Detail předmětu

Strojové vidění

FSI-VSVAk. rok: 2022/2023

Předmět seznamuje s podstatou vzniku digitální fotografie a s prací s digitální fotografií v kontextu strojového vidění. Zvláštní pozornost je věnována požadavkům strojového vidění na způsob snímání obrazu a osvětlení scény.

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

prof. RNDr. Ing. Jiří Šťastný, CSc.

Zajišťuje ústav

Ústav automatizace a informatiky (ÚAI)

Výsledky učení předmětu

Po absolvování kurzu studenti budou schopni:

  • vybrat vhodné přístrojové vybavení pro různé aplikace strojového vidění,
  • navrhnout vhodnou instalaci přístrojového vybavení,
  • vytvořit algoritmy pro zpracování dat pro základní aplikační úlohy.

Prerekvizity

Předpokládá se základní znalosti algoritmizace, programování, matematiky a fyziky.

Plánované vzdělávací činnosti a výukové metody

Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny. Cvičení je zaměřeno na praktické zvládnutí látky probrané na přednáškách.

Způsob a kritéria hodnocení

Znalosti a dovednosti jsou ověřovány zápočtem a zkouškou. Požadavky pro zápočet: zpracování zadané praktické úlohy. Účast na cvičeních je povinná, v případě nesplnění této podmínky je každý případ posuzován individuálně vyučujícím předmětu. Zkouška je ústní a pokrývá celé probrané učivo.

Učební cíle

Seznámit studenty se základními principy interakce záření s hmotou, s přístrojovou technikou užívanou v aplikacích strojového vidění, a s nejběžněji používanými metodami zpracování obrazu ve strojovém vidění.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Účast na přednáškách je doporučená, účast na cvičeních je povinná. Cvičení, která nemůže student absolvovat v řádné termínu je možno nahradit v termínu náhradním.

Základní literatura

A Practical Guide to Machine Vision Lighting. Automated Test and Automated Measurement Systems - National Instruments [online]. National Instruments, 2019, 30. ledna 2017 [cit. 2019-02-19]. Dostupné z: http://www.ni.com/white-paper/6901/en/ (EN)
BATCHELOR, Bruce G. Machine vision handbook: with 1295 figures and 117 tables [online]. 1. London: Springer, [2012] [cit. 2019-02-19]. ISBN 978-1-84996-169-1. Dostupné z: https://link.springer.com/referencework/10.1007%2F978-1-84996-169-1 (EN)
GONZALEZ, Rafael C. a Richard E. WOODS. Digital image processing. Fourth edition. New York: Pearson, [2018]. ISBN 978-0133356724. (EN)
HLAVÁČ, Václav a Miloš SEDLÁČEK. Zpracování signálů a obrazů. Fourth edition. Praha: Vydavatelství ČVUT, 2000. ISBN 80-010-2114-9. (CS)
MCMANAMOM, Paul. Field Guide to Lidar. 1. Bellingham, Washington 98227-0010 USA: SPIE, 2015. ISBN 9781628416541. (EN)
SZELISKI, Richard. Computer Vision: Algorithms and Applications [online]. 1. London: Springer, 2010 [cit. 2019-02-19]. Texts in computer science. ISBN 978-1-84882-935-0. Dostupné z: https://www.springer.com/gp/book/9781848829343 (EN)

Doporučená literatura

HAVEL, Otto. Strojové vidění I: Principy a charakteristiky. Automa. Automa – časopis pro automatizační techniku, s. r. o., 2008, 14(1), 42-45. ISSN 1210-9592. (CS)
HAVEL, Otto. Strojové vidění II: Úlohy, nástroje a algoritmy. Automa. Automa – časopis pro automatizační techniku, s. r. o., 2008, 14(2), 54-56. ISSN 1210-9592. (CS)
HAVEL, Otto. Strojové vidění III: Kamery a jejich části. Automa. Automa – časopis pro automatizační techniku, s. r. o., 2008, 14(3), 42-44. ISSN 1210-9592. (CS)
HAVEL, Otto. Strojové vidění IV: Osvětlovače. Automa. Automa – časopis pro automatizační techniku, s. r. o., 2008, 14(4), 47-49. ISSN 1210-9592. (CS)

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

  • Program N-AIŘ-P magisterský navazující 2 ročník, zimní semestr, povinný

  • Program CŽV celoživotní vzdělávání v akr. stud. programu

    obor CZV , 1 ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

doc. Ing. Pavel Škrabánek, Ph.D.

Osnova

1. Proces tvorby digitálního obrazu
2. Senzory pro snímání digitálního obrazu
3. Objektivy a jejich vlastnosti
4. Osvětlovače a jejich vlastnosti
5. Optické filtry a jejich použití
6. Řádkové kamery
7. Reprezentace digitálního obrazu, základní operace pro úpravu obrazu
8. Zvýraznění hran, detekce bodů a oblasti zájmu, extrakce příznaků
9.Segmentace
10. Rozpoznávání objektů
11. Rozpoznávání tříd objektů
12. Sledování objektů
13. Lidar

Laboratorní cvičení

26 hod., povinná

Vyučující / Lektor

doc. Ing. Pavel Škrabánek, Ph.D.

Osnova

1. Seznámení se s vývojovým prostředím MATLAB – computer vision toolbox
2. Připojení průmyslových kamer a jejich konfigurace
3. Volba, instalace a nastavení objektivu. Vady objektivů.
4. Instalace a ovládání osvětlovačů. Vliv osvětlovačů na zobrazení zájmových částí.
5. Vliv osvětlovačů na zobrazení zájmových částí.
6. Volba a práce s filtry. Vliv filtrů na zobrazení zájmových částí.
7. Softwarová úprava obrazu.
8. Návrh a implementace sytému počítačového vidění pro zadanou úlohu.
9. Návrh a implementace sytému počítačového vidění pro zadanou úlohu.
10. Návrh a implementace sytému počítačového vidění pro zadanou úlohu
11. Práce s Lidarem
12. Samostatný projekt
13. Samostatný projekt

Elearning

eLearning: aktuální otevřený kurz