BME VIK - Gépi látás

3. A tantárgyfelelős személy és tanszék Dr. Szemenyei Márton,

4. A tantárgy előadója Dr. Vajta László egyetemi docens - IIT

5. A tantárgy az alábbi témakörök ismeretére épít -

6. Előtanulmányi rend

Ajánlott:
-

7. A tantárgy célkitűzése A korszerű szenzorrendszerek integráns eleme az optikai mérés, a képfeldolgozás. Az ember-gép kapcsolatban egyre fokozottabb az optikai megjelenítés szerepe. Mindkét téma hasonló megoldásokat alkalmaz, és fejlődésük a legutóbbi időben a térbeli információk feldolgozás és megjelenítése irányában teljesedett ki.

A tantárgy célkitűzése a térbeli információk feldolgozására is alkalmas képfeldolgozási technikák, és a valós térérzetet keltő vizualizációs eljárások megismertetése. Ezeket a módszereket a hallgatók sikeresen alkalmazhatják a teleoperációs rendszerek, virtuális valóság alapú rendszerek, számítógépes tervezés, marketing- és reklámtechnikai eszközök fejlesztése és alkalmazása területén.

8. A tantárgy részletes tematikája A számítógépes látás fogalmai, definíciók. Alkalmazási példák. Emberi látás alapjai. A térbeli érzékelés lehetősége monokuláris látással. Binokuláris látás.

Optoelektronikai eszközök: Alapfogalmak. Fénytechnikai mértékegységek. Optikai érzékelők, CCD érzékelők, PSD érzékelők. Térbeli információk mérésére alkalmas eszközök (3D kamerák). Képalkotó diagnosztikai eszközök. Korszerű képmegjelenítő eszközök. LCD és plazma kijelzők, projektorok. Lentikuláris megjelenítők.

A képek matematikai leírása. A képfüggvények tulajdonságai. Tértranszformációk szerepe a képfeldolgozásban. 2D Fourier transzformáció tulajdonságai, képi ábrázolása, interpretálása.

Digitális kép matematikai reprezentációja: Mintavételezés, kvantálás. Koordinátageometriai alapok. Geometriai transzformációk. Kameramodellek: Pin-hole modell. A perspektív leképzés transzformációs modellje. Megvilágítás, optika, érzékelő modellezése. Árnyalási modellek. Sztereo képalkotás modellezése.

Ipari képfeldolgozási példák. Bináris képek feldolgozása. Morfológiai alapműveletek.

A képek szűrése a tér- és a frekvencia tartományban. Lineáris és nemlineáris szűrések. Alkalmazási példák.

A képek szegmentálásának alapfogalmai. hasonlóság alapú szegmentálások. Szegmentálás a nagyfrekvenciás tulajdonságok alapján. Hough transzformáció. Alkalmazási példák.

Optical flow feldolgozás. Motion sztereo. Mobil robotok látórendszerei.

3D látórendszerek alkalmazása a gyakorlatban. Ipari minőség-ellenőrzés. Navigáció. Közlekedési alkalmazások. Biztonságtechnika és terrorizmus elleni küzdelem.

9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) Előadás és laborgyakorlat

10. Követelmények a. A szorgalmi időszakban: zárthelyi és egy csoportos vagy egyéni házi feladat, valamint három sikeres labormérés

b. A vizsgaidőszakban: -

c. Elővizsga: -

Az osztályzat megszerzésének feltétele legalább elégséges szintű zárthelyi, elfogadott házi feladat és a labormérések sikeres elvégzése. Pótlás a TVSz szerint.

11. Pótlási lehetőségek Igény szerint, az előadóval előre egyeztetett időpontban.

12. Konzultációs lehetőségek Igény szerint, az előadóval előre egyeztetett időpontban.

13. Jegyzet, tankönyv, felhasználható irodalom · Tanszéki sokszorosított anyagok

· E.R. Davies: Machine Vision; Elsevier, 2005

· R. Gonzales: Digital Image Processing, Addison-Wesley, ISBN 0-201-50803-6

14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka

Kontakt óra	42
Félévközi készülés órákra	38
Felkészülés zárthelyire, házi feladatra	25
Laborgyakorlatra felkészülés és dokumentálás	15
Kijelölt írásos tananyag elsajátítása	-
Vizsgafelkészülés	-
Összesen	120

15. A tantárgy tematikáját kidolgozta

Név:	Beosztás:	Tanszék:
Dr. Vajta László	egyetemi docens	IIT