Robot Vision S1/82O Plik

(pieczęć wydziału)
KARTA PRZEDMIOTU
1. Nazwa przedmiotu: ROBOT VISION
2. Kod przedmiotu:
3. Karta przedmiotu ważna od roku akademickiego: 2012
4. Forma kształcenia: studia pierwszego stopnia
5. Forma studiów: studia stacjonarne
6. Kierunek studiów: MAKROKIERUNEK; WYDZIAŁ AEII
7. Profil studiów: ogólnoakademicki
8. Specjalność:
9. Semestr: 7
10. Jednostka prowadząca przedmiot: Instytut Automatyki, RAu1
11. Prowadzący przedmiot: dr hab. inż., Prof. Pol. Śl. Henryk Palus
12. Przynależność do grupy przedmiotów:
13. Status przedmiotu: obieralny
14. Język prowadzenia zajęć: angielski
15. Przedmioty wprowadzające oraz wymagania wstępne: The subject complements a basic knowledge of
image processing acquired by students in the subject of Computer Graphics and Vision, and directs it to problems of
automation and robotics.
16. Cel przedmiotu:
The course aims to familiarize students with state of the art in the field of vision systems used in automation and
robotics. As a result of the subject, students should be able to both design the vision system for a particular
application, as well as to construct a suitable algorithm for it, implement it and perform the necessary tests. The
laboratory exercises realized as part of the subject will help achieve these goals.
17. Efekty kształcenia:1
Nr
W1
W2
W3
U1
U2
U3
K1
K2
1
Opis efektu kształcenia
Metoda
sprawdzenia
efektu
kształcenia
Zna zadania i struktury systemów wizyjnych i ich elementy
funkcjonalne.
Zna podstawowe pojęcia dotyczące oświetlaczy, sensorów
obrazowych, obiektywów i kamer np. równomierność
oświetlenia, współczynnik wypełnienia, transmisja
obiektywu, przepływność systemu.
Ma wiedzę o podstawowych algorytmach wizyjnych.
SP
WM
SP
WM
SP
WM
Potrafi skonfigurować system wizyjny dla potrzeb jego
konkretnego zastosowania.
Potrafi dobierać metody i konstruować podstawowe
algorytmy wizyjne dla konkretnych zastosowań.
Potrafi posługiwać się środowiskami programistycznymi
(C++, OpenCV, Matlab itp.) do implementacji algorytmów
wizyjnych.
Potrafi samodzielnie podejmować decyzje dotyczące
najlepszych rozwiązań algorytmicznych.
Potrafi zaprezentować i obronić zaproponowane
rozwiązanie algorytmiczno-programistyczne.
CL, PS
L
CL, PS
L
CL, PS
L
CL, PS
L
CL, PS
L
należy wskazać ok. 5 – 8 efektów kształcenia
Forma
Odniesienie
prowadzenia do efektów
zajęć
dla kierunku
studiów
18. Formy zajęć dydaktycznych i ich wymiar (liczba godzin)
W. : 15
L. : 30
19. Treści kształcenia:
Wykład
Basic concept of sensor. Idea of smart sensor. Sensory system in the structure of robot. Robot-human analogy.
Comparison of human and robot vision. Lighting systems (traditional lighting and LEDs). Ring illuminators.
Structured lighting. Grid projectors and line generators. Examples of advanced lighting systems. Camera obscura.
Pin-hole camera. Optical systems (lenses for cameras, filters). Properties of lenses (aperture, magnification,
vignetting, depth of field, distortions and aberrations). Choice of lens from nomogram. Spectral characteristics of
colour filters. Image sensors (linear and matrix, CCD and CMOS). Layouts of the photosites. CCD architectures.
Frome black and white to colour. Colour wheel. Mosaic colour filters (Bayer filter). Microlenses. Fill factor for
CMOS sensors. Comparison: CCD vs. CMOS. Foveon three-layer CMOS technology. Monochrome and color
cameras. Multicamera systems. High-speed cameras (fps). Smart camera and its software. Webcams. 3CCD
cameras. Multispectral cameras. Spectral sensitivites of colour camera. Special cameras (pill camera, HDR camera).
Elements of television technology. Framegrabbers. Image processors. Look-up tables (LUT) and their applications
for image processing. Camera interfaces (IEEE 1394, USB, CameraLink, Ethernet etc.). Image acquisition: noise
and ISO. Dark current image. Interpolation artefacts (demosaicking). Human vision system: light receptors. Spectral
characteristics of cones. Opponent colours. Defective colour vision: Ishihara tests. Colour matching system.
Metameric pairs. Colour sensors. The colour and colour spaces. Discrete structure of RGB cube. Colorimetric and
TV colour spaces. Munsell colour system. Simple colour image processing (swapping and negation). Colour image
quantization (splitting and clustering methods). The problem of empty clusters. Calibration of colour vision
systems. Segmentation of the image. Thresholding of the image. Region-based segmentation techniques. Features:
moments of geometric shape factors, topological characteristics. Object recognition. Recognition of objects using
models. Overview of sensory systems, vision applications in automation and robotics. Universal and specialized
systems. Examples of real applications of robot vision systems.
Zajęcia laboratoryjne
1. Basics of mathematical morphology.
2. Size of objects.
3. Objects and holes in binary image.
4. Shape factors.
5. Introduction to colour image processing.
6. K-means for colour image segmentation.
7. Case studies.
20. Egzamin: nie.
21. Literatura podstawowa:
1.
2.
3.
4.
5.
6.
7.
Corke P., Robotics, Vision and Control, Springer, Berlin 2011.
Szeliski R., Computer Vision: Algorithms and Applications, Springer, Berlin 2010.
Horn B.K.P., Robot Vision, The MIT Press, Cambridge 1986.
Niemann H., Pattern Analysis and Understanding, Springer, Berlin 1990.
Low A., Introductory Computer Vision and Image Processing, McGraw-Hill, London 1991.
Haralick R.M., Shapiro L.G., Computer & Robot Vision, vol.I, Addison-Wesley, Reading 1992.
Haralick R.M., Shapiro L.G., Computer & Robot Vision, vol.II, Addison-Wesley, Reading 1992.
22. Literatura uzupełniająca:
1. Morecki A., Knapczyk J., /red./, Podstawy robotyki, WNT, Warszawa 1993.
2. Olszewski M. /red./, Manipulatory i roboty przemysłowe, WNT, Warszawa 1993.
3. Tadeusiewicz R., Flasiński M., Rozpoznawanie obrazów, PWN, Warszawa 1991.
4. Śluzek A., Komputerowa analiza obrazów, Wydawnictwo PW, Warszawa 1991.
5. Tadeusiewicz R., Systemy wizyjne robotów przemysłowych, WNT, Warszawa 1992.
6. Skarbek W., Metody reprezentacji obrazów cyfrowych, PLJ, Warszawa 1993.
7. Watkins C.D., Sadun A., Marenka S., Nowoczesne metody ..., WNT, Warszawa 1995.
8. Woźnicki J., Podstawowe techniki przetwarzania obrazu, WKŁ, Warszawa 1996.
23. Nakład pracy studenta potrzebny do osiągnięcia efektów kształcenia
Lp.
Forma zajęć
1
Wykład
2
Ćwiczenia
3
Laboratorium
4
Projekt
0/0
5
Seminarium
0/0
6
Inne
0/0
Suma godzin
Liczba godzin
kontaktowych / pracy studenta
15/10
0/0
30/25
45/35
24. Suma wszystkich godzin: 80
25. Liczba punktów ECTS: 32
26. Liczba punktów ECTS uzyskanych na zajęciach z bezpośrednim udziałem nauczyciela akademickiego: 1
27. Liczba punktów ECTS uzyskanych na zajęciach o charakterze praktycznym (laboratoria, projekty): 2
26. Uwagi:
Zatwierdzono:
…………………………….
…………………………………………………
(data i podpis prowadzącego)
(data i podpis dyrektora instytutu/kierownika katedry/
Dyrektora Kolegium Języków Obcych/kierownika lub
dyrektora jednostki międzywydziałowej)
2
1 punkt ECTS – 25-30 godzin.