3A - Parcours Robotique et IA / ROB 313

Vision pour la Robotique

Programmation 2022-2023

Professeurs :

Antoine MANZANERA
Gianni FRANCHI

Chargés de TP :

Marwane HARIAT
Rémi KAZMIERCZAK

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 2/12/22 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	Copie des transparents "Co-conception pour la 3d"
Vendredi 9/12/22 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	Copie des transparents "Vision 3d (1)" Copie des transparents "Vision 3d (2)"
Vendredi 16/12/22 9:00--12:15	Deep Learning 1 : Rappels sur les réseaux de neurones, CNN pour la classification,d'images.	Gianni FRANCHI	Copie des transparents "Deep Learning 1"
Vendredi 6/1/23 9:00--12:15	TP : Estimation d'homographie par DLT - RANSAC. TP Matrice Fondamentale	Gianni FRANCHI Antoine MANZANERA	Lien Colab pour le TP Homographie Compléments de cours sur les Homographies Enoncé du TP Matrice Fondamentale Code Python et Images pour le TP
Vendredi 13/1/23 9:00--12:15	Deep Learning 2 : Réseaux génératifs, Segmentation sémantique. Deep Learning 3 : Incertitude dans les Réseaux de Neurones	Gianni FRANCHI Antoine MANZANERA	Copie des transparents "Segmentation sémantique" Copie des transparents "Incertitude dans les RN"
Vendredi 20/1/23 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. Vidéo / Suivi d’objets : Observations et détection, Suivi de distributions, Filtrage prédictif, Approches par apprentissage TP suivi d'Objets	Antoine MANZANERA Gianni FRANCHI	Copie des transparents "Modèles d'Objet" Copie des transparents "Suivi d'objets" Copie des transparents "Suivi par détection" Enoncé du TP Code Python-OpenCV pour le TD Vidéos de test pour le suivi
Vendredi 27/1/23 9:00--12:15	TP Deep Learning : Segmentation sémantique	Gianni FRANCHI Marwane HARIAT Rémi KAZMIERCZAK	Lien vers le notebook Colab
Vendredi 3/2/23 9:00--10:30	Examen écrit Durée nominale : 1h30 Documents autorisés : Tous écrits manuscrits (Ni impressions, ni livres, ni accès électronique)	Gianni FRANCHI Marwane HARIAT Rémi KAZMIERCZAK	Annale d'examen : Contrôle 2022 avec le corrigé