• Inicio

    Deadline extension!! La fecha límite para la entrega de los trabajos se extiende hasta el Domingo 30 de octubre a la medianoche.

     

    Profesor: Dr. Juan Pablo Wachs

    Visión por Máquina: Aplicaciones en Robótica presenta a los estudiantes la visión computarizada desde el punto de vista de la interacción entre humanos y máquinas. El curso se enfocará en la aplicación de técnicas de visión de máquina para el diseño de sistemas cibernéticos con humanos. La modalidad del curso es teórico/práctico, focalizándose en el aprendizaje de herramientas relacionadas con proceso de imágenes, discusiones y trabajos prácticos individuales de laboratorio. Mas allá de los principios básicos de visión de máquina y literatura relevante, el curso explorará los métodos por los cuales la visión computarizada es aplicada a interacción entre robots y humanos, y los desafíos y oportunidades que éste presenta. Los estudiantes aprenderán los detalles prácticos relacionados con la visión computarizada y cómo utilizar efectivamente métodos aplicados a la robótica por medio de aplicaciones prácticas.

    Objetivos:

    1. Descripción general de procesos de imágenes en cuanto se relaciona a visión computarizada.
    2. Enseñarles a los estudiantes la aplicación de técnicas de visión computarizada en control de robots.
    3. Desarrollar elementos de pensamiento crítico para construir aplicaciones útiles basadas en visión.

    Programa:

    Basics of image representation
    Image Representation
    Sampling , Quantization, Enhancement
    Filters & colors
    Edges, Blurring and Scale
    Canny Edge Detection and Thresholding
    Histograms
    Correlation and Template matching
    Image Moments
    Hough Transform
    Morphology Operations
    Sobel & Canny edge detector
    Blob Detector
    Dynamic Background
    Optical Flow
    Object tracking
    Hidden Markov Models
    Integral Images
    Adaboost
    Parts-⁠based detector
    Covariance Classifier

    Bibliografía:

    Textos:
    Image Processing, Analysis and Machine Vision. Milan Sonka, Vaclav Hlavac, Roger Boyle, Publisher: Thomson, Third Edition, 2008.
    Digital Image Processing. Rafael Gonzalez, Richard Woods. Publisher: Pearson. Third Edition 2008
    Robotics, vision and control: fundamental algorithms in MATLAB. Corke, Peter. Vol. 73. Springer, 2011.
    Computer vision: a modern approach. Forsyth, David A., and Jean Ponce. Prentice Hall Professional Technical Reference, 2002.
    Textos adicionales y recursos:
    Learning OpenCV Computer Vision with the OpenCV Library. Gary Bradski, Adrian Kaehler. Publisher O’Reilly Media, 2008.
    PCL -⁠ Point Cloud Library (PCL): http://pointclouds.org/

    Duración:

    30 hs. (3 clases por semana durante 3 semanas)

    Fechas y horarios:

    Martes, jueves y viernes de 10 a 13 hs. A partir del 27 de septiembre de 2016.

    Creditos:

    Licenciatura: 2 puntos. 

    Doctorado: a confirmar.

    Forma de evaluación:

    Trabajos prácticos:
    Durante el curso, seis trabajos prácticos individuales serán asignados a los estudiantes. La mayor parte de estos trabajos requieren una implementación. Estas pequeñas implementaciones son pequeños proyectos que permitirán a los estudiantes familiarizarse con técnicas varias de visión por máquina y herramientas de programación.
    Trabajo Práctico Final:
    Los estudiantes tendrán que completar un trabajo práctico final; estas tareas prácticas requieren el aprendizaje de temas de una guía o tutorial, y resolver un problema práctico, incluyendo recolección de datos e implementación. El entregable es una implementación final con un reporte escrito y presentación en clase.
    Trabajo Práctico opcional (Artículo de Conferencia):
    Los estudiantes interesados en implementar un sistema robótico y/o con visión de máquina tendrán la opción de tener nota extra. Aquellos estudiantes deberán entregar un borrador de una página con el tema elegido y la conferencia deseada durante el período del curso.
    Las notas se determinan basándose en los siguiente porcentajes:
    Participación 10%
    Trabajos Prácticos de Lab. (x 6) 60%
    Trabajo Final 30%
    Artículos de Conferencia (nota extra a promediar)

    Bio:

    Dr. Juan Wachs is an Associate Professor in the Industrial Engineering School at Purdue University. He is the director of the Intelligent Systems and Assistive Technologies (ISAT) Lab at Purdue, and he is affiliated with the Regenstrief Center for Healthcare Engineering. He completed postdoctoral training at the Naval Postgraduate School’s MOVES Institute under a National Research Council Fellowship from the National Academies of Sciences. Dr. Wachs received his B.Ed.Tech in Electrical Education in ORT Academic College, at the Hebrew University of Jerusalem campus. His M.Sc and Ph.D in Industrial Engineering and Management from the Ben-Gurion University of the Negev, Israel. He is the recipient of the 2013 Air Force Young Investigator Award, and the 2015 Helmsley Senior Scientist Fellow. Currently he is working at UBA as part of his 2016 Fulbright U.S. Scholar Program to Argentina. He is also the associate editor of IEEE Transactions in Human-Machine Systems, Frontiers in Robotics and AI, and the Journal of Real-Time Image Processing.