Systemy wizyjne w robotyce/ Rozpoznawanie obrazów

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W GŁOGOWIE
SYLABUS/KARTA PRZEDMIOTU
1. NAZWA PRZEDMIOTU
Systemy wizyjne w robotyce
2. NAZWA JEDNOSTKI PROWADZĄCEJ PRZEDMIOT
Instytut Politechniczny
3. STUDIA
kierunek
stopień
tryb
język
status przedmiotu
AiR
I
Stacjonarne / niestacjonarne
Polski
obieralny
4. CEL PRZEDMIOTU
- zapoznanie studentów z kolejnymi etapami działania systemu wizyjnego (od procesu akwizycji do
wyniku działania algorytmu klasyfikacji)
- ukształtowanie umiejętności korzystania z systemu wizyjnego i konfigurowania jego podstawowych
funkcji
5. WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I KOMPETENCJI
A. Podstawy robotyki, Podstawy teorii sygnałów i systemów dynamicznych, Metody i techniki
wspomagania decyzji
B. podstawowa wiedza odnośnie: budowy strukturalnej robota, cyfrowej transmisji danych
6. EFEKTY KSZTAŁCENIA
A. Wiedza
50A_RiM_W01 Zna kolejne etapy działania systemu wizyjnego
50A_RiM_W02 Potrafi wymienić i krótko scharakteryzować kolejne etapy przetwarzania obrazów
B. Umiejętności
50A_RiM_U01 Potrafi scharakteryzować parametry systemów wizyjnych
50A_RiM_U02 Potrafi skonfigurować i bezpiecznie korzystać z prostego systemu wizyjnego
50A_RiM_U03 Potrafi wykonać podstawowe operacje związane z przetwarzaniem obrazów (od
przetwarzania wstępnego do prostego algorytmu rozpoznawania wzorców)
C. Kompetencje
1
7. TREŚCI PROGRAMOWE – STUDIA STACJONARNE
wykład
liczba
ćwiczenia
liczba
godzin
godzin
W1 – Omówienie struktury
wykładu Wprowadzenie
1
W2Cyfrowa reprezentacja obrazu.
Formaty plików graficznych.
Reprezentacja stratna i
bezstratna.
W3- Akwizycja obrazów.
1
W4- Przetwarzanie wstępne.
Operacje na histogramach
(normalizacja, wyrównywanie,
rozciąganie).
W5- Transformacje globalne i
lokalne. Transforrnata Fouriera.
Transformata. Hadamarda.
Operatory liniowe i nieliniowe.
W6- Metody segmentacji.
Progowanie. Segmentacja na
podstawie podobieństw i różnic.
W7- Wykrywanie krawędzi.
Lokalne operatory: gradient i op.
Laplace'a. Aproksymacja
krawędzi - transformacja
Hougha.
W8- Selekcja i Ekstrakcja cech.
Algorytmy klasyfikacji.
W9Zastosowanie wizji w sterowaniu
robotami. Rozpoznawanie,
Lokalizacja. Orientacja.
SUMA GODZIN
15
laboratorium
liczba
godzin
L1- Wprowadzenie,
2
określenie warunków
zaliczenia, przekazanie
spisu literatury i materiałów
dydaktycznych
L2- Narzędnik Matlab
2
Image Processing ToolBox
(IPT)
2
1
L3- Przetwarzanie obrazów
z wykorzystaniem funkcji
dostępnych IPT: operacje
liniowe i nieliniowe,
filtracja
L4- Segmentacja obiektów
2
L5- Selekcja cech
2
2
L6- Algorytmy klasyfikacji
z rodziny NN
3
1
L7- Sprawdzenie
wiadomości i zaliczenie
przedmiotu
2
SUMA GODZIN
15
2
2
2
3
TREŚCI PROGRAMOWE – STUDIA NIESTACJONARNE
wykład
liczba
projekt
liczba
godzin
godzin
W1 – Omówienie struktury
wykładu Wprowadzenie
1
W2Cyfrowa reprezentacja obrazu.
Formaty plików graficznych.
Reprezentacja stratna i
bezstratna.
1
Indywidualne
zadania
projektowe dla
poszczególnych
studentów
9
laboratorium
L1- Wprowadzenie,
określenie warunków
zaliczenia, przekazanie
spisu literatury i
materiałów
dydaktycznych
L2- Narzędnik Matlab
Image Processing
ToolBox (IPT)
liczba
godzin
1
2
2
W3- Akwizycja obrazów.
1
W4- Przetwarzanie wstępne.
Operacje na histogramach
(normalizacja, wyrównywanie,
rozciąganie).
W5- Transformacje globalne i
lokalne.
W6- Metody segmentacji.
Progowanie. Segmentacja na
podstawie podobieństw i różnic.
W7- Wykrywanie krawędzi.
Lokalne operatory: gradient i op.
Laplace'a.
W8- Selekcja i Ekstrakcja cech.
Algorytmy klasyfikacji.
W9Zastosowanie wizji w sterowaniu
robotami. Rozpoznawanie,
Lokalizacja. Orientacja.
1
L3- Przetwarzanie
obrazów z
wykorzystaniem funkcji
dostępnych IPT: operacje
liniowe i nieliniowe,
filtracja
L4- Segmentacja
obiektów,
L5- Selekcja i ekstrakcja
cech
L5- Algorytmy
klasyfikacji z rodziny NN
1
1
L7- Sprawdzenie
wiadomości i zaliczenie
przedmiotu
1
1
1
1
2
1
1
1
SUMA GODZIN
9
9
SUMA GODZIN
9
8. NARZĘDZIA DYDAKTYCZNE
metody podające (wykład informacyjny), metody praktyczne (pokaz, ćwiczenie symultaniczne, ćwiczenia
laboratoryjne, projekt)
Środki dydaktyczne: projektory multimedialne, tablice dydaktyczne, komputery PC z zainstalowanym
środowiskiem MATLAB, kamery,
9. SPOSÓB ZALICZENIA
Studia stacjonarne
wykład
ćwiczenia
Laboratorium/Projekt
-
Zaliczenie na ocenę
Projekt
Laboratorium
Zaliczenie na ocenę
Zaliczenie na ocenę
wykład
ćwiczenia
Laboratorium
Egzamin pisemny
-
Sprawdzian wiadomości
wykład
Projekt
Laboratorium/Projekt
Egzamin pisemny
Przygotowanie projektu
Sprawdzian wiadomości
Egzamin
Studia niestacjonarne
wykład
Egzamin
10. FORMY ZALICZENIA
Studia stacjonarne
Studia niestacjonarne
3
11. SPOSOBY OCENY
Studia stacjonarne
wykład
Laboratorium/Projekt
ćwiczenia
Egzamin
obejmuje
treści prezentowane na wykładzie. Do
uzyskania zaliczenia wymagane
jest
uzyskanie
60%
maksymalnej liczby punktów.
Laboratorium:
Sprawdzian
obejmuje
treści
ćwiczone
podczas.
Do
uzyskania
zaliczenia
wymagane
jest
uzyskanie 60% maksymalnej
liczby punktów.
Studia niestacjonarne
wykład
Projekt
Egzamin
obejmuje
treści
prezentowane na wykładzie. Do
uzyskania zaliczenia wymagane
jest
uzyskanie
60%
maksymalnej liczby punktów.
poprawność
umiejętne
dostępnych
projektowych,
prezentacji
Laboratorium/Projekt
merytoryczna,
wykorzystanie
wzorców
atrakcyjność
Laboratorium:
Sprawdzian
obejmuje
treści
ćwiczone
podczas.
Do
uzyskania
zaliczenia
wymagane
jest
uzyskanie 60% maksymalnej
liczby punktów.
12. OBCIĄŻENIE PRACĄ STUDENTA
Forma aktywności
Godziny kontaktowe z nauczycielem
Przygotowanie się do laboratorium
Przygotowanie się do zajęć
SUMARYCZNA LICZBA PUNKTOW ECTS
DLA PRZEDMIOTU
Średnia liczba godzin na zrealizowanie
Aktywności
Stacjonarne
30
80
Niestacjonarne
18
70
40
32
5
4
13. WYKAZ LITERATURY
A. Literatura wymagana
1. Tadeusiewicz R. 'Systemy wizyjne robotów przemysłowych' Warszawa 1992 r.
2. Wróbel Z., Koprowski R. 'Praktyka przetwarzania obrazów w programie MATLAB' Warszawa
2005 r.
B. Literatura uzupełniająca
1. Horn B. K. P.: Robot Vision, MIT Press, McGraw-Hill
2. Pavlidis T.: Grafika i przetwarzanie obrazów, WNT, Warszawa, 1987.
3. Gonzales R. C., Wintz P.: Digital Image Processing, Addison-Wesley, London, 1977.
4. Ballard D. H., Brown C. M.: Computer Vision, Prentice-Hall, New York, 1982.
5. Ostrowski M. (red.): Informacja obrazowa, WNT, Warszawa, 1992.
4
14. PROWADZĄCY PRZEDMIOT
OSOBA ODPOWIEDZIALNA ZA PRZEDMIOT: Prof. nzw. Dr hab. inż. Marcin Witczak
1
Wykład
ćwiczenia
Laboratorium/Projekt
Imię i nazwisko
Bartłomiej Sulikowski
-
Bartłomiej Sulikowski
Tytuł/stopień
naukowy
Dr inż.
Dr inż.
Instytut
Politechniczny
Politechniczny
Kontakt e-mail
[email protected]
[email protected]
5
PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W GŁOGOWIE
SYLABUS/KARTA PRZEDMIOTU
1. NAZWA PRZEDMIOTU
Rozpoznawanie obrazów
2. NAZWA JEDNOSTKI PROWADZĄCEJ PRZEDMIOT
Instytut Politechniczny
3. STUDIA
kierunek
stopień
tryb
język
status przedmiotu
AiR
I
stacjonarne / niestacjonarne
Polski
obieralny
4. CEL PRZEDMIOTU
- zapoznanie studentów z kolejnymi etapami procesu rozpoznawania obrazów
- zapoznanie studentów metodami i algorytmami stosowanymi przy przetwarzaniu obrazów, selekcji i
ekstrakcji cech i klasyfikacji
5. WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I KOMPETENCJI
A. Podstawy teorii sygnałów i systemów dynamicznych, Sztuczna inteligencja Metody i techniki
wspomagania decyzji
B. podstawowa wiedza odnośnie: cyfrowej reprezentacji danych, metod sztucznej inteligencji w
klasyfikacji
6. EFEKTY KSZTAŁCENIA
A. Wiedza
50B_RiM_W01 Potrafi wymienić i krótko scharakteryzować kolejne etapy przetwarzania obrazów
50B_RiM_W02 Zna podstawowe metody i algorytmy: przetwarzania obrazów, selekcji i ekstrakcji
cech z obrazów oraz ich rozpoznawania
B. Umiejętności
50B_RiM_U01 Potrafi używać funkcji narzędnika Image Processing Toolbox w celu
przetworzenia obrazów
50B_RiM_U02 Potrafi dla relatywnie prostych obiektów wyselekcjonować zbiory cech je
opisujące
50B_RiM_U03 Potrafi używać metod sztucznej inteligencji (np. sieci neuronowe) w prostych
zadaniach klasyfikacji
50B_RiM_U04 Potrafi stosować algorytmy z rodziny najbliższego sąsiada w prostych zadaniach
klasyfikacji
1
C. Kompetencje
7. TREŚCI PROGRAMOWE – STUDIA STACJONARNE
wykład
liczba
ćwiczenia
liczba
godzin
godzin
W1 – Omówienie struktury
wykładu Wprowadzenie
1
W2Akwizycja obrazów. Cyfrowa
reprezentacja obrazu.
Formaty plików graficznych.
Reprezentacja stratna i
bezstratna.
W3- Przetwarzanie wstępne.
Operacje na histogramach
(normalizacja,
wyrównywanie, rozciąganie).
Filtracja.
W4- Transformacje globalne
i lokalne. Transforrnata
Fouriera. Transformata.
Hadamarda. Operatory
liniowe i nieliniowe.
W5- Metody segmentacji.
Segmentacja przez
progowanie. Segmentacja na
podstawie podobieństw i
różnic.
W6- Wykrywanie krawędzi i
lokalizacja. Lokalne
operatory: gradient i operator
Laplace'a. Aproksymacja
krawędzi - transformacja
Hougha
W7-. Selekcja i Ekstrakcja
cech. Algorytmy klasyfikacji.
2
W8- Klasyczne metody
klasyfikacji (algorytmy NN,
funkcje przynależności)
W9- Klasyfikacja oparta o
metody sztucznej inteligencji
(sieci neuronowe, sieci neurorozmyte, systemy
ekspertowe)
liczba
godzin
L1- Wprowadzenie,
1
określenie warunków
zaliczenia, przekazanie
spisu literatury i materiałów
dydaktycznych
L2- Narzędnik Matlab
2
Image Processing ToolBox
(IPT)
L3- Przetwarzanie obrazów
z wykorzystaniem funkcji
dostępnych IPT: operacje
liniowe i nieliniowe,
filtracja
L4- Segmentacja obiektów
2
2
L5- Selekcja i ekstrakcja
cech. Metoda PCA
2
2
L6- Algorytmy klasyfikacji
z rodziny NN
2
1
L7- Zastosowanie metod
sztucznej inteligencji w
rozpoznawaniu obrazów
L8- Sprawdzenie
wiadomości i zaliczenie
przedmiotu
2
SUMA GODZIN
15
4
2
2
2
2
2
SUMA GODZIN
15
SUMA GODZIN
TREŚCI PROGRAMOWE – STUDIA NIESTACJONARNE
wykład
laboratorium
liczba
godzin
projekt
liczba
godzin
laboratorium
liczba
godzin
2
W1 – Omówienie struktury
wykładu Wprowadzenie
1
W2Akwizycja obrazów. Cyfrowa
reprezentacja obrazu.
Formaty plików graficznych.
Reprezentacja stratna i
bezstratna.
W3- Przetwarzanie wstępne.
Operacje na histogramach
(normalizacja,
wyrównywanie, rozciąganie).
Filtracja.
W4- Transformacje globalne
i lokalne. Transforrnata
Fouriera. Transformata.
Hadamarda. Operatory
liniowe i nieliniowe.
W5- Metody segmentacji.
Segmentacja przez
progowanie. Segmentacja na
podstawie podobieństw i
różnic.
W6- Wykrywanie krawędzi i
lokalizacja. Lokalne
operatory: gradient i operator
Laplace'a. Aproksymacja
krawędzi - transformacja
Hougha
1
9
L1- Wprowadzenie,
1
określenie warunków
zaliczenia, przekazanie
spisu literatury i materiałów
dydaktycznych
L2- Narzędnik Matlab
1
Image Processing ToolBox
(IPT)
L3- Przetwarzanie obrazów
z wykorzystaniem funkcji
dostępnych IPT: operacje
liniowe i nieliniowe,
filtracja
L4- Segmentacja obiektów
1
1
L5- Selekcja i ekstrakcja
cech
1
1
L6- Klasyfikacja z
wykorzystaniem
algorytmów z rodziny NN
oraz sztucznych sieci
neuronowych
2
1
1
W7-. Selekcja i Ekstrakcja 1
cech.
Algorytmy
klasyfikacji.
W8- Klasyczne metody
klasyfikacji (algorytmy NN,
funkcje przynależności)
W9- Klasyfikacja oparta o
metody sztucznej inteligencji
(sieci neuronowe, sieci neurorozmyte, systemy
ekspertowe)
Indywidualne
zadania projektowe
dla poszczególnych
studentów
1
L7Sprawdzenie 1
wiadomości i zaliczenie
przedmiotu
1
1
SUMA GODZIN
9
SUMA GODZIN 9
SUMA GODZIN
9
8. NARZĘDZIA DYDAKTYCZNE
metody podające (wykład informacyjny), metody praktyczne (pokaz, ćwiczenie symultaniczne, ćwiczenia
laboratoryjne, projekt)
Środki dydaktyczne: projektory multimedialne, tablice dydaktyczne, komputery PC z zainstalowanym
środowiskiem MATLAB,
3
9. SPOSÓB ZALICZENIA
Studia stacjonarne
wykład
Egzamin
Studia niestacjonarne
wykład
Egzamin
10. FORMY ZALICZENIA
Studia stacjonarne
wykład
Egzamin pisemny
Studia niestacjonarne
wykład
Egzamin pisemny
11. SPOSOBY OCENY
Studia stacjonarne
wykład
ćwiczenia
Laboratorium/Projekt
-
Zaliczenie na ocenę
Projekt
Laboratorium
Zaliczenie na ocenę
Zaliczenie na ocenę
ćwiczenia
Laboratorium
-
Sprawdzian wiadomości
Projekt
Laboratorium/Projekt
Przygotowanie projektu
Sprawdzian wiadomości
ćwiczenia
Laboratorium/Projekt
Egzamin
obejmuje
treści prezentowane na wykładzie. Do
uzyskania zaliczenia wymagane
jest
uzyskanie
60%
maksymalnej liczby punktów.
Studia niestacjonarne
wykład
Egzamin
obejmuje
treści
prezentowane na wykładzie. Do
uzyskania zaliczenia wymagane
jest
uzyskanie
60%
maksymalnej liczby punktów.
Laboratorium:
Sprawdzian
obejmuje
treści
ćwiczone
podczas.
Do
uzyskania
zaliczenia
wymagane
jest
uzyskanie 60% maksymalnej
liczby punktów.
Projekt
poprawność
umiejętne
dostępnych
projektowych,
prezentacji
Laboratorium/Projekt
merytoryczna,
wykorzystanie
wzorców
atrakcyjność
Laboratorium:
Sprawdzian
obejmuje
treści
ćwiczone
podczas.
Do
uzyskania
zaliczenia
wymagane
jest
uzyskanie 60% maksymalnej
liczby punktów.
12. OBCIĄŻENIE PRACĄ STUDENTA
Forma aktywności
Godziny kontaktowe z nauczycielem
Przygotowanie się do laboratorium
Przygotowanie się do zajęć
SUMARYCZNA LICZBA PUNKTOW ECTS
DLA PRZEDMIOTU
Średnia liczba godzin na zrealizowanie
Aktywności
Stacjonarne
30
80
Niestacjonarne
18
70
40
5
32
4
4
13. WYKAZ LITERATURY
A. Literatura wymagana
1. Duda P., Hart R., Stork O. 'Pattern classification' New York 2000 r.
2. Kwiatkowski W. 'Metody automatycznego rozpoznawania wzorców' Warszawa 2001 r.
3. Tadeusiewicz R., Flasiński M. 'Rozpoznawanie obrazów' Warszawa 1991 r.
4. Wróbel Z., Koprowski R. 'Praktyka przetwarzania obrazów w programie MATLAB' Warszawa
2005 r.
B. Literatura uzupełniająca
1. Pavlidis T.: Grafika i przetwarzanie obrazów, WNT, Warszawa, 1987.
14. PROWADZĄCY PRZEDMIOT
OSOBA ODPOWIEDZIALNA ZA PRZEDMIOT: Prof. nzw. Dr hab. inż. Marcin Witczak
1
Wykład
ćwiczenia
Laboratorium/Projekt
Imię i nazwisko
Bartłomiej Sulikowski
-
Bartłomiej Sulikowski
Tytuł/stopień
naukowy
Dr inż.
Dr inż.
Instytut
Politechniczny
Politechniczny
Kontakt e-mail
[email protected]
[email protected]
5