Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Piano Didattico
Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
1° Anno
Insegnamenti | Crediti | TAF | SSD |
---|
Compulsory activities for Embedded & Iot Systems
Compulsory activities for Smart Systems & Data Analytics
2° Anno Attivato nell'A.A. 2023/2024
Insegnamenti | Crediti | TAF | SSD |
---|
Compulsory activities for Embedded & Iot Systems
Compulsory activities for Robotics Systems
Compulsory activities for Smart Systems & Data Analytics
Insegnamenti | Crediti | TAF | SSD |
---|
Compulsory activities for Embedded & Iot Systems
Compulsory activities for Smart Systems & Data Analytics
Insegnamenti | Crediti | TAF | SSD |
---|
Compulsory activities for Embedded & Iot Systems
Compulsory activities for Robotics Systems
Compulsory activities for Smart Systems & Data Analytics
Insegnamenti | Crediti | TAF | SSD |
---|
3 modules among the following (Computer vision and Human computer interaction 1st year only; Advanced computer architectures 2nd year only; the other courses both 1st and 2nd year). Year 2023/24: Robot Programming and Control not activated
Legenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Computer vision (2022/2023)
Codice insegnamento
4S009013
Crediti
6
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
L'insegnamento è organizzato come segue:
Teoria
Laboratorio
Obiettivi di apprendimento
Il corso mira a fornire basi teoriche e strumenti pratici per affrontare il problema del recupero della struttura tridimensionale di una scena a partire dalle sue proiezioni bidimensionali, le immagini. Inoltre fornirà conoscenze su metodi formali riguardanti il processo di formazione delle immagini, l’estrazione di informazioni 3D in diversi contesti applicativi con enfasi al trattamento di dati reali affetti da rumore. Al termine del corso lo studente dovrà dimostrare di avere le seguenti capacità di applicare le conoscenze acquisite: conoscenze necessarie per implementare un nuovo sistema di visione, anche in un contesto di ricerca, attraverso la combinazione di metodi formali per la stima di informazioni 3D da immagini e il coinvolgimento di diversi sensori di acquisizione. Sarà in grado di i) sviluppare le conoscenze di visione computazionale in diversi scenari applicativi; ii) Padroneggiare l’analisi di dati reali ed eterogenei; iii) gestire le prestazioni in tempo reale. Sarà inoltre in grado di: i) identificare il metodo di visione più adatto al contesto applicativo, capacità di personalizzare ed estendere il sistema di visione coinvolgendo altre discipline come il machine learning o la robotica; ii) proseguire gli studi in modo autonomo nell’ambito della visione computazione e analisi di dati tridimensionali. Dovrò essere in grado di esporre i risultati di un'applicazione di visione computazionale e confrontarsi con figure professionali del settore ed avere la capacità di adattarsi in modo autonomo all'evoluzione tecnica e dello stato dell'arte nell'ambito della visione computazionale.
Prerequisiti e nozioni di base
E’ utile ricordare le nozioni di algebra lineare, analisi e metodi numerici, verranno comunque riprese durante il corso.
Programma
- Geometria della telecamera a foro stenopeico
- Calibrazione
- Geometria epipolare
- Triangolazione
- Piani e omografie
- Moto e struttura 3D da immagini
- Autocalibrazione
- Trattamento dei dati rumorosi
- Calcolo delle corrispondenze (dense e sparse) nelle immagini
- Oggetti non rigidi
- Esercitazioni pratiche in laboratorio
Bibliografia
Modalità didattiche
Lezioni frontali, esercitazioni alla lavagna, esercitazioni in laboratorio. Intervento di professionisti dell’industria di settore.
Gli studenti che a causa di problemi di salute (e.g., COVID) non possono frequentare una lezione sono pregati di contattare il docente.
Modalità di verifica dell'apprendimento
L’esame può essere espletato nei seguenti modi:
A) Solo Orale con verifica delle esercitazioni in laboratorio
B) Solo Progetto con verifica delle esercitazioni in laboratorio
Esame orale consiste in una discussione sull'intero programma del corso allo scopo di verificare una acquisizione ed una comprensione avanzata dei concetti teorici e pratici studiati, con capacità di rielaborazione degli stessi.
Con la verifica delle esercitazioni in laboratorio lo studente dovrà consegnare un archivio contenente l’insieme degli script funzionanti e ben documentati realizzati nel corso dell’anno riguardanti l’implementazione dei vari algoritmi di visione descritti nel programma ed esplicitati dal docente. La verifica consiste in una discussione che evidenzi la corretta implementazione pratica dei concetti teorici affrontati durante il corso.
Il progetto consiste nella realizzazione di un elaborato che si concentra ed approfondisce un tema specifico particolarmente innovativo concordato preventivamente con il docente. L’argomento potrà riguardare un problema scientifico allo stato dell’arte oppure un tema di particolare interesse applicativo. Con il progetto lo studente dovrà dimostrare di padroneggiare gli argomenti di visione sapendo approfondirli e generalizzarli nel risolvere nuove problematiche.
Non c’è distinzione tra frequentanti e non frequentanti.
Criteri di valutazione
La discussione degli esercizi di laboratorio rappresenta uno sbarramento (passato o non passato).
Il voto dell’orale viene articolato nei seguenti criteri:
18-23: lo studente conosce la materia di base.
24-27: lo studente collega bene gli argomenti.
28-30L: lo studente padroneggia gli aspetti più avanzati.
Il voto del progetto viene articolato nei seguenti criteri:
18-23: il progetto è una semplice estensione delle esercitazioni svolte in classe.
24-27: il progetto coinvolge argomenti innovativi non affrontati in classe.
28-30L: il progetto coinvolte argomenti allo stato dell’arte.
Criteri di composizione del voto finale
Max 30L
Lingua dell'esame
italian or english