Belépés címtáras azonosítással
magyar nyelvű adatlap
angol nyelvű adatlap
Ipari képfeldolgozás és képmegjelenítés
A tantárgy angol neve: Industrial Image Processing
Adatlap utolsó módosítása: 2017. július 2.
Matematika, Jelek és rendszerek, Programozás, Képfeldolgozás és számítógépes grafikai alapismeretek
A fenti forma a Neptun sajátja, ezen technikai okokból nem változtattunk.
A kötelező előtanulmányi rend az adott szak honlapján és képzési programjában található.
Kötelező:
Szakirany("AMIaut", _) VAGY Szakirany("AMIintr", _) ÉS NEM ( TárgyEredmény( "BMEVIIIAD00" , "jegy" , _ ) >= 2 VAGY TárgyEredmény("BMEVIIIAD00", "FELVETEL", AktualisFelev()) > 0)
A kötelező előtanulmányi rendek grafikus formában itt láthatók.
Ajánlott: A tárgy felvételéhez ajánlott a Számítógépes Grafika c. tárgy abszolválása.
A számítástechnika fejlődésével a képi információk automatikus kiértékelése napi gyakorlattá vált a minőségellenőrzés, folyamatirányítás, navigáció, biztonságtechnika, orvosi diagnosztika és számos egyéb területen. Az egyre jobb minőségű megjelenítő technikák alkalmazásával a grafikus szimuláció és a teleoperáció hétköznapi technológiákká vált. A tantárgy célja a korszerű számítógépes képfeldolgozási és megjelenítési eljárások elveinek és alkalmazásának készségszintű megismertetése, a távfelügyelt autonóm ipari folyamatok és az autonóm árművezetés kezelésében kulcsszerepet játszó virtuális technikák bemutatása.
1. Az emberi látás működése, háromdimenziós érzékelés. A térérzet komponensei, a monokuláris és binokuláris érzékelés alapjai. A látványt leíró függvények fogalma, matematikai tulajdonságai. Színrendszerek. A térbeli látvány leképzésének matematikai modellje. Az intenzitás és a távolságadatok közötti összefüggés. A reflexiós modellek szerepe a képértelmezésben.
Koordináta transzformációk, kamera modellek és kalibrációs eljárások. Alapvető érzékelő eszközök. Képbeviteli berendezések illesztési kérdései- esettanulmány. (6 óra ea +2 óra gy)
2. Getting started: A képi információ feldolgozásának alapjai. Bináris képek feldolgozása. Matematikai morfológiai alapok. Geometriai tulajdonságok mérése. A valósidejű realizáció kérdései.. Topológiai tulajdonságok analízise. Additív halmaz tulajdonságmérték fogalma. Euler-szám fogalma. Ipari alkalmazási példák. (6 óra ea +2 óra gy)
3. A képek előkészítő feldolgozása. Fourier transzformáció. Mintavételezés, kvantálás hatása. Egyéb tér-transzformációk. Hisztogram transzformációk. Szűrések a tér- és a frekvenciatartományban. Képszegmentálás matematikai modellje. Szintek hasonlóságán alapuló szegmentálás. Gyors változásokon alapuló szegmentálási eljárások. Hough transzformáció. Mozgásalapú szegmentálás. Textúra szegmentálás. Biztonságtechnikai és közlekedési alkalmazási példák (6 óra ea +2 óra gy).
4. Gyors objektumkövetési módszerek. Optikai áramlás. Szinek, élek, textúrák követése. SSD algoritmus. Vizuális visszacsatolás. Navigációs, felhasználó követési alkalmazási példák. (3+1 óra)
5. Tulajdonság reprezentáció. Objektumfelismerési (osztályozási) módszerek. Aktív látás. Képtömörítési eljárások,. Keresés képi adatbázisokban. Teleoperációs alkalmazási példák. (6+2 óra)
6. Korszerű képfeldolgozó programkönyvtárak lehetőségeinek összehasonlítása, alkalmazástechnikája (pl. Halcon, Matlab, ITK, openCV, LabView). Egyszerűbb képfeldolgozási problémák alternatív megoldásainak bemutatása. (3+1 óra)
7. Korszerű képmegjelenítési eszközök (pl. HMD, polárszűrős, anaglif, shutter, holoTV) és alkalmazott renderelési módszerek. 3D megjelenítés, térhatású megjelenítők tervezése és alkalmazása. „Hagyományos” képek átszámítása sztereo megjelenítés céljából. Bemerüléses virtuális valóság a teleoperációban. Orvosi és telerobotikai példák. (6+2 óra)
8. Szimulátor rendszerek. Hardver in the Loop szimulációval támogatott terméktervezés és –tesztelés. Járműipari alkalmazási példák. (3+1 óra)
9. IP alapú képátvitel. DSP alapú intelligens kamerák. Valósidejű képfeldolgozás. Real-time eljárások és architektúrák. Gyártásautomatizálási alkalmazási példák. (3+1 óra)
A tárgy ismeretanyaga előadásokon, az esettanulmányok a gyakorlatokon kerülnek ismertetésre. A gyakorlatokhoz minden hallgató önállóan dolgoz fel egy-egy esettanulmányt. A félév során a hallgatók egy házi feladatot készítenek, amely egy gyakorlati alkalmazás (rész) megoldását tartalmazza.
esettanulmány, házi feladat és zárthelyi. Az esettanulmány irodalmi adatokra, a házi feladat önálló programozási feladatra irányul. A zárthelyi az elméleti anyag elsajátítását ellenőrzi, és azt a 10. oktatási héten írjuk.
a vizsga írásbeli.
Nincs.
A házi feladat elkészítése a pótlási héten pótolható.
A zárthelyi pótlására a szorgalmi időszak utolsó hetén van lehetőség.
A házi feladat elkészítéséhez egy alkalommal, valamint minden vizsga előtt konzultációs lehetőséget biztosítunk.
· Óravázlat mélységű tematika és slideok
· R. Gonzales: Digital Image Processing, Addison-Wesley, ISBN 0-201-50803-6
· Besl, P.J.: "Surfaces in range image understanding". Springer, 1988.
Kontaktóra
48
Készülés előadásokra
8
Készülés gyakorlatokra
6
Készülés laborra
0
Készülés zárthelyire
12
Házi feladat elkészítése
Önálló tananyag-feldolgozás
Vizsgafelkészülés
32
Összesen
120
Név:
Beosztás:
Tanszék, Int.:
Dr. Vajta László
Egyetemi docens
IIT
Dr. Loványi István
A programban résztvevő hallgatók nagyobb mérnöki gondolkodást igénylő feladatokat kapnak, így nagyobb gyakorlatot szerezhetnek. Komolyabb önállóan feldolgozandó szakirodalom alapján mélyebb szakmai ismeretre is szert tehetnek
IMSc pontokat a hallgatók szerezhetnek zárthelyi dolgozatban és vizsgán (5-5 pont), amelyhez a számonkérésen extra feladatokat kell megoldaniuk. További 10 pont szerezhető magasabb szintű otthoni irodalomfeldolgozással.
Az IMSc pontok megszerzése a programban nem résztvevő hallgatók számára is biztosított.
