Subject » BMEVIIIMB05
Computer Vision Laboratory
Látórendszerek laboratórium
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
—
| Subject name (Hungarian, English) |
Látórendszerek laboratórium
Computer Vision Laboratory
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVIIIMB05 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | félévközi érdemjegy | ||||||||||||
| Credits | 5 | ||||||||||||
| Subject coordinator |
DR. Szántó Mátyás
position: adjunktus
contact:
szanto.matyas@vik.bme.hu
|
||||||||||||
| Responsible department |
Irányítástechnika és Informatika Tanszék
|
||||||||||||
| Faculty | Villamosmérnöki és Informatikai Kar | ||||||||||||
| Subject website | https://edu.vik.bme.hu/ | ||||||||||||
| 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. Számítógépes látás alapjai
Python programozási nyelv alapjai, az OpenCV és a NumPy könyvtárak használata.
Automatikus dokumentumfeldolgozás megvalósítása.
2. Képosztályozás
Közlekedési táblák osztályozása mélytanulás segítségével.
3. Szemantikus szegmentálás
Mélytanulás alapú szegmentáló rendszer megvalósítása közlekedési szituációkban.
4. Objektumdetektálás
Gyalogosok és járművek detektálása mély neurális hálókkal.
5. CUDA
Egyszerű képfeldolgozási algoritmusok hatékony megvalósítása GPU-n a CUDA környezet segítségével
6. Sávkövetés
Sávkövetés, pozícióbecslés és sávtartás megvalósítása egy mobilis jármű segítségével.
7. Akadálydetektálás
Automatikus akadálydetektálás és -kerülés megvalósítása mélységkép segítségével autonóm járművekben.
8. 3D Rekonstrukció
Többnézetű 3D rekonstrukció elkészítése egy mélységképre alapuló egyidejű lokalizációs és térképkészítő (RGB-D SLAM)
algoritmus segítségével.
9. Objektumkövetés
Egyszerű objektumkövetés megvalósítása RGB-D kamerakép segítségével.
10. Vizuális visszacsatolás vizsgálata
Hat szabadságfokú robotkar megfogójára rögzített kamera szem-kéz kalibrációja,
a robotkar irányítása a kamera képe alapján.
A tantárgy célja, hogy a hallgatók a képfeldolgozás és számítógépes látás technikák gyakorlati módszereinek használatát készségszinten elsajátítsák. A tárgy keretein belül összetett gépi látás feladatok megoldását egy több lépcsős csoportos együttműködésen keresztül lehetséges abszolválni, amelyhez tárgyi és gyakorlati segítséget biztosítunk. A technikák és a módszertan megismerésével a mérnöki gyakorlati gondolkodásmódot és a magas szintű képfeldolgozási perspektívát egyaránt el tudják sajátítani a tárgy hallgatói. A mérések tematikáját a klasszikustól a modern képfeldolgozás eszközrendszeréhez illesztjük.
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
Összesen 10 laboratóriumi mérés, melyek egyenként 4 órásak.
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 alapjai
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 alapjai
General rules
Követelmények:
A szorgalmi időszakban: A 10 mérés elvégzése legalább elégséges eredménnyel. A hallgatók felkészültségét a mérés elején ellenőrizzük, a nem kellőképpen felkészült hallgatók a mérést nem kezdhetik meg. A mérésről jegyzőkönyvet kell készíteni.
Pótlási lehetőségek:
Az elmulasztott vagy sikertelen mérések pótlására 2 pótmérési alkalmat biztosítunk.
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
Számítógépes látórendszerek
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.