"False"
Hoppa direkt till innehållet
printicon
Huvudmenyn dold.
Kursplan:

Geometrisk bildanalys, 7,5 hp

Kursen är nedlagd

Engelskt namn: Geometrical Image Analysis

Denna kursplan gäller: 2009-05-11 och tillsvidare

Kurskod: 5DV055

Högskolepoäng: 7,5

Utbildningsnivå: Avancerad nivå

Huvudområden och successiv fördjupning: Datavetenskap: Avancerad nivå, har kurs/er på avancerad nivå som förkunskapskrav

Betygsskala: TH teknisk betygsskala

Ansvarig institution: Institutionen för datavetenskap

Beslutad av: teknisk-naturvetenskapliga fakultetsnämnden, 2008-03-31

Reviderad av: teknisk-naturvetenskapliga fakultetsnämnden, 2009-06-24

Innehåll

Moment 1, teoridel, 4.5 högskolepoäng Kursen behandlar similär, affin, och projektiv geometri, homogena koordinater, homografier, oändlighetspunkter, interna och externa kameramodeller, linsdistortion, kamerakalibrering, självkalibrering, kantfiltrering, intressepunkter, relativ och absolut orientering samt epipolargeometri. Dessutom behandlas den fundamentala matrisen, sammankoppling av intressepunkter, robust estimering, 3D-rekonstruktion, icke-linjär optimering med och utan bivillkor, precisionsanalys, rektifiering och visualisering. Moment 2, laborationsdel, 3 högskolepoäng Delmomentet utgörs av en laborationskurs med ett antal obligatoriska inlämningsuppgifter.

Förväntade studieresultat

Efter avslutad kurs ska studenten kunna: - påvisa grundläggande förståelse för fotogrammetri och datorseende - redogöra för centrala teoribegrepp inom projektiv geometri, t.ex. hålkameramodellen, epipolargeometri, samt dess relation till avbildningsprocessen i en fysisk kamera - påvisa förståelse för begränsningarna hos projektiv geometri som förklaringsmodell för avbildningen i en fysisk kamera samt kunna föreslå icke-linjära utökningar av teorin - redogöra för vilken information som kan resp. inte kan extraheras ur tvådimensionella avbildningar av tredimensionella objekt - analysera och formulera tredimensionella rekonstruktionsproblem, speciellt med avseende på vilken matematisk formulering som är lämpligast - konstruera algoritmer och implementera programkod för lösning av ovanstående problem

Behörighetskrav

Univ:För tillträde till kursen krävs 60 hp i huvudområdet datavetenskap eller 2 års studier inkluderande kurserna Optimeringsmetoder med tillämpningar (TDBC19) eller Icke-linjär optimering (5DA001) och Bildanalys (TDBC30/5DV015) eller motsvarande kunskaper. En A och svenska för grundläggande behörighet för högskolestudier (om kursen ges på svenska).

Undervisningens upplägg

Undervisningen bedrivs i form av föreläsningar, arbete i datorlabb och övningar i mindre grupper. Utöver schemalagda aktiviteter krävs även individuellt arbete med materialet.

Examination

Examinationen sker dels genom skriftlig tentamen (på teoridelen) dels genom ett laborationsmoment. På en skriftlig tentamen sätts något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). På laborationsmomentet ges endast betygen Underkänd (U) eller Godkänd (G). På hela kursen ges något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). För att bli godkänd på hela kursen krävs att samtliga prov och obligatoriska moment är godkända. Betyget utgör en sammanfattande bedömning av resultaten vid examinationens olika delar och sätts först när alla obligatoriska moment är godkända. Studerande som godkänts i ett prov får inte undergå förnyat prov för att få ett högre betyg. För studerande som inte godkänns vid ordinarie provtillfälle anordnas ytterligare provtillfälle. En student som utan godkänt resultat har genomgått två prov för en kurs eller en del av en kurs, har rätt att få en annan examinator utsedd, om inte särskilda skäl talar emot det (HF 6 kap. 22 §). Begäran om ny examinator ställs till prefekten vid Institutionen för datavetenskap. TILLGODORÄKNANDE I en examen får denna kurs ej ingå, helt eller delvis, samtidigt med en annan kurs med likartat innehåll som t.ex. kursen Numerisk analys för en aktuell tillämpning (TDBD09) ? med inriktning mot Geometrisk bildanalys. Vid tveksamheter bör den studerande rådfråga studievägledare vid Institutionen för datavetenskap.

Litteratur

Giltig från: 2009 vecka 20

Multiple view geometry in computer vision
Hartley Richard, Zisserman Andrew
2nd ed. : Cambridge : Cambridge University Press : 2003 : xvi, 655 p. :
ISBN: 0-521-54051-8 (pbk.)
Se Umeå UB:s söktjänst