Plan du cours
Introduction à la vision par ordinateur pour la robotique
- Vue d'ensemble des applications de la vision par ordinateur dans la robotique
- Défis clés liés à la perception et à la compréhension visuelle
- Configuration de l'environnement de développement avec OpenCV et Python
Fondamentaux du traitement d'images
- Représentation et manipulation des images
- Filtrage, détection de contours et extraction de caractéristiques
- Espaces de couleur et techniques de segmentation
Détection et suivi d'objets avec OpenCV
- Détection d'objets à l'aide de méthodes classiques (cascades de Haar, HOG)
- Suivi des objets en mouvement dans les flux vidéo
- Intégration de la rétroaction visuelle dans les systèmes robotiques
Apprentissage profond pour la perception visuelle
- Vue d'ensemble des réseaux de neurones convolutifs (CNN)
- Entraînement et déploiement de modèles de détection d'objets
- Application de modèles pré-entraînés (YOLO, SSD, Faster R-CNN)
Fusion de capteurs et perception de la profondeur
- Intégration des données de caméra avec les capteurs LiDAR et à ultrasons
- Estimation de la profondeur et reconstruction 3D
- Perception pour l'évitement d'obstacles et la navigation
Contrôle et prise de décision basés sur la vision
- Application de la vision par ordinateur à la manipulation robotique
- Servo-visuel et contrôle en boucle fermée
- Prise de décision autonome basée sur les entrées visuelles
Déploiement et optimisation des modèles de vision
- Déploiement de modèles sur systèmes embarqués et appareils edge
- Optimisation des performances de déduction pour les applications en temps réel
- Dépannage et amélioration de la précision
Synthèse et étapes suivantes
Pré requis
- Une compréhension des concepts fondamentaux de la robotique
- Une expérience avec la programmation en Python
- Une familiarité avec les fondamentaux de l'apprentissage machine
Public cible
- Ingénieurs en robotique
- Professionnels de la vision par ordinateur
- Ingénieurs en apprentissage machine
Nos clients témoignent (2)
Fourniture des matériels (machine virtuelle) pour passer directement aux exercices, et explication des fondamentaux de ROS2. Comprendre pourquoi les choses fonctionnent d'une manière particulière.
Arjan Bakema
Formation - Autonomous Navigation & SLAM with ROS 2
Traduction automatique
ses connaissances et son utilisation de l'IA pour la robotique dans le futur.
Ryle - PHILIPPINE MILITARY ACADEMY
Formation - Artificial Intelligence (AI) for Robotics
Traduction automatique