Logo ENSTA

3A - Parcours Robotique et IA / ROB 313

Vision pour la Robotique

Programmation 2021-2022


Professeurs :
  • Antoine MANZANERA
  • Gianni FRANCHI

Chargés de TP :

  • Marwane HARIAT
  • XXXX

Modalités de contrôle des connaissances :

  • Comptes-rendus de TPs sur machine

Compléments du Polycopié (+Cours ROB317) :

Ce cours présente les principes et les techniques de la vision par ordinateur utilisés dans le domaine de la Robotique.

Pour le robot, s'agit d'une part de structurer son environnement (reconstruction 3d, perception de la profondeur, détection de lignes et de plans...), ce qu'il peut faire par diverses techniques impliquant des aspects physiques et technologiques (caméras 3d, stéréovision,...) mais aussi algorithmiques (appariement et disparité, calcul d'homographie, matrice fondamentale, transformées de Hough, RANSAC...), sans oublier les approches par apprentissage.
 
D'autre part, le robot doit interpréter son environnement en termes sémantiques, c'est-à-dire reconnaître les objets ou les situations à partir des images ou de la vidéo. Cette reconnaissance s'appuie aussi sur diverses techniques (Bag-of-words, Modèles implicites, Deep learning,...) qui sont abordées dans ce cours.

CRÉNEAU
  DESCRIPTION DE LA SÉANCE
PROF. / CHARGES DE TP
RESSOURCES
Vendredi 26/11/21
9:00--12:15
  • Introduction : Perception de la 3d dans les systèmes biologiques. Co-conception des capteurs 3d. Approches par Apprentissage. Capteurs actifs : Temps de vol et Lumière structurée ; Capteurs passifs : Plénoptique, Depth from defocus, Pupilles codées,...
Antoine MANZANERA
Vendredi 3/12/21
9:00--12:15
  • Vision 3d 1 : Géométrie projective, Matrice caméra, Homographies, Stéréovision idéale.
  • Vision 3d 2 : Stéréovision et multi-vues, matrices fondamentale et son estimation, approches par apprentissage
Gianni FRANCHI
Antoine MANZANERA
Vendredi 10/12/21
9:00--12:15
  • TP : Estimation d'homographie par DLT - RANSAC.
  • TP Matrice Fondamentale
Gianni FRANCHI
Marwane HARIAT
Antoine MANZANERA
Vendredi 17/12/21
9:00--12:15
  • Deep Learning 1 : Rappels sur les réseaux de neurones, CNN pour la classification,d'images.
Gianni FRANCHI
Vendredi
7/1/22
9:00--12:15
  • Modèles d’objets : Représentations d’objets visuels, Sacs de mots visuels, Fenêtre glissante. Transformées de Hough pour la reconnaissance de formes paramétrées.
  • Deep Learning 2 : Réseaux génératifs, Segmentation sémantique.
Antoine MANZANERA
Gianni FRANCHI
Vendredi 14/1/22
9:00--12:15
  • TP Deep Learning : Segmentation sémantique
Gianni FRANCHI
Marwane HARIAT
XXXX

Vendredi
21/1/22
9:00--12:15
  • Vidéo / Suivi d’objets : Observations et détection, Suivi de distributions, Filtrage prédictif, Approches par apprentissage
  • TP suivi d'Objets
Antoine MANZANERA
Gianni FRANCHI

Vendredi
28/1/22
9:00--12:15
(A CONFIRMER)
  • Examen écrit
Gianni FRANCHI
Antoine MANZANERA
Marwane HARIAT
XXXX