Budapest University of Technology and Economics, Faculty of Electrical Engineering and Informatics

    Belépés
    címtáras azonosítással
    vissza a tantárgylistához   nyomtatható verzió    

    Látórendszerek laboratórium

    A tantárgy angol neve: Computer Vision Laboratory

    Adatlap utolsó módosítása: 2023. január 18.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar     		Villamosmérnöki szak, MSc képzés
    Irányító és látórendszerek főspecializáció
    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIIIMB05   0/0/3/f 5  
    3. A tantárgyfelelős személy és tanszék Dr. Szántó Mátyás,
    A tantárgy tanszéki weboldala https://edu.vik.bme.hu/
    4. A tantárgy előadója
    Dr. Szemenyei Márton, adjunktus, IIT
    Szántó Mátyás, tanársegéd, IIT
    Kertész Zsolt, tudományos munkatárs, IIT
    5. A tantárgy az alábbi témakörök ismeretére épít Képfeldolgozás alapjai
    6. Előtanulmányi rend
    Ajánlott:
    Számítógépes látórendszerek
    7. A tantárgy célkitűzése 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.
    8. A tantárgy részletes tematikája
    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.

    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) Összesen 10 laboratóriumi mérés, melyek egyenként 4 órásak.
    10. 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.
    11. Pótlási lehetőségek Az elmulasztott vagy sikertelen mérések pótlására 2 pótmérési alkalmat biztosítunk.
    12. Konzultációs lehetőségek Igény esetén előzetesen egyeztetett időpontban konzultációt biztosítunk.
    13. Jegyzet, tankönyv, felhasználható irodalom Elektronikus mérési útmutatók
    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontakt óra42
    Félévközi készülés órákra55
    Felkészülés zárthelyire0
    Házi feladat elkészítése0
    Kijelölt írásos tananyag elsajátítása53
    Vizsgafelkészülés0
    Összesen150
    15. A tantárgy tematikáját kidolgozta
    Dr. Szemenyei Márton, adjunktus, IIT
    Szántó Mátyás, tanársegéd, IIT
    Kertész Zsolt, tudományos munkatárs, IIT