
In-term assessments

No detailed assessments provided.

Weight of in-term assessments

No weights provided.

Exam-period assessments

No detailed assessments provided.

Weight of exam elements

No weights provided.

Grade calculation

No grade thresholds provided.

Attendance requirements

No attendance requirements provided.

Rules for retake and resubmission

Not provided.

Short description

Not provided.

Detailed description

Not provided.

Recommended courses
A tárgy felvételéhez ajánlott a Képfeldolgozás és Számítógépes Grafika c. tárgy (vifo4351) abszolválása.
Workload to complete the subject

No workload breakdown provided.

Validity of subject requirements
Requirements valid from:
Requirements valid until:
Curriculum placement

No curriculum placements recorded for this subject version.