Logga in

Registrera

TSBB33 · Linköpings universitet

3D-datorseende

Ny kurs

Kom igång gratis

Inga tentor än

Ladda upp dina tidigare tentor och få hjälp med att strukturera ditt studiematerial

Få dina tentauppgifter kategoriseradeBli guidad genom ditt studiematerialFå hjälp direkt med teori och tipsHåll koll på dina framsteg

Kurs info

KurssidaKursplan
HP
6
Språk
Svenska
Nivå
Avancerad nivå
Fakultet
Tekniska fakulteten
Institution
Institutionen för systemteknik

Lärandemål

Kursen ger kunskap om de algoritmer och skattningsproblem som används för att härleda 3D-struktur från bilder. Detta innefattar dels den matematik som används, dels hur den i praktiken omsätts i algoritmer genom programmering. Studenten ska efter genomgången kurs kunna:

  • Mål 1: redogöra för, och använda algoritmer för robust skattning av geometriska storheter
  • Mål 2 : redogöra för, och använda algoritmer för täta korrespondensfält och triangulering i stereobilder
  • Mål 3: redogöra för, och integrera komponenter för struktur från rörelse
  • Mål 4: redogöra för, och integrera komponenter för förtätning och visualisering av 3D-modeller
Kursinnehåll
  • I kursen tar vi upp metodik som relaterar till målen ovan, med fokus på följande:
  • Robust skattningsmetodik för geometri (RANSAC)
  • Olinjär minsta-kvadratskattning, samt robusta felnormer
  • Geometriska skattningsproblem som absolut och relativ kamerapose, och minimala fall för lösbarhet.
  • Struktur från rörelse, strålknippejustering (bundle adjustment)
  • Skattning och visualisering av täta korrespondensfält
  • Triangulering av korrespondenser
  • Innehållet introduceras under en serie föreläsningar, och används sedan praktiskt i laborationer och projekt.
Förutsättningar
  • Sannolikhetslära, skattningsteori, minstakvadrat-metoden.
  • Från t.ex. Multidimensionell signalanalys: Projektiva rum, homogena representationer av 2D och 3D geometri, perspektivprojektion, kamerakalibrering, samt epipolärgeometri.
  • Grundläggande bildbehandling: tröskelsättning, segmentering, kantdetektering.
  • Användning av Python.
  • Då halva kursen utgör projektarbete är även programmeringsvana att rekommendera.
Litteratur
Computer vision : models, learning, and inference - Prince, Simon J. D., Verfasser
Klas Nordberg, Introduction to Representations and Estimation in Geometry LiU Compendium
Utvalda forskningsartiklar som anges på kurshemsidan
Liknande kurser vid andra universitet
Kungliga Tekniska högskolan

Kungliga Tekniska högskolan

Människa-datorinteraktion, inledande kurs

DH162213 tentor
Kungliga Tekniska högskolan

Kungliga Tekniska högskolan

Datorteknik och komponenter

IS150019 tentor
Chalmers tekniska högskola

Chalmers tekniska högskola

Grundläggande datorteknik

EDA217 & DAT4305 tentor
Redo att boosta dina studier?

Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.

Kom igång gratis

Produkt

  • Priser

  • Karriär

Företag

  • Om oss

  • Blogg

  • Användarvillkor

  • Integritet

  • Support

Universitet

  • KTH

  • Uppsala universitet

  • Linköpings universitet

  • Chalmers

  • Lunds universitet

  • Luleå tekniska universitet

  • Stockholms universitet

  • Gymnasiet

Socialt

  • Instagram

  • Facebook

  • YouTube

  • TikTok

  • Linkedin

© 2026 Crash Course Sverige AB