Introduzione alla visione artificiale (computer vision) Alberto Borghese

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "Introduzione alla visione artificiale (computer vision) Alberto Borghese"

Angelina Morini
8 anni fa
Visualizzazioni

1 Introduzione alla visione artificiale (computer vision) Alberto Borghese Copyright N.A. Borghese Università di Milano 19/03/ borghese 1/20 Parleremo di: Introduzione & Applicazioni Determinazione del campo di moto dal flusso ottico. Structure from Motion da sequenze monoculari (elaborazione flusso ottico). Structure from Motion da sequenze monoculari (elaborazione di features). Copyright N.A. Borghese Università di Milano 19/03/ borghese 2/20 1

Structure from Motion da sequenze monoculari (elaborazione flusso ottico).

2 Computer Vision Obbiettivo: determinazione delle proprietà geometriche, fisiche e dinamiche del mondo che ci circonda mediante elaborazione di immagini o sequenze di immagini. Low level vision (o early vision): estrazione dalle immagini o sequenze di immagini delle informazioni necessarie al livello superiore. High level vision: riconoscimento, associazione di un significato semantico all atto del vedere. Copyright N.A. Borghese Università di Milano 19/03/ borghese 3/20 Applicazioni: Controllo industriale Copyright N.A. Borghese Università di Milano 19/03/ borghese 4/20 2

$Borghese Università di Milano 19/03/2003 http:\\homes.dsi.unimi.it\ borghese 3/20 Applicazioni: Controllo industriale Copyright N.A. Borghese Università di Milano 19/03/2003 http:\\homes.$

3 Applicazioni: Video-sorveglianza Copyright N.A. Borghese Università di Milano 19/03/ borghese 5/20 Applicazioni: Navigazione autonoma Copyright N.A. Borghese Università di Milano 19/03/ borghese 6/20 3

$it\ borghese 5/20 Applicazioni: Navigazione autonoma Copyright N.$

4 Applicazioni: Esplorazione autonoma Copyright N.A. Borghese Università di Milano 19/03/ borghese 7/20 Applicazioni: Telepresenza Copyright N.A. Borghese Università di Milano 19/03/ borghese 8/20 4

$it\ borghese 7/20 Ap$

5 Analisi della comunicazione facciale Copyright N.A. Borghese Università di Milano 19/03/ borghese 9/20 Analisi del movimento Copyright N.A. Borghese Università di Milano 19/03/ borghese 10/20 5

$Borghese Università di Milano 19/03/2003 http:\\homes.dsi.unimi.$

6 Computer Vision Obbiettivo: determinazione delle proprietà geometriche, fisiche e dinamiche del mondo che ci circonda mediante elaborazione di immagini o sequenze di immagini. High level vision: riconoscimento, associazione di unsignificato semantico all atto del vedere. Low level vision (o early vision): estrazione dalle immagini o sequenze di immagini delle informazioni necessarie al livello superiore (features). Copyright N.A. Borghese Università di Milano 19/03/ borghese 11/20 I 3 stadi della visione Estrazione di feature. Calcolo del Flusso ottico. Calcolo delle sorgenti di illuminazione e stima dell albedo. Riconoscimento di tessiture. Stereo-matching. Contorni (edge) Forme dai contorni. Forme da tessitura. Forme da ombreggiatura. Determinazione della stuttura 3D e del movimento 3D di oggetti da immagini monoculari. Ricostruzione 3D da stereo di oggetti della scena. Costruzione di superfici. Calcolo del colore di una superficie. Parametri geometrici del sistema di visione.x Interpretazione (la visione artificiale deriva storicamente dall Intelligenza Artificiale). Copyright N.A. Borghese Università di Milano 19/03/ borghese 12/20 6

$Borghese Università di Milano 19/03/2003 http:\\homes.dsi.unimi.it\ borghese 11/20 I 3 stadi della visione Estrazione di feature. Calcolo del Flusso ottico.$

7 Cosa sono le features? 1) Località. 2) Significatività. 3) Riconoscibilità. Feature attraverso la detezione dei bordi Copyright N.A. Borghese Università di Milano 19/03/ borghese 13/20 Riconoscimento di spigoli Copyright N.A. Borghese Università di Milano 19/03/ borghese 14/20 7

$Borghese Università di Milano 19/03/2003 http:\\homes.dsi.unimi.$

8 Estrazione di regioni Copyright N.A. Borghese Università di Milano 19/03/ borghese 15/20 Marker detection Cross-correlazione Copyright N.A. Borghese Università di Milano 19/03/ borghese 16/20 8

$it\ borghese 15/20 Marker detection -8-8 -8-8 -8-8 -8 0 1 1 0-8 -8 1 7 7 1-8 -8 1 7$

9 Il flusso ottico Copyright N.A. Borghese Università di Milano 19/03/ borghese 17/20 I problemi di visione sono mal posti Perché non è facile costruire un sistema di visione? Risoluzione spaziale limitata. Gli oggetti reali non sono mai uniformemente illuminati. I contorni non sono netti. Le superfici non hanno albedo costante. L illuminazione genera campi di irradianza dificili. Copyright N.A. Borghese Università di Milano 19/03/ borghese 18/20 9

Risoluzione spaziale limitata. Gli oggetti reali non sono mai uniformemente illuminati. I contorni non sono netti.

10 Visione 3D ed Elaborazione di immagini Visione 3D: Immagine/i => Ricostruzione 3D della scena statica o dinamica ed interpretazione. Grafica 3D: Modello 3D della scena, statico o dinamico => Visualizzazione. Si incontrano sul terreno della visualizzazione 3D. Immagini Immagini Immagini Statiche Dinamiche Shape from Monocular View Feature Extraction Differential Motion Analysis L elaborazione delle imagini costituisce il primo livello di un sistema di visione. Fornisce le features di base. 3D Shape Features Optical Flow Copyright N.A. Borghese Università di Milano 19/03/ borghese 19/20 Parleremo di: Flusso ottico. Riconoscimento di feature (corners) mediante algoritmi di analisi locale dell immagine. Ricostruzione 3D di feature della scena da immagini stereoscopiche. Ricostruzione 3D di feature della scena ed il movimento 3D da sequenze monoculari (Structure from Motion). Copyright N.A. Borghese Università di Milano 19/03/ borghese 20/20 10

$visione. Fornisce le features di base. 3D Shape Features Optical Flow Copyright N.A. Borghese Università di Milano 19/03/2003 http:\\homes.dsi.unimi.it\ borghese 19/20 Parleremo di: Flusso ottico.$

Documenti analoghi

Visione Computazionale

Il docente Visione Computazionale Introduzione al corso a.a. 2004/2005 Andrea FUSIELLO, Professore Associato Dip. Informatica, Ca Vignal 2, I piano, stanza 5 Email: andrea.fusiello@univr.it Web Page del