ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ
Βασικός στόχος του μαθήματος είναι να εμβαθύνει, τόσο σε θεωρητικό όσο και σε επίπεδο εφαρμογών, σε όλες τις επιμέρους διαδικασίες και μεθόδους που επιτρέπουν την πλήρως αυτοματοποιημένη ανακατασκευή 3Δ αντικειμένων από εικόνες, υπό το πρίσμα της επιστήμης της Φωτογραμμετρίας αλλά και της Όρασης Υπολογιστών. Παράλληλα οι φοιτητές θα έχουν την ευκαιρία να εξοικειωθούνε τις τεχνολογίες αιχμής που αξιοποιεί σήμερα η Φωτογραμμετρία για την συλλογή, επεξεργασία και ανάλυση γεωχωρικών δεδομένων.
Παράλληλα, μέσω των εργασιών/θεμάτων, το μάθημα επιδιώκει να ενθαρρύνει την ανάπτυξη πρωτοβουλίας των φοιτητών/τριών στην μελέτη της σύγχρονης βιβλιογραφίας και τον προγραμματισμό επιμέρους θεμάτων στα σύγχρονα ερευνητικά αντικείμενα της Φωτογραμμετρίας και της Όρασης Υπολογιστών.
Αναμένεται ότι μετά το πέρας του μαθήματος ο φοιτητής/τρια:
- Θα γνωρίζει τις σύγχρονες φωτογραμμετρικές εξελίξεις στην θεωρητική αλλά και πρακτική διάστασή τους
- Έχει κατανοήσει εις βάθος τις μεθόδους και αλγορίθμους της Όρασης Υπολογιστών και την ώσμωσή με τις κλασικές φωτογραμμετρικές διαδικασίες
- Έχει κατανοήσει εις βάθος και μπορεί να περιγράψει, εξηγήσει και συγκρίνει α) τους αλγόριθμους και τεχνικές αραιής και πυκνής συνταύτισης εικόνων (sparse / dense matching), β) τους αλγόριθμους SFM (Structure From Motion)
- Έχει την ικανότητα να κατανοεί πλήρως την λειτουργία λογισμικών που επιλύουν το πρόβλημα της αυτόματης 3Δ ανακατασκευής από εικόνες μέσω των παραπάνω διαδικασιών και να τα χρησιμοποιεί σε ποικίλα πεδία εφαρμογών
- Έχει την ικανότητα να σχεδιάζει, υλοποιεί και εφαρμόζει (σε μικρής έκτασης έργα) αυτοματοποιημένες διαδικασίες της Φωτογραμμετρίας και Όρασης Υπολογιστών που αφορούν τους προσανατολισμούς εικόνων, την προβαθμονόμηση και αυτοβαθμονόμηση μηχανής, την 3Δ ανακατασκευή. Την ικανότητα να αναλύει, ερμηνεύει και αξιολογεί τα αποτελέσματα από άποψη ακρίβειας και αξιοπιστίας και να συγγράφει τεχνικές εκθέσεις για την παρουσίασή τους
- Έχει κατανοήσει και είναι σε θέση να περιγράψει και να συγκρίνει τους αλγόριθμους SLAM (Simultaneous Localization and Mapping) και τα πεδία εφαρμογής τους
- Έχει κατανοήσει και είναι σε θέση να περιγράψει και να συγκρίνει τους αλγόριθμους οπτικής πλοήγησης μέσω βίντεο (visual odometry) και τις εφαρμογές τους στην ρομποτική
Γενικές Ικανότητες
- Αυτόνομη εργασία
- Ομαδική εργασία
- Προσαρμογή σε νέες καταστάσεις
- Άσκηση κριτικής και αυτοκριτικής
- Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
Εμβάθυνση σε ειδικά κεφάλαια της σύγχρονης Φωτογραμμετρίας και Όρασης Υπολογιστών. Περιλαμβάνονται διαλέξεις από μέλη ΔΕΠ του Τμήματος αλλά και προσκεκλημένους επιστήμονες και ερευνητές, ειδικούς στον ακαδημαϊκό και τον επαγγελματικό χώρο.
Τα πεδία εμβάθυνσης αφορούν τις state-of-the-art αυτοματοποιημένες διαδικασίες της Φωτογραμμετρίας και Όρασης Υπολογιστών:
- Αλγόριθμοι αυτόματων προσανατολισμών εικόνων
- Γραμμικές επιλύσεις προσανατολισμών εικόνων
- Μέθοδοι βαθμονόμησης – και αυτοβαθμονόμησης μηχανής
- Αλγόριθμοι και τεχνικές αραιής και πυκνής συνταύτισης εικόνων (sparse / dense matching)
- Συγκρίσεις αλγορίθμων SFM (Structure From Motion)
- Αλγόριθμοι SLAM (Simultaneous Localization and Mapping)
- Οπτική πλοήγηση μέσω βίντεο (visual odometry) και εφαρμογές στην ρομποτική
Παράλληλα οι φοιτητές/τριες θα αναλάβουν την εκπόνηση πρακτικού (λογισμικό open-source/ προγραμματισμός) ή βιβλιογραφικού θέματος στα αντικείμενα που πραγματεύεται το μάθημα.
Μέθοδος Αξιολόγησης
- Αξιολόγηση των θεμάτων
- Τελική παρουσίαση θεμάτων
ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ
Ελληνική
- Δερμάνης Α., 1991. Αναλυτική Φωτογραμμετρία. Εκδόσεις Ζήτη, Θεσσαλονίκη.
- Kraus K., 2003. Φωτογραμμετρία. Βασικές Έννοιες και Μέθοδοι.Τόμος 1. Εκδόσεις ΤΕΕ, Αθήνα.
Ξενόγλωσση
- ASPRS, 2013. Manual of Photogrammetry. 6th edition, J. Chris McGlone (editor)
- Luhmann T., Robson S., Kyle S., Harley I., 2006. Close Range Photogrammetry: Principles, Techniques and Applications. Whittles Publishing, Scotland.
- Szeliski R., 2010. Computer Vision: Algorithms and Applications (draft). Springer (http://szeliski.org/Book/).
- Hartley R., Zisserman A., 2000. Multiple View Geometry in Computer Vision. Cambridge University Press.
- Fӧrstner W., Wrobel B. P., 2016. Photogrammetric Computer Vision. Springer