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 corso: http://www.sci.univr.it/~fusiello/teaching/visione Telefono: 045 802 7088 Ricevimento: Mercoledì, ore 6.00-8.00 Andrea Fusiello Visione Computazionale Andrea Fusiello Visione Computazionale 2 Orario Informazioni generali 9- - 4-6 6-8 LUN MAR MER GIO VEN Il corso prevede 2 ore di esercitazione in Lab. Strumento di sviluppo: MATLAB. Materiale didattico: Dispense del docente, testi, articoli scientifici. Corsi affini (Visual Computing): Elaborazione di Immagini e Suoni, Grafica al Calcolatore, Interazione Utente-Calcolatore, Psicologia della Percezione, Teorie e Tecniche del Riconoscimento, Complementi di IUC. Andrea Fusiello Visione Computazionale Andrea Fusiello Visione Computazionale 4
Piano del corso Introduzione al corso Recupero della forma Nozioni utili Formazione dell'immagine Modello e calibrazione della telecamera Stereopsi e geometria epipolare Calcolo delle corrispondenze Tecniche volumetriche Moto discreto, matrice Essenziale Collineazioni, mosaici di immagini Moto continuo, flusso ottico Problemi di orientazione Ricostruzione non calibrata Autocalibrazione Calibrazione di Zhang 2 2 2 Modalità di esame 50% progetto (titoli disponibili prima della fine del corso) 50% esame orale Il progetto può essere associato ad una tra le seguenti attività: Progetto per uno dei corsi affini (ove previsto) Progetto per Laboratorio di Informatica (v.o) Tesi di Laurea (compreso Lab. Sistemi Intell. e MM) Andrea Fusiello Visione Computazionale 5 Andrea Fusiello Visione Computazionale 6 I testi Contenuti Dispense: A. Fusiello. Visione Artificiale. Appunti delle lezioni. Disponibili in rete. Testo di riferimento: Trucco, Verri, D Computer Vision, Prentice Hall, 998. Altri testi: Forsyth, Ponce. Computer Vision: a modern approach. Prentice Hall. 200 R. Hartley, Zisserman. Multiple View Geometry in Computer Vision. Cambridge University Press, 200 Temi del corso: D Photography, Image based modeling, Model acquisition. Studieremo i processi di Visione Computazionale che mirano a ricostruire la struttura D del mondo a partire da proiezioni (2D) di esso: le immagini. Andrea Fusiello Visione Computazionale 7 Andrea Fusiello Visione Computazionale 8
Visione Computazionale Visione Computazionale Insieme di tecniche computazionali per stimare le proprietà geometriche del mondo D da una o più immagini. In senso lato, ricavare informazioni D da immagini, per produrre una descrizione simbolica della scena (o rappresentazione); assegnare etichette; stimolare/guidare azioni. Immagine/i Computer Vision Descrizione simbolica Andrea Fusiello Visione Computazionale 9 Andrea Fusiello Visione Computazionale 0 D Photography I parametri della telecamera sono noti D Photography Gli oggetti irradiano luce visibile Il pattern di luce dipende da Illuminazione della scena Geometria della superficie Riflettanza della superificie La telecamera cattura questo pattern Analisi al calcolatore per recuperare geometria della scena e fotometria Andrea Fusiello Visione Computazionale Andrea Fusiello Visione Computazionale 2
Visione Computazionale Visione e Grafica V.C. di basso livello: Estrazione di primitive geometriche, forma, dimensione Inverso della grafica Processi spazialmente uniformi e indipendenti dal problema V.C. di alto livello (Image Understanding) estrazione delle proprietà delle forme studio delle loro relazioni spaziali Classificazione e riconoscimento do oggetti Processi applicati a porzioni dell immagine, dipendono dall obiettivo e dalla conoscenza a priori Geometria della scena forma e posizione delle superfici Fotometria della scena tipo, intensià e direzione dell illuminazione proprieta di riflettanza delle superfici visibili Modello del sensore ottico/geometrico fotometrico elettronico Grafica Visione Immagine/i Andrea Fusiello Visione Computazionale Andrea Fusiello Visione Computazionale 4 Paradigmi Riviste e convegni principali Ipotesi Problemi Generali Specifici Deboli Impossibile (forse) Purposivism Forti Ricostruzionismo (Marr) Visione industriale Convegni: ICCV, ECCV, CVPR, SIGGRAPH, ICPR, ICIP. Riviste (journals): International Journal on Computer Vision IEEE Transactions on Pattern Analysis & Machine Intelligence (PAMI) Computer Vision and Image Understanding (CVIU) Image and Vision Computing Machine Vision & Applications IEEE Transactions on Image Processing Pattern Recognition Pattern Recognition Letters Andrea Fusiello Visione Computazionale 5 Andrea Fusiello Visione Computazionale 6
Aree Affini Elaborazione digitale delle immagini trasformazione da img a img (usato nelle prime fasi di un sistema di visione, early vision) Fotogrammetria Misure da immagini Grafica Computazionale sintesi di img da primitive geometriche Aree affini Pattern Recognition classificazione di dati numerici e simbolici Neuroscienze della visione Studio della visione umana Intelligenza Artificiale Sistemi Intelligenti Interazione Utente-Calcolatore Perceptual interfaces Andrea Fusiello Visione Computazionale 7 Andrea Fusiello Visione Computazionale 8 Stereopsi Alcuni esempi vista sinistra vista destra disparità più caldo = più vicino disparità più chiaro = più vicino Credits: N. Possato Modello vrml Andrea Fusiello Visione Computazionale 9 Andrea Fusiello Visione Computazionale 20
Stereo attivo e ricostruzione Realtà aumentata Credits: A. Negrente Credits: A. Valinetti Andrea Fusiello Visione Computazionale 2 Andrea Fusiello Visione Computazionale 22 Mosaici Analisi di sequenze Credits: M. Aprile, R. Marzotto Credits: M. Aprile, R. Marzotto Andrea Fusiello Visione Computazionale 2 Andrea Fusiello Visione Computazionale 24
Sintesi di viste I Sintesi di viste II Credits: A. Colombari Credits: N. Mattern Andrea Fusiello Visione Computazionale 25 Andrea Fusiello Visione Computazionale 26 Autocalibrazione I filmati ed i file VRML collegati alla presentazione sono scaricabili visitando la pagina delle demo: http://profs.sci.univr.it/~fusiello/demo/ Da 5 immagini viene ricavato un modello D dell oggetto in modo automatico. Modello VRML M. Farenzena Andrea Fusiello Visione Computazionale 27 Andrea Fusiello Visione Computazionale 29