Explore la vision humaine de la rétine au cortex visuel, couvrant des sujets tels que la vision des couleurs, la sensibilité aux différentes longueurs d'onde et la comparaison des processus de vision humaine et de vision par ordinateur.
Explore les techniques de délimitation, y compris la transformation de Hough, l'orientation du gradient et la détection de forme, en soulignant l'importance de combiner des techniques basées sur des graphiques et l'apprentissage automatique.
Explore les techniques de segmentation, y compris les modèles CNN et U-Net, pour la reconnaissance et l'analyse d'images, en mettant l'accent sur les méthodes automatisées qui permettent de gagner du temps.
Explore l'analyse et la classification de la texture dans les images, en mettant l'accent sur le rôle des techniques d'apprentissage automatique telles que les réseaux neuronaux convolutifs.
Explore la récupération de l'orientation de la surface à partir de la texture de l'image sous différentes projections et l'utilisation de l'apprentissage profond pour la prédiction normale.
Explore la stéréo géométrique, la géométrie épipolaire, les méthodes de corrélation, les occlusions et les défis de mise en œuvre en temps réel dans les systèmes de vision stéréoscopique.
Explore les concepts de vision stéréoscopique tels que les occlusions, l'impact de la taille de la fenêtre, la stéréo multivue, la reconstruction dynamique de la forme et la segmentation basée sur des graphiques.
Explore la reconstruction de formes à partir de contours en utilisant des techniques de calage stéréo et de coque visuelle basées sur les bords pour une reconstruction 3D précise.
Présente les bases de la formation d'images, couvrant les images analogiques et numériques, la géométrie de la caméra, les systèmes de coordonnées et l'étalonnage de la caméra.
Présente les bases de l'étalonnage de la caméra, y compris l'estimation des paramètres, les limitations du modèle de sténopé, l'imagerie de l'objectif, la profondeur de champ et les distorsions de l'objectif.
Introduit les bases de la détection de bord, y compris la mesure du contraste, les images de gradient, l'interprétation de Fourier, les fonctions gaussiennes, le détecteur de bord Canny et les applications industrielles.