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
Queste informazioni sono destinate esclusivamente agli studenti e alle studentesse già iscritti a questo corso.Se sei un nuovo studente interessato all'immatricolazione, trovi le informazioni sul percorso di studi alla pagina del corso:
Laurea magistrale in Computer Engineering for intelligent Systems - Immatricolazione dal 2025/2026Il 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 |
|---|
2° Anno Sarà attivato nell'A.A. 2025/2026
| Insegnamenti | Crediti | TAF | SSD |
|---|
3 modules among the following| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
3 modules among the following| Insegnamenti | Crediti | TAF | SSD |
|---|
4 modules among the following:
- 1st year: Advanced visual computing and 3d modeling, Computer vision, Embedded & IoT systems design, Embedded operating systems, Robotics
- 2nd year: Advanced control systemsLegenda | 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.
Advanced visual computing and 3d modeling (2024/2025)
Codice insegnamento
4S012355
Docente
Coordinatore
Crediti
6
Offerto anche nei corsi:
- Digital design del corso Laurea magistrale in Computer Engineering for Robotics and Smart Industry
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Periodo
II semestre dal 3 mar 2025 al 13 giu 2025.
Corsi Singoli
Autorizzato
Obiettivi di apprendimento
Il corso si propone di fornire fondamenti teorici e strumenti pratici per affrontare i problemi di stima della struttura 3D di una scena a partire da immagini, la modellazione 3D data driven geometrica e fotometrica delle scene, l'analisi dinamica delle scene. Al termine del corso lo studente dovrà dimostrare di saper applicare le conoscenze acquisite, in particolare i) saper gestire le diverse strutture dati utilizzate per modellare scene e oggetti 3D, anche per applicare su di essi metodi di machine learning, ii ) Conoscere il metodo utilizzato per la scansione 3D, il tracking basato sulla visione, la ricostruzione fotometrica. iii) utilizzare metodi di visione computazionale in vari scenari applicativi, come la robotica o l'elaborazione di immagini mediche; iv) gestire i problemi di efficienza e accuratezza delle tecniche. Al termine del corso lo studente dovrà inoltre dimostrare di essere in grado di proseguire autonomamente gli studi nel campo del visual computing e dell'analisi di dati tridimensionali. Deve essere in grado di presentare i risultati di un'applicazione di visione computazionale e confrontarsi con professionisti del settore e avere la capacità di adattarsi autonomamente all'evoluzione tecnica e allo stato dell'arte nel campo della visione computazionale.
Prerequisiti e nozioni di base
Conoscenze base di image processing, algebra lineare, computer vision
Programma
Ricostruzione 3D: strutture dati per rappresentare superfici e dati volumetrici, nuvole di punti, meshing, recupero superfici, rappresentazioni implicite,
Dal 2D al 3D: stima del movimento, tracking, struttura da movimento e SLAM, tecnologie di scansione 3D
Modellazione della riflettanza e caratterizzazione dei materiali, Stereo fotometrico
Ricostruzione 3D da dati medici
Fondamenti di elaborazione della geometria
Progettazione computazionale e produzione digitale
Bibliografia
Modalità didattiche
Prova scritta su tutti gli argomenti dell'insegnamento, attraverso domande aperte ed esercizi, della durata di 2 ore (punteggio massimo 24/30) e valutazione compiti a casa (max 10/30) sostituiti da un progetto per gli studenti non frequentanti. Non sono previste prove intermedie.
Modalità di verifica dell'apprendimento
Prova scritta su tutti gli argomenti dell'insegnamento, attraverso domande aperte ed esercizi, della durata di 2 ore (punteggio massimo 24/30) e valutazione compiti a casa (max 10/30) sostituiti da un progetto per gli studenti non frequentanti. Non sono previste prove intermedie.
Criteri di valutazione
Per superare l'esame, gli studenti dovranno dimostrare di:
-aver compreso i concetti alla base della rappresentazione e dell'elaborazione di informazioni tridimensionali, della scansione 3D, dell'estrazione e dell'elaborazione della geometria di superficie, della codifica di attributi utili alla resa e alla visualizzazione grafica, della ricostruzione di informazioni geometriche per la diagnosi medica a partire da dati volumetrici;
-essere in grado di esporre i propri argomenti in modo preciso e organico;
-saper applicare le conoscenze acquisite per risolvere i problemi applicativi presentati
Criteri di composizione del voto finale
Il voto finale sarà la somma della valutazione dello scritto e della prova pratica. La prova è superata se la valutazione dello scritto è superiore a 14 e la valutazione della prova pratica è superiore a 4. Se la somma dei punteggi è maggiore di 30, verrà assegnato il punteggio di 30 e lode.
Lingua dell'esame
Inglese (italiano opzionale)
Sustainable Development Goals - SDGs
Questa iniziativa contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.Maggiori informazioni su www.univr.it/sostenibilita
