Séance de cours

Computer Vision Basics: Traitement de l'image et détection des caractéristiques

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

MICRO-452: Basics of mobile robotics

This course gives an overview of the field of mobile robotics, introducing to the main techniques and allowing to test them in exercises and a team-based project. ...

Description

Cette séance de cours couvre les bases de la vision par ordinateur, en se concentrant sur les techniques de traitement d'image telles que le filtrage pour la réduction du bruit, la détection de bord et la détection de caractéristiques à l'aide de méthodes telles que la transformation de Hough et le Pattern Matching. Il aborde également des sujets tels que le calibrage de la caméra, la reconstruction 3D et la localisation et la cartographie simultanées (SLAM). L'importance des caméras dans la vision par ordinateur est mise en évidence, ainsi que le processus d'extraction d'informations réelles à partir d'images. Divers algorithmes de détection de caractéristiques, y compris des détecteurs de points d'intérêt, sont discutés, soulignant leur rôle dans la reconnaissance d'objets, l'analyse de la structure 3D et le suivi de mouvement.

Enseignant·e

Francesco Mondada

Voir la page en anglais

Source officielle

Proximité ontologique

Information engineering

Intelligence artificielle: Vision par ordinateur

Concepts associés (32)

Feature (computer vision)

In computer vision and , a feature is a piece of information about the content of an image; typically about whether a certain region of the image has certain properties. Features may be specific structures in the image such as points, edges or objects. Features may also be the result of a general neighborhood operation or feature detection applied to the image. Other examples of features are related to motion in image sequences, or to shapes defined in terms of curves or boundaries between different image regions.

Corner detection

Corner detection is an approach used within computer vision systems to extract certain kinds of features and infer the contents of an image. Corner detection is frequently used in motion detection, , video tracking, image mosaicing, panorama stitching, 3D reconstruction and object recognition. Corner detection overlaps with the topic of interest point detection. A corner can be defined as the intersection of two edges. A corner can also be defined as a point for which there are two dominant and different edge directions in a local neighbourhood of the point.

Vision par ordinateur

La vision par ordinateur est un domaine scientifique et une branche de l’intelligence artificielle qui traite de la façon dont les ordinateurs peuvent acquérir une compréhension de haut niveau à partir d's ou de vidéos numériques. Du point de vue de l'ingénierie, il cherche à comprendre et à automatiser les tâches que le système visuel humain peut effectuer. Les tâches de vision par ordinateur comprennent des procédés pour acquérir, traiter, et « comprendre » des images numériques, et extraire des données afin de produire des informations numériques ou symboliques, par ex.

Filtre de Canny

Le filtre de Canny (ou détecteur de Canny) est utilisé en pour la détection des contours. L'algorithme a été conçu par John Canny en 1986 pour être optimal suivant trois critères clairement explicités : bonne détection : faible taux d'erreur dans la signalisation des contours, bonne localisation : minimisation des distances entre les contours détectés et les contours réels, clarté de la réponse : une seule réponse par contour et pas de faux positifs vignette|Image obtenue après application d'un flou gaussien 5x5.

Mesure stéréoscopique

La stéréovision ou mesure stéréoscopique est une méthode de mesure qui consiste à se servir de la prise d'images (photographiques ou numériques) prises de différents points de vue, pour déterminer les dimensions, les formes ou les positions d'objets. Pour cela on utilise : soit des appareils photographiques étalonnés utilisant des films argentiques plans et stables dimensionnellement ou des détecteurs C.C.D à haute résolution pour des mesures statiques ; soit des caméras (film ou CCD) si des mesures dynamiques sont nécessaires (vidéogrammétrie).

Afficher plus

Séances de cours associées (64)

Détection des contours : Deep Learning Insights

Explore l'évolution des techniques de détection des bords, de Canny à l'apprentissage profond.

Topologie : Produits polyédriques et détection de contours

Explore les concepts de topologie et de détection de bord en vision par ordinateur, mettant en évidence l'importance des contours et des gradients dans l'analyse d'images.

Délimitation : Techniques et applications

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.

Deep Learning : Détection de périphérie et réseaux neuronaux

Discute des techniques de détection de bord et de l'évolution de l'apprentissage profond dans les réseaux neuronaux.

Traitement d'image I: Traitement d'histogramme discret et opérateurs spatiaux

Explore le traitement d'histogrammes discrets et les opérateurs spatiaux pour la manipulation d'images et la réduction du bruit.

Afficher plus

Concepts associés (32)

Feature (computer vision)

Corner detection

Vision par ordinateur

Filtre de Canny

Mesure stéréoscopique

Afficher plus