Teaching

Visione Artificiale per il Veicolo [2021/2022]

Per accedere al corso in maniera telematica collegarsi a Elly

Calendario

Data	Aula	Lezione
23/2 13:30	B3	Introduzione
24/2 10:30	B4	Perceptions
2/3 13:30	B3	DataSets
3/3 10:30	B4	Data Fusion (part I)
9/3 13:30	B3	Data Fusion (part II)
10/3 10:30	B4	Sensors Calibration (part I)
16/3 13:30	B3	Sensors Calibration (part II)
17/3 10:30	B4	Visual Odometry (part I)
23/3 13:30	B3	Visual Odometry (part II)
24/3 10:30	B4	Visual Odometry (part III)
30/3 13:30	TEAMS	FreeSpace, Occupacy Grid and Stixels (part I)
31/3 10:30		LEZIONE SOSPESA
6/4 13:30	B3	FreeSpace, Occupacy Grid and Stixels (part II)
7/4 10:30	B4	Visual Self Localization and Visual SLAM
Interruzione dal 11/4 al 22/4
27/4 13:30	B3	Neural Network Application
28/4 10:30	B4	LAB: Visual Odometry (part I)
4/5 13:30	B3	LAB: Visual Odometry (part II)
5/5 10:30	B4	LAB: FreeSpace (part I)
11/5 13:30	B3	LAB: FreeSpace (part II)
12/5 10:30	B4	LAB: Lane Detection and Deep Learning (part I)
18/5 13:30	B3	LAB: Lane Detection and Deep Learning (part II)
19/5 10:30	B4	Recupero
20/5 13:30	B3	Recupero
26/5 10:30	B4	Recupero

In genere il materiale viene caricato appena prima della lezione (o al massimo nei giorni successivi se devo apportare modifiche).

Laboratorio

In laboratorio verrà fornita una Macchina Virtuale con tutto il software e i dataset necessari per lo sviluppo. Chi volesse usare il proprio portatile deve installare i seguenti pacchetti (per Ubuntu):
libceres-dev
libeigen3-dev
libopencv-dev
libtorch-dev
cmake-gui
gluplot

Modalità di Esame

Il voto è costituito per il 20% dal giudizio sul materiale prodotto durante le sessioni di laboratorio, per il 40% dall'esame teorico scritto e per il 40% dal giudizio sul progetto sviluppato.

Materiale per Tesi e Tesine

Per le tesine l'uso di LaTex è opzionale (ma consigliato), obbligatorio per le tesi. Sia per le tesi che per le tesine la presentazione PowerPoint/OpenOffice deve essere di massimo 15 minuti, perciò circa 15 slides.

[Template Tesi/Tesina LaTex]