Компьютерное зрение
Целью курса является обзор математических методов и подходов используемых для анализа изображений применительно к задачам автономного движения транспорта. Курс затрагивает теорию изложенную в некоторых главах книги "Computer Vision: Algorithms and Applications, 2nd". На лекционных занятиях рассматривается обширное число вопросов, связанных с препроцессингом изображений, системами координат, выделением характерных черт, линий, областей и построением высокоуровневых алгоритмов используемых в алгоритмах анализа дорожной сцены. Практические занятия выполняются в среде Visual Studio Code с использованием языка программирования python 3.x и пакета opencv. Программный код оформлен в виде git репозитория [github]. Ссылка на онлайн курс [garpix.com].
Лекция №1 "Введение в компьютерное зрение"
Лекция №2 "Устройство цифровой камеры и процесс формирования изображения"
Лекция №3 "Цветовые модели. Введение в системы координат. Глобальная система координат"
Лекция №4 "Калибровка камеры"
Лекция №5 "Яркостное и пространственное преобразование изображений"
Лекция №6 "Классические и нейросетевые детекторы углов"
Лекция №7 "Классические и нейросетевые детекторы линий"
Лекция №8 "Выделение областей"
Лекция №9 "Детектирование обьектов"
- Модуль "Подходы к детектированию обьектов" [/aicv2025/]
Лекция №10 "Слежение за точками и объектами сцены"
- Модуль "Matching алгоритмы" [pptx]
- Модуль "Подходы к трекингу объектов" [/aicv2025/]
Практические задания
- Практические задания размещены на github [github]
- Практическое занятие №1 "Знакомство с github проектом. Калибровка камеры" [com/sadekovlar/cv_book/tree/master/homework]
- Практическое занятие №2 "Проекция и репроекция координат точек на изображение и обратно. Отрисовка объектов сцены" [com/sadekovlar/cv_book/tree/master/homework]
- Практическое занятие №3 "Классические и нейросетевые методы поиска ключевых точек. Поиск соответствий между точками объектов на динамической сцене" [com/sadekovlar/cv_book/tree/master/homework]
- Практическое занятие №4 "Классические и нейросетевые методы поиска линий и окружностей. Проверка качества калибровки камеры на основе vanishing points" [com/sadekovlar/cv_book/tree/master/homework]
- Практическое занятие №5 "Классические и нейросетевые подходы к сегментации изображений. Сегментация дорожной сцены" [com/sadekovlar/cv_book/tree/master/homework]
- Практическое занятие №6 "Нейросетевые подходы к детектированию объектов на изображении. Поиск объектов на изображении" [pdf]
- Практическое занятие №7 "Нейросетевые подходы к трекингу объектов на изображении. Сопровождение объектов на видео" [com/courses/course-v1:dli+s-iv-01+v1/]
- Практическое занятие №8-9 "Building Real-Time Video AI Applications (8 часов)" [com/courses/course-v1:dli+s-iv-01+v1/]
Тестовые задания
- Тестовое задание №1 "Базовые операции в opencv" [ссылка]
- Тестовое задание №2 "Проекция и репроекция координат на изображение и обратно" [ссылка]
- Тестовое задание №3 "Калибровка камеры" [ссылка]
- Тестовое задание №4 "Фильтрация изображений" [ссылка]
- Тестовое задание №5 "Морфология изображений" [ссылка]
- Тестовое задание №6 "Детектор углов" [ссылка]
- Тестовое задание №7 "Детектирование ключевых точек" [ссылка]
- Тестовое задание №8 "Сопоставление ключевых точек" [ссылка]
- Тестовое задание №9 "Преобразование Хафа" [ссылка]
- Тестовое задание №10 "Сегментация" [ссылка]
Литература
- Основы машинного зрения [ссылка]
- Computer Vision: Algorithms and Applications 2nd Edition [ссылка]
- Гонсалес Р. Цифровая обработка изображений [ссылка]
- Визильтер Ю.В. Обработка и анализ изображений в задачах машинного зрения [ссылка]
- Обработка изображений с помощью OpenCV [ссылка]
- Foundations of Computer Vision [ссылка]