«АЛГОРИТМЫ КОМПЬЮТЕРНОГО ЗРЕНИЯ»

ВОПРОСЫ К ЭКЗАМЕНУ ПО КУРСУ
«АЛГОРИТМЫ КОМПЬЮТЕРНОГО ЗРЕНИЯ» (2014/2015)
1. Модель формирования изображений. Перспективное преобразование, его
свойства. Однородные координаты.
2. Фильтрация изображений. Фильтр Гаусса. Сглаживание и вычисление градиента изображения с помощью фильтра Гаусса.
3. Определение прямых линий на изображениях. Преобразование Хафа
(Hough transform). Детектирование контурных линий на изображении. Детектор Canny.
4. Задача сопоставления (matching) изображения и шаблона. Сопоставление
при помощи кросс-корреляции (normxcorr2 in Matlab).
5. Детектирование особых точек на изображениях. Угловой детектор Харриса. Отслеживание особых точек в видеопотоке.
6. Представление изображения в пространстве масштаба (пирамида изображений Гаусса). Детектирование особых точек на изображениях методом
SIFT.
7. Описание локальных областей в окрестности особых точек. Дескриптор
SIFT. Сопоставление (matching) особых точек на различных изображениях
(сопоставление на основе дескрипторов).
8. Детектирование объекта, заданного своим шаблонным изображением, на
тестовом изображении. Отслеживание объекта (tracking) в видеопотоке.
9. Распознавание сцены. Алгоритм Bag-of-Words.
10. Однородные координаты. Модель камеры. Внутренние и внешние параметры. Дисторсия.
11. Алгоритм калибровки камеры. Реализация в OpenCV.
12. Эпиполярная геометрия. Эпиполярное ограничение, существенная матрица (essential matrix). Фундаментальная матрица.
13. Алгоритм оценки существенной матрицы (8-точечный алгоритм) и взаимного расположения двух камер (R,t) по двум изображениям.
14. Триангуляция: задача определения трехмерных координат точек в пространстве по двум проекциям.
15. Disparity map: построение карты глубины при перемещении камеры вдоль
прямой линии.
16. Homography. Гомография между двумя изображениями. Алгоритм оценки
матрицы гомографии по 4-м точкам. Отображение плоскости дороги с камеры, установленной на машине, в плоскость виртуальной камеры над дорогой.
17. Постановка задачи определения движения камеры и трехмерного положения объектов сцены по соответствиям точек на последовательности изображений (Structure from motion). Алгоритм реконструкции положения камеры
и объектов сцены по двум последовательным изображениям (Two frame structure from motion).
18. Задача определения движения камеры и трехмерного расположения объектов сцены по соответствиям точек на последовательности изображений
(Structure from motion). Алгоритм bundle adjustment. Пример реализации для
случая прямолинейного перемещения камеры с постоянной скоростью.
19. Задача определения движения камеры и трехмерного расположения объектов сцены по соответствиям точек на последовательности изображений
(Structure from motion). Алгоритм bundle adjustment. Пример реализации для
случая движения камеры по окружности с постоянной угловой скоростью.
20. Оптический поток (Optical Flow). Алгоритм Лукаса-Канаде оценки движения каждого пикселя в отдельности. Отслеживание движущихся объектов
в видеопотоке.
Литература
1. Szeliski R. Computer Vision: Algorithms and Applications. – Springer,
2010. – 979 p.
2. Lowe D.G. Distinctive image features from scale-invariant keypoints //
International Journal of Computer Vision, 60, 2 (2004), pp. 91-110.
3. Triggs B., McLauchlan P.F., Hartley R.I., Fitzgibbon A.W. Bundle Adjustment – a modern synthesis // B. Triggs, A. Zisserman, R. Szeliski (Eds.): Vision Algorithms’99, LNCS 1883, pp. 298–372, 2000.
4. Hartley R., Zisserman A. Multiple view geometry in computer vision.
Second edition. Cambridge University Press, 2003. 672 p.