Sviluppo e Applicazioni di Tecniche di Automazione in Fotogrammetria dei Vicini

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Sviluppo e Applicazioni di Tecniche di Automazione in Fotogrammetria dei Vicini"

Transcript

1 Unverstà degl Stud d Parma Facoltà d Ingegnera Dottorato d Rcerca n Ingegnera Cvle - XVIII Cclo Currculum: opografa e Cartografa (ICAR/6) Rccardo Roncella Svluppo e Applcazon d ecnche d Automazone n Fotogrammetra de Vcn Dssertazone per l consegumento del ttolo d Dottore d Rcerca utore: Prof. Ing. Ganfranco Forlan Coordnatore del Dottorato: Prof. Ing. Paolo Mgnosa Parma, Gennao 6

2

3

4

5 Unverstà degl Stud d Parma Facoltà d Ingegnera Dottorato d Rcerca n Ingegnera Cvle Currculum: opografa e Cartografa (ICAR/6) (XVIII Cclo) Rccardo Roncella Svluppo e Applcazon d ecnche d Automazone n Fotogrammetra de Vcn Dssertazone per l consegumento del ttolo d Dottore d Rcerca utore: Prof. Ing. Ganfranco Forlan Coordnatore del Dottorato: Prof. Ing. Paolo Mgnosa Parma, Gennao 6

6

7 Marco Polo descrve un ponte, petra per petra. -Ma qual è la petra che sostene l ponte?- chede Kubla Kan. -Il ponte non è sostenuto da questa o quella petra,- rsponde Marco -ma dalla lnea dell arco che esse formano. Kubla Kan rmane slenzoso, rflettendo. Po soggunge: -Perchè m parl delle petre? È solo dell arco che m mporta. Polo rsponde: -Senza petre non c è arco. Italo Calvno, Le Cttà Invsbl. utt lbr del mondo contengono una quanttà d nformazone non superore a quella trasmessa come segnale vdeo n una sngola grande cttà Amercana n un solo anno. Non tutt bt hanno la stessa mportanza. Carl Sagan

8

9 Indce INRODUZIONE Presentazone degl obettv e sntes del lavoro Convenzon e smbol 4 CAPIOLO Structure and Moton 7.. Introduzone 7.. Operator d nteresse... Operatore d Harrs... Operatore d Föerstner Operatore d Lowe (SIF) Altr operator d nteresse Anals comparatva degl operator d nteresse 9.3. Feature Matchng Matchng procustano Descrttore d Lowe Ottmzzazone dell estrazone d features 3.4. Collneartà e geometra proettva Geometra eppolare Matrce Fondamentale Metod d stma della matrce fondamentale Stma robusta della matrce fondamentale Geometra trfocale ensore rfocale Metod d stma del tensore trfocale Stma robusta della geometra trfocale Rcostruzone metrca e bundle adjustment Smulazon, est e Applcazon 64

10 Svluppo e applcazon d tecnche d automazone n fotogrammetra de vcn Rccardo Roncella.8.. Sequenze generate artfcalmente S&M applcata al rlevo d paret roccose S&M applcata al rlevo archtettonco S&M applcata alla navgazone d vecol per l moble mappng 7 CAPIOLO Algortm e tecnche d matchng area-based 79.. Metod d correlazone semplce 8.. Least Squares Matchng Mult-Photo Geometrcally Constraned Matchng Pre-elaborazone delle mmagn Elmnazone della dstorsone Ottmzzazone del contenuto nformatvo Rettfca d mmagn eppolar Metod d matchng denso Metod parallel Metod sequenzal Metod d rlassamento 9.6. Fotogrammetra o Laser Scanner? 9.7. Smulazon, est e Applcazon.7.. Precson d msura del least squares matchng.7.. Least squares matchng e MPGCM Generazone d nuvole d punt CAPIOLO 3 Anals d Pont Clouds Anals nterattva d nuvole d punt Segmentazone automatca d pan Segmentazone con metod d stma robust Generazone del DSM mult-rsoluzone Estrazone delle enttà planar Clusterng gerarchco delle gacture Suddvsone della geometra Segmentazone per mezzo della trasformata d Hough 39 CAPIOLO 4 Determnazone de pan d dscontnutà d paret roccose Lo studo delle dscontnutà negl ammass roccos Un sstema fotogrammetrco per l controllo d stabltà de versant n rocca 47

11 4... Progetto e rpresa delle mmagn Il software d elaborazone ed l flusso d nformazon Versant n rocca: Fotogrammetra o Laser Scanner? Sto campone: Arnad Sto campone: Longeborgne Sto campone: Graner 6 Concluson 69 Appendce A 73 A.. Cenn d geometra proettva 73 A... Spaz vettoral proettv 74 A... Struttura degl spaz proettv 77 A..3. Conche nello spazo proettvo 79 A..4. Applcazon lnear e proettvtà 8 A.. Metod d stma 84 A... Sstem d equazon e decomposzone a valor sngolar. 84 A... Il metodo d Levenberg-Marquadt 88 A..3. Lne search 88 A..4. Metod d stma robust 9 A.3. Metod d resezone 94 A.4. Logca fuzzy 98 Appendce B B.. Matrce camera B.. Matrce fondamentale B.3. ensore trfocale 3 Bblografa 5 Rngrazament 5

12 v Svluppo e applcazon d tecnche d automazone n fotogrammetra de vcn Indce delle Fgure Rccardo Roncella CAPIOLO Fgura.: Schema a blocch delle operazon mplementate nella Structure and Moton. 8 Fgura.: Rappresentazone della funzone d rsposta R dell operatore d Harrs 4 Fgura.3: Immagn utlzzate per test comparatv degl operator d nteresse Fgura.4: est comparatv: grado d rpetbltà medo (rotazone) Fgura.5: est comparatv: grado d rpetbltà medo (varazone d scala) Fgura.6: est comparatv: grado d rpetbltà medo (trasformazone affne) Fgura.7: est comparatv: grado d rpetbltà medo (varazone del punto d vsta) 3 Fgura.8: est comparatv: grado d rpetbltà medo (varazone d lumnostà) 3 Fgura.9: Fnestra d rcerca nel feature matchng 6 Fgura.: Rappresentazone d un campo d parallass 6 Fgura.: Mappa delle orentazon ed ntenstà (operatore d Lowe) 9 Fgura.: Istogramm del descrttore d Lowe 3 Fgura.3: Ottmzzazone dell estrazone d features 3 Fgura.4: Localzzazone de punt d nteresse. 33 Fgura.5: Collneartà e geometra proettva 34 Fgura.6: Geometra eppolare fra due fotogramm 39 Fgura.7: Stma della matrce fondamentale note almeno 8 corrspondenze 4 Fgura.8: Rappresentazone della stma dell errore algebrco e geometrco 43 Fgura.9: Dstrbuzone degl error (dstanza dal modello funzonale) n un dataset 44 Fgura.: Stma robusta della geometra eppolare 46 Fgura.: Stma del tensore trfocale note 6 corrspondenze trple. 55 Fgura.: Stma robusta della geometra trfocale. 57 Fgura.3: Ambgutà proettva nella rcostruzone 58 Fgura.4: Confgurazon ottenbl dalla matrce essenzale 6 Fgura.5: Rcostruzone metrca della structure and moton. 63 Fgura.6: Immagne artfcale per la verfca della S&M. 64 Fgura.7: Poszon d presa e punt resttut della sequenza.6 (9 mmagn) 65 Fgura.8: Poszon d presa e punt resttut della sequenza.6 (8 mmagn) 65 Fgura.9: Arnad: una delle paret della Corma d Machaby 67 Fgura.3: Poszon d presa e punt resttut della sequenza realzzata ad Arnad 67 Fgura.3: Parete che sovrasta l eremo d Longebogne 68 Fgura.3: Poszon d presa e punt resttut della sequenza realzzata a Longeborgne 68 Fgura.33: Il prmo de grupp scultore del Pantheon analzzat 69 Fgura.34: Poszon d presa e punt resttut del gruppo scultoreo n fgura Fgura.35: Il secondo gruppo scultoreo utlzzato nella prova. 7 Fgura.36: Poszon d presa e punt resttut del gruppo scultoreo rappresentato n fgura Fgura.37: Schema del blocco elementare n applcazon moble mappng 7 Fgura.38: Stratege per la structure and moton applcata al MM 73 Fgura.39: Geometra eppolare n applcazon moble mappng 74

13 v Fgura.4: raettora dal vecolo nella prova descrtta 75 Fgura.4: Dfferenze fra soluzone d navgazone GPS e S&M 77 CAPIOLO Fgura.: Precson d poszonamento della patch, al varare delle funzon d forma 85 Fgura.: Matrce dsegno e matrce normale nell MGCM 89 Fgura.3: Schema delle operazon d nzalzzazone per l MGCM 9 Fgura.4: Schema delle poszon de punt dstort. 93 Fgura.5: Schema d scomposzone del pano mmagne medante quad-tree. 94 Fgura.6: rasformazone de ton d grgo d un mmagne 97 Fgura.7: Schema della generazone d mmagn eppolar (metodo proettvo) 99 Fgura.8: Esempo d generazone d mmagn eppolar con l metodo proettvo Fgura.9: Esempo d generazone d mmagn eppolar con l metodo polare 3 Fgura.: Schema d traettora d crescta nel matchng sequenzale 7 Fgura.: Schema delle prncpal operazon nel metodo d matchng denso sequenzale 8 Fgura.: Fotogrammetra e laser scannng: prmo caso d studo Fgura.3: Fotogrammetra e laser scannng: secondo caso d studo Fgura.4: Dfferenze d poszone (test con sltta mcrometrca) 4 Fgura.5: Error d poszonamento e dmenson della template (test con sltta mcrometrca) 5 Fgura.6: Campo d deformazone d un provno d conglomerato btumnoso 6 Fgura.7: Grafco della deformazone d un provno d accao 7 Fgura.8: Campo d deformazon d un provno d accao 8 Fgura.9: Confronto con la mesh orgnale del DSM ottenuto tramte LSM 9 Fgura.: Confronto con la mesh orgnale del DSM ottenuto tramte MGCM 9 Fgura.: Partcolare della cupola dell Ospedale Veccho d Parma Fgura.: Ospedale Veccho: meshng d una porzone della nuvola d punt ottenuta Fgura.3: Ospedale Veccho: dstanze geometrche dalla sfera nterpolante Fgura.4: DSM della parete nord-ovest dell ammasso d Longeborgne. 3 CAPIOLO 3 Fgura 3.: Operazon utlzzate nell anals d pont cloud nterattva 7 Fgura 3.: Selezone nterattva d porzon d DSM 8 Fgura 3.3: Segmentazone automatca d pan con metod d stma robust. 3 Fgura 3.4: Segmentazone automatca: voellng e successva aggregazone 33 Fgura 3.5. Dstanze assolute fra lvell della pramde del DSM 34 Fgura 3.6: Segmentazone automatca: clusterng gerarchco 37 Fgura 3.7: Segmentazone automatca: suddvsone tramte k-means 38 Fgura 3.8: rasformata d Hough: spazo eucldeo e spazo de parametr 4 Fgura 3.9: rasformata d Hough: spazo d accumulazone 4

14 v Svluppo e applcazon d tecnche d automazone n fotogrammetra de vcn Rccardo Roncella CAPIOLO 4 Fgura 4.: Defnzone degl angol d dp e dp drecton 44 Fgura 4.: Rlevo tradzonale delle superfc d dscontnutà 45 Fgura 4.3: Esempo d rlevo condotto per scanlne lungo la parete 46 Fgura 4.4: Schema per l rlevo, la modellazone e l anals d paret roccose. 48 Fgura 4.5: Inquadramento cartografco del sto d Arnad. 5 Fgura 4.6: Suddvsone del DSM n mcro-zone e n macro-zone (b.) 54 Fgura 4.7: Suddvsone del DSM: prove d segmentazone 55 Fgura 4.8: Segmentazone del DSM ottenuta per mezzo dell algortmo automatco 56 Fgura 4.9: Arnad: stereogramm ottenut con le dverse modaltà 57 Fgura 4.: Inquadramento cartografco del sto d Longeborgne. 58 Fgura 4.: DSM della parete nord-ovest dell ammasso d Longeborgne 59 Fgura 4.: Longeborgne: stereogramm ottenut con le dverse modaltà 6 Fgura 4.3: Inquadramento cartografco del sto del Graner 63 Fgura 4.4: Poszon d presa e punt d legame per l sto del Graner 64 Fgura 4.5: DSM della parete nord del complesso del Graner 65 Fgura 4.6: Graner: stereogramm ottenut con le dverse modaltà 66 Appendce A Fgura A.: Rappresentazone geometrca della retta proettva IP 74 Fgura A.: Rappresentazone della sfera untara 76 Fgura A.3: Rappresentazone della condzone d Armjo nel lne-search 89

15 v Indce delle abelle CAPIOLO abella.: Feature matchng: confronto fra due metod d rcerca 8 abella.: Immagn sntetche: replogo de rsultat ottenut con la structure and moton 66 abella.3: Arnad - Longeborgne: replogo de rsultat ottenut con la structure and moton 68 abella.4: Pantheon: replogo de rsultat ottenut con la structure and moton 7 abella.5: Moble mappng: statstche degl error su parametr d orentamento 76 CAPIOLO abella.: LSM: precson d msura e dmenson della template 3 abella.: Immagn sntetche: dfferenze fra mesh orgnale e DSM con LSM e MGCM abella.3: Ospedale Veccho: dstanze fra check pont e l DSM abella.4: Longeborgne: dstanze fra check pont e l DSM 3 CAPIOLO 4 abella 4.: Arnad: rsultat ottenut dal confronto con check pont 53 abella 4.: Longeborgne: rsultat ottenut dal confronto con check pont 6 abella 4.3: Longeborgne: dstanze fra check pont e l DSM 6 Appendce A abella A.: Ransac: numero d terazon mnme assumendo la probabltà p 99%. 9 abella A.: Ransac: numero d terazon mnme assumendo la probabltà p 95%. 9

16 v Svluppo e applcazon d tecnche d automazone n fotogrammetra de vcn Rccardo Roncella

17 INRODUZIONE Presentazone degl obettv e sntes del lavoro Negl ultm due decenn le scenze geomatche, e fra esse la fotogrammetra, hanno assstto a notevol cambament, sa d ordne operatvo sa d ordne teorco-metodologco, n vrtù del crescente mpatto delle nuove tecnologe n tutt gl aspett della nostra professone. In partcolare la fotogrammetra ha vsto crescere una comunanza d nteress con altre dscplne, prma fra tutte la vsone artfcale: sebbene la prma cur soprattutto gl aspett metrologc e la seconda le applcazon n real-tme, presuppost operatv (spece nel close-range) e le problematche d entrambe spesso rsultano affn. La cosa non deve sorprendere se s consdera che nostr ccl operatv fanno affdamento sull uso d calcolator sempre pù evolut e prestant e l dvaro fra costo delle rsorse umane e cost macchna tende ad aumentare n manera esponenzale. Se qund, da un lato, le tecnche d vsone artfcale, per rspondere a rcheste sempre pù mpegnatve, devono tener conto anche degl aspett metrologc, dall altro la fotogrammetra non può contnuare a svluppars se non puntando decsamente verso l automazone delle procedure. Da cò l sostanzale nteresse che le due dscplne tendono ad avere ne confront l una dell altra, seppur presuppost teorc e metodologc da qual prendono spunto sano dfferent. L ntroduzone d nuove tecnologe e una sempre maggore ntegrazone d sensorstca (laser a scansone, GPS e sstem d navgazone nerzale) hanno oggettvamente spostato l nteresse del mercato a svantaggo della fotogrammetra: lo studo e l mplementazone d nuove soluzon, che sano n grado d fornre lo stesso lvello prestazonale, soprattutto n termn d facltà d uso, temp d acquszone ed esperenza rchesta all operatore, sono essenzal per garantre lo svluppo della dscplna e mantenerla al passo delle altre tecnologe d rlevo. La presente dssertazone d dottorato verte propro sullo svluppo e l anals d tecnche d automazone n fotogrammetra de vcn (close-range), affrontando (eccetto l acquszone) tutte le fas del processo fotogrammetrco: orentamento, resttuzone, classfcazone de dat.

18 Svluppo e applcazon d tecnche d automazone n fotogrammetra de vcn Rccardo Roncella Una larga parte del lavoro è stata focalzzata sul tema dell automazone dell orentamento d sequenze d mmagn, che è stato applcato con successo sa nel Moble Mappng, sa nel settore archtettonco, sa nel rlevo d paret roccose. Per quanto rguarda la resttuzone, sono state mplementate tecnche d correlazone a mnm quadrat mult-mmagne con vncol geometrc e stratege per l matchng denso nella resttuzone d superfc, applcate sa nel settore del rlevo archtettonco, sa nello studo delle deformazon de materal, sa nella generazone d DSM. Partcolare attenzone vene prestata al tema dell anals d stabltà d paret roccose, sul quale da alcun ann v è un vvo nteresse del settore geotecnco n ambto nternazonale: è n tale ambto che sono state svluppate le tecnche pù nnovatve, soprattutto nell estrazone (nterattva o completamente automatzzata) delle dscontnutà d paret roccose. Inoltre, la messa a punto d una procedura ntegrata d msurazone ed anals de dat, applcata a questo tpo d problem, ha permesso d collegare tutt gl aspett descrtt n un unco processo, mostrando come l automazone delle operazon d rlevo sa un obettvo perseguble. La struttura della dssertazone rcalca n modo sequenzale le dverse fas d rlevo fotogrammetrco e d nterpretazone de dat. Nel prmo captolo vengono affrontate le tematche legate al problema della Structure and Moton, ovvero della determnazone de parametr d orentamento e delle caratterstche geometrche d oggett, determnabl dallo studo d una sequenza d mmagn: tematca storcamente legata al settore della vsone artfcale, ha vsto nell ultmo decenno un crescente nteresse da parte del mondo della fotogrammetra. Da una generca sequenza d mmagn, per mezzo d operator per l estrazone d features, modell matematc desunt dalla geometra proettva e algortm d stma robusta s è n grado d generare accoppament fra punt ndvduat su mmagn dfferent, fltrare quell non corrett e rsolvere, senza alcuna conoscenza d parametr approssmat, le equazon d collneartà, ottenendo, al termne della procedura, parametr d orentamento e la poszone trdmensonale de punt. Dopo aver presentato e dscusso tecnche d feature etracton e feature matchng, s llustrano concett d geometra eppolare e geometra trnoculare, ntroducendo la matrce fondamentale ed l tensore trfocale, che sono gl element chave dell approcco proettvo all orentamento d una sequenza. Partcolare attenzone è data noltre al problema della robustezza d stma, essendo sempre elevata la percentuale d error grossolan nel feature matchng.. I punt d forza del metodo sono l fatto che non sa rchesta la conoscenza d alcuna nformazone prelmnare sulla struttura del blocco o della scena, per cu tutte le procedure sono automatche; al tempo stesso, la sua generaltà, permette che sa effcacemente applcato n molt ambt: rlevo archtettonco, navgazone, controll ndustral ma sono numerose le applcazon anche n campo archeologco, medco, cnematografco etc. Al termne del captolo vengono presentat prncpal e pù nteressant rsultat ottenut nelle applcazon attualmente prese n consderazone.

19 INRODUZIONE Nel captolo vengono analzzate le tematche legate alla resttuzone densa d enttà puntual con tecnche d correlazone d mmagn, con le qual è possble, sempre n manera totalmente automatca sfruttando anche le nformazon ottenute durante la fase d Structure and Moton, descrvere la superfce oggetto con un nseme costtuto da qualche decna d mglaa a qualche mlone d punt. Dopo aver presentato metod d correlazone semplce ed l least squares matchng, s llustra l matchng mult-mmagne vncolato geometrcamente. Vengono po analzzate le prncpal tecnche al momento mplementate per ottmzzare l contenuto nformatvo delle dverse mmagn, che permettono d ottenere procedure d correlazone pù effcent ed accurate. Inoltre vengono llustrate le procedure e le stratege d ottmzzazone per ottenere l maggor numero possble d punt nella nuvola. Anche n questo caso, al termne del captolo, vengono analzzate le effettve prestazon de metod svluppat, sa dal punto d vsta delle precson che da quello dell affdabltà d resttuzone; vengono noltre llustrate alcune applcazon a nostro avvso partcolarmente nteressant. Nel terzo captolo s vanno a presentare le tecnche svluppate per l anals della nuvola d punt ottenuta durante la fase d matchng. al aspett assumono partcolare mportanza per lo studo del campo d dscontnutà delle paret roccose che, come gà detto, è al momento l applcazone svluppata che pù delle altre, fa uso d tecnche d automazone: pertanto la trattazone, seppur generale, tende a mettere n luce maggormente problem dervant da questo tpo d anals. Vengono presentat due metod d segmentazone: uno semautomatco, n cu l operatore ndvdua una porzone lmtata del DSM ed l software provvede a segmentarlo, mettendo n rlevo le regon pane present. Nel secondo, totalmente automatco, l calcolatore opera drettamente sulla nuvola d punt. Sebbene ancora la spermentazone non possa drs conclusa, anche n vrtù del fatto che la verfca de rsultat è spesso dspendosa e complessa, la metodologa svluppata è estremamente nteressante e può essere applcata a dvers aspett del rlevo. Il quarto captolo llustra rsultat ottenut dall applcazone congunta d tutte le tecnche precedentemente llustrate, nel caso specfco dell estrazone de pan d dscontnutà nello studo d anals d stabltà d paret roccose. Dopo aver sntetzzato le metodche mpegate nell anals d stabltà ed lmt delle tecnche d rlevo geostrutturale attualmente adottate, s presenta un procedmento alternatvo basato sull anals d un DSM accurato della parete, rlevato fotogrammetrcamente; seguono una sere d osservazon ed ndcazon, desunte dalle esperenze sul campo fnora effettuate, legate a problem d progettazone e realzzazone del rlevo. Infne vengono presentat rsultat ottenut su tre dvers st campone che permettono una valutazone delle real capactà de metod presentat. In un captolo conclusvo, nfne, s cerca d fornre un quadro rassuntvo d tutt gl aspett trattat nella dssertazone, con partcolare rguardo alle possbltà applcatve emerse, mettendo n rsalto gl element d orgnaltà svolt e possbl svlupp futur. Molt d quest stess aspett verranno comunque analzzat n cascun captolo, per permettere un collegamento pù mmedato agl aspett pù partcolar sa dal punto d vsta teorco e metodologco che da quello applcatvo.

20 Svluppo e applcazon d tecnche d automazone n fotogrammetra de vcn Rccardo Roncella In appendce A vengono llustrat aspett teorc general legat ad aspett specfc dello svluppo de metod d automazone: alcun rcham d geometra proettva, metodologe d stma robusta e metod d ottmzzazone, metod d resezone dretta; nfne verranno brevemente analzzat alcun aspett general legat alla logca fuzzy che rappresenta, al momento, la drezone d svluppo pù nteressante per molt degl algortm presentat nella tes. In appendce B, nfne, vene presentato un breve formularo che rassume molte delle propretà ottenbl dall utlzzo d tecnche proettve n problem fotogrammetrc. Convenzon e smbol Nella presente dssertazone s sono segute le seguent convenzon tpografche: Per quanto rguarda rferment bblografc, ess sono ndcat fra parentes quadre con l nome del prmo autore e l anno d pubblcazone: tale rfermento è rntraccable nella bblografa nserta al termne della presente, n cu tutte le ctazon sono elencate n ordne alfabetco e per data d pubblcazone. Qualora, per uno stesso autore, sano present pù rferment pubblcat nello stesso anno, l rfermento è seguto da una lettera. Per quanto rguarda le equazon nserte nel testo, quelle pù sgnfcatve vengono nserte n una rga solata e numerate nella forma (.), n cu () ndca l captolo n cu la formula è nserta e () la numerazone progressva. Gl element scalar vengono soltamente ndcat con lettera corsva mnuscola; gl element vettoral bdmensonal con lettera corsva mnuscola n grassetto, quell trdmensonal o n-dmensonal con lettera corsva mauscola n grassetto; le matrc vengono sempre ndcate con lettera corsva mauscola; gl element tensoral verranno ndcat con lettera corsva mnuscola o mauscola a seconda della dmensone del corrspettvo elemento vettorale. Gl ndc vengono soltamente ndcat con le lettere, j, k n corsvo. Qualora tal convenzon non vengano rspettate, per motv d pratctà d scrttura, l testo ne dà ndcazone, llustrando la smbologa utlzzata. Con l apce s ndcherà l operazone d trasposzone d matrce, con l apce - l nversa della trasposta, mentre l punto moltplcatvo $ verrà soltamente sottnteso o ndcherà l prodotto scalare fra due vettor. Il prodotto vettorale vene ndcato ndfferentemente con l smbolo # o con l smbolo / ; noltre l smbolo 6 #, dove v è un vettore trdmensonale, sta ad ndcare la matrce emsmmetrca che codfca l prodotto vettorale: v _ v,, vy vz & 6 # v z - v y - v z v v y - v

21 INRODUZIONE Per quanto rguarda le fgure, esse saranno numerate nella forma (.), n cu () ndca l captolo n cu la fgura è nserta e () la numerazone progressva; l elenco completo delle fgure è nserto nell ndce corrspondente. Per quanto rguarda le tabelle, esse saranno numerate nella forma (.), n cu () ndca l captolo n cu la fgura è nserta e () la numerazone progressva; la numerazone delle tabelle è ndpendente da quella delle fgure; l elenco completo delle tabelle è nserto nell ndce corrspondente. Qualora, all nterno del testo, fosse necessaro utlzzare smbologe dfferent da quelle appena descrtte per necesstà d stesura, ne verrà data ndcazone.

22 Svluppo e applcazon d tecnche d automazone n fotogrammetra de vcn Rccardo Roncella

23 CAPIOLO Structure and Moton.. Introduzone Una delle fas pù delcate del rlevo fotogrammetrco, come noto, è l orentamento de fotogramm: se n fotogrammetra aerea l blocco generalmente ha una struttura ben defnta e può far affdamento su tecnche e metodologe spermentate n quas un secolo d applcazon, lo stesso non s può dre per le applcazon terrestr. La fotogrammetra close-range ha subto un fortssmo svluppo soprattutto nel corso degl ultm ann, con la nascta d nuove applcazon non solo ne tradzonal settor ndustrale ed archtettonco, ma anche nel mondo della cnematografa, dell archeologa, della medcna. Al tempo stesso la sensorstca ha fatto pass da ggante e se da un lato è possble avere sul mercato fotocamere dgtal ad alta rsoluzone a prezz contenut, l ntegrazone d tale tecnologe con altr tp d sensor è un fenomeno n contnua espansone. Rsulta evdente, qund, che cascuna applcazone presenta suo aspett pecular sa n termn d rsultat attes, sa n termn d vncol operatv per la progettazone e realzzazone del blocco. Da questo punto d vsta l mpatto che la fase d orentamento del blocco può avere sull ntera procedura dventa crucale, n vrtù soprattutto del fatto che le caratterstche del blocco non sono sempre ugual e che l pù delle volte l utlzzatore non ha una preparazone specfca nel settore. Anche dal punto d vsta metrologco le precson rcheste nelle dverse applcazon possono essere assa dfferent fra loro e molto spesso possono essere consderat altrettanto mportant altr aspett conness al rlevo: s pens, per semplctà, allo svluppo della computer grafca, n cu molte volte non è necessaro raggungere lvell d precsone elevatssm, ma bsogna garantre che dal punto d vsta vsvo la scena o l oggetto rcostruto sano verosml. All nzo degl ann 9, con l dffonders delle prme telecamere dgtal, nel settore della vsone artfcale l attenzone s è concentrata sull anals d sequenze d mmagn, affrontando la rcostruzone della Structure from Moton [Huang 994], [Dhond 989], [Mohr 996], [Faugeras 993] (a volte ndcato anche con l nome d Structure and Moton per ndcare la contemporanetà d stma che può essere rchesto

24 8 Svluppo e applcazon d tecnche d automazone n fotogrammetra de vcn Rccardo Roncella dal problema). Il problema può essere così rassunto: n qual cas ed n che modo è possble determnare la struttura spazale d un oggetto o pù n generale d una scena avendo a dsposzone una sequenza d mmagn (ovvamente con punt d presa dfferent) con l mnor numero d nformazon a pror e parametr nzal? In altre parole s volevano ndvduare una sere d metodologe l pù possble automatzzate n grado d fornre la descrzone trdmensonale d un oggetto non dsponendo d nformazon su parametr d orentamento (nterno, esterno od entramb), eventualmente senza alcun tpo d nformazone sull oggetto, l tutto per mezzo d procedure che rducessero o elmnassero completamente l ntervento umano nel processo. La mente umana svolge quotdanamente tale operazone senza creare troppo scalpore: effettvamente per comprendere la forma e le caratterstche spazal d un oggetto non abbamo quas ma la necesstà d toccarlo o d msurarlo ma c basta poterlo guardare da alcune poszon dfferent. Il problema può qund essere formulato come l ndvduazone d tecnche e procedure n modo da nsegnare ad un calcolatore una metodologa per nterpretare la spazaltà d un nseme d oggett che è n grado d vedere su una sere d mmagn. Cò dà ragone del fatto che tale problema (e le sue mlle ramfcazon) sa stato nzalmente analzzato nel pù vasto ambto dell ntellgenza artfcale e che tuttora trov maggor spunt d svluppo n ambent legat alla vsone artfcale. In partcolare rcercator s sono sempre dvs sulla strada da segure per rsolvere l problema: da un lato, nfatt, c è ch sostene che l metodo pù effcente è quello d cercare d emulare la vsone bologca dell essere umano sebbene, come nota O. Faugeras nella prefazone a [Hartley ], non s conosce probablmente a suffcenza l funzonamento della vsone umana per poter pensare Estrazone d element (features) Punt, lnee, curve, regon... Defnzone corrspondenze prelmnar CONEMPORANEIA (opz.) Stma orentament ntern (Auto-calbrazone) Rcostruzone metrca Bundle Adjustment Fltraggo corrspondenze erronee (outler) Stma orentamento esterno (Moton) Stma coordnate punt terreno (Structure) Fgura.: Schema a blocch delle operazon generalmente mplementate n un problema d Structure and Moton.

25 CAPIOLO. Structure and Moton 9 d svluppare un algortmo o un nseme d algortm che ne rcalch l comportamento; dall altro v sono rcercator mpegnat nello svluppo d una vsone slcon-based ovvero con regole d percezone della spazaltà sostanzalmente dfferent da quelle umane. Da questo punto d vsta la fotogrammetra ha come dscplna l ndubbo vantaggo d avere uno svluppo orma quas secolare alle spalle propro nell ambto dell nterpretazone matematca e algortmca de process d formazone dell mmagne e della loro nterpretazone; è dunque n questo senso che le dfferent mpostazon possono trovare un punto d convergenza. Lo svluppo d una metodologa d vsone e msurazone dello spazo trdmensonale non può charamente prescndere da una solda base teorca che fornsca l substrato metodologco per affrontare l problema n manera effcente da parte d un calcolatore. In questo senso dverse branche della matematca del XIX e XX secolo hanno fornto prncp teorc d base (vd. appendce A) per lo svluppo d soluzon mrate: c rferamo non soltanto alla nascta e allo svluppo delle geometre non eucldee ed n partcolare dell algebra proettva d cu s parlerà approfondtamente n seguto, ma anche d procedure d stma sempre pù effcent e robuste che permettono d rsolvere compless sstem d equazon che codfcano le caratterstche del problema. Attualmente tutt metod d rsoluzone della structure from moton s basano su metodologe analoghe (s veda fgura.): nzalmente vengono estratte sulle dverse mmagn una sere d element (soltamente puntual, anche se non mancano mplementazon n cu s fa uso anche d element lnear) che, con un certo grado d probabltà sano rscontrabl su dvers fotogramm: per mezzo d opportun operator matematc, s scandagla tutta l mmagne analzzando valor radometrc sul domno spazale del fotogramma; ove tal valor presentano caratterstche pecular (ad esempo gradent elevat n due drezon mutuamente ortogonal) s suppone d aver ndvduato un punto maggormente contrastato rspetto ad altr (ad esempo uno spgolo o un vertce dell oggetto) e s rtene che tale punto appaa ugualmente contrastato anche sulle altre mmagn che compongono la sequenza. Una volta ndvduato un numero suffcentemente elevato d element nteressant, per mezzo d opportun crter geometrc e radometrc, s ndvduano delle corrspondenze putatve che formno un prmo tentatvo d catalogazone d corrspondenze omologhe su dvers fotogramm. A questo punto è possble stmare una geometra d presa prelmnare ed elmnare le corrspondenze sbaglate. Generalmente per ottenere questa stma prelmnare s fa uso della geometra eppolare fra due fotogramm (orentamento relatvo) o della geometra trfocale fra tre fotogramm: è nfatt faclmente dmostrable che la geometra relatva fra due sol fotogramm non è n grado d fornre un grado d robustezza suffcente all elmnazone sstematca d tutt gl error d accoppamento della fase precedente, soprattutto n que cas n cu, a causa ad esempo d una non suffcente caratterzzazone d tesstura, l oggetto esamnato può condurre ad una sere numerosa d accoppament ambgu; al contraro, la geometra ntercorrente fra tre mmagn dstnte, gode d una robustezza decsamente maggore e presenta confgurazon crtche molto raramente.

26 Svluppo e applcazon d tecnche d automazone n fotogrammetra de vcn Rccardo Roncella E mportante evdenzare che, fno a questo punto, soltamente, non s è rcors all utlzzo d alcun parametro nzale per vncolare la geometra d presa: n altre parole è solo la struttura matematca del fotogramma (analzzata per mezzo degl operator d nteresse), l effcenza nell ndovnare gl accoppament prelmnar da parte degl opportun algortm e dalla successva fase d fltratura delle corrspondenze sbaglate che s arrva a defnre una geometra d presa. ale geometra non strettamente verfca le condzon real del blocco fotogrammetrco, nel senso che fornsce una geometra proettvamente equvalente a quella reale. Dal momento che su tale argomento s dedcherà n seguto partcolare attenzone, sa suffcente n questa sede semplfcare l problema dcendo che analtcamente è possble ottenere, con le procedure poc anz llustrate, una confgurazone n cu parametr d orentamento esterno ed nterno d cascun fotogramma sa sostanzalmente dfferente da quello del blocco consderato, ma che n termn d resdu nelle equazon d collneartà fornsca lo stesso rsultato del caso reale; così come la geometra del blocco rsulta sostanzalmente deformata, anche la geometra dell oggetto rsulta compromessa pur essendo proettvamente equvalente (secondo la defnzone che verrà pù avant fornta) a quella dell oggetto stesso. Per ottenere nfne una rcostruzone reale del blocco e della scena è suffcente la conoscenza de parametr d orentamento nterno: la geometra nterna al fotogramma nfatt permette una rcostruzone conforme (ovvero equvalente a meno d una trasformazone d smltudne) del blocco e dell oggetto consderato. al parametr possono essere not a pror o, ancora una volta, possono essere stmat (seppur con un grado d approssmazone a volte non adeguato) drettamente dalle corrspondenze gà determnate. In altre parole anche la rcostruzone conforme dell oggetto e del blocco può avere luogo anche nel caso n cu sano parzalmente o completamente ncognt parametr d calbrazone della camera utlzzata. Per concludere, è possble ottenere una stma ottmale (n termn d massma verosmglanza), utlzzando rsultat ottenut come parametr approssmat d un sstema rsolvente a mnm quadrat (bundle adjustment) n cu possono essere nserte nformazon agguntve sul blocco (punt d appoggo, nterdstanze note, orentament etc ). S arrva così alla defnzone completa de parametr d orentamento esterno ed nterno d cascun fotogramma (moton) oltre che della geometra della scena (structure) per mezzo de punt defnt dalle corrspondenze fnal che rsultano coerent con la geometra stmata. Nel seguto cascun passaggo del metodo delneato verrà charto n maggor dettaglo, svluppando concett matematc necessar alla sua mplementazone e andando a svluppare un anals crtca delle tecnche attualmente dsponbl. Verranno noltre llustrat alcun esemp real n cu è possble notare come l mpostazone generale del problema ne permetta l utlzzo n una casstca estremamente ampa d applcazon nell ambto della fotogrammetra de vcn. E mportante nfne evdenzare che, sebbene la struttura dell oggetto determnata per mezzo dell applcazone delle tecnche d structure and moton, non sa l pù delle volte suffcente a fornrne una descrzone esaurente ( punt vengono decs arbtraramente dall operatore d nteresse e possono non concdere con punt necessar all operatore umano), essa può fornre parametr nzal per procedure d nfttmento del contenuto nformatvo geometrco, come verrà dettaglatamente llustrato nel prossmo captolo.

27 CAPIOLO. Structure and Moton.. Operator d nteresse Il prmo passo nello schema d fgura.. è la scelta d element faclmente rntraccabl nel maggor numero d fotogramm che compongono la sequenza. al element sono generalmente d tpo puntuale n vrtù del fatto che, nelle successve operazon d fltraggo e d elmnazone d corrspondenze sbaglate, rsulta pù semplce e spesso pù robusto lavorare con questo tpo d prmtve. Non mancano però mplementazon n cu vene fatto largo uso anche d altre prmtve, qual lnee e curve: una vasta panoramca de prncpal metod algebrc per gestre tal problem vene fornta n [Schmd a]. al prmtve s dmostrano partcolarmente utl nello studo d scene n cu effettvamente è preponderante la presenza d element lnear (archtettura, road modellng, alcune applcazon ndustral etc ). Il crtero fondamentale per valutare la reale effcenza d un operatore d nteresse è rappresentato dalla sua capactà d ndvduare l medesmo partcolare (ovvero d fornre punt omologh) anche su fotogramm dfferent per scala, per l dverso punto d vsta, per condzon d llumnazone, ecc. In altre parole un operatore d nteresse è tanto pù effcente quanto maggore è l suo grado d nvaranza rspetto a trasformazon geometrche e radometrche va va pù general. Un confronto partcolarmente nteressante fra operator dfferent s può trovare n [Schmd b] e n [Mkolajczyk 3], dove, a seconda del tpo d trasformazone che nteressa successv fotogramm della sequenza (rotazon, varazon d scala, cambament d llumnazone e rsposta radometrca, effett d prospettva), è possble ndvduare l operatore mglore ovvero quello che fornsce l pù elevato grado d rpetbltà (rapporto fra rconoscment corrett e numero d punt ndvduat sul fotogramma). Altro parametro fondamentale per valutare le prestazon d un operatore d nteresse è la precsone nella localzzazone, ovvero la capactà d ndvduare esattamente lo stesso punto n termn d coordnate mmagne. ale precsone può essere stmata conoscendo la geometra dell oggetto o verfcando resdu delle equazon d collneartà dopo aver eseguto un bundle adjustment al termne del rconoscmento. Nel nostro studo, dopo aver trattato prncpal fondament teorc che contraddstnguono gl operator attualmente mplementat, c occuperemo n partcolare del prmo aspetto, rmandando alle succtate opere d Schmd e Mckoljczyk per una trattazone pù ampa del problema. Quas tutt descrttor d nteresse attualmente mpegat, a prescndere dall mplementazone scelta, analzzano la funzone I (, y) (a domno e valor dscret) che descrve la radometra dell mmagne; come osservato n [Moravec 977], la funzone d auto-correlazone de ton d grgo f (, y), calcolata nell ntorno d un dato pel su una fnestra d dmenson assegnate, può fornre nformazon sul tpo d struttura locale dell mmagne. Posto nfatt: f (, y )!_ I (, y ) - I ( + D, y + D y ) ( k, y k ) k k k k (.)

28 Svluppo e applcazon d tecnche d automazone n fotogrammetra de vcn Rccardo Roncella se la fnestra è prva d tesstura, f (, y) presenta valor prossm a zero; qualora la fnestra contenga un contorno (edge), la correlazone s mantene alta nella drezone del contorno e cala rapdamente n drezone ad esso ortogonale; nfne, nel caso la fnestra contenga uno spgolo (corner) la funzone d auto-correlazone presenterà varazon sgnfcatve n tutte le drezon. Altr tp d operator, d cu però non c occuperemo n questa sede, s basano nvece sull ndvduazone d contorn (lnee e curve) per po andare ad analzzare la curvatura locale d tal contorn (s veda ad esempo [Asada 986] o [Medon 987]).... Operatore d Harrs L operatore d Harrs [Harrs 988] è sostanzalmente una rvstazone ed un superamento d alcun problem d ordne concettuale del metodo proposto da Moravec [Moravec 977]. Nell mplementazone d Moravec la funzone d autocorrelazone vene calcolata dando alla fnestra gl spostament { (,), (,), (,), (-,) }ovvero lungo gl ass e y e le dagonal:! E (, y ) w ( u, v ) $ f (, y ) u, v (.) dove w ndca una funzone fnestra che vale nella zona corrspondente all ntorno del punto (, y) (coè appunto la fnestra consderata) e altrove. L mplementazone d Moravec ha tre controndcazon: pochè vengono prese n consderazone solo drezon prefssate non è possble mettere n luce nella stessa manera lnee o spgol dversamente nclnat; essendo punt all nterno della fnestra equpesat, l metodo rsentre maggormente del rumore ne ton d grgo dell mmagne; l metodo tende a rspondere eccessvamente n corrspondenza d element lnear dal momento che vene preso n consderazone solo l valore d E. La soluzone proposta da Harrs permette d rsolvere tal problem. Innanztutto la funzone d autocorrelazone deve essere calcolata n tutte le drezon. Analtcamente cò è possble consderando uno svluppo n sere d aylor d tale funzone (per semplctà arrestato al prmo ordne, consderat gl spostament modest che s voglono analzzare): Sosttuendo nella (.) ottenamo: I ( + D, y + D y ), I (, y ) + k k k k I y I d k k dy (, y ) ( k, y k ) (.3) f (, y) I y I d! e ( (, ) dy, y ) k y o k k k (, y ) k k (.4) Svluppando la quanttà a secondo membro ottenamo:

29 CAPIOLO. Structure and Moton 3 f (, y ) d dy I I y I (, ) (, y ) y (, ) (, y ) d k k k k k yk k k ( k, y k ) I y I y I d dy!! dy A (, y ) ( k, y k )! ( k, y k ) ( k, y k )! ( k, y k ) ( k, y k ) d dy (.5) n cu la matrce A permette d descrvere approssmatvamente la funzone d auto-correlazone nell ntorno del punto (, y). Inoltre è possble utlzzare nella (.) come funzone fnestra una funzone non costante, come ad esempo una funzone gaussana D con smmetra crcolare, che permetta d fltrare eventual fenomen d rumore: w ( u, v ) e u v - + v Sosttuendo la (.5) e la (.6) nell equazone (.) s ottene nfne: (.6) E (, y ) d dy M (, y ) d dy (.7) con M (, y )! ( k, y k )! ( k, y k ) I ( k, y k ) w (, y ) k (, ) I y I w k yk ( k, y k ) ( k, y k ) k! ( k, y k ) (, ) I y I w k yk! ( k, y k ) ( k, y k ) ( k, y k ) y I ( k, y k ) w (, y ) k k (.8) S not come E sa strettamente legata alla funzone d auto-correlazone e come M possa essere utlzzata per defnrne la forma locale: dett nfatt a e b due autovalor della matrce M ess rappresentano le component prncpal d curvatura della funzone d auto-correlazone. E mmedato allora notare che valor d a e b permettono d ottenere una descrzone della forma locale della funzone d auto-correlazone nvarante rspetto ad una qualsas rotazone. In fgura. è evdenzata la classfcazone del contenuto della fnestra n funzone d a e b: quando entramb gl autovalor a e b presentano valor bass, la funzone d auto-correlazone fornsce valor prossm a zero, ovvero l punto consderato s trova n una zona a tesstura omogenea; se uno de due autovalor rsulta pù elevato dell altro, la funzone d auto-correlazone ha valore maggore lungo la drezone del corrspondente autovettore: samo qund n presenza d un contorno; se nfne entramb gl autovalor rsultano grand, la funzone d autocorrelazone tende a varare rapdamente n tutte le drezon: samo n presenza d uno spgolo. Per codfcare tal nformazon n un unco valore, che msur n grado d nteresse del punto consderato, Harrs suggersce d consderare un opportuno operatore: R Det ( M ) - k $ r ( M ) (.9) Osservando che

30 4 Svluppo e applcazon d tecnche d automazone n fotogrammetra de vcn Rccardo Roncella Det ( M ) ab e r ( M ) a + b (.) s ottengono valor elevat d R se lo sono entramb gl autovalor d M; l secondo termne della (.9) assume l sgnfcato d fattore d forma, lmtando la rsposta quando la funzone d auto-correlazone rsulta allungata (quando coè uno de due autovalor è preponderante sull altro). Generalmente la varable k assume valor ntorno a.4.6 n presenza d corner ben defnt: la determnazone d tale valore è però del tutto emprca. Per rendere effcente l calcolo della funzone R n cascun punto dell mmagne s può procedere nel seguente modo: per prma cosa s calcolano le dervate local n drezone e y per mezzo d una convoluzone con una maschera del tpo [ - ] o [ - - ]; alcun autor [Schmd b] suggerscono d usare al posto d una maschera per le dfferenze fnte, come le suddette, una maschera gaussana con s ; dalla convoluzone s determnano termn omogene della (.5); eseguendo una ulterore convoluzone, stavolta con una maschera gaussana d dmenson prefssate, s consdera l nterazone della funzone fnestra e s ottengono per ogn punto gl element della matrce M; è qund possble calcolare l valore d R n cascun punto dell mmagne. Per selezonare punt d nteresse s effettua una soglatura prelmnare de valor d R,trascurando coè punt che presentano valor d rsposta troppo bass. Infne per mezzo d una fnestra d rcerca d dmenson prefssate s vanno a rcercare punt d massmo locale della funzone R. ale funzone può essere nterpolata, ad esempo per mezzo d un polnomo d grado n, n modo da ottenere una stma sub-pel della poszone d massmo della funzone che, lo rcordamo, essendo calcolata n corrspondenza d cascun pel, è a domno dscreto. In base a quanto detto, rsulta evdente che l operatore d Harrs è nvarante rspetto a α EDGE FLA CORNER EDGE Fgura.: Rappresentazone per curve d lvello della funzone d rsposta R e della suddvsone tpologca n funzone degl autovalor a e b β

31 CAPIOLO. Structure and Moton 5 rotazon dell mmagne. Vceversa, se la trasformazone che lega localmente punt dell oggetto n due dfferent fotogramm presenta varazon d scala o deformazon prospettche, le sue prestazon peggorano drastcamente: mentre per rotazon arbtrare l grado d rpetbltà tende a manteners costantemente ntorno a valor prossm a.9 (l 9% de punt estratt su un fotogramma concdono con quell estratt nell altro), è suffcente un fattore d scala d.5 per dmezzare l numero d rconoscment corrett. Analoghe osservazon possono essere fatte per cambament d llumnazone e varazon prospettche. S rmanda all ultma parte del paragrafo per un maggor approfondmento delle prestazon degl operator e della loro nvaranza ne confront d trasformazon geometrche e radometrche.... Operatore d Föerstner L operatore d Föerstner [Föerstner 987], svluppato un anno prma d quello d Harrs, pur da presuppost dfferent, arrva ad un rsultato assa smle. Il punto d partenza del lavoro d Förstner è nfatt la correlazone a mnm quadrat o Least Squares Matchng proposta precedentemente da Grün [Grün 985]. Maggor dettagl sul metodo verranno presentat nel paragrafo.; qu s osserva solo che, consderando la matrce de pes untara, la matrce normale del sstema a mnm quadrat è del tutto equvalente alla matrce A (, y) n (.5): N! ( k, y k )! ( k, y k ) I ( k, y k ) I y I ( k, y k ) ( k, y k )! ( k, y k ) I y I! ( k, y k ) ( k, y k ) ( k, y k ) y I ( k, y k ) (.) La matrce d covaranza de due parametr spostamento (n rga e colonna) rsulta qund: C - v $ N (.) Come noto, dalla matrce d covaranza s possono rcavare parametr dell ellsse d errore, che rappresenta n questo caso l errore atteso nell ndvduare l punto con tecnche d Least Squares Matchng: maggor le dmenson dell ellsse, maggore l ncertezza nella determnazone. Forstner osservò po che, un ellsse d errore molto allungato ndca la presenza d un contorno: la poszone del punto lungo la drezone ortogonale al contorno è determnata con buona precsone, mentre n drezone parallela ad esso è mal determnata. Not gl autovalor l e l della matrce normale (.), lo schaccamento dell ellsse è dato dal parametro roundness: 4Det ( N ) m - m q (.3) - e o r ( N ) m + m che rappresenta l rapporto fra due ass prncpal dell ellsse, mentre l area dell ellsse è msurata da: Det ( N ) m m w r ( N ) m + m (.4)

32 6 Svluppo e applcazon d tecnche d automazone n fotogrammetra de vcn Rccardo Roncella che prende l nome d valore d nteresse (nterest value). In tal senso l operatore d Föerstner è sostanzalmente analogo a quello d Harrs, non fosse che n questo caso l autore non defnsce una funzone d rsposta che tenga n consderazone entramb parametr w e q. Valgono d conseguenza le consderazon fatte per l comportamento dell operatore n presenza d trasformazon geometrche e radometrche. A questo rguardo, però, può essere nteressante osservare che, nell mpostazone d Föerstner sarebbe possble consderare un modello funzonale pù complesso, andando ad esempo a consderare una trasformazone geometrca affne ed una varazone radometrca lneare: n tal caso lo studo dell ellssode d errore, seppur pù complessa, porterebbe ad ndvduare que punt dell mmagne che meno rsentono d trasformazon d quel tpo. uttava, a nostro parere, tale percorso non porta ad un effettvo mgloramento del metodo, n quanto s presume che solo n condzon partcolar la natura del punto scelto permetta un nvaranza nella procedura d matchng rchesta per determnarlo. In altre parole, è l descrttore d nteresse che deve utlzzare crter nvarant rspetto a determnate trasformazon e non l punto a presentare una conformazone tale da rendere l operatore nvarante...3. Operatore d Lowe (SIF) L operatore d Lowe [Lowe 999], [Lowe 4] è attualmente uno degl algortm pù studat n ambto d rcerca (soprattutto n robotca e computer vson) a causa della sua estrema effcenza nel determnare features corrspondent su pù mmagn. Il metodo non solo è nvarante rspetto a trasformazon d scala, rappresentando pertanto un notevole passo avant rspetto a metod precedentemente analzzat, ma permette d generare per cascuna feature de descrttor unvoc, una sorta d mpronta dgtale della feature, che favorscono notevolmente le operazon d matchng. L nvaranza rspetto alla varazone d scala è ottenuta per mezzo d un approcco pramdale n cu l mmagne sorgente vene camponata a dverse scale; al tempo stesso l suo contenuto d frequenze, a cascun lvello d scala, vene scomposto per mezzo d un fltro passa-banda basato sulla dfferenza d convoluzon gaussane. Il metodo prende spunto da stud sulla vsone umana [Lndeberg 994], da qual rsulta che l attenzone del soggetto tende a soffermars su partcolar dfferent n funzone del lvello d dettaglo percepble (ovvero della dstanza dalla quale s osserva l oggetto) e a scale ugual s tende a concentrare l attenzone localmente sulle bande d frequenze pù sgnfcatve. Innanztutto, dall mmagne orgnale s derva l cosddetto Pyramd Scale Space [Wtkn 983], ovvero una struttura dat n cu sono memorzzate mmagn separate da ntervall d scala dscret; raggruppament d tal mmagn vengono defnt da Lowe ottave. In cascuna ottava, la dfferenzazone d scala non avvene per mezzo d un rdmensonamento dell mmagne, ma per mezzo d un fltro gaussano che rduce l lvello d dettaglo (defocusng). ale struttura, sebbene costtuta da una sere d mmagn separate da ntervall d scala dscret, permette la rappresentazone contnua della varazone del contenuto nformatvo estrable n funzone della scala mmagne. Le mmagn che compongono le ottave sono le scomposzon

33 CAPIOLO. Structure and Moton 7 n frequenza dell mmagne orgnale, ottenute come gà antcpato per dfferenze fra convoluzon con gaussane sotrope d varanza dfferente: detta I (, y) la funzone a domno e valor dscret che descrve l mmagne ad una determnata scala, rsulta: L ^, y, v h G ^, y, v h ) I ^, y h (.5) dove s è ndcato G ^, y, v h e rv ` + y j - v (.6) Le mmagn che compongono l ottava ad una determnata scala sono date dalla dfferenza fra due funzon dervate dalla (.5) utlzzando dfferent valor d s: D ^, y, v h _ G ^, y, k v h - G ^, y, v h ) I ^, y h L ^, y, k v h - L ^, y, v h (.7) Come osservato n [Lndeberg 994] e prma ancora n [Koendernk 984] per ottenere una corretta rappresentazone dello spazo delle scale, n cu ad ogn lvello sa garantto lo stesso grado d contenuto nformatvo, la funzone d rcamponamento deve essere una funzone Laplacana: n [Lowe 4] vene effettvamente dmostrato che la dfferenza d due gaussane è proporzonale ad una funzone Laplacana ed è qund corretta per ottenere l nvaranza d scala. S determna un ntervallo ncrementale della varanza n (.6) n modo tale che n cascuna ottava l ultma mmagne abba valore d s uguale al doppo d quella nzale. Il numero d ottave da consderare dpende dall ntervallo d scale che s voglono analzzare: n alternatva, s può stablre una dmensone mnma d mmagne n cu non ha pù sgnfcato cercare d estrarre nformazon. Vceversa l numero d mmagn all nterno d un ottava può essere fssato n base al lvello d dscretzzazone che s vuole operare per lo scale-space: n [Lowe 4] vene mostrato emprcamente che un valore par a 3 4 mmagn è soltamente suffcente. Per determnare punt d nteresse s procede per mezzo d una rcerca de massm e mnm local della funzone D(, y, s) n cascuna ottava: per mezzo d un volume d rcerca cubco (ad esempo d dmensone 333) s va a verfcare qual punt rsultano massm local n tale volume (n letteratura vene consglato d scartare punt con valor d D mnor a.3). Una volta ndvduato tale punto, per rendere pù precsa l ndvduazone del massmo o mnmo locale, è possble procedere come segue [Brown ]: s consdera una funzone quadratca trdmensonale che nterpol valor della funzone nello scale-space D(, y, s) nel punto estremo trovato; tale funzone per mezzo d uno svluppo n sere d aylor arrestato al secondo ordne rsulta: (.8) D, y, D D D D ^ vh ^ h ^ h + +

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

Dettagli

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

Fondamenti di Visione Artificiale (Seconda Parte) Corso di Robotica Prof.ssa Giuseppina Gini Anno Acc.. 2006/2007

Fondamenti di Visione Artificiale (Seconda Parte) Corso di Robotica Prof.ssa Giuseppina Gini Anno Acc.. 2006/2007 Fondament d Vsone Artfcale (Seconda Parte PhD. Ing. Mchele Folgherater Corso d Robotca Prof.ssa Guseppna Gn Anno Acc.. 006/007 Caso Bdmensonale el caso bdmensonale, per ndvduare punt d contorno degl oggett

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone

Dettagli

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM) Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

Fotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica

Fotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica Fotogrammetra Scopo della fotogrammetra è la determnazone delle poszon d punt nello spazo fsco a partre dalla msura delle poszon de punt corrspondent su un mmagne fotografca. Ovvamente, affnché questo

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

Tutti gli strumenti vanno tarati

Tutti gli strumenti vanno tarati L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello

Dettagli

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

Dettagli

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Dettagli

La retroazione negli amplificatori

La retroazione negli amplificatori La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo

Dettagli

Università degli Studi di Urbino Facoltà di Economia

Università degli Studi di Urbino Facoltà di Economia Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva

Dettagli

Strutture deformabili torsionalmente: analisi in FaTA-E

Strutture deformabili torsionalmente: analisi in FaTA-E Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo

Dettagli

Calibrazione. Lo strumento idealizzato

Calibrazione. Lo strumento idealizzato Calbrazone Come possamo fdarc d uno strumento? Abbamo bsogno d dentfcare l suo funzonamento n condzon controllate. L dentfcazone deve essere razonalmente organzzata e condvsa n termn procedural: s tratta

Dettagli

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione Captolo 6 Rsultat pag. 468 a) Osmannoro b) Case Passern c) Ponte d Maccone Fgura 6.189. Confronto termovalorzzatore-sorgent dffuse per l PM 10. Il contrbuto del termovalorzzatore alle concentrazon d PM

Dettagli

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl

Dettagli

Indicatori di rendimento per i titoli obbligazionari

Indicatori di rendimento per i titoli obbligazionari Indcator d rendmento per ttol obblgazonar LA VALUTAZIONE DEGLI INVESTIMENTI A TASSO FISSO Per valutare la convenenza d uno strumento fnanzaro è necessaro precsare: /4 Le specfche esgenze d un nvesttore

Dettagli

Apprendimento Automatico e IR: introduzione al Machine Learning

Apprendimento Automatico e IR: introduzione al Machine Learning Apprendmento Automatco e IR: ntroduzone al Machne Learnng MGRI a.a. 2007/8 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: {moschtt,basl}@nfo.unroma2.t 1

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Dettagli

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz LEZIONE e 3 La teora della selezone d portafoglo d Markowtz Unverstà degl Stud d Bergamo Premessa Unverstà degl Stud d Bergamo Premessa () È puttosto frequente osservare come gl nvesttor tendano a non

Dettagli

Dati di tipo video. Indicizzazione e ricerca video

Dati di tipo video. Indicizzazione e ricerca video Corso d Laurea n Informatca Applcata Unverstà d Urbno Dat d tpo vdeo I dat vdeo sono generalmente rcch dal punto d vsta nformatvo. Sottottol (testo) Colonna sonora (audo parlato e/o musca) Frame (mmagn

Dettagli

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato

Dettagli

La taratura degli strumenti di misura

La taratura degli strumenti di misura La taratura degl strument d msura L mportanza dell operazone d taratura nasce dall esgenza d rendere l rsultato d una msura rferble a campon nazonal od nternazonal del msurando n questone affnché pù msure

Dettagli

Newsletter "Lean Production" Autore: Dott. Silvio Marzo

Newsletter Lean Production Autore: Dott. Silvio Marzo Il concetto d "Produzone Snella" (Lean Producton) s sta rapdamente mponendo come uno degl strument pù modern ed effcac per garantre alle azende la flessbltà e la compettvtà che l moderno mercato rchede.

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

FORMAZIONE ALPHAITALIA

FORMAZIONE ALPHAITALIA ALPHAITALIA PAG. 1 DI 13 FORMAZIONE ALPHAITALIA IL SISTEMA DI GESTIONE PER LA QUALITA Quadro ntroduttvo ALPHAITALIA PAG. 2 DI 13 1. DEFINIZIONI QUALITA Grado n cu un nseme d caratterstche ntrnseche soddsfa

Dettagli

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

Dettagli

Analisi dei flussi 182

Analisi dei flussi 182 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle

Dettagli

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un

Dettagli

Il pendolo di torsione

Il pendolo di torsione Unverstà degl Stud d Catana Facoltà d Scenze MM.FF.NN. Corso d aurea n FISICA esna d ABORAORIO DI FISICA I Il pendolo d torsone (sezone costante) Moreno Bonaventura Anno Accademco 005/06 Introduzone. I

Dettagli

Questo è il secondo di una serie di articoli, di

Questo è il secondo di una serie di articoli, di DENTRO LA SCATOLA Rubrca a cura d Fabo A. Schreber Il Consglo Scentfco della rvsta ha pensato d attuare un nzatva culturalmente utle presentando n ogn numero d Mondo Dgtale un argomento fondante per l

Dettagli

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

1. Una panoramica sui metodi valutativi

1. Una panoramica sui metodi valutativi . Una panoramca su metod valutatv La dottrna azendalstca rconosce l esstenza d var metod att a determnare l valore del captale economco d un mpresa. In partcolare, è possble ndvduare tre macro-tpologe

Dettagli

POR FESR Sardegna 2007-2013 Asse VI Competitività BANDO PUBBLICO. Voucher Startup Incentivi per la competitività delle Startup innovative

POR FESR Sardegna 2007-2013 Asse VI Competitività BANDO PUBBLICO. Voucher Startup Incentivi per la competitività delle Startup innovative POR FESR Sardegna 2007-2013 Asse VI Compettvtà BANDO PUBBLICO Voucher Startup Incentv per la compettvtà delle Startup nnovatve ALLEGATO 3 PIANO DI UTILIZZO DEL VOUCHER STARTUP INNOVATIVE 2014 3. Pano d

Dettagli

DBMS multimediali A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2

DBMS multimediali A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2 DBMS multmedal A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2 DBMS multmedal Def: Sono DBMS che consentono d memorzzare e recuperare dat d natura multmedale:

Dettagli

VA TIR - TA - TAEG Introduzione

VA TIR - TA - TAEG Introduzione VA TIR - TA - TAEG Introduzone La presente trattazone s pone come obettvo d analzzare due prncpal crter d scelta degl nvestment e fnanzament per valutare la convenenza tra due o pù operazon fnanzare. S

Dettagli

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

Dettagli

Allegato A. Modello per la stima della produzione di una discarica gestita a bioreattore

Allegato A. Modello per la stima della produzione di una discarica gestita a bioreattore Modello per la stma della produzone d una dscarca gestta a boreattore 1 Produzone d Bogas Nella letteratura tecnca sono stat propost dvers modell per stmare la produzone d bogas sulla base della qualtà

Dettagli

UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA FACOLTÀ DI SCIENZE MATEMATICHE FISICHE E NATURALI Dpartmento d Informatca Sstemstca e Comuncazone Corso d Laurea n Informatca ALGORITMI DI MORPHING FACCIALE PER

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

Simulazione seconda prova Tema assegnato all esame di stato per l'abilitazione alla professione di geometra, 2006

Simulazione seconda prova Tema assegnato all esame di stato per l'abilitazione alla professione di geometra, 2006 Smulazone seconda prova Tema assegnato all esame d stato per l'abltazone alla professone d geometra, 006 roposte per lo svolgmento pubblcate sul ollettno SIFET (Socetà Italana d Fotogrammetra e Topografa)

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

Dettagli

Risoluzione quesiti I esonero 2011

Risoluzione quesiti I esonero 2011 Rsoluzone quest I esonero 011 1) Compto 1 Q3 Un azenda a a dsposzone due progett d nvestmento tra d loro alternatv. Il prmo prevede l pagamento d un mporto par a 100 all epoca 0 e fluss par a 60 all epoca

Dettagli

L AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS

L AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS Delberazone 20 ottobre 2004 Approvazone delle condzon general d accesso e d erogazone del servzo d rgassfcazone d gnl predsposte dalla socetà Gnl Itala Spa (delberazone n. 184/04) L AUTORITÀ PER L ENERGIA

Dettagli

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard VALORI MEDI Introduzone Con le dstrbuzon e le rappresentazon grafche abbamo effettuato le prme sntes de dat. E propro osservando degl stogramm

Dettagli

Dai circuiti ai grafi

Dai circuiti ai grafi Da crcut a graf Il grafo è una schematzzazone grafca semplfcata che rappresenta le propretà d nterconnessone del crcuto ad esso assocato Il grafo è costtuto da un nseme d nod e d lat Se lat sono orentat

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE * * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che

Dettagli

Analisi e confronto tra metodi di regolarizzazione diretti per la risoluzione di problemi discreti mal-posti

Analisi e confronto tra metodi di regolarizzazione diretti per la risoluzione di problemi discreti mal-posti UNIVERSIA DEGLI SUDI DI CAGLIARI Facoltà d Ingegnera Elettronca Corso d Calcolo Numerco 1 A.A. 00/003 Anals e confronto tra metod d regolarzzazone drett per la rsoluzone d prolem dscret mal-post Docente:

Dettagli

DATA MINING E CLUSTERING

DATA MINING E CLUSTERING Captolo 4 DATA MINING E CLUSTERING 4. Che cos'è l Data Mnng Per Data Mnng s'ntende quel processo d estrazone d conoscenza da banche dat, tramte l'applcazone d algortm che ndvduano le assocazon non mmedatamente

Dettagli

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia PROT. N 53897 ENTE EMITTENTE: OGGETTO: DESTINATARI: DATA DECORRENZA: CIRCOLARE N. 9 DC Cartografa, Catasto e Pubblctà Immoblare, d ntesa con l Uffco del Consglere Scentfco e la DC Osservatoro del Mercato

Dettagli

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd

Dettagli

La contabilità analitica nelle aziende agrarie

La contabilità analitica nelle aziende agrarie 2 La contabltà analtca nelle azende agrare Estmo rurale ed element d contabltà (analtca) S. Menghn Corso d Laurea n Scenze e tecnologe agrare Percorso Economa ed Estmo Contabltà generale e cont. ndustrale

Dettagli

PROGRAMMAZIONE DIDATTICA

PROGRAMMAZIONE DIDATTICA ISTITUTO ISTRUZIONE SUPERIORE STATALE CARLO GEMMELLARO CATANIA PROGRAMMAZIONE DIDATTICA ECONOMIA AZIENDALE A.S.: 2015/2016 Prof Pnzzotto Dana classe 5 b afm Obtv educatv OBTV ddattc trasversal Acqusre

Dettagli

PARENTELA e CONSANGUINEITÀ di Dario Ravarro

PARENTELA e CONSANGUINEITÀ di Dario Ravarro Introduzone PARENTELA e CONSANGUINEITÀ d Daro Ravarro 1 gennao 2010 Lo studo della genealoga d un ndvduo è necessaro al fne d valutare la consangunetà dell ndvduo stesso e la sua parentela con altr ndvdu

Dettagli

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà

Dettagli

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri Scelta dell Ubcazone d un Impanto Industrale Corso d Progettazone Impant Industral Prof. Sergo Cavaler I fattor ubcazonal Cost d Caratterstche del Mercato Costruzone Energe Manodopera Trasport Matere Prme

Dettagli

Gli impatti dei cambiamenti climatici sull atmosfera e sul mare: il ruolo dei Climate Services

Gli impatti dei cambiamenti climatici sull atmosfera e sul mare: il ruolo dei Climate Services Gl mpatt de cambament clmatc sull atmosfera e sul mare: l ruolo de Clmate Servces Maurzo Mauger Dpartmento d Fsca Va Celora 16 I20133 MILANO maurzo.mauger@unm.t Indce Descrzone dell UdR UnM Un esempo d

Dettagli

MATERIALE PER IL CORSO DI INDAGINI E STATISTICHE PER IL TURISMO NON DIFFONDERE DA PERCORSI DI RICERCA SOCIALE (a cura di L.

MATERIALE PER IL CORSO DI INDAGINI E STATISTICHE PER IL TURISMO NON DIFFONDERE DA PERCORSI DI RICERCA SOCIALE (a cura di L. MATERIALE PER IL CORSO DI INDAGINI E STATISTICHE PER IL TURISMO NON DIFFONDERE DA PERCORSI DI RICERCA SOCIALE (a cura d L.Bernard) 3.3. Dsegn d camponamento d Lorenzo Bernard 3.3.1. Una defnzone per ntrodurre

Dettagli

PARTE II LA CIRCOLAZIONE IDRICA

PARTE II LA CIRCOLAZIONE IDRICA PARTE II LA CIRCOLAZIONE IDRICA La acque d precptazone atmosferca che gungono al suolo scorrono n superfce o penetrano n profondtà dando orgne alla crcolazone, la quale subsce l nfluenza d molt fattor

Dettagli

Adattamento di una relazione funzionale ai dati sperimentali

Adattamento di una relazione funzionale ai dati sperimentali Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo

Dettagli

Soluzioni per lo scarico dati da tachigrafo innovativi e facili da usare. http://dtco.it

Soluzioni per lo scarico dati da tachigrafo innovativi e facili da usare. http://dtco.it Soluzon per lo scarco dat da tachgrafo nnovatv e facl da usare http://dtco.t Downloadkey II Moble Card Reader Card Reader Downloadtermnal DLD Short Range and DLD Wde Range Qual soluzon ho a dsposzone per

Dettagli

IMMAGINE RICONOSCIMENTO. 6.1 La densità di vegetazione: l indice NDVI DELLA VEGETAZIONE SULL I

IMMAGINE RICONOSCIMENTO. 6.1 La densità di vegetazione: l indice NDVI DELLA VEGETAZIONE SULL I CAPITOLO SESTO RICONOSCIMENTO DELLA VEGETAZIONE SULL I IMMAGINE QUICKBIRDIRD 6.1 La denstà d vegetazone: l ndce NDVI Allo scopo d caratterzzare la dstrbuzone della vegetazone sulle superfc d barena s è

Dettagli

COMUNE DI CASSANO DELLE MURGE Provincia di Bari

COMUNE DI CASSANO DELLE MURGE Provincia di Bari Allegato alla D.D. Area 3 - Terrtoro n 17 del 20.04.2009 COMUNE DI CASSANO DELLE MURGE Provnca d Bar DISCIPLINARE BANDO PUBBLICO PER L INCENTIVAZIONE DI INTERVENTI DI RECUPERO DELLE FACCIATE DI IMMOBILI

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

Dettagli

ROBOTS A CINEMATICA RIDONDANTE: NUOVI SVILUPPI CONSENTITI DAGLI AZIONAMENTI DIRETTI E DAGLI ALGORITMI DI CONTROLLO GENETICI

ROBOTS A CINEMATICA RIDONDANTE: NUOVI SVILUPPI CONSENTITI DAGLI AZIONAMENTI DIRETTI E DAGLI ALGORITMI DI CONTROLLO GENETICI ROBOTS A CINEMATICA RIDONDANTE: NUOVI SVILUPPI CONSENTITI DAGLI AZIONAMENTI DIRETTI E DAGLI ALGORITMI DI CONTROLLO GENETICI R. Fagla (*), M. Flppn (**), A. Zappon (***) (*)Dp. Ing. Meccanca Unv. degl Stud

Dettagli

Condensatori e resistenze

Condensatori e resistenze Condensator e resstenze Lucano attaa Versone del 22 febbrao 2007 Indce In questa nota presento uno schema replogatvo relatvo a condensator e alle resstenze, con partcolare rguardo a collegament n sere

Dettagli

La tua area riservata Organizzazione Semplicità Efficienza

La tua area riservata Organizzazione Semplicità Efficienza Rev. 07/2012 La tua area rservata Organzzazone Semplctà Effcenza www.vstos.t La tua area rservata 1 MyVstos MyVstos è la pattaforma nformatca rservata a rvendtor Vstos che consente d verfcare la dsponbltà

Dettagli

L USO DI UN MODELLO DI SIMULAZIONE NELLA GESTIONE DEI CAMPIONAMENTI E DELLE STRATEGIE DI DIFESA DALLA MOSCA DELLE OLIVE

L USO DI UN MODELLO DI SIMULAZIONE NELLA GESTIONE DEI CAMPIONAMENTI E DELLE STRATEGIE DI DIFESA DALLA MOSCA DELLE OLIVE L USO DI UN MODELLO DI SIMULAZIONE NELLA GESTIONE DEI CAMPIONAMENTI E DELLE STRATEGIE DI DIFESA DALLA MOSCA DELLE OLIVE ECONOMIC AND ENVIRONMENTAL IMPLICATIONS IN THE USE OF A SIMULATION MODEL FOR THE

Dettagli

Economia del Settore Pubblico 97. Economia del Settore Pubblico 99. Quale indice di diseguaglianza usare? il rapporto interdecilico PROBLEMA:

Economia del Settore Pubblico 97. Economia del Settore Pubblico 99. Quale indice di diseguaglianza usare? il rapporto interdecilico PROBLEMA: Economa del Settore Pubblco Laura Vc laura.vc@unbo.t www.dse.unbo.t/lvc/edsp_.htm LEZIONE 4 Rmn, 9 aprle 008 Economa del Settore Pubblco 96 I prncpal ndc d dseguaglanza: ndc d entropa generalzzata Isprata

Dettagli

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal

Dettagli

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza

Dettagli

Hansard OnLine. Unit Fund Centre Guida

Hansard OnLine. Unit Fund Centre Guida Hansard OnLne Unt Fund Centre Guda Sommaro Pagna Introduzone al Unt Fund Centre (UFC) 3 Uso de fltr per la selezone de fond 4-5 Lavorare con rsultat del fltro 6 Lavorare con rsultat del fltro - Prezz 7

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2012-2013 Eserctazone: 4 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/41? Aula "Ranzan B" 255 post 1 2 3 4 5 6 7 8 9

Dettagli

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements Torna al programma Sstema per la garanza della qualtà ne sstem automatc d msura alle emsson: applcazone del progetto d norma pren 14181:2003. Rsultat dell esperenza n campo presso due mpant plota. Cprano

Dettagli

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla

Dettagli

Analisi e Sviluppo di una Rete Neurale Modulare basata su Mixture of Experts, e Confronto con Algoritmi di Boosting

Analisi e Sviluppo di una Rete Neurale Modulare basata su Mixture of Experts, e Confronto con Algoritmi di Boosting Tes d Dploma d Laurea n Informatca d Petro Mele matrcola 54304 Anals e Svluppo d una Rete Neurale Modulare basata su Mxture of Experts, e Confronto con Algortm d Boostng Relatore: Prof. Alberto Berton

Dettagli

SOFTWARE NBSI (NEIGHBOURHOOD BASED STRUCTURAL INDICES)

SOFTWARE NBSI (NEIGHBOURHOOD BASED STRUCTURAL INDICES) SOFTWARE NBSI (NEIGHBOURHOOD BASED STRUCTURAL INDICES) DIPARTIMENTO DI SCIENZE DELL AMBIENTE FORESTALE E DELLE SUE RISORSE (DISAFRI) UNIVERSITÀ DEGLI STUDI DELLA TUSCIA - Va San Camllo de Lells, 000 Vterbo

Dettagli

Corso di Automazione Industriale 1. Capitolo 7

Corso di Automazione Industriale 1. Capitolo 7 1 Corso d Automazone Industrale 1 Captolo 7 Teora delle code e delle ret d code Introduzone alla Teora delle Code La Teora delle Code s propone d svluppare modell per lo studo de fenomen d attesa che s

Dettagli

Fig.1.2.1 Schema a blocchi di un PMSM isotropo con ingressi ed uscite del controllo digitale.

Fig.1.2.1 Schema a blocchi di un PMSM isotropo con ingressi ed uscite del controllo digitale. . ll metodo del fattore d scala globale Il progetto d un sstema d controllo dgtale può avvalers del cosddetto metodo del fattore d scala globale (FSG), attraverso l quale è possble stablre una corrspondenza

Dettagli

PROBLEMA DI SCELTA FRA DUE REGIMI DI

PROBLEMA DI SCELTA FRA DUE REGIMI DI PROBLEMA DI SCELTA FRA DUE REGIMI DI CAPITALIZZAZIONE Prerequst: legge d captalzzazone semplce legge d captalzzazone composta logartm e loro propretà dervate d una funzone pendenza d una curva n un punto

Dettagli

MACROECONOMIA A.A. 2014/2015

MACROECONOMIA A.A. 2014/2015 MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost

Dettagli

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

Dettagli

InfoCenter Product A PLM Application

InfoCenter Product A PLM Application genes d un fra o Gestone de crcolazone dell'nformazone sa crcoscrtta entro Pdetermnat ambt settoral. L'ntegrazone de sstem e de odpartment azendal rchede nuove modaltà operatve, nuove t competenze e nuov

Dettagli

9.6 Struttura quaternaria

9.6 Struttura quaternaria 9.6 Struttura quaternara L'ultmo lvello strutturale é la struttura quaternara. Non per tutte le protene è defnble una struttura quaternara. Infatt l esstenza d una struttura quaternara é condzonata alla

Dettagli

6.1. Moody s KMV Credit Portfolio Manager

6.1. Moody s KMV Credit Portfolio Manager 6.. Moody s MV Credt Portfolo Manager 6... La struttura del modello L mpanto d Moody s MV (MMV) è costtuto dal modello d Merton e da un approcco d tpo fattorale per la stma delle correlazon. Attualmente,

Dettagli

Valore attuale di una rendita. Valore attuale in Excel: funzione VA

Valore attuale di una rendita. Valore attuale in Excel: funzione VA Valore attuale d una rendta Nella scorsa lezone c samo concentrat sul problema del calcolo del alore attuale d una rendta S che è dato n generale da V ( S) { R ; t, 0,,,..., n,... } n 0 R ( t ), doe (t

Dettagli

Edifici a basso consumo energetico: tra ZEB e NZEB

Edifici a basso consumo energetico: tra ZEB e NZEB Edfc a basso consumo energetco: tra ZEB e NZEB Prof. Ing. Percarlo Romagnon Dpartmento d Progettazone e Panfcazone n Ambent Compless Unverstà IUAV d Veneza Dorsoduro 2206 30123 Veneza perca@uav.t Modell

Dettagli

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO 4. SCHMI ALTRNATIVI DI FINANZIAMNTO DLLA SPSA PUBBLICA. Se l Governo decde d aumentare la Spesa Pubblca G (o Trasferment TR), allora deve anche reperre fond necessar per fnanzare questa sua maggore spesa.

Dettagli