ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

Ρομποτική Όραση

1. ΓΕΝΙΚΑ

ΣΧΟΛΗ Σχολή Μηχανικών
ΤΜΗΜΑ Τμήμα Μηχανικών Πληροφορικής, Υπολογιστών και Τηλεπικοινωνιών
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Μεταπτυχιακό
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ %cf%81104 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 1o
ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Ρομποτική Όραση
ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ
σε περίπτωση που οι πιστωτικές μονάδες απονέμονται σε διακριτά μέρη του μαθήματος π.χ. Διαλέξεις, Εργαστηριακές Ασκήσεις κ.λπ. Αν οι πιστωτικές μονάδες απονέμονται ενιαία για το σύνολο του μαθήματος αναγράψτε τις εβδομαδιαίες ώρες διδασκαλίας και το σύνολο των πιστωτικών μονάδων.
ΕΒΔΟΜΑΔΙΑΙΕΣ ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ
Προσθέστε σειρές αν χρειαστεί. Η οργάνωση διδασκαλίας και οι διδακτικές μέθοδοι που χρησιμοποιούνται περιγράφονται αναλυτικά στο 4.    
ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ
Γενικής Υποδομής (ΓΥ),Ειδικής Υποδομής (ΕΥ), Γενικών Γνώσεων (ΓΓΔ) και Επιστημονικής Περιοχής (ΔΔΤΝ, ΕΔ, ΕΥΣ, ΗΛ, ΠΑ) .
 Κορμού
ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:  
ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:  Ελληνικά
ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS Ναι
ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

2. ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Μαθησιακά Αποτελέσματα
Περιγράφονται τα μαθησιακά αποτελέσματα του μαθήματος οι συγκεκριμένες  γνώσεις, δεξιότητες και ικανότητες καταλλήλου επιπέδου που θα αποκτήσουν οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος.

Παρουσιάζονται οι βασικές αρχές της πρόσληψης και αποθήκευσης ψηφιακής εικόνας, των χρωματικών χώρων, γεωμετρικών μετασχηματισμών εικόνας, γραμμικών και μη γραμμικών φίλτρων, ακμών, γωνιών και χαρακτηριστικών εικόνας, μοντέλου κάμερας και στερεοσκοπίας, ανίχνευσης και αναγνώρισης αντικειμένων. Στο εργαστηριακό μέρος, οι φοιτητές αποκτούν πρακτική δεξιότητα στη χρήση του λογισμικού MATLAB για την εφαρμογή αλγορίθμων ψηφιακής επεξεργασίας εικόνας και υπολογιστικής όρασης της θεωρίας.

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα είναι σε θέση να:

• Κατανοεί τον τρόπο πρόσκτησης μιας ψηφιακής εικόνας.

• Επεξεργάζεται μια ψηφιακή εικόνα με διάφορους τρόπους, όπως μετατροπή χρωματικού χώρου, γεωμετρικοί μετασχηματισμοί, αποθορυβοποίηση, βελτίωση αντίθεσης.

• Εφαρμόζει αλγορίθμους ανίχνευσης ακμών και γωνιών.

• Εφαρμόζει αλγορίθμους ανίχνευσης, εξαγωγής και αντιστοίχισης χαρακτηριστικών εικόνας.

• Χρησιμοποιεί περιγραφείς χαρακτηριστικών για την αντιστοίχιση σημείων και εύρεση χάρτη βάθους.

• Υπολογίζει τον χάρτη παράλλαξης και διορθώνει μη βαθμονομημένες στερεοσκοπικές εικόνες.

Γενικές Ικανότητες
Λαμβάνοντας υπόψη τις γενικές ικανότητες που πρέπει να έχει αποκτήσει ο πτυχιούχος (όπως αυτές αναγράφονται στο Παράρτημα Διπλώματος και παρατίθενται ακολούθως) σε ποια / ποιες από αυτές αποσκοπεί το μάθημα;.
Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών με τη χρήση και των απαραίτητων τεχνολογιών - Προσαρμογή σε νέες καταστάσεις - Λήψη αποφάσεων - Αυτόνομη εργασία - Ομαδική εργασία - Εργασία σε διεθνές περιβάλλον - Εργασία σε διεπιστημονικό περιβάλλον - Παράγωγή νέων ερευνητικών ιδεών Σχεδιασμός και διαχείριση έργων - Σεβασμός στη διαφορετικότητα και στην πολυπολιτισμικότητα - Σεβασμός στο φυσικό περιβάλλον - Επίδειξη κοινωνικής, επαγγελματικής και ηθικής υπευθυνότητας και ευαισθησίας σε θέματα φύλου - Άσκηση κριτικής και αυτοκριτικής - Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

• Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

Αυτόνομη και Ομαδική εργασία

Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

3. ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

  1. Εισαγωγή στη ρoμποτική όραση. Δομή του μαθήματος.
  2. Ψηφιακή πρόσκτηση εικόνας. Δειγματοληψία και κβαντισμός εικόνας. Χωρική ανάλυση και ανάλυση χρώματος.
  3. Το μοντέλο της κάμερας. Παράμετροι της κάμερας. Μετασχηματισμοί εικόνας.
  4. Φως και χρώμα. Χρωματικό διάγραμμα. Χρωματικοί χώροι: RGB, HSI.
  5. Βελτιστοποίηση εικόνας. Φίλτρα μέσης τιμής, μεσαίου, Gauss. Ιστόγραμμα.
  6. Χαρακτηριστικά εικόνας (image features). Ακμές και γωνίες.
  7. Ανιχνευτές ακμών. Ανίχνευση γραμμών. Μετασχηματισμός Hough. Ανίχνευση γωνιών και ακμών κατά Harris και Stephens.
  8. Αναλλοίωτα χαρακτηριστικά. Πολυκλιμάκωση της εικόνας. DoG (Difference of Gaussians), Εξαγωγή χαρακτηριστικών.
  9. Περιγραφείς χαρακτηριστικών. Αντιστοίχιση χαρακτηριστικών σημείων (Feature matching). Αναγνώριση αντικειμένων.
  10. Στερεοσκοπική όραση. Επιπολική γεωμετρία.
  11. Οπτική ροή. Ιχνηλάτηση χαρακτηριστικών (tracking) και ανίχνευση κίνησης.
  12. Ανίχνευση προσώπου. Αναγνώριση προσώπου, αναγνώριση αντικειμένων, αναγνώριση κλάσης, αναγνώριση εννοιών.

4. ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ
Πρόσωπο με πρόσωπο, Εξ αποστάσεως εκπαίδευση κ.λπ.

Θεωρητική διδασκαλία – ανάπτυξη της ύλης στον πίνακα.

Εργαστηριακή εξάσκηση με χρήση λογισμικού MATLAB.

ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ
Χρήση Τ.Π.Ε. στη Διδασκαλία, στην Εργαστηριακή Εκπαίδευση, στην Επικοινωνία με τους φοιτητές

Υποστήριξη της μαθησιακής διαδικασίας με χρήση πλατφόρμας ασύγχρονης και σύγχρονης τηλεκπαίδευσης.

ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ
Περιγράφονται αναλυτικά ο τρόπος και μέθοδοι διδασκαλίας. Διαλέξεις, Σεμινάρια, Εργαστηριακή Άσκηση, Άσκηση Πεδίου, Μελέτη & ανάλυση βιβλιογραφίας, Φροντιστήριο, Πρακτική (Τοποθέτηση), Κλινική Άσκηση, Καλλιτεχνικό Εργαστήριο, Διαδραστική διδασκαλία, Εκπαιδευτικές επισκέψεις, Εκπόνηση μελέτης (project), Συγγραφή εργασίας / εργασιών, Καλλιτεχνική δημιουργία, κ.λπ. Αναγράφονται οι ώρες μελέτης του φοιτητή για κάθε μαθησιακή δραστηριότητα καθώς και οι ώρες μη καθοδηγούμενης μελέτης ώστε ο συνολικός φόρτος εργασίας σε επίπεδο εξαμήνου να αντιστοιχεί στα standards του ECTS

Οργάνωση Διδασκαλίας

ΔραστηριότηταΦόρτος εργασίας εξαμήνου
Ώρες Διδασκαλίας39
Συγγραφή εργαστηριακών αναφορών100
Αυτοτελής Μελέτη50
Σύνολο189
ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ
Περιγραφή της διαδικασίας αξιολόγησης Γλώσσα Αξιολόγησης, Μέθοδοι αξιολόγησης, Διαμορφωτική ή Συμπερασματική, Δοκιμασία Πολλαπλής Επιλογής, Ερωτήσεις Σύντομης Απάντησης, Ερωτήσεις Ανάπτυξης Δοκιμίων, Επίλυση Προβλημάτων, Γραπτή Εργασία, Έκθεση / Αναφορά, Προφορική Εξέταση, Δημόσια Παρουσίαση, Εργαστηριακή Εργασία, Κλινική Εξέταση Ασθενούς, Καλλιτεχνική Ερμηνεία, Άλλη / Άλλες. Αναφέρονται ρητά προσδιορισμένα κριτήρια αξιολόγησης και εάν και που είναι προσβάσιμα από τους φοιτητές.

Ο τελικός βαθμός του μαθήματος διαμορφώνεται κατά 75% από τους βαθμούς τριών εργασιών και κατά 25% από τον βαθμό της γραπτής εξέτασης.

5. ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

Συγγράμματα

  1. “Computer Vision: A Modern Approach”, Second edition, D. Forsyth and J. Ponce, Prentice, Hall, 2011
  2. “Computer Vision: Models, Learning and Inference”, S. Prince, Cambridge University Press, 2012
  3. “Digital Image Processing”, R. Gonzales, R. Woods, Pearson, Third Edition.
  4. “Computer Vision: Algorithms and Applications”, R. Szeliski, Springer (szeliski.org/Book/drafts/SzeliskiBook_20100903_draft.pdf)
  5. “Ψηφιακή Επεξεργασία και Ανάλυση εικόνας”, Ν. Παπαμάρκος, 3η Έκδοση (αυτοέκδοση)
  6. “Introductory techniques for 3-D Computer Vision”, E. Trucco and A. Verri, Prentice Hall.
  7. “Machine Vision, Theory, Algorithms, Practicalities”, E. R. Davies, 3rd Edition, Morgan Kaufman.