Logo ENSTA

3A - Parcours Robotique et IA / ROB 313

Vision pour la Robotique

Programmation 2020-2021


Professeurs :
  • Antoine MANZANERA
  • Gianni FRANCHI
  • Andrei BURSUC

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
PROFESSEUR RESSOURCES
Vendredi 6/11/20
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 13/11/20
9:00--12:15
  • Vision 3d 1 : Géométrie projective, Matrice caméra, Homographies, Stéréovision idéale.
  • TP : Estimation d'homographie par DLT - RANSAC.
Gianni FRANCHI
Vendredi 20/11/20
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.
Antoine MANZANERA
Vendredi 27/11/20
9:00--12:15
  • Deep Learning 1 : Rappels sur les réseaux de neurones, CNN pour la classification, la détection et la segmentation d'images, GAN...
Gianni FRANCHI
Vendredi 4/12/20
9:00--12:15
  • Vision 3d 2 : Stéréovision et multi-vues, matrices fondamentale et son estimation, approches par apprentissage
  • TP Matrice Fondamentale
Antoine MANZANERA
Vendredi 11/12/20
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 18/12/20
9:00--12:15
  • Deep Learning 2 (Gianni FRANCHI) : Incertitude dans les Réseaux de Neurones
  • Deep Learning 3 (Andrei BURSUC) : Apprentissage semi ou auto-supervisé, Adaptation de Domaine
Gianni FRANCHI
Andrei BURSUC