机器人视觉识别技术.docx

东 南 大 学 seminar 课程简介 课程名称 机器人视觉识别技术 任课教师  夏思宇  工作单位  自动化  职称  副教授 联系电话  Email 任课教师教学科研简介： 教学方面，承担本科生《计算机组成与结构》 、《计算机图形学》、《图像处理与理解》等课程，曾获第 17 届与第 19 届青年教师授课竞赛三等奖、徐工教师奖、东南大学教育基金会奖教金。 科研方面，目前研究方向为机器学习、模式识别、社交媒体分析等。参与国家自然科学基金重大研究项目、 教育部博士点基金、 航空基金，以及军工项目与企业委托项目等十余项。 在国内外学术刊物和会议上发表论文 30 余篇。2010-2011年作为国家留学基金委全额资助的访问学者在美国纽约州立大学布法罗分校计算机科 学与工程系，从事机器学习理论与应用的研究。 2012 年 6 月至 2012 年 8 月在美国纽约州立大学布法罗分校作短期学术访问。 课程简介（含对学生基础的要求等 , 特别注明拟上课所在校区） ： 《机器人视觉识别技术》 课程主要是为对计算机智能计算与应用有着浓厚兴趣并有一定编程经验的学生开设的一门研讨课。 这门课程将围绕计算机视觉技术中的热点问题，鼓励学生进行思考与研究，并展开讨论。 课程教学目标有以下几个方面： (1)了解当前计算机视觉领域的主要研究方向、前沿技术和未解决的问题。 (2)掌握计算机视觉领域分析问题、解决问题的主要思维方法和思路，为进入科研工作打好基础。 (3) 培养动手实践能力，使得学生能够通过动手实践来验证自己的想法和思路。 （ 4）培养学生的表达、交流与合作能力。 课程主要面向电类学生，班级规模 30 人以内，在四牌楼校区上课。 教学设计方案： 《机器人视觉识别技术》 课程的主要授课方式是：课堂报告与课堂讨论相结合、课堂学习与课外自习相结合、理论学习与具体实践相结合 。课堂演讲以学生为主，时间安排以讨论为主。 第一个环节（ 2 个学时）主要介绍课程基本情况，并进行示范报告。然后围绕三个大专题进行展开。每个专题安排四个环节内容， 第一环节（ 1 个学时）讲授相关基础知识与安排讨论主题； 第二个环节 （ 1 个学时），以专题内容为主题，进行教师和学生之间的讨论； 第三个环节 （ 1.5 学时）由学生分组进行课堂报告，报告内容由学生在教师给出的参考资料中自行挑选； 第四个环节 （ 0.5 学时）教师对前面所涉及的内容进行更深入的分析、 讲解，并对学生的报告进行讲评。 最后一节课（ 2 个学时）主要对一些拓展的主题进行讨论。 课程的总学时为 32 学时（其中 5 学时为课堂讲授， 11 学时为课堂讨论， 16 学时为课外学时，用于学生准备课题讨论所做的查阅资料等自学活动） 。 根据教学内容，教学方案安排如下： 专题 1：基于颜色特征的目标识别 颜色与形状是物体的基本内在特性， 是用于目标识别的重要特征， 因此目标的颜色识别与形状识别已经成为计算机视觉和模式识别中一个十分重要的研究方向，已经被广泛应用到各个领域。 专题 1 主要讨论几种主要的颜色空间（ RGB， YCrCb ， HIS 等等），色彩恒常性原理，白平衡方法，聚类算法，以及目前常用的颜色识别方法。 专题 2：基于形状特征的目标识别 主要包括物体二维形状特征的描述与提取， 重点讨论不变矩和傅里叶描述子这两类经典的形状特征描述方法， 对其基本原理、 方法以及典型的改进算法进行了深入的讨论和分析。 专题 3：双目立体视觉 主要包括双目立体视觉系统的基本原理以及难点， 分别讨论摄像机标定、 特征提取、立体匹配、深度信息提取几个关键问题。 部分参考书目： 夏良正，李久贤 . 数字图像处理（第二版） . 东南大学出版社， 2011 2. 张广军，机器视觉，北京航空航天大学出版社， 2006 Mark S.Nixon, Alberto S.Aguado. Feature Extraction and Image Processing (2 nd edition), Elsevier ， 2008 N.Sebe, Ira Cohen, Ashutosh Garg, and Thomas S.Huang, Machine Learning in Computer Vision ，Springer ， 2005 Nikos Paragios ， Yunmei Chen， and Olivier Faugeras. Handbook of Mathematical Model in Computer Vision ， Springer， 2005 教学方案涉及大量当前计算机视觉领域的理论与技术。 要求学生重点掌握有关方法和技术所要解决的问题、主要思路、流程、特点、结果，对于具体算法的细节掌握不