GEOMETRIC AND 3D COMPUTER VISION

L'obiettivo formativo del corso è quello di fornire una conoscenza dettagliata sulle moderne tecniche di computer vision, focalizzandosi sul processo di ricostruzione delle proprietà geometriche di una scena dalla loro rappresentazione sul piano immagine.
Il corso si sviluppa con una logica bottom-up, partendo dai concetti di "early vision" legati all'image processing e progredendo nell'analisi dei metodi classici di detection di feature puntuali e lineari. Infine, vengono fornite le basi di geometria proiettiva con applicazioni di ricostruzione 3D.

Al termine del corso gli studenti saranno in grado di:

- Utilizzare e conoscere gli algoritmi fondamentali di image processing
- Implementare algoritmi per il rilevamento di features lineari e puntuali
- Capire i concetti generali di geometria proiettiva
- Sviluppare algoritmi per la ricostruzione 3D da coppie di immagini stereo

Una conoscenza di base di algebra lineare è consigliata per poter meglio comprendere i contenuti del corso

Early vision
------------------------

- Introduction to vision
- The image formation process
- Intensity transformations
- Color vision
- Spatial filtering
- Filtering in frequency domain
- Morphological image processing
- Edge detection


Mid-level vision
------------------------

- Fitting of curves and Hough transform.
- Detection and matching of point features
- Tracking


Projective geometry
------------------------

- Elements of Analytical Euclidean Geometry
- Geometric primitives
- 2D and 3D projective transformations


Camera models
------------------------

- Affine and projective cameras
- Intrinsic calibration
- Pose estimation


Two-view geometry
------------------------

- Epipolar geometry
- Stereopsis
- 3D Reconstruction and triangulation


Attività di laboratorio: Sviluppo di algoritmi in Python, Numpy e OpenCV

[1] R. C. Gonzalez, R.E. Woods. Digital Image Processing (3rd edition). Pretience Hall
[2] R. Szeliski. Computer Vision Algorithms and Applications. Springer
[3] D. Forsyth, J. Ponce. Computer Vision: A Modern Approach (2nd edition). Pearson
[4] R. Hartley, A. Zisserman. Multiple View Geometry in Computer Vision (2nd edition). Cambridge University Press, New York, NY, USA.

La verifica dell'apprendimento prevede lo sviluppo di un progetto software che utilizzi strumenti e metodi sviluppati durante il corso. Il progetto sarà poi discusso mediante prova orale.

orale

Il corso è composto da lezioni frontali comprendenti esempi pratici per contestualizzare i concetti appresi durante lo studio. Congiuntamente ai testi di riferimento, materiale di studio aggiuntivo sarà fornito in forma di presentazioni PowerPoint e codice sorgente da utilizzare come base per lo sviluppo del progetto d'esame.