K-INFO
HU
EN
Belépés

Háromdimenziós látás és virtuális valóság

3D Vision and Virtual Reality
A tantárgyleírás hatályossága
Hatályosság kezdete:
—
Hatályosság vége:
—
Tantárgy neve (magyarul, angolul)
Háromdimenziós látás és virtuális valóság
3D Vision and Virtual Reality
Tantárgykód BMEVIFO4365
Tantárgyjelleg —
Képzési szint —
Kurzustípusok és óraszámok (heti/féléves)
Kurzustípus elmélet gyakorlat laboratóriumi gyakorlat
óraszám (heti) 4 0 0
jelleg (kapcsolt/önálló) — — —
Tanulmányi teljesítmény/értékelés típusa vizsga
Tantárgy kreditértéke 5
Tantárgyfelelős —
Tantárgyat gondozó oktatási szervezeti egység
—
Kar
Tantárgy weboldala —
Tantárgy elsődleges mintatantervi jellege —
Közvetlen előkövetelmények – Erős előkövetelmény nincs
Közvetlen előkövetelmények – Gyenge előkövetelmény nincs
Közvetlen előkövetelmények – Párhuzamos előkövetelmény nincs
Közvetlen előkövetelmények – Mérföldkő előkövetelmény nincs
Közvetlen előkövetelmények – Kizáró feltétel nincs

Célkitűzés

Tantárgyprogram
  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.

Tanulmányi eredmények

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

Tudás

Nincsenek rögzített tanulási eredmények.

Képességek

Nincsenek rögzített tanulási eredmények.

Attitűd

Nincsenek rögzített tanulási eredmények.

Autonómia és felelősség

Nincsenek rögzített tanulási eredmények.

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

Online források
Tanszéki sokszorosított kiadványok, PowerPoint prezentációk; Gonzales: Digital Picture Processing. Addison-Wesley, ISBN 0-201-50803-6

A tantárgy teljesítéséhez ajánlott előzetes ismeretek

Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Képfeldolgozás és számítógépes grafikai alapismeretek
Képesség típusú kompetenciák
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Képfeldolgozás és számítógépes grafikai alapismeretek
Általános szabályok
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.
Teljesítményértékelési módszerek
Szorgalmi időszakban végzett teljesítményértékelések részletes leírása

Nincs megadva részletes értékelés.

Szorgalmi időszakban végzett teljesítményértékelések részaránya

Nincs megadva részarány.

Vizsgaidőszakban végzett teljesítményértékelések részletes leírása

Nincs megadva részletes értékelés.

Vizsgarészek részaránya

Nincs megadva részarány.

Érdemjegy megállapítása

Nincs megadva érdemjegy határ.

Jelenléti és részvételi követelmények

Nincs megadva jelenléti követelmény.

Javítás, ismétlés és pótlás különös szabályai

Nincs megadva.

Rövid leírás

Nincs megadva.

Részletes leírás

Nincs megadva.

Ajánlott tantárgyak
A tárgy felvételéhez ajánlott a Képfeldolgozás és Számítógépes Grafika c. tárgy (vifo4351) abszolválása.
A tantárgy elvégzéséhez szükséges tanulmányi munka

Nincs megadva munkaidő bontás.

Tantárgykövetelmények hatályossága
Tantárgykövetelmények hatályosságának kezdete:
—
Tantárgykövetelmények hatályosságának vége:
—
Tantervi elhelyezés

Nincsenek rögzített tantervi elhelyezések ehhez a tárgyverzióhoz.