Robótica Móvil - Modulo: Visión por Computador

    1. Objetivos

  • Conocer las técnicas fundamentales de visión por computador para la implementación en robots móviles.

  • Aplicar algoritmos de visión por computador en entornos simulados 3D.

Metodología

  • Se realizará clase magistral de los conceptos fundamentales de visión por computador.

  • Se brindara información de artículos, libros, vídeos y enlaces en Internet para la información complementaria del curso.

  • El componente practico se llevara a cabo por medio de talleres y un proyecto en el semestre aplicando los algoritmos en un entorno virtual usando un motor de gráficos 3D y un motor de físicas.

Contenido

  • Introducción a la Visión por computador.

  • Adquisición de Imágenes y Vídeo.

    • Modelo de Cámara

  • Procesamiento de Imágenes

    • Conectividad

    • Realce de Imágenes

    • Detección de bordes

    • Operadores morfológicos

    • Modelos de Color

  • Segmentación de imágenes

    • Binarización mediante detección de umbral

    • Selección del umbral óptimo

    • Selección de umbral basada en características de la frontera

    • Umbrales basados en varias variables

    • Etiquetado de componentes conexas

    • Crecimiento de regiones mediante adición de píxeles

    • Extracción de regiones por el color

  • Extracción de características

    • Descripción de Líneas y Contornos

      • La transformada de Hough

      • Descriptores de Fourier

    • Descripción de Regiones

    • Propiedades de las regiones

    • Texturas

    • Momentos invariantes

  • Identificación y reconocimiento de objetos.

    • Métodos para reducción de datos y reducción de la dimensionalidad

      • Agrupamiento o Clustering

      • Reducción de la dimensionalidad: Self-Organizing Map

    • Clasificación

      • Teoría de la decisión de Bayes: el clasificador Bayesiano

      • El perceptrón y el perceptrón multicapa

      • Máquinas de Soporte Vectorial

  • Medidas de desempeño

    • Exactitud

    • Sensibilidad

    • Especificidad

    • Presicion

    • Recall

    • Curvas ROC

    • Curvas Presicion-Recall

  • Herramientas para la simulación de robots móviles.

Programación

Evaluación (40% de la Nota de la Asignatura)

  • Proyecto 15%

  • Artículos y lecturas 10%

  • Talleres prácticos 15%

Notas

Hoja de datos de Google

Enlaces

Lecturas Asignadas

  • Juan C. Caicedo, Angel Cruz, and Fabio González. Histopathology image classification using bag of features and kernel functions. Lecture Notes in Computer Science. Artificial Intelligence in Medicine, AIME’09, pp 126-135, July 2009.Volume 5651/2009. ISBN 978-3-642-02975-2. ISSN 0302-9743 (Print) 1611-3349 (Online). [pdf] [url] >> 160-1821, 160-1833

  • Angel Cruz-Roa, Juan C. Caicedo and Fabio A. Gonzalez. Visual Pattern Analysis in Histopathology Images Using Bag of Features. Lecture Notes in Computer Science. 14th Iberoamerican Congress on Pattern Recognition. CIARP 2009. pp 521-528. Volume 5856/2009. November 2009. ISBN 978-3-642-10267-7. ISSN 0302-9743 (Print) 1611-3349 (Online). [pdf] [url] >> 160-1810, 160-1843

  • Camargo, J., Caicedo, J. and González, F. Kernel-Based Visualization of Large Collections of Medical Images Involving Domain Knowledge. X Congreso Internacional de Interacción Persona-Ordenador (Interacción2009), September 2009. (paper) >> 160-1820, 160-1808

  • Oliver Jesorsky, Klaus J. Kirchberg and Robert W. Frischholz. Robust Face Detection Using the Hausdorff Distance. Audio- and Video-Based Biometric Person Authentication. Lecture Notes in Computer Science. Volume 2091/2001, Páginas 90-95 [pdf] >> 160-1835, 160-1831

  • Songyang Yu and Ling Guan. A CAD system for the automatic detection of clustered microcalcifications in digitized mammogram films. Medical Imaging, IEEE Transactions on. Feb. 2000, Volume: 19, Issue: 2. pages 115-126 [pdf] >> 160-1335, 160-1440

  • Renaud Barate & Antoine Manzanera Evolving Vision Controllers with a Two-Phase Genetic Programming System Using Imitation. 10th International Conference on the Simulation of Adaptive Behavior (SAB'08). Osaka, Japan. jul.2008. pp. 73--82 [pdf] >> 160-1148, 160-1801

  • C. Niebles, B. Han, A. Ferencz and L. Fei-Fei. Extracting Moving People from Internet Videos. European Conference on Computer Vision (ECCV) 2008. [PDF] >> 160-1830, 160-1841

  • J.C. Niebles, H. Wang, L. Fei-Fei. Unsupervised learning of human action categories using spatial-temporal words. Accepted for Oral Presentation at British Machine Vision Conference (BMVC) 2006. [PDF] >> 160-1531, 160-1829

  • R. Fergus, L. Fei-Fei, P. Perona and A. Zisserman. Learning Object Categories from Google's Image Search. IEEE Inter. Conf. Computer Vision. 2005. [PDF] >>160-1832, 160-1812

Vídeos