Innholdsfortegnelse

Emnet er tilknyttet følgende studieprogram

Undervisningsspråk

Norsk eller engelsk. Emnet undervises på engelsk dersom det er utvekslingsstudenter som følger emnet.

Forkunnskapskrav

MA-178-G Matematikk 1 eller tilsvarende, MA-179-G Matematikk 2 , eller tilsvarende  

Anbefalte forkunnskaper

Gode kunnskaper i linjær algebra samt matriser anbefales.

Søkealgoritmer (newton rapson multidimentional)

Programmeringskunnskaper. Stivt legeme transformasjoner, homogene koordinatsystemer

Læringsutbytte

Etter fullført emne skal studenten

  • Forstå fundamental konsepter av billeddannelse, samt sensorikk knyttet til dette og belysningsteknikker
  • Kjenne grunnleggende teknikker i bildebehandling,
  • kjenne et kameras interne og eksterne parametere, samt kunne kjenne metoder for billedoppretting (distrotion correction). Kjenne til flerkamerasyn.
  • Anvende machine vision teknikker til å løse kjente problemer innen forskningsbasert og industrielle anvendelser.
  • Kunne bruke bildeprosesseringsverktøy som MatLab, OpenCV e.l.

Innhold

Machine vision handler om hvordan et datasystem tolker og forstår verden rundt seg basert på digitale bilder og videoer. Gjennom transformasjoner og matematiske funksjoner kan systemet trekke ut egenskaper i et bilde og gjenkjenne slike egenskaper gjennom en bildesekvens. I dette faget får man en introduksjon til dette fagfeltet. Du lærer om hvilke faktorer som påvirker et bilde og dets kvaliteter, bildeprosessering og segmentering, samt semantisk bildeinformasjon og teknikker for å utnytte dette i computer vision sammenheng.

Bildegenerering + lysseting (Bildedannelse) (Image formation)

Point operation (punktoperasjoner, histogram) preprosessering

Naboskapsoperasjoner Filtrering (convolusjon, redusere støy, naboskapsoperasjoner)

Feature detection, Segmentering, intrisic parameters

Kameramodel (pinhole vs virkelig kamera med linse)

Transformasjoner (2D->3D, 3D->3D)

Undervisnings- og læringsformer

Forelesninger, prosjekt/øvinger. Forventet arbeidsbelastning for gjennomsnittsstudenten er 27 timer pr studiepoeng.

Vilkår for å gå opp til eksamen

Obligatoriske øvinger/prosjekter. Mengde og type angis ved kursstart hvert semester.

Eksamen

4 timer skriftlig eksamen, Gradert karakter.

Studentevaluering

Studieprogramleder i samråd med studenttillitsvalgt fastsetter evalueringsform og om emnene skal ha midtveis- eller sluttevaluering, jf. kvalitetssystemet kapittel 4.1. Informasjon om evalueringsform for emnet publiseres i Canvas.

Tilbys som enkeltemne

Ja. Med forbehold om ledig plass/kapasitet.

Annen informasjon

Emnet undervises første gang høsten 2021.

Reduksjon i studiepoeng

Innholdet i dette emnet dekkes helt eller delvis av annet emne. Tas ett av disse emnene i tillegg, reduseres studiepoengene som følger:

Emne Studiepoengreduksjon
MAS903 – Maskinsyn for autonome systemer. 5
Sist hentet fra FS (Felles studentsystem) 15. okt. 2026 11:39:59